一、case
1.case1
多输入单输出。通过输入一个句子（sequence），然后输出一个句子的分类（这个句子是正向还是负向）。将句子输入BERT，然后通过softmax输出分类。
2.case2
多输入多输出。输入一个句子，输出句子中每个单词的词性。每一个词对应一个向量，然后每一个向量分别做一个linear的transformer乘以矩阵，在经过softmax输出类别
3.case3
多输入单输出。输入两个句子，输出这两个句子是否相关。
输入两个句子以及[SEP]和[CLS]到BERT中，然后在[CLS]对应位置，经过Lineartransformer，最后通过softmax输出分类。
4.case4
多输入多输出。将问题和文章输入到BERT中，通过RandomInitialized,与输入内容对应的向量做内积，通过softmax输出，选择可能性最大的内容输出。
二、work作用
1.例子
喝苹果汁的过和评估电脑的过是不一样的。因为将内容输入到BERT中，BERT是一个encoder,带有selfattention，会根据上下文的不同，果对应的向量也不同。
通过计算果的相似度，上面5句话是代表能吃的果，下面的5句话代表苹果公司，两两之间做相似度，形成一个10x10的矩阵。黄色代表相似度高，蓝色代表相似度低。
2.BERT根据上下文预测填空
BERT根据w2的上下文即w1、w3、w4，可以预测出w2的内容。
