文章目录
1 BERT
BERT(Bidirectional Encoder Representations from Transformers)
1.1 BERT的基本思想
BERT是一种双向Transformer架构,擅长处理自然语言理解认为。它通过遮盖语言模型,和下一句预测进行训练。双向性允许BERT同时考虑左侧和右侧的上下文,增强了理解能力。
BERT如此成功的一个原因之一是它是基于上下文(context-based)的嵌入模型。
不像其他流行的嵌入模型,比如word2vec,是上下文无关的(context-free)。
首先,让我们理解基于上下文和上下文无关的嵌入模型的区别。
考虑下面两个句子:
Sentence A:He got bit by Python.
Sentence B:Python is my favorite programming language.
在句子A中,Python是蟒蛇的意思。
在句子B中,Python是编程语言的意思。
如果我们得到上面两个句子中单词Python的嵌入向量:
那么像word2vec这种嵌入模型就会为这两个句子中的Python赋予相同的