Terdapat banyak tempat makan di Bandung yang menarik untuk dikunjungi. Hal tersebut mengakibatkan masyarakat memanfaatkan sistem rekomendasi untuk membantu mereka dalam mencari tempat makan yang sesuai. Conversational Recommender System (CRS) merupakan salah satu jenis sistem rekomendasi yang memungkinkan adanya dialog antara pengguna dan sistem sehingga dapat meningkatkan minat pengguna terhadap sistem tersebut. CRS dapat memandu pengguna dengan menampilkan saran dan memunculkan umpan balik pengguna. Penelitian mengenai CRS untuk merekomendasikan produk lain telah dilakukan sebelumnya. Namun, penggunaan CRS untuk merekomendasikan tempat makan menggunakan Natural Language Processing (NLP) belum dilakukan. Oleh karena itu, penelitian ini menggunakan pendekataan Natural Language Processing (NLP) agar dapat membantu pengguna mencari tempat makan dengan lebih fleksibel. Pengguna dapat mendeskripsikan tempat makan yang ingin dikunjungi menggunakan bahasa sehari-hari. Pada penelitian ini, sistem mencari kategori tempat makan yang sesuai dengan formula cosine similarity. Cosine similarity digunakan untuk menghitung nilai similaritas antara query pengguna dengan dictionary yang dibangun pada sistem. Evaluasi sistem dilakukan dengan menghitung akurasi sisem rekomendasi dan kepuasan pengguna. Studi pengguna dengan melibatkan 80 pengguna menunjukkan bahwa pendekatan NLP berhasil meningkatkan pengalaman positif dalam menggunakan sistem. Selain itu, pada sistem tersebut menghasilkan nilai akurasi yang cukup tinggi yaitu 75,83%