深度学习：Feature-Base（特征提取）【语言模型的参数固定】、Fine-tuning（微调）【语言模型的参数不固定，依然是可训练的】

Feature-Base（特征提取）：

1. 首先在big data A上训练语言模型，训练完毕得到语言模型（用作 embedding）
2. 然后构造task-specific model, 采用有label的语料B训练该 Model，将语言模型的参数固定，语料B的训练数据经过语言模型得到 语言模型 Embedding, 作为task-specific model的额外特征。

Fine-tuning（微调）:

1. 构造语言模型，采用big data A来训练语言模型。
2. 在语言模型基础上增加小量神经网络层来完成specific task ,然后 采用有label的语料B来训练模型，这个过程中语言模型的参数不固定，依然是trainable variables。