# 人工智能之语言领域

第十五章 BERT系列模型

---

> @[TOC](文章目录)

---

# 前言BERT系列模型

BERT（Bidirectional Encoder Representations from Transformers）是自然语言处理（NLP）领域具有里程碑意义的预训练语言模型，由 Google 于 2018 年提出。它首次**大规模成功应用双向 Transformer 编码器**，在 11 项 NLP 任务上刷新纪录，开启了“预训练 + 微调”范式的黄金时代。本章将深入解析 BERT 的核心结构、预训练机制、主流变体、下游任务适配方法，并通过中文文本分类实战完整演示其工程落地过程。

---

## 15.1 BERT基础模型详解

### 15.1.1 BERT的模型结构与版本（Base/Large）

BERT 完全基于 **Transformer 编码器堆叠**，无解码器，仅用于**语言理解**任务。

#### 核心结构

- 输入：词嵌入（Word Embedding） + 段落嵌入（Segment Embedding） + 位置嵌入（Position Embedding）
- 主干：多层 Transformer 编码器（每层含 Multi-Head Self-Attention + FFN）
- 输出：每个 token 的上下文表示

```mermaid
flowchart TB
 subgraph Input
 A["Token: [CLS] 我 爱 NLP [SEP]"]
 B["Segment: A A A A A"]
 C["Position: 0 1 2 3 4"]
 end
 A --> D["Embedding Sum"]
 B --> D
 C --> D
 D --> E["Transformer Encoder × N"]
 E --> F["输出向量: [ h_CLS, h_我, h_爱, h_NLP, h_SEP ]"]
```

#### BERT 版本对比

| 模型 | 层数（L） | 隐藏层维度（H） | 注意力头数（A） | 参数量 |
|------|----------|----------------|----------------|--------|
| BERT-Base | 12 | 768 | 12 | ~110M |
| BERT-Large | 24 | 1024 | 16 | ~340M |

> ✅ **选择建议**：
> 
> - 资源有限/快速原型 → BERT-Base
> - 追求 SOTA 性能 → BERT-Large（需强大 GPU）

---

### 15.1.2 BERT的预训练任务与训练过程

BERT 采用两个自监督任务进行预训练：

#### （1）掩码语言建模（Masked Language Model, MLM）

- 随机遮盖输入中 **15% 的 token**
- 其中：
 - 80% 替换为 `[MASK]`
 - 10% 替换为随机词
 - 10% 保持不变
- 目标：预测被遮盖的原始词

> 🌰 示例：
> 输入：“我 [MASK] 自然语言处理。”
> 目标：预测 “爱”

#### （2）下一句预测（Next Sentence Prediction, NSP）

- 构造句子对：(A, B)
 - 50%：B 是 A 的真实下一句（标签=IsNext）
 - 50%：B 是随机句子（标签=NotNext）
- 目标：判断两句话是否连续

> ⚠️ **后续研究发现**：NSP 对多数任务帮助有限，RoBERTa 等模型已弃用

#### 训练细节

- 语料：BooksCorpus（8亿词） + 英文维基百科（25亿词）
- Batch Size：256（Base） / 512（Large）
- 训练步数：1M steps
- 优化器：Adam（β₁=0.9, β₂=0.999），学习率=1e-4

---

## 15.2 BERT的变体模型

### 15.2.1 中文特化模型

标准 BERT 使用 WordPiece 分词，对中文不友好（按字切分，丢失词义）。中文社区推出优化版本：

| 模型 | 改进点 | Hugging Face ID |
|------|-------|----------------|
| **BERT-Chinese** | 基于中文维基训练，按字分词 | `bert-base-chinese` |
| **RoBERTa-Chinese** | 移除 NSP，更大 batch，动态掩码 | `hfl/chinese-roberta-wwm-ext` |
| **MacBERT** | 用相似词替代 `[MASK]`，缓解预训练-微调不一致 | `hfl/chinese-macbert-base` |

