BERT

1. BERT의 개요

가. BERT의 정의

-구글에서 개발한 NLP 사전 훈련 기술로써 기존 앙상블 모델보다 우수한 성능의 모델

 

나. BERT의 특징

-(트랜스포머 이용), 트랜스포머을 이용하여 구현, 이키피디아와 BooksCorpus와 같은 레이블이 없는 텍스트 데이터로 사전 훈련 모델

-(파인 튜닝), 레이블이 없는 방대한 데이터로 사전 훈련된 모델을 가지고, 레이블이 있는 다른 작업(Task)에서 추가 훈련과 함께 하이퍼파라미터를 재조정

-(인코더 구조 변경), 트랜스포머의 인코더를 다수 쌓아올린 구조

-(양방향 사전 학습), 자연언어 처리 태스크를 교육 없이 양방향으로 사전학습

-(마스크드 언어 모델), 입력 텍스트의 15% 단어를 랜덤으로 마스킹하여 마스킹된 단어를 예측하는 모델

 

2. BERT의 개념도

가. BERT의 개념도

딥 러닝을 이용한 자연어 처리 입문

나. BERT의 구성요소

구성요소	설명
BERT 크기	-BERT Base (12 Layers) -BERT Large (24 Layers)
입력 임베딩	-임베딩 층(Embedding layer)를 지난 임베딩 벡터들
BERT 연산	-하나의 단어가 모든 단어를 참고하는 연산은 BERT의 12개의 층에서 전부 이루어지는 연산 (Base 기준)
출력 임베딩	-문장의 문맥을 모두 참고한 문맥을 반영한 임베딩