BERT(Bidirectional Encoder Representations from Transformers)是一种自然语言表示模型。BERT是基于上下文信息的深度双向表示模型,通过预训练,可得到文本的深度双向表示。
BERT网络结构
BERT的模型结构图如下。
BERT的每一层都利用了文本预料的上下文信息。其基本结构是Transformer,将其深度堆叠,通过类似全连接网络的方式连接起来。简单来说,相比于全连接网络,BERT是把神经元替换成了Transformer,每一个输出是向量。因此,BERT可以看成是全连接网络和Transformer的结合。
BERT是如何充分使用文本预料上下文信息的?一般意义上的RNN网络,见下图,通常情况下只能利用单向信息,从左到右或从右到左的信息。由于其网络结构的限制,数据只能是以序列的形式依次输入到网络中处理,类似于流水线,一个词进入网络