之前也没有仔细思考这个问题， 近几天重新看了一遍BERT模型，发现之前的理解确实有问题，所以过来填坑。

在说明BERT的双向表示前，先回顾一下常见的双向表示

首先区别于biLSTM那种双向， 那种是在网络结构上的双层

例如 biLSTM来进行一个单词的双向上下文表示 可以看到， 这种在网络结构上， 每个单词都从正向和反向都得到一个表示， 然后将此表示进行连接， 则此时认为这就是单词的双向表示

在没有深思之前，我也一直以为BERT是使用上面的模式，而当我看到BERT的结构是这样的，说明我之前是错误的理解：

请注意，BERT并没有说讲一个序列反向输入到网络中，所以BERT并不属于这种。

那么BERT 是如何说明是双向表示呢？

首先我们指导BERT的预训练模型中，预训练任务是一个mask LM ，通过随机的把句子中的单词替换成mask标签， 然后对单词进行预测。

这里注意到，对于模型，输入的是一个被挖了空的句子， 而由于Transformer的特性， 它是会注意到所有的单词的，这就导致模型会根据挖空的上下文来进行预测， 这就实现了双向表示， 说明BERT是一个双向的语言模型