BERT是一个transformers模型，它是在一个大型英文语料库上进行自监督预训练的。这意味着它仅在原始文本上进行预训练，没有任何人类以任何方式对其进行标注（这就是为什么它可以使用大量公开可用的数据、，并使用自动过程从这些文本中生成输入和标签。更准确地说，它是通过两个目标进行预训练的：
- 掩码语言建模（MLM、：将一个句子，模型随机屏蔽输入中15％的单词，然后将整个屏蔽的句子通过模型运行，并预测屏蔽的单词。这与传统的递归神经网络（RNN、不同，后者通常一个接一个地看到单词，或者与GPT这样的自回归模型内部屏蔽未来的标记。它允许模型学习句子的双向表示。
- 下一句预测（NSP、：模型在预训练期间将两个掩码句子连接在一起作为输入。有时它们对应于原始文本中相邻的句子，有时则不是。然后，模型必须预测这两个句子是否相互跟随。
通过这种方式，模型学习了英语语言的内部表示，然后可以用于提取对下游任务有用的特征：例如，如果您有一个标记的句子数据集，您可以使用BERT模型生成的特征作为输入来训练标准分类器。
本文URL：https://www.ainavpro.com/sites/2559.html
前往AI网址导航
正文完
