Bert模型的目的：

预训练Transformer的encoder网络，从而大幅提高准确率

主要有两个任务：

1、预测被遮挡单词：

随机遮挡一个词或多个词，让encoder根据上下文来预测被遮挡的单词

2、预测下一个句子：

把两个句子放在一起，让encoder判断是否是原文中相邻的两个句子

预测被遮挡单词：

首先输入一句话，然后这句话被分词成了一个个的单词，通过embedding层把每一个单词映射成一个个的词向量x1x2...xt ，最后也输出u1u2....ut这么多向量

具体过程：

假如现在我们遮挡住了cat这个单词

那么我们会用mask标记这个被遮挡的单词，紧接着它就会被embedding层标记为Xm向量，输出记为Um向量，我们知道，Transformer的映射是多对一，所以Um向量会依赖所有的X向量，也就是说它会知道整句话的内容，那么就可以用它来预测被遮挡的单词是什么，将这个Um作为特征向量送入softmax分类器输出一个概率分布p，根据这个p值来判断被遮挡的词是什么

 这里，我们的希望的p值是越接近mask的one-hot编码越好

我们将被遮挡单词的ont-hot向量记为e，将CrossEntropy(e,p)作为损失函数，用反向传播算出损失函数关于模型的梯度，然后作梯度下降来更新模型参数，bert预训练不需要人工标注数据，它用被遮挡的单词作为标签，可以自动生成标签，这样训练数据就可以想要多少就有多少，从而训练出一个很大的模型

预测下一个句子

输入数据：

[ CLS ] 是用于分类的标识符

        [SEP]是用于分割句子的标识符

输入两个句子，中间用【SEP】符号隔开，其中一个句子一定是原文中真实存在的句子，另一个句子则是从训练数据中随机抽取的句子，比如：

[CLS] "calculus is a branch of math"
[SEP] "panda is native to south central china"   

这两句话是真实的原文我们把它标签为true  

[CLS] "calculus is a branch of math"
[SEP]“panda is native to south central china"

这两句话是随机匹配的我们把它标记为false

向量C虽然在CLS的位置上，但它包含的是输入的两句话的全部信息，把C作为特征向量输入分类器Binary，得到一个介于0-1之间的值f，其中，1是代表两句话true，0代表两句话毫无关联，依旧用将CrossEntropy(e,f)作为损失函数，用反向传播算出损失函数关于模型的梯度，然后作梯度下降来更新模型参数

这样作预训练是因为：

相邻的两句话通常有关联，这样作二分类可以强化这种关联，让embedding层包含这种关联，而且encoder层中的self-attention层的作用恰好就是找相关性

bert将上述所讲的这两种任务结合起来训练Transformer，假如有两个单词被遮挡，就需要三个任务，也就是说三个损失函数，第一个损失函数是二分类（判断标签是true还是false），第二三个损失函数就是预测这两个单词，目标函数就是三个损失函数的加和，用反向传播算出损失函数关于模型的梯度，然后作梯度下降来更新模型参数

总结：

预测遮挡单词是一个多分类问题
预测下一个句子是一个二分类问题
合并任务的目标函数就是两个任务的目标函数之和
采用梯度下降方法更新合并任务模型参数
 

bert可以解决哪些nlp中的高级别下游任务？

●判断两句话意思是否相近
●判断两个问题意思是否相近
●蕴含任务

下图表示：Bert模型已经接近甚至超过人类语言理解水平

如何利用Bert:

1、情感分析

 2、词性标注

3、文本蕴含任务

4、抽取式问答系统：