■ 本書特色
透過本書，可以：
•了解自然語言處理(NLP)的概念
•了解各種自然語言處理的方法
•如何使用循環神經網路(RNN)、長短期記憶法(LSTM)對句子進行情緒分析
•如何使用RNN、LSTM對句子內的詞標註詞性

■ 內容簡介
本書有系統地介紹了自然語言處理（NLP）的基礎技術，從傳統的統計處理方法過渡到近年興起基於類神經網路的處理方法，用通俗易懂的語言說明自然語言處理的概念，於各章節中也都有配合實際範例描述所介紹的方法，讓讀者有更紮實的理解。內容深入淺出、容易理解，相信本書會讓讀者有所收獲。

本書作者為AI4kids團隊，曾應教育部國教署邀請，至全國高中主任會議分享AI教學、親子天下雜誌專文報導，成員來自AIA台灣人工智慧學校的校友，團隊有軟體技術、創新研發、工程管理、電商行銷等資歷專長，因為對AI科技教育的熱情而投入AI的教案研發與教學，目標是透過教孩子動手實作AI專題，來啟發他們對好奇心與想像力，協助他們運用各種程式或平台工具來探索、創造自己的AI應用。

第1章　自然語言處理介紹
1-1　前言
1-2　何謂「自然語言處理」？
1-3　傳統的自然語言處理
1-4　深度學習的自然語言處理
1-5　小結
第2章　電腦學中文的第一步：斷詞
2-1　前言
2-2　語料庫
2-3　最大匹配法
2-4　斷詞工具
2-5　中文斷詞工具──Jieba
2-6　中研院斷詞系統─CKipTagger
2-7　小結
第3章　基於統計的自然語言處理
3-1　前言
3-2　One-hot表示法
3-3　詞袋表示法
3-4　TF-IDF表示法
3-5　N元語法
3-6　小結
第4章　基於類神經的自然語言處理
4-1　前言
4-2　詞嵌入
4-3　國王–他 她 = 皇后
4-4　Skip-gram模型與CBOW模型
4-5　訓練詞彙向量
4-6　小結
第5章　循環神經網路簡介
5-1　前言
5-2　認識序列資料
5-3　類神經網路的演進
5-4　循環神經網路
5-5　循環神經網路的種類
5-6　長短期記憶神經網路
5-7　小結
第6章　RNN與LSTM實作：IMDB情緒分析
6-1　前言
6-2　載入與了解IMDB網路電影資料集
6-3　資料預處理
6-4　建構RNN及LSTM模型
6-5　小結
第7章　RNN與LSTM實作：詞性標註
7-1　前言
7-2　載入與了解詞性標註資料集
7-3　資料預處理
7-4　建立字典
7-5　獲得訓練集與測試集
7-6　TensorFlow data pipeline
7-7　建構RNN及LSTM模型
7-8　小結
附錄A Python基礎語法查詢表
A-1 Python基本概念
附錄B Google Colab使用簡介
B-1 Google Colaboratory介紹
B-2 Notebook組態設定
B-3 檢視目前Python版本與套件清單