
微調整されたBERTモデルを使用した異音異義語の曖昧性解消ライブラリ。
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
37
+1 (10月13日〜)
パッケージの週間ダウンロード数
32
パッケージの累計ダウンロード数
51,000
最終コミット
2023年10月
GitHub での作成日
2022年12月5日
掲載日
2023年3月22日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 32 |
| 2026年1月 | 32 |
| 2026年2月 | 32 |
| 2026年3月 | 32 |
| 2026年4月 | 32 |
| 2026年5月 | 33 |
| 2026年6月 | 34 |
| 2026年7月 | 34 |
| 2026年8月 | 35 |
| 2026年9月 | 36 |
| 2026年10月 | 36 |
| 2026年11月 | 37 |
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。
PyPI での利用
PyPI パッケージ: yomikata · 2026年10月までの月間値(ClickPy)
直近1年のダウンロード数
1,636
日本からの割合(直近1年)
9.7%
依存している PyPI パッケージ
0
うち必須の依存 0
PyPI の月間ダウンロード数
数値を表で見る
| 月 | ダウンロード数(月) |
|---|---|
| 2019年1月 | 515 |
| 2019年2月 | 512 |
| 2019年3月 | 532 |
| 2019年4月 | 454 |
| 2019年5月 | 469 |
| 2019年6月 | 570 |
| 2019年7月 | 1,134 |
| 2019年8月 | 1,470 |
| 2019年9月 | 1,299 |
| 2019年10月 | 1,467 |
| 2019年11月 | 383 |
| 2019年12月 | 394 |
| 2020年1月 | 449 |
| 2020年2月 | 388 |
| 2020年3月 | 384 |
| 2020年4月 | 428 |
| 2020年5月 | 316 |
| 2020年6月 | 299 |
| 2020年7月 | 291 |
| 2020年8月 | 500 |
| 2020年9月 | 490 |
| 2020年10月 | 377 |
| 2020年11月 | 354 |
| 2020年12月 | 304 |
| 2021年1月 | 386 |
| 2021年2月 | 351 |
| 2021年3月 | 435 |
| 2021年4月 | 292 |
| 2021年5月 | 292 |
| 2021年6月 | 308 |
| 2021年7月 | 380 |
| 2021年8月 | 281 |
| 2021年9月 | 246 |
| 2021年10月 | 260 |
| 2021年11月 | 241 |
| 2021年12月 | 202 |
| 2022年1月 | 286 |
| 2022年2月 | 312 |
| 2022年3月 | 554 |
| 2022年4月 | 297 |
| 2022年5月 | 207 |
| 2022年6月 | 210 |
| 2022年7月 | 164 |
| 2022年8月 | 277 |
| 2022年9月 | 225 |
| 2022年10月 | 288 |
| 2022年11月 | 268 |
| 2022年12月 | 197 |
| 2023年1月 | 116 |
| 2023年2月 | 787 |
| 2023年3月 | 488 |
| 2023年4月 | 260 |
| 2023年5月 | 254 |
| 2023年6月 | 134 |
| 2023年7月 | 210 |
| 2023年8月 | 209 |
| 2023年9月 | 115 |
| 2023年10月 | 81 |
| 2023年11月 | 154 |
| 2023年12月 | 111 |
| 2024年1月 | 146 |
| 2024年2月 | 114 |
| 2024年3月 | 99 |
| 2024年4月 | 145 |
| 2024年5月 | 84 |
| 2024年6月 | 101 |
| 2024年7月 | 150 |
| 2024年8月 | 99 |
| 2024年9月 | 194 |
| 2024年10月 | 309 |
| 2024年11月 | 246 |
| 2024年12月 | 153 |
| 2025年1月 | 230 |
| 2025年2月 | 259 |
| 2025年3月 | 229 |
| 2025年4月 | 265 |
| 2025年5月 | 115 |
| 2025年6月 | 98 |
| 2025年7月 | 120 |
| 2025年8月 | 116 |
| 2025年9月 | 137 |
| 2025年10月 | 75 |
| 2025年11月 | 95 |
| 2025年12月 | 149 |
| 2026年1月 | 114 |
| 2026年2月 | 129 |
| 2026年3月 | 113 |
| 2026年4月 | 147 |
| 2026年5月 | 176 |
| 2026年6月 | 188 |
| 2026年7月 | 123 |
| 2026年8月 | 149 |
| 2026年9月 | 86 |
| 2026年10月 | 167 |
同じカテゴリで人気のリソース
esuparKoichiYasuoka56日本語や他の言語に対応したBERT/RoBERTa/DeBERTaモデルを使用したトークナイザー、POSタガー、依存構造解析器。
bertknpku-nlp23BERTに基づく日本語依存構造解析器
SuPar-UniDicKoichiYasuoka21モダン・コンテンポラリー日本語用のTokenizer、POS-tagger、Lemmatizer、およびDependency-parserには、BERTモデルが使用されます。
ginzamegagonlabs878ユニバーサル依存関係に基づくspaCyフレームワークを使用した日本語NLPライブラリ
camphrPKSHATechnology-Research337Camphr - パイプラインコンポーネントを作成するためのNLPライブラリ
depccgmasashi-y104スーパータグと依存関係ファクタリングモデルを備えたA* CCGパーサー
研究分野が近いリソース
- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M は local‑global attention と RoPE を組み合わせた日本語 BERT 変種で、4.09 T tokens の日本語/英語テキストで訓練され、102 400語の語彙、8 192トークンのシーケンスをサポートし、Flash Attention 2 用に最適化されています。HF モデル共通: 言語モデル・意味的テキスト処理
- deberta-v2-base-japaneseku-nlp24k日本語 DeBERTa V2 ベースモデルは、171 GBの日本語 Wikipedia、CC‑100、OSCAR データを用いて Juman++ セグメンテーションと SentencePiece トークン化で事前学習され、8枚の NVIDIA A100 GPU を 3週間使用してトレーニングされ、ファインチューニングに向けて準備ができています。HF モデル共通: 言語モデル・意味的テキスト処理
- modernbert-ja-130msbintuitions12k132 Mパラメータの日本語 ModernBERT モデルで、ローカルグローバルとRoPE注意を組み合わせ、4.39 T トークン(日本語/英語)で訓練され、102 kサイズの語彙、最大8,192トークン長、Flash Attention 2 に最適化されていますHF モデル共通: 言語モデル・意味的テキスト処理
GPTSANtanreinama119汎用スイッチトランスをベースにした日本語モード共通: 言語モデル・意味的テキスト処理
bertinformatix-inc28このリポジトリは、日本語コーパスで事前学習されたRoBERTaを使用するためのスニペットを提供しています。私たちのデータセットは、日本語のWikipediaとWebスクロールされた記事で、合計25GBです。リリースされたモデルは、HuggingFaceからのものをベースに構築されています。共通: 言語モデル・意味的テキスト処理
Laboro-DistilBERT-Japaneselaboroai16ラボロ DistilBERT 日本語共通: 言語モデル・意味的テキスト処理