一、自监督学习（Self-supervised Learning）

在监督学习中，模型的输入为x，若期望输出是y，则在训练的时候需要给模型的期望输出y以判断其误差——有输入和输出标签才能训练监督学习的模型。

自监督学习在没有标注的训练集中，把训练集分为两部分，一个作为输入，另一个作为模型的标签。自监督学习是一种无监督学习的方法。

二、Contextualized Word Embedding

 从上下文中学习word embedding，同样一个词在不同的上下文中会学到不同的word embedding

三、ELMO

 以双向RNN为基础，最初输入的词汇的token，通过学习得到embedding，中间hidden layer的就是输入词汇的embedding。图中的蓝色块是正向学到的embedding，黄色块是逆向得到的embedding，将二者接起来

如果是deep RNN，每层的embedding都留着，以不同的权重阿尔法1、阿尔法2等将每层的embedding和原始token相加得到最终的embedding

阿尔法1、阿尔法2的大小如何确定：在执行不同的下游任务时，与下游任务的参数一起训练。那么不同的下游任务训练出的阿尔法1、阿尔法2也不同

四、BERT

bert先在未标记的文本语料库上训练pre-training（自监督学习），但 它本身没有什么用，BERT 只能做填空题， 然后在少量的标记数据上做fine-tuning,把它用在其他下游的任务里面

bert pre-training两种方法（在未标记的文本语料库上训练的）

第一种方法masking input：mask掉（换成某种特殊的token [MASK]）或替换15%的词 输出对该单词的预测

BERT并不知道我们遮盖住的文字，因此BERT的目标就是最小化输出 y和期望值 y ’的误差，损失函数使用交叉熵。

第二种方法next sentence prediction：同时利用第一种办法的mask 输出这两个句子是否相接

 bert fune-tuning四种例子（在有标记的数据上训练）：

该部分bert参数是由 bert pre-training中参数初始化的

fune-tuning过程中linear classifier参数从头学，bert参数微调即可

1：句子分类（情感分析） 输入一个句子 输出句子类别 

2. 对每个单词分类（词性标注（POS tagging）） 输入一个句子 输出每个单词类别

3.前提假设（自然语言推理（NLI）） 输入两个句子 输出该前提是否支持假设

4.回答问题（基于信息抽取的问答系统（QA））输入文章和问题 输出答案

其他内容 

What does BERT learn？

分析一下BERT每一层究竟学到了什么。假设BERT有24层，文献上的意思是，第一层是分析词性，第二层是分析语法，第三层是词汇之间的关系，以此类推。文献的做法是将每一层做weight sum，任务不同，比如词性和语法任务，那么每一层的权值也不同，根据权值来判断这一层主要是贡献什么。接近input的层就做简单的任务，而接近output的层就做困难的任务。下图右侧中蓝色的条越长，证明该层对总任务贡献更大

参考： 

李宏毅《深度学习》 - BERT_李宏毅 bert ppt_Beta Lemon的博客-CSDN博客

李宏毅机器学习--self-supervised：BERT、GPT、Auto-encoder-CSDN博客

ELMO，BERT和GPT的原理和应用总结（李宏毅视频课整理和总结）-CSDN博客