一、Bert整体模型架构

基础架构是transformer的encoder部分，bert使用多个encoder堆叠在一起。

主要分为三个部分：1、输入部分  2、注意力机制  3、前馈神经网络

bertbase使用12层encoder堆叠在一起，6个encoder堆叠在一起组成编码端，6个decoder堆叠在一起组成解码端。

对于Bert的encoder部分重点关注输入部分

对于transformer来说，输入包括两部分：

1、input embedding：做词的词向量，比如做词的初始化

2、positional encoding：位置编码，使用的是三角函数正余弦函数去代表他。

在Bert中分为了三个部分：

input = token emb + segment emb + position emb

 二、Bert的输入部分

1、input

正常词汇： my dog is cute he likes play ## ing 

特殊词汇：CLS SEP

这两个存在是因为在Bert预训练时有NSP（Next Sentence Prediction）任务存在，这个任务是用于处理两个句子之间的关系

SEP主要是做句子间隔：之前的是一个句子，SEP之后的是另一个句子。

CLS 的输出向量接一个二分类器，去做一个二分类任务（误区：CLS向量输出不能代表整个句子的语义信息） 

2、输入的内容

token embeddings        

对input中的所有词汇，包括正常词汇和特殊词汇，都去做正常的embedding比如随机初始化 

segment embeddings 

由于处理的是两个句子，所以需要对两个句子进行区分，第一个句子使用0来表示，第二个句子使用1来表示；并使用不同的符号来表示。

position embeddings

Bert的输入部分与transformer输入部分很大的不同点：

transformer中使用正余弦函数

Bert使用随机初始化，然后让模型自己去学习出来，整个512的长度，让模型自己去学习出来每个位置应该是什么样子的

三、预训练：MLM+NSP 

MLM（Masked Language Modeling）是指掩码语言模型。这是一种预训练语言模型的方法，旨在通过预测被掩码（或称为遮盖、掩盖）的单词来学习语言的上下文表示。

NSP（Next Sentence Prediction）是一个特定的预训练任务，旨在预测两个句子在原始文本中是否连续出现。

BERT 在预训练的时候使用的是大量的无标注的语料，所以在设计的时候，一定会考虑无监督来做。

无监督目标函数

AR: auto regressive,自回归模型：只能考虑单侧的信息，典型的就是GPT

AE:auto encoding，自编码模型：从损坏的输入数据中预测重建原始数据。可以使用上下文信息。

MLM模型 

1、基本原理

打破了文本，让他文本重建。模型在周围的文本中学习各种信息，来让预测出来的文本无限接近原本的词汇。就像是让模型根据上下文去做完形填空

2、缺点

mask 和mask之间是独立的，但是在实际中不一定是独立的，而是有关系的。

3、模型概率

随机 mask 15% 的单词    ==》  10%替换成其他 10%原封不动 80%替换成马赛克 

 

后续继续补充。。。