结合 BERT 和其他类型的嵌入
Combining BERT and other types of embeddings
flair模型可以给出任何词的表示（可以处理OOV问题），而BERT模型将未知词拆分成几个子词。
例如，单词“hjik”在 flair 中将有一个向量表示，而在 BERT 中它将被分成几个词（因为它是 OOV），因此每个子词都有几个向量。因此，根据 flair 我们将有一个向量，而根据 BERT 我们可能有两个或更多向量。
这里的问题是 flairNLP 库是如何处理这个问题的？
注意：如果你不知道，你能至少建议我一个正确的处理方法吗？
TransformerWordEmbeddings class 对拆分为多个子词的单词具有默认处理，您可以使用 subtoken_pooling 参数控制这些子词（您的选择是“first”、“last”、“first_last " 和 "mean")，请参阅此处的信息：https://github.com/flairNLP/flair/blob/master/resources/docs/embeddings/TRANSFORMER_EMBEDDINGS.md#pooling-operation
flair模型可以给出任何词的表示（可以处理OOV问题），而BERT模型将未知词拆分成几个子词。
例如，单词“hjik”在 flair 中将有一个向量表示，而在 BERT 中它将被分成几个词（因为它是 OOV），因此每个子词都有几个向量。因此，根据 flair 我们将有一个向量，而根据 BERT 我们可能有两个或更多向量。
这里的问题是 flairNLP 库是如何处理这个问题的？
注意：如果你不知道，你能至少建议我一个正确的处理方法吗？
TransformerWordEmbeddings class 对拆分为多个子词的单词具有默认处理，您可以使用 subtoken_pooling 参数控制这些子词（您的选择是“first”、“last”、“first_last " 和 "mean")，请参阅此处的信息：https://github.com/flairNLP/flair/blob/master/resources/docs/embeddings/TRANSFORMER_EMBEDDINGS.md#pooling-operation