关于bert的一些思考

不存在词库中的字符编码

选取 ~ 和 ﹌ 两个字符(不在词表中),分别进行编码：

bc.encode(['~','﹌'])
>array([[-0.07489464,  0.16149375, -0.33627284, ...,  0.04575281,
>        -0.28409064, -0.37837937],
>       [-0.5791109 ,  0.6424987 , -0.44838306, ...,  0.15206014,
>         0.2173949 , -0.34425637]], dtype=float32) ```
可以看到得出的vector是不一样的