当前位置：首页 > ops >正文

BERT框架：自然语言处理的革命性突破

ops 2025/8/13 7:53:36

引言

在自然语言处理（NLP）领域，2018年Google推出的BERT（Bidirectional Encoder Representations from Transformers）框架无疑是一场革命。作为基于Transformer架构的双向编码器表示模型，BERT通过预训练学习丰富的语言表示，并在各种NLP任务中取得了显著的成绩。本文将详细介绍BERT的核心原理、技术特点以及实际应用。

一、BERT框架简介

BERT（Bidirectional Encoder Representations from Transformers）是一种基于Transformer编码器的预训练语言模型。与传统的单向语言模型（如GPT）不同，BERT采用双向结构，能够同时考虑文本中的上下文信息，从而更准确地捕捉语义特征。

1. 模型结构

BERT基于Transformer的编码器部分，主要由以下组件构成：

自注意力机制（Self-Attention）：通过计算词与词之间的匹配程度，动态分配权重，捕捉上下文关系。
多头注意力机制（Multi-Head Attention）：使用多组注意力头（通常为8个）生成多种特征表达，增强模型的表达能力。
前馈神经网络（Feed Forward Network）：对注意力机制的输出进行进一步处理。
位置编码（Positional Encoding）：通过三角函数为词向量添加位置信息，解决Transformer无法直接处理序列顺序的问题。

2. 预训练任务

BERT通过两个无监督任务进行预训练：

遮蔽语言模型（Masked Language Model, MLM）：随机遮蔽输入句子中15%的词汇，让模型预测被遮蔽的词。例如：
```
输入：我 [MASK] 天 去 [MASK] 试
预测：今, 面
```
下一句预测（Next Sentence Prediction, NSP）：判断两个句子是否连续。例如：
```
输入：[CLS] 我 今天 去 面试 [SEP] 准备 好 了 简历 [SEP]
标签：Yes
```

3. 双向性

BERT的核心优势在于其双向性。传统模型（如RNN或GPT）只能单向处理文本（从左到右或从右到左），而BERT通过自注意力机制同时考虑前后上下文，显著提升了语义理解能力。

二、BERT的核心技术

1.自注意力机制 self.attention

BERT基于Transformer的编码器部分，其核心是自注意力机制。以下是自注意力的计算流程：
在这里插入图片描述

输入编码：将词向量与三个矩阵（WQ, WK, WV）相乘，得到查询（Q）、键（K）和值（V）矩阵。
注意力得分计算：通过Q与K的点积计算词与词之间的匹配程度。
特征分配：根据得分对V进行加权求和，得到每个词的最终特征表示。

2. 多头注意力机制 multi-headed

通过多组注意力头，BERT能够从不同角度捕捉词与词之间的关系。例如：

一个注意力头可能关注语法关系，另一个可能关注语义关系。
最终将所有头的输出拼接并通过全连接层降维。

3. 多层堆叠

BERT的核心是由多层Transformer编码器堆叠而成的深度神经网络结构：
在这里插入图片描述

4. 位置编码

Transformer本身不具备处理序列顺序的能力，因此BERT引入了三角函数位置编码：

公式：

pos：指当前字符在句子中的位置（如：”你好啊”，这句话里面“你”的pos=0），

dmodel：指的是word embedding的长度（例“民主”的word embedding为[1,2,3,4,5]，则dmodel=5），

2i表示偶数，2i+1表示奇数。取值范围：i=0,1,…,dmodel−1。偶数使用公式，奇数时使用公式。

在这里插入图片描述
word embedding：是词向量，由每个词根据查表得到
pos embedding：就是位置编码。
composition：word embedding和pos embedding逐点相加得到，既包含语义信息又包含位置编码信息的最终矩阵。

5. Add与Normalize

预训练完成后，BERT可以通过微调适应具体任务，如文本分类、命名实体识别、问答系统等。微调只需在预训练模型的基础上添加任务特定的输出层，并在目标数据集上进行训练。

6.outputs(shifted right)

在这里插入图片描述
outputs（shifted right）：指在解码器处理过程中，将之前的输出序列向右移动一位，并在最左侧添加一个新的起始符（如 ‘SOS’ 或目标序列开始的特殊token）作为新的输入。这样做的目的是让解码器在生成下一个词时，能够考虑到已经生成的词序列。
作用：通过“shifted right”操作，解码器能够在生成每个词时，都基于之前已经生成的词序列进行推断。这样，解码器就能够逐步构建出完整的输出序列。