是詞性的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

自然語言處理入門

為了解決是詞性的問題，作者何晗 這樣論述：

這是一本務實的入門書，助你零起點上手自然語言處理。HanLP作者何晗彙集多年經驗，從基本概念出發，逐步介紹中文分詞、詞性標注、命名實體識別、資訊抽取、文本聚類、文本分類、句法分析這幾個熱門問題的演算法原理與工程實現。書中通過對多種演算法的講解，比較了它們的優缺點和適用場景，同時詳細演示生產級成熟代碼，助你真正將自然語言處理應用在生產環境中。隨著本書的學習，你將從普通程式師晉級為機器學習工程師，最後進化到自然語言處理工程師。

是詞性進入發燒排行的影片

自然語言處理工具的硬體測試與應用的研究

為了解決是詞性的問題，作者黃達翔 這樣論述：

本論文探討有關自然語言處理工具的硬體測試與應用。自然語言處理是在人工智慧領域中，實現人類與電腦之間使用自然語言來進行有效地溝通的研究理論與方法。由於它的理論與實作和探討人類的思維有關，使得每一項重大的突破往往都是經歷了幾十年的時間才得以突破。近年來自然語言處理在中文分詞、詞彙語義、詞性標記、句法解析這些技術都獲得了很大的突破。它的範疇包含了文字與語音這兩種應用，文字的應用包含機器翻譯、自動摘要、文字分類、語法校對甚至是應用在電腦程式設計上等。語音的部分則有語音辨識、聊天機器人、多媒體資訊分析等。本次研究著重在自然語言處理的工具之應用，首先我們在不同的硬體環境上測試了三種自然語言的工具，分別是

詞性標記(Part-of-Speech Tagging)、命名實體識別(Named Entity Recognition)、分塊(Chunking)，先是測試了訓練準確度(Accuracy)和F1-score，再來觀察不同的硬體環境下運行的差異性。其次我們將十類的論文主題短文經過分類處理得到一些結果。我們把這些資料劃分成兩個非對稱分布資料以及一個對稱分布資料，透過詞袋模型建模以及經由詞嵌入處理後再用t-SNE來降維後去顯示出分類結果。從結果中能得知，個別處理每一類的優點是對於那些出現次數較少的關鍵字來說比較不容易被其他類的詞給覆蓋過，缺點則是處理的過程繁複。而將所有類合併處理的優點是在顯現各類

主題詞，使用處理兩個詞的模型會比處理三個詞的好。在處理三個詞的時候，有保留介係詞的模型能找到十類裡面大部分的關鍵詞，而移除介係詞的模型雖然能保留三個詞，但對於一些兩個字組成的詞來說是很難分類到的。隨後我們將十類的短文資料經由獨立的兩個字組成的詞之分類方法來分出關鍵字。接著在使用LDA (Latent Dirichlet Allocation)來訓練多群的短文，並將之依序分成10、5、3群，並將Test Data對訓練的模型進行測試。LDA為一個較完整的文字預測模型，此方法是將每一篇文件的機率視為潛在主題中隨機字詞的機率之混合模型，進而求得該篇文件出現的機率值。根據5.6.1的結果，10類的非對

稱分布資料中訓練後我們得知，前者中較少的關鍵字不容易被找出關鍵字，對稱分布資料則能發現10類的所有關鍵字平均地分散在各10類中。至於5類與3類的LDA分析則能夠發現，因為都是在對稱分布資料下進行訓練，10類中個關鍵字依照各自的關聯性分類成一群。整體而言與非對稱分布資料相比，訓練後的LDA模型的對稱分布資料表現更好。 非對稱分布資料會導致一些關鍵字被合併。

連老外都在用的字根、字首、字尾大全集【虛擬點讀筆版】(附1CD+防水書套+虛擬點讀筆APP)(三版)

