语言计算研究的前提是确定可计算性（computability）问题。话语意义计算的研究方法，取决于对可计算性的理解。通常可计算性是指计算机是否具备解决某类实际问题的能力。一个可计算的问题是计算机可通过有限步骤解决的问题。

计算语言学分析处理自然语言的方式，主要通过建立形式化的数学模型，并通过计算机的程序实现模型。目的是让机器模拟人的语言能力。（俞士汶，2003：2）所以，语言计算的研究需要语言知识必须以精确且可计算的方式呈现，进而最大限度地使计算机效仿人类处理语言的能力。

人们开始寻求语言的认知功能与智能计算之间的模拟关系，尝试把语言作为计算的工具，也就是以自然语言为基础的智能计算。简言之，智能计算就是用词计算或词推理，这里的词是指词所负载的语义内涵。因为人类的推理大多数是通过以词为媒介的意义进行表达。人们用意义而不是用词句进行推理和推断。在此基础上韩礼德（Halliday）提出了计算意义（computing meaning）的概念，他指出，如果推理和推断是以计算的形式进行，那么这种计算就会通过语义表征进行。(www.daowen.com)

知识是人工智能问题求解的基础。人工智能研究者的首要任务就是探寻最佳的知识表征方法。知识表征是指把已获得的有关知识，以计算机可以识别的形式加以合理地描述和储存。人类知识最自然的表达方式是自然语言，所以知识表征就是把一组表示某种情景的语句转换成该情景中各个部分之间关系的语义描述。同时，这种描述必须是可计算的。这就是人工智能研究对现代语言学家提出的任务。他们希望语言学家发展更实用的语法分析方法作为知识表征的基础。由于知识是以意义的形式表述的，如果我们能够通过句子形式得出其语义表达，那么也就意味着获得了知识的表征。因此，用语义系统取代知识库指日可待。

具体到话语层面的语言计算的研究，可计算性是指依据语言的表层形式特征，对话语的意义进行操作和处理。鉴于人类语言的复杂性，自然语言不能直接作为计算机处理的对象。这就需要先抽象出问题，进而再进行形式化的表示，并建立相应的形式模型。通过适当的算法实现模型。以上步骤构成了自然语言的处理过程。