# 使用 TensorFlow 和 Keras 的文本數據的 RNN 文本數據可以被視為一系列字符，單詞，句子或段落。 **循環神經網絡**（ **RNN** ）已被證明是非常有用的序列神經網絡結構。為了將神經網絡模型應用于**自然語言處理**（ **NLP** ）任務，文本被視為單詞序列。事實證明，這對于 NLP 任務非常成功，例如： * 問題回答 * 會話智能體或聊天機器人 * 文件分類 * 情緒分析 * 圖像標題或描述文本生成 * 命名實體識別 * 語音識別和標記 NLP 與 TensorFlow 深度學習技術是一個廣闊的領域，很難在一章中捕捉到。因此，我們嘗試使用 Tensorflow 和 Keras 為您提供該領域中最流行和最重要的示例。一旦掌握了本章的內容，不要忘記探索和試驗 NLP 的其他領域。 在本章中，我們將了解以下主題： * 詞向量表示 * 為 word2vec 模型準備數據 * TensorFlow 和 Keras 中的 skip-gram 模型 * 使用 t-SNE 可視化單詞嵌入 * TensorFlow 和 Keras 中使用 LSTM 模型的文本生成示例