> 💡 **全词掩码（Whole Word Masking, WWM）**：
> 掩盖整个词而非单字。
> 例：“自然语言处理” → 全部掩盖，而非只盖“语”。

---

### 15.2.2 轻量化变体

| 模型 | 核心思想 | 压缩率 | 性能损失 |
|------|--------|--------|--------|
| **DistilBERT** | 知识蒸馏（6层 vs 12层） | 40% 参数 | ↓2-3% |
| **ALBERT** | 参数共享 + 因式分解嵌入 | 89% 参数（xxlarge） | ↑或持平 |
| **TinyBERT** | 深度+宽度蒸馏 | 14% 参数 | ↓3-5% |

> ✅ **适用场景**：移动端、API 服务、边缘计算

---

### 15.2.3 领域特化模型

在通用 BERT 基础上，用**领域语料继续预训练**（Domain-Adaptive Pretraining）：

| 领域 | 代表模型 | 训练语料 |
|------|--------|--------|
| 医疗 | **BioBERT**, **ClinicalBERT** | PubMed, 电子病历 |
| 金融 | **FinBERT** | 财报、新闻、研报 |
| 法律 | **Legal-BERT** | 判决书、法律条文 |
| 中文电商 | **E-Commerce BERT** | 商品描述、评论 |

> 🔧 **构建方法**：
> 
> ```python
> # 在领域语料上继续 MLM 训练
> model = BertForMaskedLM.from_pretrained("bert-base-chinese")
> trainer.train(dataset=domain_corpus)
> ```

---

## 15.3 BERT模型的下游任务适配

BERT 输出每个 token 的上下文向量 $ h_i \in \mathbb{R}^{768} $，不同任务使用不同向量：

### 15.3.1 分类任务适配：[CLS]向量与全连接层

- 使用 `[CLS]` token 的输出向量 $ h_{\text{[CLS]}} $ 作为**整句表示**
- 接一个全连接层 + Softmax 进行分类

```mermaid
flowchart LR
 Input["输入句子"] --> BERT
 BERT --> h_CLS["h_[CLS]"]
 h_CLS --> FC["全连接层 (768 → num_classes)"]
 FC --> Output["类别概率"]
```

```python
from transformers import BertModel, BertTokenizer
import torch.nn as nn

class BertClassifier(nn.Module):
 def __init__(self, num_classes, model_name='bert-base-chinese'):
 super().__init__()
 self.bert = BertModel.from_pretrained(model_name)
 self.dropout = nn.Dropout(0.1)
 self.classifier = nn.Linear(768, num_classes) # Base版隐藏层=768

 def forward(self, input_ids, attention_mask):
 outputs = self.bert(input_ids=input_ids, attention_mask=attention_mask)
 cls_output = outputs.last_hidden_state[:, 0] # [CLS] 向量
 cls_output = self.dropout(cls_output)
 logits = self.classifier(cls_output)
 return logits
```

---

### 15.3.2 序列标注任务适配：token向量与CRF

- 使用**每个 token 的输出向量** $ h_i $
- 接全连接层预测标签
- 可加 **CRF 层** 建模标签转移约束（如 B-PER 后不能直接接 I-LOC）

```mermaid
flowchart LR
 Input["词序列"] --> BERT
 BERT --> h1["h₁"]
 BERT --> h2["h₂"]
 BERT --> hn["hₙ"]
 h1 --> FC1["FC"]
 h2 --> FC2["FC"]
 hn --> FCn["FC"]
 FC1 --> CRF
 FC2 --> CRF
 FCn --> CRF
 CRF --> Output["标签序列"]
```

