鐵人檔案
說到「資料」，我們腦中常常浮現的都是一串串的數字，但你有沒有想過文字也是一種資料？
電腦的世界充滿著 01001 ，那它又是怎麼「讀懂」我們所說的話呢？
這個系列將從一個語言學學生的角度出發，帶你走進一個文科與理科交會的奇妙領域 —— 自然語言處理（Natural Language Processing）
用輕鬆科普的方式來聊 NLP 的基礎概念、經典方法與應用場景，希望讓毫無程式背景的小白也能一起理解！
引言 升大四那年暑假在思考著人生的下一步時，偶然接觸到了「自然語言處理 NLP」這個 fancy 的名詞。當時一方面是被「外文系也能跟 AI 扯上關係」的噱頭燒...
引言 在這個數位化、大數據的時代，大家應該多多少少有有聽過 資料探勘（Data Minig），當我們想到「資料」，通常第一直覺可能是想到數字或表格，整整齊齊地躺...
引言 下圖是一則電影評論的留言，大家乍看之下，會覺得這是一則好評還是負評呢？圖片來源：Dcard 即便是我們看這則評論，在缺乏上下文的情況下，可能也會覺得有點難...
引言 近年來 Thread 是個很流行的社群媒體，相信大家在滑脆的時候應該會覺得密密麻麻的文字，看得非常眼花撩亂... 有的貼文會參雜很多表情符號 😘🤡💅🏻...
引言 在前一天的內容，我們談到了 Regex 是一套怎樣的規則，以及它是如何用來匹配文字。前一天內容傳送門🚪 但是光知道規則還不夠，我們需要工具來操作這些規則，...
引言 接下來要來介紹的是 NLP 中，不可或缺的「斷詞」，也可以說「分詞」！但今天我們不做程式的實作，而是先釐清兩個常見，但可能會有點小混淆的概念：Tokeni...
引言 昨天我們談到 Tokenization 跟 Segmentation 的差異，知道了拆文字有很多種方式：字、詞、子詞。在中文裡，因為是以字（Charact...
引言 詞性標註 Part-of-Speech (POS) tagging 是 NLP 中非常基礎和重要的任務。POS tagging 的目的是為每個詞語標上它的...
引言 我們知道電腦無法像人一樣直接理解文字。要讓電腦「看懂」文字，我們必須先把文字轉換成數字的形式，才能進行後續的分析或建模。 在 主題三：特徵與表示 中，我會...
引言 在前一天的內容，我們了解了向量（vector）與 embedding 的概念，知道文字必須轉換成數字，才能讓電腦理解與運算。 今天我們要介紹 Bag-of...
