1、預訓練模型
BERT是一個預訓練的模型，那么什么是預訓練呢？舉例子進行簡單的介紹
假設已有A訓練集，先用A對網絡進行預訓練，在A任務上學會網絡參數，然后保存以備后用，當來一個新的任務B，采取相同的網絡結構，網絡參數初始化的時候可以加載A學習好的參數，其他的高層參數隨機初始化，之后用B任務的訓練數據來訓練網絡，當加載的參數保持不變時，稱為"frozen"，當加載的參數隨着B任務的訓練進行不斷的改變，稱為“fine-tuning”，即更好地把參數進行調整使得更適合當前的B任務
優點：當任務B的訓練數據較少時，很難很好的訓練網絡，但是獲得了A訓練的參數，會比僅僅使用B訓練的參數更優
Task #1: Masked LM
為了訓練雙向特征，這里采用了Masked Language Model的預訓練方法，隨機mask句子中的部分token，然后訓練模型來預測被去掉的token。
具體操作是：
隨機mask語料中15%的token，然后將masked token 位置輸出的final hidden vectors送入softmax，來預測masked token。
這里也有一個小trick，如果都用標記[MASK]代替token會影響模型，所以在隨機mask的時候采用以下策略：
1）80%的單詞用[MASK]token來代替
my dog is hairy → my dog is [MASK]
2）10%單詞用任意的詞來進行代替
my dog is hairy → my dog is apple
3）10%單詞不變
my dog is hairy → my dog is hairy
Task 2#: Next Sentence Prediction
為了讓模型捕捉兩個句子的聯系，這里增加了Next Sentence Prediction的預訓練方法，即給出兩個句子A和B，B有一半的可能性是A的下一句話，訓練模型來預測B是不是A的下一句話
Input = [CLS] the man went to [MASK] store [SEP]
penguin [MASK] are flight ## less birds [SEP]
Label = NotNext
he bought a gallon [MASK] milk [SEP]
Label = IsNext
Input = [CLS] the man [MASK] to the store [SEP]
訓練模型，使模型具備理解長序列上下文的聯系的能力
2、BERT模型
BERT：全稱是Bidirectional Encoder Representation from Transformers，即雙向Transformer的Encoder，BERT的模型架構基於多層雙向轉換解碼，因為decoder是不能獲要預測的信息的，模型的主要創新點都在pre-traing方法上，即用了Masked LM和Next Sentence Prediction兩種方法分別捕捉詞語和句子級別的representation
其中“雙向”表示模型在處理某一個詞時，它能同時利用前面的詞和后面的詞兩部分信息，這種“雙向”的來源在於BERT與傳統語言模型不同，它不是在給你大牛股所有前面詞的條件下預測最可能的當前詞，而是隨機遮掩一些詞，並利用所有沒被遮掩的詞進行預測
下圖展示了三種預訓練模型，其中 BERT 和 ELMo 都使用雙向信息，OpenAI GPT 使用單向信息
3、BERT的輸入部分
bert的輸入部分是個線性序列，兩個句子通過分隔符分割，最前面和最后增加兩個標識符號。每個單詞有三個embedding:位置信息embedding，這是因為NLP中單詞順序是很重要的特征，需要在這里對位置信息進行編碼；單詞embedding,這個就是我們之前一直提到的單詞embedding；第三個是句子embedding，因為前面提到訓練數據都是由兩個句子構成的，那么每個句子有個句子整體的embedding項對應給每個單詞。把單詞對應的三個embedding疊加，就形成了Bert的輸入。
如上圖所示，輸入有A句[my dog is cute]和B句[he likes playing]這兩個自然句，我們首先需要將每個單詞及特殊符號都轉化為詞嵌入向量，因為神經網絡只能進行數值計算。其中特殊符[SEP]是用於分割兩個句子的符號，前面半句會加上分割碼A，后半句會加上分割碼B
因為要建模句子之間的關系，BERT 有一個任務是預測 B 句是不是 A 句后面的一句話，而這個分類任務會借助 A/B 句最前面的特殊符 [CLS] 實現，該特殊符可以視為匯集了整個輸入序列的表征。
最后的位置編碼是 Transformer 架構本身決定的，因為基於完全注意力的方法並不能像 CNN 或 RNN 那樣編碼詞與詞之間的位置關系，但是正因為這種屬性才能無視距離長短建模兩個詞之間的關系。因此為了令 Transformer 感知詞與詞之間的位置關系，我們需要使用位置編碼給每個詞加上位置信息。
總結一下：
（1）token embeddings表示的是詞向量，第一個單詞是CLS，可以用於之后的分類任務
（2）segment embeddings用來區別兩種句子，因為預訓練不光做LM還要做以兩個句子為輸入的分類任務
（3）position embeddings表示位置信息
4、NLP的四大類任務
（1）序列標注：分詞、實體識別、語義標注……
（2）分類任務：文本分類、情感計算……
（3）句子關系判斷：entailment、QA、自然語言推理
（4）生成式任務：機器翻譯、文本摘
上圖給出示例，對於句子關系類任務，很簡單，和GPT類似，加上一個起始和終結符號，句子之間加個分隔符即可。對於輸出來說，把第一個起始符號對應的Transformer最后一層位置上面串接一個softmax分類層即可。對於分類問題，與GPT一樣，只需要增加起始和終結符號，輸出部分和句子關系判斷任務類似改造；對於序列標注問題，輸入部分和單句分類是一樣的，只需要輸出部分Transformer最后一層每個單詞對應位置都進行分類即可。從這里可以看出，上面列出的NLP四大任務里面，除了生成類任務外，Bert其它都覆蓋到了，而且改造起來很簡單直觀。（https://zhuanlan.zhihu.com/p/49271699）
5、模型的評價
（1）優點
BERT是截止至2018年10月的最新的的state of the art模型，通過預訓練和精調可以解決11項NLP的任務。使用的是Transformer，相對於rnn而言更加高效、能捕捉更長距離的依賴。與之前的預訓練模型相比，它捕捉到的是真正意義上的bidirectional context信息
（2）缺點
作者在文中主要提到的就是MLM預訓練時的mask問題：
1）[MASK]標記在實際預測中不會出現，訓練時用過多[MASK]影響模型表現;
2)每個batch只有15%的token被預測，所以BERT收斂得比left-to-right模型要慢（它們會預測每個token）
6、GLUE語料集的介紹
實驗數據以及對應的NLP任務
MNLI：蘊含關系推斷
QQP：問題對是否等價
QNLI：句子是都回答問句
SST-2：情感分析
CoLA：句子語言性判斷
STS-B：語義相似
MRPC：句子對是都語義等價
RTE：蘊含關系推斷
WNLI：蘊含關系推斷
7、git網址https://github.com/google-research/bert
關於bert知識干貨的匯總https://zhuanlan.zhihu.com/p/50717786
本文轉自https://blog.csdn.net/yangfengling1023/article/details/84025313
---------------------
作者：小白的進階
來源：CSDN
原文：https://blog.csdn.net/laobai1015/article/details/87937528
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！