> 📌 **注意**：中文需按字分词，标签与字对齐

---

### 15.3.3 关系抽取任务适配

关系抽取 = 实体识别 + 关系分类。常用方法：

#### 方法1：基于实体对

- 提取两个实体的 `[CLS]` + 实体起始 token 向量
- 拼接后分类关系类型

#### 方法2：序列标注（联合抽取）

- 使用特殊标记标注实体和关系（如 SPO 结构）

> 🧩 **高级方案**：Span-based BERT、TPLinker 等

---

## 15.4 实战：基于BERT的中文文本分类与调优

### 任务目标

使用 BERT 对中文新闻标题进行分类（如体育、财经、科技等）。

### 完整代码实现（PyTorch + Hugging Face）

```python
# Step 1: 安装依赖
# pip install transformers datasets accelerate scikit-learn

from transformers import (
 BertTokenizer, BertForSequenceClassification,
 TrainingArguments, Trainer
)
from datasets import load_dataset
import numpy as np

# Step 2: 加载数据集（以 THUCNews 为例）
dataset = load_dataset("thucnews") # 或自定义 CSV
train_dataset = dataset["train"].shuffle(seed=42).select(range(10000)) # 小样本
test_dataset = dataset["test"].shuffle(seed=42).select(range(2000))

# Step 3: 加载中文 BERT 分词器
model_name = "hfl/chinese-roberta-wwm-ext" # 推荐使用 RoBERTa-WWM
tokenizer = BertTokenizer.from_pretrained(model_name)

def tokenize_function(examples):
 return tokenizer(
 examples["text"],
 truncation=True,
 padding="max_length",
 max_length=128
 )

# Tokenize 数据集
train_tokenized = train_dataset.map(tokenize_function, batched=True)
test_tokenized = test_dataset.map(tokenize_function, batched=True)

# Step 4: 加载模型（自动适配分类头）
num_labels = len(set(train_dataset["label"]))
model = BertForSequenceClassification.from_pretrained(
 model_name,
 num_labels=num_labels
)

# Step 5: 设置训练参数
training_args = TrainingArguments(
 output_dir="./results",
 evaluation_strategy="epoch",
 save_strategy="epoch",
 learning_rate=2e-5,
 per_device_train_batch_size=16,
 per_device_eval_batch_size=16,
 num_train_epochs=3,
 weight_decay=0.01,
 load_best_model_at_end=True,
 metric_for_best_model="accuracy"
)

# Step 6: 定义评估指标
def compute_metrics(eval_pred):
 predictions, labels = eval_pred
 predictions = np.argmax(predictions, axis=1)
 return {"accuracy": (predictions == labels).mean()}

# Step 7: 创建 Trainer 并训练
trainer = Trainer(
 model=model,
 args=training_args,
 train_dataset=train_tokenized,
 eval_dataset=test_tokenized,
 compute_metrics=compute_metrics
)

trainer.train()

# Step 8: 模型推理
def predict(text):
 inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)
 with torch.no_grad():
 logits = model(**inputs).logits
 predicted_class_id = logits.argmax().item()
 return model.config.id2label[predicted_class_id]

# 测试
print(predict("梅西在世界杯决赛中打入关键进球")) # 输出: "体育"
```

### 关键调优技巧

| 技巧 | 说明 |
|------|------|
| **学习率** | BERT 微调敏感，通常 2e-5 ~ 5e-5 |
| **Batch Size** | 越大越好（受显存限制），可梯度累积 |
| **Early Stopping** | 防止过拟合（配合 `load_best_model_at_end`） |
| **Layer-wise LR Decay** | 底层 LR 小，顶层 LR 大（如 0.95 衰减率） |
| **对抗训练** | 如 FreeLB，提升鲁棒性 |

#### Layer-wise LR Decay 示例

```python
from transformers import AdamW

def get_optimizer_grouped_parameters(model, base_lr=2e-5, decay_rate=0.95):
 no_decay = ["bias", "LayerNorm.weight"]
 optimizer_grouped_parameters = []
 
 # 获取所有编码器层
 layers = [getattr(model.bert.encoder, f'layer.{i}') for i in range(12)]
 layers.reverse() # 从顶层到底层
 
 lr = base_lr
 for layer in layers:
 lr *= decay_rate
 optimizer_grouped_parameters += [
 {"params": [p for n, p in layer.named_parameters() if not any(nd in n for nd in no_decay)], "lr": lr},
 {"params": [p for n, p in layer.named_parameters() if any(nd in n for nd in no_decay)], "weight_decay": 0.0}
 ]
 
 # 嵌入层和分类头
 optimizer_grouped_parameters += [
 {"params": [p for n, p in model.bert.embeddings.named_parameters() if not any(nd in n for nd in no_decay)], "lr": lr * decay_rate},
 {"params": model.classifier.parameters(), "lr": base_lr}
 ]
 
 return optimizer_grouped_parameters

optimizer = AdamW(get_optimizer_grouped_parameters(model))
```

