language: zh tags:

• exbert license: apache-2.0 datasets:
• bookcorpus
• wikipedia

BERT基础模型（未区分大小写）

该模型是基于英语语料库，通过掩码语言建模（MLM）目标进行预训练的模型。它在这篇论文中首次提出，并在此代码库中首次发布。此模型不区分大小写：即不区分"english"和"English"。

免责声明：发布BERT的团队未为此模型编写模型卡，因此本模型卡由Hugging Face团队编写。

模型描述

BERT是一个基于大规模英语语料库，以自监督方式预训练的Transformer模型。这意味着它仅对原始文本进行预训练，无需人工标注（因此可以利用大量公开可用的数据），并通过自动过程从这些文本生成输入和标签。具体来说，它通过以下两个目标进行预训练：

• 掩码语言建模（MLM）：模型随机掩盖输入句子中15%的单词，然后通过整个被掩盖的句子来预测被掩盖的单词。这与传统的循环神经网络（RNN）逐个查看单词或像GPT这样的自回归模型（内部掩盖未来标记）不同，它允许模型学习句子的双向表示。
• 下一句预测（NSP）：在预训练过程中，模型将两个被掩盖的句子连接作为输入。有时这两个句子在原始文本中是连续的，有时不是。模型需要预测这两个句子是否连续。

通过这种方式，模型学习到英语语言的内在表示，可用于提取对下游任务有用的特征。例如，如果你有一个带标签句子的数据集，可以使用BERT模型生成的特征作为输入来训练标准分类器。

预期用途与限制

你可以直接使用原始模型进行掩码语言建模或下一句预测，但它主要用于在下游任务上进行微调。请参阅模型中心寻找你感兴趣任务的微调版本。

需要注意的是，此模型主要针对使用整个句子（可能被掩盖）进行决策的任务进行微调，例如序列分类、标记分类或问答。对于文本生成等任务，应使用类似GPT2的模型。

使用方法

你可以直接使用此模型进行掩码语言建模的流水线操作：

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='bert-base-uncased')
>>> unmasker("Hello I'm a [MASK] model.")

[{'sequence': "[CLS] hello i'm a fashion model. [SEP]",
  'score': 0.1073106899857521,
  'token': 4827,
  'token_str': 'fashion'},
 {'sequence': "[CLS] hello i'm a role model. [SEP]",
  'score': 0.08774490654468536,
  'token': 2535,
  'token_str': 'role'},
 {'sequence': "[CLS] hello i'm a new model. [SEP]",
  'score': 0.05338378623127937,
  'token': 2047,
  'token_str': 'new'},
 {'sequence': "[CLS] hello i'm a super model. [SEP]",
  'score': 0.04667217284440994,
  'token': 3565,
  'token_str': 'super'},
 {'sequence': "[CLS] hello i'm a fine model. [SEP]",
  'score': 0.027095865458250046,
  'token': 2986,
  'token_str': 'fine'}]

在PyTorch中获取给定文本的特征：

from transformers import BertTokenizer, BertModel
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
model = BertModel.from_pretrained("bert-base-uncased")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

在TensorFlow中：

from transformers import BertTokenizer, TFBertModel
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
model = TFBertModel.from_pretrained("bert-base-uncased")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='tf')
output = model(encoded_input)

限制与偏差

尽管用于训练此模型的数据可以被认为是相对中立的，但该模型仍可能产生有偏差的预测：

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='bert-base-uncased')
>>> unmasker("The man worked as a [MASK].")

[{'sequence': '[CLS] the man worked as a carpenter. [SEP]',
  'score': 0.09747550636529922,
  'token': 10533,
  'token_str': 'carpenter'},
 {'sequence': '[CLS] the man worked as a waiter. [SEP]',
  'score': 0.0523831807076931,
  'token': 15610,
  'token_str': 'waiter'},
 {'sequence': '[CLS] the man worked as a barber. [SEP]',
  'score': 0.04962705448269844,
  'token': 13362,
  'token_str': 'barber'},
 {'sequence': '[CLS] the man worked as a mechanic. [SEP]',
  'score': 0.03788609802722931,
  'token': 15893,
  'token_str': 'mechanic'},
 {'sequence': '[CLS] the man worked as a salesman. [SEP]',
  'score': 0.037680890411138535,
  'token': 18968,
  'token_str': 'salesman'}]

>>> unmasker("The woman worked as a [MASK].")

[{'sequence': '[CLS] the woman worked as a nurse. [SEP]',
  'score': 0.21981462836265564,
  'token': 6821,
  'token_str': 'nurse'},
 {'sequence': '[CLS] the woman worked as a waitress. [SEP]',
  'score': 0.1597415804862976,
  'token': 13877,
  'token_str': 'waitress'},
 {'sequence': '[CLS] the woman worked as a maid. [SEP]',
  'score': 0.1154729500412941,
  'token': 10850,
  'token_str': 'maid'},
 {'sequence': '[CLS] the woman worked as a prostitute. [SEP]',
  'score': 0.037968918681144714,
  'token': 19215,
  'token_str': 'prostitute'},
 {'sequence': '[CLS] the woman worked as a cook. [SEP]',
  'score': 0.03042375110089779,
  'token': 5660,
  'token_str': 'cook'}]

这种偏差也会影响此模型的所有微调版本。

训练数据

BERT模型在BookCorpus（包含11,038本未出版的书籍）和英文维基百科（不包括列表、表格和标题）上进行了预训练。

训练过程

预处理

文本被转换为小写并使用WordPiece进行标记化，词汇量为30,000。模型的输入形式如下：

[CLS] 句子A [SEP] 句子B [SEP]

有50%的概率，句子A和句子B在原始语料库中是连续的句子，其他情况下是语料库中的随机句子。这里的“句子”通常是指比单个句子更长的连续文本片段。唯一的限制是两个“句子”的组合长度不超过512个标记。

每个句子的掩盖过程细节如下：

• 15%的标记被掩盖。
• 在80%的情况下，被掩盖的标记被替换为[MASK]。
• 在10%的情况下，被掩盖的标记被替换为随机标记（不同于原标记）。
• 在剩余的10%情况下，被掩盖的标记保持不变。

预训练

模型在4个云TPU（共16个TPU芯片）上训练了100万步，批次大小为256。序列长度在90%的步骤中限制为128个标记，其余10%的步骤中限制为512个标记。使用的优化器是Adam，学习率为1e-4，\(\beta_{1} = 0.9\)，\(\beta_{2} = 0.999\)，权重衰减为0.01，学习率在前10,000步进行预热，之后线性衰减。

评估结果

在下游任务上进行微调后，该模型取得了以下结果：

Glue测试结果：

BibTeX条目和引用信息

@article{DBLP:journals/corr/abs-1810-04805,
  author    = {Jacob Devlin and
               Ming{-}Wei Chang and
               Kenton Lee and
               Kristina Toutanova},
  title     = {{BERT:} Pre-training of Deep Bidirectional Transformers for Language
               Understanding},
  journal   = {CoRR},
  volume    = {abs/1810.04805},
  year      = {2018},
  url       = {http://arxiv.org/abs/1810.04805},
  archivePrefix = {arXiv},
  eprint    = {1810.04805},
  timestamp = {Tue, 30 Oct 2018 20:39:56 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1810-04805.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}