【AI理论学习】语言模型:BERT的优化方法


BERT(Bidirectional Encoder Representations from Transformers)是一种自然语言处理中的预训练模型,具有强大的文本理解能力。但是BERT也存在一些缺点,主要体现在如下几个方面:
1)训练方法与测试方法不一致。因训练时把输入序列的15%随机置换为MASK标记,但这个标记在测试或微调时是不存在的,因为会影响模型性能。
2)对被置换的MASK标记,BERT的损失函数使用约等号,也就是假设那些被标记的词在给定非标记的词的条件下是独立的。但是这个假设并不是(总是)成立。

另外,模型参数量比较庞大时,自然语言理解任务效果较好,但自然语言生成任务效果欠佳,段与段之间缺乏依赖关系等。因此,有很多新的模型被提出,例如XLNet、ALBERT、ELECTRA等模型。

图解XLNet模型

XLNet: Generalized Autoregressive Pretraining for Language Understanding
论文摘要:具有建模双向上下文能力的去噪自编码预训练模型,如BERT,相比基于自回归语言建模的预训练方法表现更好。然而,由于依赖使用掩码对输入进行损坏,BERT忽略了掩码位置之间的依赖关系,存在着预训练和微调之间的差异。鉴于这些优缺点,我们提出了XLNet,这是一种广义的自回归预训练方法,它通

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

镰刀韭菜

看在我不断努力的份上,支持我吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值