【Bert】（一）使用场景

论文：https://arxiv.org/pdf/1810.04805.pdf

官方代码：GitHub - google-research/bert: TensorFlow code and pre-trained models for BERT

任务总结（归纳方式有待改善）

1、序列标注：分词，词性标注，命名实体识别（NER）

命名实体识别：找出一句话中的感兴趣实体，例如找一句话中的地址名，人名等。

分词：（还在学习中，请参考NLP ---分词详解（常见的五种分词技术二）_进击的菜鸟-CSDN博客_分词）。

词性标注：例如找出一句话中的名词，动词等。

2、分类任务：文本分类，情感计算

文本分类：例如判断淘宝的评价为正面的还是负面的。

情感计算：（还在学习中）。

3、句子关系判断：entailment（分类为蕴含或矛盾），相似度计算

entailment：（还在学习中）

相似度计算：例如判断两句话是否是同一个意思。

4、生成式任务：机器翻译，问答系统，文本摘要

机器翻译：（还在学习中）

问答系统：官方例子中，给定一句话和针对这段话的一个提问，答案是这段话中的一部分内容。这里不需要提炼概括。真实的问答系统什么样还不清楚，才开始学习NLP。

文本摘要：（还在学习中）

接下来的文章中主要讲解以下任务：

（1）官方例子：两句话是否含义相同

（2）官方例子：问答系统。给定一句话和针对这段话的一个提问，答案是这段话中的一部分内容。这里不需要提炼概括。

（3）命名实体识别（NER-BiLstm-CRF），一句话中找出地名、人名等。

每个任务按照：数据-->标注-->方法-->原理讲解。这样的顺序进行讲解。

参考

NLP的四大类任务 - FromZeroToOne - 博客园

自然语言处理(NLP)一些任务的总结 - 简书