自然语言处理(Natural Language Processing,NLP)是一门研究实现人工智能理解人类语言的科学,涵盖了机器翻译、文本生成、语音识别等诸多领域,自然语言处理作为人工智能领域的重要研究方向,在人工智能时代具有良好的发展前景。得益于循环神经网络(Recurrent Neural Networks,RNN)的迅速发展,自然语言处理的研究也有了长足的进步。循环神经网络通常由软件实现,使用C、C++、Python等语言编写算法,再由中央处理器(Central Processing Unit,CPU)完成运算,但是软件按照顺序执行算法串行工作,无法体现神经网络的并行特点和优势,且不能移植到其他的硬件平台,使自然语言处理的应用受到了一定的限制。现场可编程门阵列(Field Programmable Gate Arry,FPGA)以其高度并行运算、硬件资源丰富、逻辑单元灵活和易于开发芯片的特点,成为循环神经网络实现的理想器件。本文主要研究基于FPGA的RNN硬件实现,通过对循环神经网络模型的分析,设计实现循环神经网络的硬件模型,在此基础上使用唐诗训练集对循环神经网络进行训练,获得一个可以生成藏头诗的循环神经网络,验证了基于FPGA实现循环神经网络并应用于自然语言处理的可行性,同时设计了基于tensorflow的循环神经网络软件实现方案,两种方案进行对比,验证了基于FPGA的循环神经网络硬件实现方案在速度和功耗上的优势。