BERT和ERNIE，NLP领域近来最受关注的2大模型究竟怎么样？刚刚有人实测比拼了一下，结果在中文语言环境下，结果令人意外又惊喜。具体详情究竟如何？不妨一起围观下这篇技术评测。
1. 写在前面
随着2018年ELMo、BERT等模型的释出，NLP领域终于进入了“大力出奇迹”的时代。采用大规模语料上进行无监督预训练的深层模型，在下游任务资料上微调一下，即可达到很好的效果。曾经需要反复调参、精心设计结构的任务，现在只需简单地使用更大的预训练资料、更深层的模型便可解决。
随后在2019年上半年，百度的开源深度学习平台PaddlePaddle释出了知识增强的预训练模型ERNIE，ERNIE通过海量资料建模词、实体及实体关系。相较于BERT学习原始语言讯号，ERNIE直接对先验语义知识单元进行建模，增强了模型语义表示能力。
简单来说，百度ERNIE采用的Masked Language Model是一种带有先验知识Mask机制。可以在下图中看到，如果采用BERT随机mask，则根据字尾“龙江”即可轻易预测出“黑”字。引入了词、实体mask之后，“黑龙江”作为一个整体被mask掉了，因此模型不得不从更长距离的依赖（“冰雪文化名城”）中学习相关性。
除此之外，百度ERNIE还引入了DLM（对话语言模型）任务，通过这种方式来学习相同回复对应的query之间的语义相似性。实验证明DLM的引入对LCQMC（文字相似度计算）系列任务带来了较大的帮助。最终ERNIE采用多源训练资料，利用高效能分散式深度学习平台PaddlePaddle完成预训练。
2. 亲测
到底百度ERNIE模型所引入训练机制有没有起到作用，只有实践了以后才知道。为此，我亲自跑了BERT和ERNIE两个模型，在下面的几个场景中得到了预测结果。
2.1 完形填空
完形填空任务与预训练时ERNIE引入的知识先验Mask LM任务十分相似。从下图的比较中我们可以看到，ERNIE对实体词的建模更加清晰，对实体名词的预测比BERT更准确。例如BERT答案“周家人”融合了相似词语“周润发”和“家人”结果不够清晰；“市关村”不是一个已知实体；“菜菜”的词边界是不完整的。ERNIE的答案则能够准确命中空缺实体。
2.2 NER (命名实体识别)
在同样为token粒度的NER任务中，知识先验Mask LM也带来了显著的效果。对比MSRA-NER资料集上的F1 score表现，ERNIE与BERT分别为93.8%、92.6%。在PaddleNLP的LAC资料集上，ERNIE也取得了更好的成绩，测试集F1为92.0%，比BERT的结果90.3%提升了1.7%。分析二者在MSRA-NER测试资料中二者的预测结果。可以观察到：
1.）ERNIE对实体理解更加准确：“汉白玉”不是实体型别分类错误；
2.）ERNIE对实体边界的建模更加清晰：“美国法律所”词边界不完整，而“北大”、“清华”分别是两个机构。
Case对比：摘自MSRA-NER资料测试集中的三段句子。B_LOC/I_LOC为地点实体的标签，B_ORG/L_ORG为机构实体的标签，O为无实体类别标签。下表分别展现了 ERNIE、BERT模型在每个字上的标注结果。
2.3 相似度
ERNIE在训练中引入的DLM能有效地提升模型对文字相似度的建模能力。因此，我们比较文字相似度任务LCQMC资料集上二者的表现。从下表的预测结果可以看出，ERNIE学习到了中文复杂的语序变化。最终ERNIE与BERT在该任务资料的预测准确率为87.4%、87.0%.
最后，比较应用最广泛的情感分类任务。经过预训练的ERNIE能够捕捉更加细微的语义区别，这些句子通常含有较委婉的表达方式。下面展示了PaddleNLP情感分类测试集上ERNIE与BERT的打分表现：在句式“不是很…”中含有转折关系，ERNIE能够很好理解这种关系，将结果预测为“消极”。在ChnSentiCorp情感分类测试集上finetune后ERNIE的预测准确率为95.4%，高于BERT的准确率（94.3%）。
从以上资料我们可以看到，ERNIE在大部分任务上都有不俗的表现。尤其是在序列标注、完形填空等词粒度任务上，ERNIE的表现尤为突出，一点都不输给Google的BERT。
