BERT

基於變換器的雙向編碼器表示技術（英語：Bidirectional Encoder Representations from Transformers，BERT）是用於自然語言處理（NLP）的預訓練技術，由Google提出。^[1][2]2018年，雅各布·德夫林和同事建立並發佈了BERT。Google正在利用BERT來更好地理解用戶搜尋陳述式的語意。^[3] 2020年的一項文獻調查得出結論：「在一年多一點的時間裏，BERT已經成為NLP實驗中無處不在的基線」，算上分析和改進模型的研究出版物超過150篇。^[4]

最初的英語BERT發佈時提供兩種類型的預訓練模型^[1]：（1）BERT_BASE模型，一個12層，768維，12個自注意頭（self attention head），110M參數的神經網絡結構；（2）BERT_LARGE模型，一個24層，1024維，16個自注意頭，340M參數的神經網絡結構。兩者的訓練語料都是BookCorpus^[5]以及英語維基百科語料，單詞量分別是8億以及25億。^[6]

結構

BERT的核心部分是一個Transformer模型，其中編碼層數和自注意力頭數量可變。結構與Vaswani等人(2017)^[7]的實現幾乎「完全一致」。

BERT在兩個任務上進行預訓練： 語言模型（15%的token被掩蓋，BERT需要從上下文中進行推斷）和下一句預測（BERT需要預測給定的第二個句子是否是第一句的下一句）。訓練完成後，BERT學習到單詞的上下文嵌入。代價昂貴的預訓練完成後，BERT可以使用較少的資源和較小的數據集在下游任務上進行微調，以改進在這些任務上的效能。^[1][8]

效能及分析

BERT在以下自然語言理解任務上的效能表現得最為卓越：^[1]

• GLUE（General Language Understanding Evaluation，通用語言理解評估）任務集（包括9個任務）。
• SQuAD（Stanford Question Answering Dataset，史丹福問答數據集）v1.1和v2.0。
• SWAG（Situations With Adversarial Generation，對抗生成的情境）。

有關BERT在上述自然語言理解任務中為何可以達到先進水平，目前還未找到明確的原因^[9][10]。目前BERT的可解釋性研究主要集中在研究精心選擇的輸入序列對BERT的輸出的影響關係，^[11][12]通過探測分類器分析內部向量表示，^[13][14]以及注意力權重表示的關係。^[9][10]

歷史

BERT起源於預訓練的上下文表示學習，包括半監督序列學習（Semi-supervised Sequence Learning）^[15]，生成預訓練（Generative Pre-Training），ELMo（英語：ELMo）^[16]和ULMFit^[17]。與之前的模型不同，BERT是一種深度雙向的、無監督的語言表示，且僅使用純文字語料庫進行預訓練的模型。上下文無關模型（如word2vec或GloVe（英語：GloVe））為詞彙表中的每個單詞生成一個詞向量表示，因此容易出現單詞的歧義問題。BERT考慮到單詞出現時的上下文。例如，詞「水分」的word2vec詞向量在「植物需要吸收水分」和「財務報表裏有水分」是相同的，但BERT根據上下文的不同提供不同的詞向量，詞向量與句子表達的句意有關。

2019年10月25日，Google搜尋宣佈他們已經開始在美國國內的英語搜尋查詢中應用BERT模型。^[18]2019年12月9日，據報道，Google搜尋已經在70多種語言的搜尋採用了BERT。^[19] 2020年10月，幾乎每一個基於英語的查詢都由BERT處理。^[20]

獲獎情況

在2019年計算語言學協會北美分會（NAACL（英語：North American Chapter of the Association for Computational Linguistics））年會上，BERT獲得了最佳長篇論文獎。^[21]

參見

• Transformer模型
• Word2vec
• 自編碼器
• 文獻-檢索詞矩陣（英語：Document-term matrix）
• 特徵提取
• 特徵學習
• 神經網絡語言模型（英語：Neural network language model）
• 向量空間模型
• 概念向量（英語：Thought vector）
• fastText（英語：fastText）
• GloVe（英語：GloVe）
• TensorFlow