
Pythonにおける混合ユニグラムモデルと無限混合ユニグラムモデルの組み合わせ。
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
6
±0 (10月13日〜)
最終コミット
2017年6月
GitHub での作成日
2016年1月5日
掲載日
2022年8月8日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 6 |
| 2026年1月 | 6 |
| 2026年2月 | 6 |
| 2026年3月 | 6 |
| 2026年4月 | 6 |
| 2026年5月 | 6 |
| 2026年6月 | 6 |
| 2026年7月 | 6 |
| 2026年8月 | 6 |
| 2026年9月 | 6 |
| 2026年10月 | 6 |
| 2026年11月 | 6 |
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
- japanese-sentiment-analysisjarvisx174k日本語感情分析モデルは、chABSAデータセットで学習され、損失0.0001、精度1.0、F1スコア1.0を達成しました。Transformers 4.24.0およびPyTorch 1.12.1+cu113で構築され、Adam(学習率2e‑05、10エポック、バッチサイズ16)で最適化され、model(inputs)で評価されました。HF モデル共通: 感情分析・文書分類
sentiment_ja_jsotodn10日本語の感情分析。JavaScriptでsentiment_ja。共通: 感情分析・文書分類- bert-finetuned-japanese-sentimentchristian-phu329kAmazonの商品レビューに対して感情分類のためにFine‑tuned Japanese BERT (cl‑tohoku/bert‑base‑japanese‑v2) を使用し、6エポックで学習率 2 × 10⁻⁵ を設定した結果、約81 % の精度と0.73のF1スコアを達成しました。HF モデル共通: 言語モデル
- sentence-luke-japanese-base-litesonoisa10k日本語Sentence‑LUKEモデルは、Sentence‑BERTと同じデータセットで訓練され、同等にするかそれを上回る性能を有し、studio‑ousia/luke‑japanese‑base‑lite をベースに構築され、Hugging Face Transformers の MLukeTokenizer と LukeModel を介して使用される。HF モデル共通: 統語的テキスト処理・言語モデル
- ELYZA-japanese-Llama-2-7b-instructelyza3kELYZA‑japanese‑Llama‑2‑7b は、Meta の Llama‑2 モデルの 6.27B パラメータ拡張で、インストラクトとファストバリアントで日本語データ上で事前学習され、Hugging Face Transformers を通じて利用できるものです。HF モデル共通: 統語的テキスト処理・言語モデル
- bert-base-japanese-v3-jstsllm-book1k「Large Language Model Introduction」の第5章で紹介された、日本語 BERT‑based モデル。JGLUE JSTS データセットで意味的類似度スコアリングのためにファインチューニングされ、Colab ノートブック、transformers‑pipeline の使用方法、Apache 2.0 ライセンス付き。HF モデル共通: 言語モデル