「BERT」の主な特徴

高性能

BERTは、高い精度の結果を作成でき、11の自然言語処理タスクで最先端の結果を得られます。

・GLUEスコア：80.5％---7.7％改善
・MultiNLI精度：86.7％---4.6％改善
・質問応答テストF1：93.2ポイント---1.5ポイント改善
・SQuADv2.0テストF1：83.1ポイント---5.1ポイント改善

ディープ双方向アプローチ

BERTは、ディープニューラルネットワークの最下部から開始し、対象箇所の左側と右側の両方のコンテキストを使用する「ディープ双方向アプローチ」を採用しています。

入力内の単語の15％をマスクし、シーケンス全体をディープ双方向変成器エンコーダーで実行してから、マスクされた単語のみを予測します。

次に、大きなコーパス(Wikipedia+BookCorpus)で、モデル(12層から24層の変成器)を長時間トレーニングします。

事前トレーニング

事前トレーニングには、「4〜16のクラウドTPUで4日間ほど」のコストがかかりますが、言語ごとに1回限りの手順です。

■トレーニング済モデル

事前トレーニングモデルがリリースされています。

ほとんどのNLP研究者は、独自モデルを最初から事前トレーニングする必要はありません。

微調整カスタマイズ

微調整プロセスは短時間で完了できます。

「単一クラウドTPUで1時間ほど」もしくは「GPUで数時間ほど」で終了します。

例えば、SQuAD(スタンフォード質問応答データセット)の場合、単一クラウドTPUにおいて約30分でトレーニングでき、91.0％のDevF1スコアを達成できます。

参考元サイト

• →arxiv.org　→BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
• →github.com　→google-research/bert

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。