From 910672e71401ca397a80c907cb26845a006a76bf Mon Sep 17 00:00:00 2001
From: wizardforcel <562826179@qq.com>
Date: Sun, 17 Jan 2021 18:07:12 +0800
Subject: [PATCH] 2021-01-17 18:07:12

---
 new/handson-nlp-pt-1x/9.md | 46 +++++++++++++++++++++++---------------
 1 file changed, 28 insertions(+), 18 deletions(-)

diff --git a/new/handson-nlp-pt-1x/9.md b/new/handson-nlp-pt-1x/9.md
index 17e84c63..843b7b95 100644
--- a/new/handson-nlp-pt-1x/9.md
+++ b/new/handson-nlp-pt-1x/9.md
@@ -31,15 +31,19 @@ BERT 是作为预训练的模型发布的，这意味着用户可以下载和实
 
 传统的嵌入层（例如 GLoVe）形成一个单词的单个表示形式，该表示形式与句子中该单词的含义无关，而双向 BERT 模型则尝试根据其上下文来形成表示形式。 例如，在这两个句子中，单词 *bat* 具有两种不同的含义。
 
-“蝙蝠飞过我的窗户”
+```py
+"The bat flew past my window"
 
-“他用球拍打了棒球”
+"He hit the baseball with the bat"
+```
 
 尽管单词`bat`在两个句子中都是名词，但我们可以辨别出单词的上下文和含义明显不同，这取决于周围的其他单词。 某些单词也可能具有不同的含义，具体取决于它们是句子中的名词还是动词：
 
-“她曾经配过火”
+```py
+"She used to match to light the fire"
 
-“他的糟糕表现意味着他们别无选择，只能开除他”
+"His poor performance meant they had no choice but to fire him"
+```
 
 使用双向语言模型来形成与上下文相关的单词表示形式，确实使 BERT 脱颖而出，成为最先进的模型。 对于任何给定的令牌，我们通过组合令牌，位置和分段嵌入来获得其输入表示：
 
@@ -358,21 +362,25 @@ This is only the first th
 
 首先，让我们考虑最基本的类型的构成成分**名词短语**。 句子中的名词很容易识别，因为它们是定义对象或实体的词。 在下面的句子中，我们可以识别出三个名词：
 
-“厨师杰夫做饭”
+```py
+"Jeff the chef cooks dinner"
 
-Jeff-专有名词，表示名称
+Jeff - Proper noun, denotes a name
 
-厨师-厨师是一个实体
+Chef - A chef is an entity
 
-晚餐-晚餐是物体/事物
+Dinner - Dinner is an object/thing
+```
 
 但是，名词短语略有不同，因为每个名词短语都应指一个单独的实体。 在前面的句子中，即使`Jeff`和`Cook`都是名词，短语`Jeff Cook`都指一个人，因此可以将其视为名词 短语。 但是，如何从语法上确定名词短语是指单个实体？ 一种简单的方法是将短语置于动词之前，看看该句子是否具有句法意义。 如果确实如此，那么该短语就是名词短语：
 
-厨师杰夫做饭…
+```py
+Jeff the chef cooks…
 
-厨师杰夫（Jeff）运行...
+Jeff the chef runs…
 
-杰夫厨师喝…
+Jeff the chef drinks…
+```
 
 我们可以识别各种不同的短语，以及帮助我​​们识别它们的许多复杂的语法规则。 我们首先确定每个句子可以分解成的个别语法特征：
 
@@ -380,7 +388,9 @@ Jeff-专有名词，表示名称
 
 现在我们知道句子是由成分组成的，并且成分可以由几个单独的语法组成，现在我们可以开始根据它们的结构来映射句子。 例如，使用以下示例语句：
 
-“男孩打了球”
+```py
+"The boy hit the ball"
+```
 
 我们可以从将该句子分为两部分开始：名词短语和动词短语：
 
@@ -404,8 +414,6 @@ Jeff-专有名词，表示名称
 
 ![Figure 9.16 – Parse tree of the sentence ](img/B12365_09_16.jpg)
 
-一种
-
 图 9.16 –句子的分析树
 
 这些解析树使我们能够看到句子的句法结构，但它们远非完美。 从这种结构中，我们可以清楚地看到，发生了两个带有动词的名词短语。 但是，从前面的结构中，尚不清楚实际发生了什么。 我们在两个对象之间有一个动作，但是仅凭语法尚不清楚发生了什么。 哪一方对谁采取行动？ 我们将看到语义角色标签捕获了其中的一些歧义。
@@ -436,13 +444,15 @@ Jeff-专有名词，表示名称
 
 语义角色标签极大地帮助了我们一件事，即识别具有相同含义但在语法或语法上不同的句子； 例如以下内容：
 
-那人从商店买了苹果
+```py
+The man bought the apple from the shop
 
-商店给那个人卖了一个苹果
+The shop sold the man an apple
 
-这个苹果是那人从商店里买的。
+The apple was bought by the man from the shop
 
-苹果被商店卖给了那个人
+The apple was sold by the shop to the man
+```
 
 这些句子虽然没有明显地包含相同顺序的所有相同词，但它们实际上具有相同的含义。 通过对这些句子应用语义角色标签，我们可以确定谓词/代理/主题都相同。
 
-- 
GitLab