為了解決是詞性的問題，作者地表最強教學顧問團 這樣論述：

連老外都在用！全世界都在等！ 亞洲狂銷數十萬本，全球公認最好用的單字記憶法！ 斷貨多年，帶著「虛擬點讀筆APP」強勢回歸！ 　　《連老外都在用的字根、字首、字尾大全集【虛擬點讀筆版】》 　　是一本一生受用的英文單字終極寶典 　　是一本連老外都推崇讚賞的英語單字書 　　是一本每個英語學習者都該必備的語言工具書 　　字根、字首、字尾是連老外都在用的單字記憶法，也是全球公認最好用的單字學習法。 　　《連老外都在用的字根、字首、字尾大全集【虛擬點讀筆版】》擺脫傳統音節式或死背的單字記憶法。地表最強教學顧問團教你用最輕鬆、最有效的方法學習單字，用理解代替死背，保證讓你迅速提升單字吸收力，將單字

永記在心。 　　不同英語系國家英文老師，一致推薦最有效的單字記憶法：字根、字首、字尾學習法 　　Stephen│美國籍英語教師 　　我在美國也是以字根、字首、字尾教學生記單字。 　　Lawrance│英國牛津大學畢 　　字根、字首、字尾是全球公認最有效的單字記憶法。 　　Organis Rivers│單字王作者，澳洲籍英文教師 　　只要熟記字根、字首、字尾，單字永生難忘。 　　Tiger Chen│華裔紐西蘭籍英文教師 　　連我現在都在用字根、字首、字尾的概念拆解單字。 　　學習英文只要用對方法，從此以後愛上背單字。 讓你一生都受用的五大學習特色 　　特色一：字根、字首、字尾完整收錄

　　全書共收錄最實用的字根、字首、字尾563個，不論你是要在職進修或欲參加各類英檢考試，只要熟記這563個實用字源，絕對符合你一輩子的需求。 　　特色二：獨創字根、字首、字尾系統分類 　　將字根、字首、字尾有系統地照字母分類整理，搭配數個單字範例加強練習，讓你更懂得運用字根、字首、字尾學習法。 　　特色三：群組同源單字，10倍速學習記憶 　　熟練字根、字首、字尾記憶法，並把同源單字和其衍生字一次記下來，讓你迅速增加單字量，事半功倍。 　　特色四：獨創「神奇單字拆解法」 　　以獨特的方式分解單字組合結構、以理解代方式代替死背單字，讓你一目了然，永生難忘。 　　特色五：獨家附贈「虛擬點讀

筆App」及1CD 　　全書英文單字及中文意思皆附專業美籍老師錄製之音檔，除可以用CD方式讀取音檔，也可以免費下載專為英語學習所設計的「虛擬點讀筆App」，隨時掃描書中QR Code，隨時聽取音檔，就像是隨身攜帶一名美籍口說老師，隨處都可學習最正確的英語發音！ 使用說明 　　步驟1　認識字根字首字尾＋大師指南 　　英文的字根、字首、字尾是單字組合裡的最小單位，熟知各自代表的意思之後，再搭配專業外籍教師的補充學習，幫助你更深入了解其意義與用法，爾後即使遇到不認識的單字，也能利用字根字首字尾去拆解出其意思。 　　步驟2　完整單字學習法 　　每個單字皆附有「KK音標」與「字母拼讀法」，提供給讀

者最完整的單字發音學習法，教你唸出最正確的單字發音。另外單字所有詞性與中文解釋也一併附上，讓你單字使用零誤率。 　　步驟3　實用例句＋衍生補充 　　每個單字搭配精心編寫例句及詳細的中文翻譯，讓你除了背單字以外也懂得    靈活運用。例句中的生難字詞皆附有解釋；單字的其他相關重點也毫無保留地補充於書中，絕對是提升英語力的最佳利器。 　　步驟4　群組同源單字一次學會 　　《連老外都在用的字根、字首、字尾大全集【虛擬點讀筆版】》將同源單字整理成表格，讓你一次記下所有相關衍生單字，不僅幫助學習記憶，更是你預習兼複習的好幫手。看一次，記全部，迅速增加你的單字資料庫。 　　步驟5　獨創考試出題率燈號

