BERT简介
特点
1、Transformers
BERT代表来Transformers的双向编码器表示。BERT旨在通过对所有层的左、右上下文进行联合调节，从未标记的文本中预先训练深层双向表示。
2、可并行化设计
对上一层的网络的依赖较小，易设计成并行化。
一、相关网络结构图
二、BERT的网络结构介绍
1、输入
经过Embedding处理的词向量模型，它包括Token Embeddings、Segmentation Embeddings、Position Embeddings。
2、输出
3、中间层
中间层为transformer Encoder模型的组合。对于transformer模型的介绍请参考以下链接：https://www.cnblogs.com/wisteria68/p/13640422.html
4、框架训练步骤：预训练-->微调
框架训练有两个步骤：预训练和微调。在预训练过程中，用无标记数据进行模型不同预训练任务的训练。对于微调，首先用预先训练的参数初始化BERT模型，并使用来自下游任务的标记数据对所有参数进行微调。尽管它们是用相同的预先训练的参数初始化的，但每个下游任务都有单独的微调模型。
BERT的总体预训练和微调程序。除了输出层，在预训练和微调中都使用相同的体系结构。相同的预训练模型参数 用于初始化不同下游任务的模型。微调期间，所有参数均进行微调。[CLS]是在每个输入示例前面添加的一个特殊符号，[SEP]是一个分隔符(例如。 将问题/答案分开)。
4-1 Task #1: Masked LM
不幸的是，标准条件语言模型只能从左到右或从右到左进行训练，因为双向条件反射将允许每个单词间接地“看到自己”和模式 我可以在多层上下文中简单地预测目标词。
为了训练一个深度的双向表示，我们只需按百分比随机地屏蔽一些输入的单词，然后预测那些被屏蔽了的单词。我们把这个过程称为“masked LM”(MLM)。在我们所有的实验中，我们随机地屏蔽了每个序列中15%的单词。
虽然获得了双向预训练模型，但缺点是在预训练和微调之间产生了不匹配，因为[MASK]在此期间没有出现微调。为了减轻这一点，不总是用实际的[MASK]替换“MASK”单词。训练数据生成器随机选择15%的单词进行预测。随机mask的时候10%的单词会被替代成其他单词，10%的单词不替换，剩下80%才被替换为[MASK]。
4-2 Task #2: Next Sentence Prediction (NSP)
许多重要的下游任务，如问答(QA)和自然语言推理(NLI)，都是基于理解两个句子之间的关系，而不是通过语言建模直接捕捉到。为了训练能一个理解句子关系的模型，预先训练一个二元化的下一个句子预测任务，它可以从任何单语中简单地生成语料库。具体来说，当为每个预训练示例选择句子A和B时，50%的B是A之后的实际下一个句子(标记为ISNext)，50%的是来自语料库的句子(标记为NotNext)。
三、OpenAI GPT的网络结构介绍
1、输入、输出
输入、输出同BERT。
2、中间层
中间层为transformer Decoder模型的组合。对于transformer模型的介绍请参考以下链接：
https://www.cnblogs.com/wisteria68/p/13640422.html
四、ELMo的网络结构介绍
1、输入、输出
输入、输出同BERT。
2、中间层
中间层为包含LSTM的循环神经网络。对于循环神经网络模型的介绍请参考以下链接：
https://www.cnblogs.com/wisteria68/p/13488819.html
https://www.cnblogs.com/wisteria68/p/13491170.html