摘要： 為了確保大家可以循序漸進地理解BERT是怎樣一項技術，它又是如何在命名實體識別（命名實體識別，NER）任務中被應用的（它可以應用在很多NLP任務中，這裡只是以實體識別為背景舉例），我們需要先了解一些...
What ?
命名實體識別是自然語言處理領域的基礎任務，一直以來是科研的研究方向之一，是關係抽取，事件抽取，知識圖譜，信息提取，問答系統，句法分析，機器翻譯等諸多NLP任務的基礎，被廣泛應用在自然語言處理領域，同時在自然語言處理技術走向實用化的過程中佔有重要地位。
其任務是將文本中的語言元素定位和分類為預定義的類別，例如人員，組織，地點，數量，時間表達，貨幣價值，百分比等，又或者是一些領域的專業詞彙。舉一個例子，“昨天，川普在推特發表了對中國加徵關稅的決定“這樣的一句話裡，我們希望通過NER模型將標籤”人“分配給”川普“，將標籤”國家“分配給”中國“ 。
BERT作为NLP领域一颗耀眼的新星，它有哪些優勢呢？下面主要介紹BERT的三個亮點Transformer、Masked LM、sentence-level。
.....
Full Text： 鍊數成金
若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance
留下你的回應
以訪客張貼回應