如何用bert模型做翻譯任務？Bert不能做翻譯任務，因為翻譯任務是NLP生成任務，Bert目前不能做。Bert可以完成的主要任務有：1文本分類任務，如情感分類，2序列注釋任務，如分詞實體識別，詞性標

如何用bert模型做翻譯任務？

Bert不能做翻譯任務，因為翻譯任務是NLP生成任務，Bert目前不能做。Bert可以完成的主要任務有：1文本分類任務，如情感分類，2序列注釋任務，如分詞實體識別，詞性標注，3句子關系判斷，如QA，自然語言推理

當計算機進行計算時，它不能直接對文本進行處理，所以需要將文本轉化為一個向量，一個文本和一個向量是一一對應的，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，只是一個身份標記。TF-IDF還可以實現(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準工具。近年來，研究的熱點是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體識別等功能。https://github.com/lihanju/juba

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