“人工智能超入门丛书”致力于面向人工智能各技术方向零基础的读者，内容涉及数据思维、机器学习、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。 《情感分析：人工智能如何洞察心理》是“人工智能超入门丛书”中的分册，本分册以通俗易懂的文字风格，介绍了不同的人工智能技术解决情感分析问题的方法，如情感词典、机器学习、深度学习等。内容丰富而简明，包括分词、网络爬虫、词袋模型、朴素贝叶斯、逻辑回归、NPLM模型、Word2Vec模型、LSTM模型等。同时，本书配有关键代码，并在附录中给出了PyTorch的入门介绍以及概率基础知识回顾，让读者在学习过程中打好基础，快速上手，提升解决问题的能力。 本书可以作为大学生以及想要走向自然语言处理（NLP）领域相关工作岗位的技术人员的入门读物，同时，对人工智能感兴趣的人群也可以阅读。

第1章 语挚情长路漫漫
1.1 文中自有真情在
1.1.1 问世间情为何物
1.1.2 触景文下留真情
1.2 NLP来相助
1.2.1 什么是NLP
1.2.2 NLP主要应用领域
1.3 情感即分类
1.3.1 情感分析的对象与方法
1.3.2 情感分析的主要应用
第2章 情感词典查情断意
2.1 分词与词典
2.1.1 分词，情感分析第一步
2.1.2 词典，让AI长知识
2.2 只有“情感”行不行
2.2.1 情感词典的建立
2.2.2 词典的扩充
2.3 基于情感词典的案例
第3章 玩转文本大数据
3.1 数据的获取
3.1.1 网络爬虫
3.1.2 简单爬虫案例
3.2 数据的清洗与整理
3.2.1 去除停用词
3.2.2 词性标注
3.3 词频与词云
3.3.1 词频统计
3.3.2 关键词统计
3.3.3 词云
3.4 词袋模型
3.4.1 词袋模型概念
3.4.2 简单词袋模型案例
3.4.3 改进词汇表
3.4.4 词袋模型显示频率
3.4.5 词袋模型的局限性
第4章 机器学习洞察句情
4.1 机器学习概述
4.1.1 什么是机器学习
4.1.2 机器学习与情感分析
4.1.3 词袋模型数据生成
4.2 朴素贝叶斯与情感分析
4.2.1 贝叶斯vs频率
4.2.2 朴素贝叶斯原理实践
4.3 二项逻辑回归与情感分析
4.3.1 逻辑回归原理
4.3.2 逻辑回归算法
第5章 神经网络触景悉情
5.1 神经网络工作原理
5.1.1 神经网络概述
5.1.2 前向与反向传播
5.1.3 其他参数
5.2 激活函数与损失函数
5.2.1 非线性的激活函数
5.2.2 衡量优劣的损失函数
5.3 神经网络的分类与情感分析
第6章 向量构筑语义空间
6.1 另辟蹊径分布表示
6.1.1 语料库
6.1.2 分布式假说
6.2 从NPLM到Word2Vec
6.2.1 NPLM模型
6.2.2 Word2Vec
6.3 Word2Vec实践
6.3.1 “女人-男人=王后-国王”的三国解读
6.3.2 词汇的星空
第7章 深情厚意咬文嚼字
7.1 循环神经网络
7.1.1 循环神经网络原理
7.1.2 循环神经网络实践
7.2 LSTM
7.2.1 LSTM基本原理
7.2.2 非礼勿记、非礼勿听、非礼勿言
7.3 循环神经网络与情感分析
附录
附录一 PyTorch入门
附录二 概率基础
附录三 腾讯扣叮Python实验室：Jupyter Lab使用说明