---

## BERT 系列模型演进图谱

```mermaid
graph TD
 A[BERT] --> B["RoBERTa (移除NSP, 动态掩码)"]
 A --> C["DistilBERT (知识蒸馏)"]
 A --> D["ALBERT (参数共享)"]
 A --> E["MacBERT (替换[MASK])"]
 B --> F["Chinese-RoBERTa-WWM (中文全词掩码)"]
 E --> F
 F --> G["领域特化模型 (医疗/金融/法律)"]
```

---

## 小结

BERT 通过**双向 Transformer 编码器**和**掩码语言建模**，实现了强大的上下文感知能力。其变体（如 RoBERTa、MacBERT）进一步优化了训练策略，而轻量化（DistilBERT）和领域特化（BioBERT）则拓展了应用场景。在下游任务中，通过合理使用 `[CLS]` 向量或 token 向量，BERT 可高效适配分类、序列标注、关系抽取等任务。掌握 BERT 系列模型，是构建高性能 NLP 系统的关键一步。



---

# 资料

咚咚王

《Python 编程：从入门到实践》
《利用 Python 进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第 3 版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow 机器学习实战指南》
《Sklearn 与 TensorFlow 机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著 花书
《Python 深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习 +(迈克尔·尼尔森（Michael+Nielsen）》
《自然语言处理综论 第 2 版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨 +&+ 张孜铭
《AIGC 原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战 AI 大模型》
《AI 3.0》

BERT（Bidirectional Encoder Representations from Transformers）是自然语言处理（NLP）领域具有里程碑意义的预训练语言模型，由 Google 于 2018 年提出。它首次大规模成功应用双向 Transformer 编码器，在 11 项 NLP 任务上刷新纪录，开启了“预训练 + 微调”范式的黄金时代。本章将深入解析 BERT 的核心结构、预训练机制、主流变体、下游任务适配方法，并通过中文文本分类实战完整演示其工程落地过程。

人工智能之语言领域 自然语言处理 第十五章 BERT系列模型

BERT（Bidirectional Encoder Representations from Transformers）是自然语言处理（NLP）领域具有里程碑意义的预训练语言模型，由 Google 于 2018 年提出。它首次大规模成功应用双向 Transformer 编码器，在 11 项 NLP 任务上刷新纪录，开启了“预训练 + 微调”范式的黄金时代。本章将深入解析 BERT 的核心结构、预

技术岗

人工智能

后端

编程语言

BERT系列模型是NLP领域的里程碑式预训练语言模型，采用双向Transformer编码器结构，通过掩码语言建模和下一句预测任务实现强大上下文理解能力。本章详解BERT基础架构、中文优化版本、轻量化变体及领域特化模型，并提供中文文本分类实战案例，帮助开发者掌握BERT模型微调与应用技巧。

自然语言处理

计算机视觉

智能创作

机器学习

深度学习

大数据

Python

2026新春采购季

4核4G3M云服务器 新用户低至38元/年！

bigdata-class

edgezone

ai-class

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

人工智能之语言领域 自然语言处理 第十五章 BERT系列模型-腾讯云开发者社区-腾讯云

人工智能之语言领域自然语言处理第十五章 BERT系列模型

人工智能之语言领域自然语言处理第十五章 BERT系列模型

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

人工智能之语言领域 自然语言处理 第十五章 BERT系列模型

人工智能之语言领域 自然语言处理 第十五章 BERT系列模型

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

人工智能之语言领域自然语言处理第十五章 BERT系列模型

人工智能之语言领域自然语言处理第十五章 BERT系列模型