逐步进入BERT
逐步进入BERT
BERT , 代表 双向编码器表示来自 变形金刚 . BERT 由两部分组成： 预训练和微调 G。 BERT 旨在通过联合调节所有层的左右上下文，从未标记的文本中预训练深度双向表示。然后，只需一个额外的输出层就可以对预训练的 BERT 模型进行微调，从而为各种任务创建最先进的模型。 BERT 的一个显着特点是其跨不同任务的统一架构，例如名称实体识别、句子分类和问答。
除了输出层外，预训练和微调都使用相同的架构。相同的预训练模型参数用于为不同的下游任务初始化模型。在微调期间，所有参数都被微调。输入可以是一个句子（用于名称实体识别）或一对句子（用于问答）。在整个工作中，“句子”可以是连续文本的任意跨度，而不是实际的语言句子。 “序列”是指输入到 BERT 的标记序列，它可能是单个或两个打包在一起的句子。在每个输入之前，都会添加一个特殊符号 [CLS]。如果输入是一对，则在其间插入一个特殊的分隔符标记[SEP]（例如，分隔问题/答案）。
Fig. 1. Overall structure of BERT: Pre-training and Fine-tuning
建筑学
BERT 是经过训练的 Transformer Encoder 堆栈。想了解Transformer编码器，请参考我之前的帖子： 一步一步进入变压器 .第一个输入标记带有一个特殊的 [CLS] 标记。这里的 CLS 代表分类。每个位置输出一个大小的向量 hidden_size （BERT 基地中有 768 个）。对于句子分类示例，我们只关注第一个位置的输出（我们传递了特殊的 [CLS] 标记）。
Fig. 3. BERT is a stack of Transformer Encoders.
就像转换器的编码器一样，BERT 将一系列单词作为输入，这些单词一直在堆栈中向上流动。每一层都应用自我注意，将其结果通过前馈网络传递，然后将其传递给下一个编码器。
Fig. 3. Architecture of Transformer Encoder.
输入表示
为了使 BERT 处理各种下游任务，输入表示能够在一个标记序列中明确表示单个句子和一对句子（例如，h Question、Answer）。它的输入表示是通过对相应的求和来为给定的令牌构造的 令牌嵌入、段嵌入和位置嵌入 .
Fig. 4. BERT input representation. The input embeddings are the sum of the token embeddings, the segmentation embeddings, and the position embeddings.
预训练
BERT 不使用传统的从左到右或从右到左的语言模型来预训练 BERT。相反，我们使用两个无监督任务预训练 BERT：Masked LM 和 Next sentence prediction。
任务 1：Masked LM（语言建模）
我们随机屏蔽一定百分比的输入标记，然后预测那些被屏蔽的标记。此过程称为“掩码 LM”（MLM）。 [MASK] 标记用于替换被屏蔽的单词。缺点是我们在预训练和微调之间造成了不匹配，因为 [MASK] 令牌在微调期间不会出现。为了缓解这种情况，我们并不总是用实际的 [MASK] 标记替换“掩码”单词。相反，我们保留随机抽样一些标记以用随机词替换或保持不变：
Fig. 4. Masking procedure in BERT marked language model.
任务 2：下一句预测 (NSP)
许多重要的下游任务都基于对两个句子之间关系的理解，例如问答 (QA) 和自然语言推理 (NLI)，语言建模无法直接捕捉到这些关系。 BERT 为二值化下一句预测任务进行预训练。
为了生成每个训练输入序列，我们从语料库中抽取两段文本，我们将其称为“句子”，尽管它们通常比单个句子长得多（但也可以更短）。第一个句子接收 A 嵌入，第二个句子接收 B 嵌入。 50% 的时间 B 是 A 之后的实际下一个句子，而 50% 的时间是一个随机句子，用于“下一个句子预测”任务。训练损失是均值之和 掩蔽 LM 似然 和平均值 下一句预测可能性 .
微调
对于每个任务，我们将特定于任务的输入和输出插入 BERT 并端到端微调所有参数。在输入端，来自预训练的句子 A 和句子 B 类似于 (1) 释义中的句子对，(2) 蕴涵中的假设-前提对，(3) 问答中的问题-段落对，以及 (4)文本分类或序列标记中的退化文本-∅对。在输出端， 令牌表示被输入输出层 用于令牌级别的任务，例如序列标记或问答。这 [CLS] 表示被送入输出层进行分类 ，例如蕴涵或情感分析。
下图展示了如何为不同的任务适配相同的 BERT 模型：
Fig. 5. BERT is applied to different tasks in the fine-tuning stage such as sentence pair classification, single sentence classification, question answering, and single sentence tagging.
基准数据集包括：
MNLI : Multi-Genre Natural Language Inference 是一项大规模的众包蕴涵分类任务（Williams et al., 2018）。给定一对句子，目标是预测第二个句子相对于第一个句子是蕴涵、矛盾还是中性。
QQP : Quora Question Pairs 是一个二元分类任务，旨在确定 Quora 上提出的两个问题在语义上是否相同。
SST-2： 斯坦福情感树库是一个二元单句分类任务，由从电影评论中提取的句子和人类情感注释组成。
队 ：斯坦福问答数据集 (SQuAD v1.1) 是 100k 众包问答对的集合。
CoNLL-2003： 命名实体识别 (NER) 任务。
下一步
我强烈建议阅读原始论文。您可以找到有关跨不同任务的设置和结果比较的更多详细信息：
关于如何在各种任务上微调 BERT 的 TensorFlow 教程，也是如何使用 TPU 进行训练的一个很好的例子：
预训练 BERT 模型的 Tensorflow 中心，可供下载和使用：
我希望这篇文章能让你轻松理解 BERT 并开始使用 BERT 来应对你的 NLP 挑战！
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
