您好想问一下在使用bert embedding时候，维度怎么和其他词向量拼接的呀

比如bert embedding 是768 维

glove 是300维

然后想问一下你是怎么对齐的呀

谢谢~

补充一下问题：
看了论文还想问一下 Charater-aware word embeddings Pre-trained word embeddings Global Contextual Embedding 这些词向量的维度是怎么对齐的呀。是直接相加吗还是什么呢

最后对齐后输入给lstm的维度是多少呀

你好，我们通过拼接多项词向量组成RNN的输入，更具体地：[char; glove; bert; global_emb]，对应地维度分别是128，300，768，256，即输入给RNN的维度是1452。更多细节可参考我们的代码：

Line 322 in 07e9137

src_inputs = tf.concat([concat_inputs, global_emb], -1)

好滴感谢