bert模型论文发表在哪个会议

论文题目：Lexicon Enhanced Chinese Sequence Labeling Using BERT Adapter 论文地址： 这是一篇自表于2021 ACL（NLP顶会）的论文。论文提出将字典融入BERT网络层记作字典加强BERT（Lexicon Enhanced BERT，LEBERT) ，用于提升中文标注效果。新模型在命名实体识别、分词、成份标注实验中均达到了目前最佳水平。 由于存在分词（CWS）问题，中文面临更大的挑战，对多数任务，以字为单位比以词为单位效果更好。 目前大多优化方法都是修改上层（网络末端），而未修改核心网络。文中提出的方法利用字典得到更多可能的分词，动态计算最佳分词方法，并修改了网络的Transformers层，如图-1中的右图所示： 模型的核心结构如图-2所示，相对于BERT，LEBERT有两个明显差别： （1）输入变成了字符特征+字典特征 （2）字典适配层在Transformer层之间 文中方法将基础的字符序列扩展成字符+词对序列，设句S由字符c组成：Sc={c1,c2,c3,...,cn}，在字典D中找到在句中包含字符c所有可能的词ws，如图-3所示： 最终生成序列： s_cw={(c1,ws1),(c2,ws2),...(cn,wsn)} 将字符和词信息融入BERT网络的字典适配层，方法如图-4所示： 字典适配层有两个输入：字符和词对，即上图中的h和x，其中h是前一个transformer层输出的字符向量，x是m个可能包含该字符的词组成的词嵌入，其中j是m中的第j个词： 其中e是预训练得到的词向量映射表。 为了对齐长短不一的序列，对词向量进行非线性变换如下： 其中W1是大小为dc-dw的矩阵，W2是大小dc-dc的矩阵，b1和b2是偏移，dw是词向量的维度，c是隐藏层的维度。 由图-3可知，一个字可能对应多个词，对于不同的任务，最匹配的词可能并不相同。 具体算法是使用vi表示第i个字符对应的所有词表，m是该字符可能对应的词个数，计算注意力attention如下： 其中W是注意力权重矩阵。 然后对每个词乘其权重加和，得到位置i对应的词表示： 最终，将词典信息与字符的向量相加，得到了该位置的新向量： 处理后的数据再送入dropout层和归一化层继续处理。 将字符输入词嵌入层，加入token, segment和position信息，然后将该层输出的词嵌入输入Transformer层：输出的 是第l个隐藏层的输出，LN是归一化层，HMAttn是多头注意力机制，FFN是两个前馈网络层，使用ReLU作为激活函数。 在k-th和(k+1)-th Transformer之间加入字典信息考虑到标签的前后关系，使用CRF层来预测最终的标签，将最后一个隐藏层h的输出作为输入，计算输出层O： 然后将输出层代入CRF模型，计算标签y的概率p。 训练时给出句子S和标签Y，计算全句的负对数似然作为误差。 解码时，使用维特比算法计算得分最高的序列。 论文针对命名实体识别NER，分词CWS、位置POS标注进行了实验，实验数据如表-1所示（中文NLP常用实验数据）。 图-5展示了相对于BERT和基于BERT的最新模型，文中模型误差的减少情况。 除了与其它模型比较之外，论文还比较了LEBERT方法与在组装模型的Bert+Word方法的差异。