自然语言处理(Natural Language Processing 简称NLP)
就是研究如何能让计算机理解人们日常所使用的自然语言(如汉语、英语等)的含义，并对于人给计算机提出的问题，可以通过对话的方式，用自然语言进行回答。目的在于建立起一种人与机器之间的密切而友好的关系，使之能进行高度的信息传递与认知活动。自然语言理解系统可以应用作专家系统、知识工程、情报检索和办公室自动化的自然语言人机接口等，具有很大的实用价值。

慧智网的HPLE引擎处理自然语言的主要任务包括了：
自然语言理解、本文朗读(Text to speech) 、语音识别(Speech recognition) 、自然语言生成(Natural language generation) 、机器翻译 (Machine translation) 、智慧答疑 (Question answering) 、信息检索 (Information retrieval) 、信息抽取(Information extraction) 和翻译技术(Translation technology) 等；主要的课题则有语意分析、语法处理、知识表现、逻辑推理、语言模糊判定、概念空间和互动模拟等课题。

建构式概念表述辨识(Constructive Concept Script Recognition：简称CCSR) 是唯一多层次思考的知识架构，因为结合了实体论(ontology) 的基本原理与概念描述(Concept Script)等方法，而有别于一般知识表现(KR，Knowledge Representation) 的作法。一般纯粹使用ontology时，必须投入大量人力以便建立知识架构，但是人类储存记忆知识的方式是多向性、多层次性(multi-dimension)的复杂网络，很难以二维(two- dimension) 的ontology结构来描述。CCSR KR 将概念描述以语法及语意的方式拉近成网状关系的特点，正好可以弥补ontology 的不足，对人类认知的知识能作出更完整的表达。

对于理解系统而言，概念空间 (Concept Space) 能协助计算机锁定说话内容及意图，因此如何建构概念空间且加以应用遂变成相当重要的课题。

目前Aibelive的HPLE引擎处理概念空间的架构有两种形式：
分类方法 (taxonomically)、非分类方法 (non-taxonomically)。分类方法是一种垂直关系的阶层式架构 (hierarchical) 的概念空间架构。而非分类方法这种概念空间是将不同概念以丛集 (Cluster) 与网络 (Network) 的方式建立起子概念间的关系。

自然语言概念空间网络 (Natural Language Concept Space，简称NLCS) 是由非分类方法的概念空间技术延伸而成的，NLCS 以自然语言处理结果的方式建立概念空间，透过语意的延伸与语法的验证以“自动”或是“半自动”的方式建构。计算机因此可以从多个角度来存取NLCS以达成锁定说话者意图的任务。