英文、中文自然語言處理得比較 使用Tensorflow簡單進行語言處理，達到偵測語氣的目的。

1. Introduction to NLP
陳宇心 Yu-Hsin Chen
GDSC@TMU Lead 22'
Subtitle Goes Here
大家記得簽到

2. ● 電腦到底是怎麼分類訊
息的呢？
在此之前......

3. 大家一起夢回排列組合
Naive Bayes貝式分類器
在X條件下發生c的機率

4. 大家一起夢回排列組合
Naive Bayes貝式分類器
一般郵件
● p(Dear|N)=0.47
● p(Friend|N)=0.29
● p(Lunch|N)=0.18
● p(Money|N)=0.06
假設收到一般郵件機率0.67
垃圾郵件機率
0.33
垃圾郵件
● p(Dear|S)=0.29
● p(Friend|S)=0.14
● p(Lunch|S)=0.00
● p(Money|S)=0.57
訊息：Dear Friend 是一般還
是垃圾郵件呢?
為一般郵件的可能性：
● p(N) x p(Dear|N) x p(Friend|N)=
0.67 x 0.47 x 0.29 = 0.091
為垃圾郵件的可能性：
● p(S) x p(Dear|S) x p(Friend|S)=
0.33 x 0.29 x 0.14 = 0.013
但是Dear Friend 和 Friend Dear的結
果相同，所以成為Naive

5. 我們的詩到底更像更像誰的呢？
Naive Bayes 小實作
實作連結：
https://drive.google.com/file/d/1tDim_FOdjpl7d
TB2_LAZQ6azv2jxpLHg/view?usp=sharing

6. 把句子處理成電腦也能懂的樣子
步驟：
什麼是Natural Language Processing?
1.Segmentation
2.Tokenization
3.Stop Words
4.Stemming
5.Lemmatization
6.Speech Tagging

7. 斷句
Segmentation

8. 記號化
Tokenization
"This is a sample"
“This” “is” “a” “Sample”

9. 停用詞
Stop Words
有些字詞沒有重要意思
Ex. "a" "These" "is" "are"

10. 提取-把後面的字元砍掉
Stemming Lemmatization
辭形還原
BUT
Caring—----> Car (失真)
Caring—----> Care
● 優點：將詞彙分成最小
有意義型態
● 缺點：貴

11. 辭性標註
Speech Tagging
● 教電腦文法

12. 專有名詞標註
步驟：
Named Entity Tagging
Project中重要的專有名詞 Ex.爬蟲爬影評 告訴電腦明星的名字

13. Tokenization,Stemming
,Lemmintization
小實作
實作連結：
https://colab.research.google.com/drive/1Qf6-
GrM1PNCkkIY4DsXOpZsb1DwYYUie?usp=sharin
g

14. 實作：判斷tweet是否
與災難相關

15. 中文呢？

16. ● 深度學習產物，超過字數可能失真
○ 先斷句再斷詞
Monpa 罔拍
先將長文截成短文，再斷詞
實作連結：
https://colab.research.google.com/drive/
1MvqUZCZleDI62rLSJXd8cNBYAwLfX0Og?
usp=sharing

17. Monpa 罔拍
更複雜的範例
實作連結：
https://drive.google.com/file/d/1dazZjQb
YwZDiRoavDLug19c4jqZwAOj_/view?usp=
sharing

18. 謝謝大家 要記得填回饋喔~~
連結：
https://forms.gle/xpAEXEGNhmLjbKiB7