數據挖掘，機器學習，天然語言處理這三者是什麼關係?

數據挖掘與機器學習是兩個不一樣的概念；
數據挖掘中使用到機器學習的各類工具，而天然語言處理也是是一種機器學習的方式，屬於數據挖掘的範疇。
數據挖掘（英語：Data mining），又譯爲資料探勘、數據採礦。它是數據庫知識發現
（英語：Knowledge-Discovery in Databases，簡稱：KDD)
中的一個步驟。數據挖掘通常是指從大量的數據中自動搜索隱藏於其中的有着特殊關係性
（屬於Association rule learning）的信息的過程。
數據挖掘一般與計算機科學有關，並經過統計、在線分析處理、情報檢索、機器學習、
專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現
上述目標。
機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及機率論、統計學、逼近論、
凸分析、算法複雜度理論等多門學科。
專門研究計算機怎樣模擬或實現人類的學習行爲，以獲取新的知識或技能，從新組織已有的知識結構
使之不斷改善自身的性能。
它是人工智能的核心，是使計算機具備智能的根本途徑，其應用遍佈人工智能的各個領域，
它主要使用概括、綜合而不是演繹。
天然語言處理是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現人與計算機之間用
天然語言進行有效通訊的各類理論和方法。
天然語言處理是一門融語言學、計算機科學、數學於一體的科學。所以，這一領域的研究將涉及天然語言，
即人們平常使用的語言，
因此它與語言學的研究有着密切的聯繫，但又有重要的區別。天然語言處理並非通常地研究天然語言，
而在於研製能有效地實現天然語言通訊的
計算機系統，特別是其中的軟件系統。於是它是計算機科學的一部分。
天然語言處理(NLP)是計算機科學，人工智能，語言學關注計算機和人類(天然)語言之間的相互做用的領域。