bert可以做哪些nlp任务_bert模型能做什么

读了bert的论文大概知道bert可以做下面几个事情：

一、bert能做的任务

一、文本分类

二、序列标注任务，比如分词 实体识别 词性标注

三、句子关系判断 比如QA，自然语言推理

二、bert不能做的任务

不能做的事情
一、机器翻译

三、bert刷新的11个记录

. MultiNLI（multi-genre natural language inference，文本蕴含识别）

 文本间的推理关系，又称为文本蕴含关系。样本都是文本对，第一个文本M作为前提，如果能够从文本M推理出第二个文本N,即可说M蕴含N，M->N。两个文本关系一共有三种entailment（蕴含）、contradiction（矛盾）、neutral（中立）
1

2. QQP（quora question pairs，文本匹配）

   判断两个问题是不是同一个意思，即是不是等价的。属于分类任务

3. QNLI（question natural language inference，自然语言问题推理）

 是一个二分类任务。正样本为（question，sentence），包含正确的answer；负样本为（question，sentence），不包含正确的answer。
1

4. SST-2（the stanford sentiment treebank，斯坦福情感分类树）

   分类任务。

5. CoLA（the corpus of linguistic acceptability，语言可接受性语料库）

   分类任务，预测一个句子是否是acceptable。

6. STS-B（the semantic textual similarity benchmark，语义文本相似度数据集） 
   1

   样本为文本对，分数为1-5，用来评判两个文本语义信息的相似度。

7. MRPC（microsoft research paraphrase corpus，微软研究释义语料库）
   1

   样本为文本对，判断两个文本对语音信息是否是等价的

8.  RTE（recognizing textual entailment，识别文本蕴含关系）  
   1

   与MNLI相似，只不过数据集更少

9.  WNLI（winograd NLI，自然语言推理）
   1

   小的数据集

10. SQuAD（the standFord question answering dataset，斯坦福问答数据集）

    question，从phrase中选取answer。

11. NER（named entity recognition，命名实体识别）

12. SWAG（the situations with adversarial generations dataset，）