知识卡片
语境化表示随上下文变化
同一词元在不同句子中的编码器输出可不同:自注意力结合上下文,因而“苹果”表示水果或公司时,相关表示可能形成不同的相似度结构。这是模型表征中的经验现象,本身不能证明模型以人的方式理解含义。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 自监督学习 10.1.2 BERT有用的原因 · 查看原书依据
把这些字所对应的向量一起画出来,并计算它们之间的距离,意思越相似的字对应的向量就越接近.如图10.21 所示,“果”和“草”是植物,它们比较接近;“鸟”和“鱼”是动物,所以它们可能更接近;“电”既不是动物也不是植物,所以跟“果”“草”“鸟”“鱼”都离得比较远.中文会有歧义(一字多义),很多其他语言也都有歧义.BERT 可以考虑上下文,所以同一个字,例如“果”这个字,它的上下文不同,对应的向量也就不一样.所以吃苹果的果和苹果手机的果都是“果”,但根据上下文,它们的意思不同,所以它们对应的向量就不一样.吃苹果的“果”可能更接近“草”,苹果手机的“果”可能更接近“电”.
参考来源
- 位置:《深度学习详解》第10章《自监督学习》10.1.2 BERT有用的原因(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter10.xhtml`)
- 结论依据:原文说明预训练任务、模型迁移和下游用法;结论保留数据与任务条件。
- 原始内容:把这些字所对应的向量一起画出来,并计算它们之间的距离,意思越相似的字对应的向量就越接近.如图10.21 所示,“果”和“草”是植物,它们比较接近;“鸟”和“鱼”是动物,所以它们可能更接近;“电”既不是动物也不是植物,所以跟“果”“草”“鸟”“鱼”都离得比较远.中文会有歧义(一字多义),很多其他语言也都有歧义.BERT 可以考虑上下文,所以同一个字,例如“果”这个字,它的上下文不同,对应的向量也就不一样.所以吃苹果的果和苹果手机的果都是“果”,但根据上下文,它们的意思不同,所以它们对应的向量就不一样.吃苹果的“果”可能更接近“草”,苹果手机的“果”可能更接近“电”.