原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
14 第14章 用BERT实现中文语句分类
原先的单词拆成更小粒度的词块,有效处理不在字典里头的词汇。中文的话就相当于单词级分词,而有 ##前缀的标识符即为词块。
除了一般的词块以外,BERT还有5个特殊标识符。 [CLS]:在做分类任务时其最后一层的表示会被视为整个输入序列的表示。 [SEP]:有两个句子的文本会被串接成一个输入序列,并在两句之间插入这个标识符作为分隔符。
[UNK]:没出现在BERT字典里的字会被这个标识符取代。 [PAD]:零填充掩码,将长度不一的输入序列补齐,方便后续
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter18_0001.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da