# NLP 领域任务（研究目标）

下面给出了 NLP 的四大常见的应用。由于预训练的模型是在连续的文本序列上训练的，所以需要进行一些修改才能将其应用于不同的这些 NLP 任务。

<strong>分类 (text classification)：</strong> 给一句话或者一段文本，判断一个标签。

![](static/PxE3b05ApofzZ1x8u49cirdUnye.png)

图 2：分类 (text classification)

<strong>蕴含 (textual entailment)：</strong> 给一段话，和一个假设，看看前面这段话有没有蕴含后面的假设。

![](static/OuhabfzABoqxQxxS1n1cPLTinKb.png)

图 3：蕴含 (textual entailment)

<strong>相似 (Similarity)：</strong> 判断两段文字是否相似。

![](static/ByeFbxTfToxFlgxh6xmcIKeRnzd.png)

图 4：相似 (Similarity)

<strong>多选题 (Multiple Choice)：</strong> 给个问题，从 N 个答案中选出正确答案。

![](static/ZYgybsj5dol1Ifx96Koc6SRpnmc.jpeg)

图 5：多选题 (Multiple Choice)

可以看出，随着任务类型的变化，就需要构造不同的输入形式，把不同的子任务统一成相同的输入形式。但是，不变的是 Transformer 模型的结构。所有转换都包括添加随机初始化的开始 (Start) 和结束 (Extract) tokens，有的包括分隔符 Delimiter tokens (Delim)。