
単語埋め込みのための日本語テキスト8コーパス。
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
113
±0 (10月13日〜)
最終コミット
2017年10月
GitHub での作成日
2017年10月4日
掲載日
2022年6月20日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 111 |
| 2026年1月 | 111 |
| 2026年2月 | 111 |
| 2026年3月 | 111 |
| 2026年4月 | 111 |
| 2026年5月 | 111 |
| 2026年6月 | 111 |
| 2026年7月 | 111 |
| 2026年8月 | 113 |
| 2026年9月 | 113 |
| 2026年10月 | 113 |
| 2026年11月 | 113 |
各月の最後のスナップショット。Star 数は 1,000 以上では 100 単位に丸められています。
同じカテゴリで人気のリソース
研究分野が近いリソース
- wikipedia-passages-jawiki-embeddingshotchpotch731日本語版Wikipediaの文はさまざまな埋め込みとFAISSインデックスに変換され、Hugging Face Spaceデモ、変換スクリプト、検索・Q&A・OpenAI text‑embedding‑3‑smallを用いたRAGの評価が提供されます。埋め込みはOpenAIライセンス対象で、その他はCC‑BY‑SA‑4.0です。HF データセット共通: 表現学習・意味的テキスト処理
- plamo-embedding-1bpfnet486kPLaMo‑Embedding‑1B は、Preferred Networks が提供する日本語テキスト埋め込みモデルで、情報検索、分類、クラスタリングのために日本語テキストをベクトルに変換します。JMTEB ベンチマークで高い性能を示し、Apache v2.0 license の下で無料で利用できます。HF モデル共通: 表現学習・意味的テキスト処理
- ruri-v3-70mcl-nagoya14kRuri v3は、8192トークンまでの高性能日本語テキスト埋め込み、100kトークン語彙、FlashAttentionサポート、および30 m–310 mの複数モデルサイズを備え、sentence‑transformersを介した効率的な推論とファインチューニングを可能にします。HF モデル共通: 表現学習・意味的テキスト処理
- japanese-splade-v2hotchpotch4k高性能日本語 SPLADE v2 は、WebUI demo を通じてスパース‑ベクトル変換と推論を可能にし、YAST でトレーニングを行い、YASEM 埋め込みを提供し、JMTEB ベンチマーク結果を報告します。HF モデル共通: 表現学習・意味的テキスト処理
wikipedia-passages-jawiki-embeddings-utilshotchpotch12wikipedia 日本語の文を、各種日本語の embeddings や faiss index へと変換するスクリプト等。共通: 表現学習・意味的テキスト処理- ruri-v3-310mcl-nagoya634kRuri v3 は、ModernBERT‑Ja をベースとした最先端の日本語テキスト埋め込みモデルで、最大8,192トークンの入力、100Kトークンの語彙、FlashAttention で加速された推論、および高速な sentence‑transformer での使用のための複数サイズバリアントをサポートします。HF モデル共通: 表現学習・意味的テキスト処理