標示 　　依照國內6大考試：TOFEL、IELTS、TOEIC、GEPT、升學考試與公務人員考試分類，以燈號標示，燈號出現次數愈多，就表示此單字的重要性愈高。時間不夠時，可利用燈號篩選出自己需要背的單字，省時又省力。 　　步驟6　字根字首字尾大全單字MP3 　　學習英文單字最重要的就是要會唸會聽，否則跟單字仍像陌生人一樣。本書獨家收錄由中美籍專業教師錄製的全書單字，內容豐富，絕不馬虎。聆聽最正確的發音方式、奠定口說能力，才是真正學好英文的不二法門。 　　步驟7　獨家虛擬點讀筆App 　　除了CD播放，更可以使用手機掃描每頁角落QR Code，下載專為語言學習所設計的「虛擬點讀筆App」。每

一頁的內容隨時掃，隨時聽，就像隨身攜帶一名美籍口說老師，隨時都能學習英文，隨處都是你的行動英文教室！ 　　［VRP虛擬點讀筆介紹］ 　　1.為什麼會有「虛擬點讀筆App」？ 　　（1）以往讀者購買語言學習工具書時，為了要聽隨書附贈的音檔，總是要拿出已經很少在用的CD 播放器或利用電腦，又或是轉存到手機來使用，耗時又不方便。 　　（2）坊間當然也有推出「點讀筆」來改善此種學習上的不方便，但是一支筆加一本書往往就要二、三千元，且各家點讀筆又不相容，CP值真的很低。 　　（3）後來雖然有了利用QR Code描掃下載檔案至手機來聽取音檔的方式，但手機不僅必須要一直處在上網的狀態，且從掃描到聽取音檔

的時間往往要花個五秒以上，很令人氣結。 　　（4）因此，我們為了同時解決讀者以上三種困擾，特別領先全球開發了「虛擬點讀筆」App，並獲得專利，希望這個輔助學習的工具，能讓讀者不僅不用再額外花錢，且使用率和相容性也是史上最高。 　　2.「虛擬點讀筆App」就是這麼方便！ 　　（1）讀者只要透過書中的QR Code連結，就能立即下載「虛擬點讀筆App」。（僅限iPhone和Android二種系統手機） 　　（2）「虛擬點讀筆App」下載完成後，可至App目錄中搜尋需要的音檔或直接掃描內頁QR Code一次下載至手機使用。 　　（3）當音檔已完成下載後，讀者只要拿出手機並開啟「虛擬點讀筆App」，

就能隨時掃描書中頁面的QR Code立即讀取音檔（平均1秒內）且不需要開啟上網功能。 　　（4）「虛擬點讀筆App」就像是點讀筆一樣好用，還可以調整播放速度（0.8-1.2倍速），配合學習步調。 　　（5）如果讀者擔心音檔下載後太佔手機空間，也可以隨時刪除音檔，下次需要使用時再下載。購買本公司書籍的讀者等於有一個雲端的CD櫃可隨時使用。 　　（6）詳細使用及操作方法請見書中使用說明。 　　（雖然我們努力做到完美，但也有可能因為手機的系統版本和「虛擬點讀筆App」不相容導致無法安裝，在此必須和讀者說聲抱歉，若無法正常使用，請讀者使用隨書附贈的CD。）  

醫療社群問答系統提問意圖偵測之研究

為了解決是詞性的問題，作者姜博文 這樣論述：

本論文建立一個使用者提問文本之意圖類型偵測系統，提出三種類型的特徵資料，第一種是詞嵌入向量產生向量維度之間的關聯性特徵資料﹐第二種是每個單詞與醫療概念關鍵字相似度特徵資料，第三種是詞性嵌入向量特徵資料。本論文並提出兩種基於卷積神經網路的學習網路，第一種是CNN Joint Model，利用多種特徵資料的特徵向量，學習預測提問文本之意圖類型，第二種是Ensemble CNN Model，每種特徵資料會先獨立預測提問文本之意圖類型程度值，並利用Ensemble參數學習每個特徵比重，再將每個特徵資料的預測結果與比重相乘後再相加，用以調整模型預測結果。實驗結果顯示，醫療概念關鍵字特徵與詞向量維度關聯

特徵同時作為輸入特徵時，能更有效地預測提問文本的意圖類型，再與傳統的詞嵌入向量或詞性嵌入向量做為同時輸入的特徵資料時，可使模型分類效果提升。透過實驗綜合評估，當系統推薦程度值大於門檻值0.3的意圖類型時，可以實現最佳的意圖類型預測效果，F1評估值可達到0.75。