如何用bert模型做翻譯任務(wù)？Bert不能做翻譯任務(wù)，因?yàn)榉g任務(wù)是NLP生成任務(wù)，Bert目前不能做。Bert可以完成的主要任務(wù)有：1文本分類任務(wù)，如情感分類，2序列注釋任務(wù)，如分詞實(shí)體識別，詞性標(biāo)

如何用bert模型做翻譯任務(wù)？

Bert不能做翻譯任務(wù)，因?yàn)榉g任務(wù)是NLP生成任務(wù)，Bert目前不能做。Bert可以完成的主要任務(wù)有：1文本分類任務(wù)，如情感分類，2序列注釋任務(wù)，如分詞實(shí)體識別，詞性標(biāo)注，3句子關(guān)系判斷，如QA，自然語言推理

當(dāng)計算機(jī)進(jìn)行計算時，它不能直接對文本進(jìn)行處理，所以需要將文本轉(zhuǎn)化為一個向量，一個文本和一個向量是一一對應(yīng)的，類似于人們的身份證號碼。Onehot編碼是一種文本矢量化，但它失去了文本的意義，只是一個身份標(biāo)記。TF-IDF還可以實(shí)現(xiàn)詞向量，增加了文本的統(tǒng)計特征，如詞頻和逆文檔詞頻。應(yīng)用廣泛，效果良好。最流行的word2vec模型保留了大部分語義特征，成為自然語言處理的標(biāo)準(zhǔn)工具。近年來，研究的熱點(diǎn)是Bert模型，它也是一種文字矢量化。這些詞向量模型往往成為其他模型的輸入端口，如命名實(shí)體識別模型word2vec-billistm-CRF和Bert-billistm-CRF。

Juba是一個中文自然語言處理（NLP）工具包，實(shí)現(xiàn)了詞向量、文檔向量、詞相似度、文檔相似度、文本生成、時間序列擬合和中文命名實(shí)體識別等功能。https://github.com/lihanju/juba

Juba的命名實(shí)體識別模型使用Bert billistm CRF，所以我們可以嘗試一下。