
LUKE -- 知識ベース埋め込みを用いた言語理解
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
727
±0 (10月13日〜)
最終コミット
2023年6月
GitHub での作成日
2019年2月21日
掲載日
2022年10月29日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 727 |
| 2026年1月 | 728 |
| 2026年2月 | 727 |
| 2026年3月 | 727 |
| 2026年4月 | 727 |
| 2026年5月 | 727 |
| 2026年6月 | 726 |
| 2026年7月 | 725 |
| 2026年8月 | 725 |
| 2026年9月 | 727 |
| 2026年10月 | 727 |
| 2026年11月 | 727 |
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
bert-japanesecl-tohoku551日本語テキスト用のBERTモデル。
bert-japaneseyoheikikuta497日本語テキスト用のSentencePieceを使用したBERT。
gpt2-japanesetanreinama322日本語GPT2生成モデル
japanese-dialog-transformersnttcslab247NTT株式会社が提供する日本語事前学習モデルの評価コード。
DistilBERT-base-jpBandaiNamcoResearchInc161日本語のDistilBERT事前学習モデルで、Wikipediaで訓練されました。
Japanese-Alpaca-LoRAkunishou141日本語に翻訳したStanford Alpacaのデータセットを用いてLLaMAをファインチューニングし作成したLow-Rank AdapterのリンクとGenerateサンプルコード
研究分野が近いリソース
- 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
- ruri-v3-30mcl-nagoya126kRuri v3 は、ModernBERT‑Ja をベースに構築され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、100 k‑トークン語彙、FlashAttention 加速、37 M から 315 M の複数サイズに対応しています。HF モデル共通: 表現学習・意味的テキスト処理
- ruri-v3-130mcl-nagoya93kRuri v3は、ModernBERT‑Jaをベースに構築された最先端の日本語テキスト埋め込みモデルで、8192トークンまでのシーケンス、10万語の語彙、FlashAttentionに対応し、sentence‑transformers用に30 M〜310 Mパラメータのサイズでリリースされます。HF モデル共通: 表現学習・意味的テキスト処理
chiVeWorksApplications179SudachiとNWJCを使用した日本語の単語埋め込み。共通: 表現学習・意味的テキスト処理
jawikivecwikiwikification2もう一つの日本語ウィキペディアエンティティベクトル共通: 表現学習・知識表現- sentence-bert-base-ja-mean-tokenssonoisa14k文埋め込みを生成するJapanese Sentence‑BERT (v1) モデルで、改良版v2が利用可能で、Hugging Face Transformers とカスタム SentenceBertJapanese クラスを使用したサンプル使用例があります。HF モデル共通: 表現学習・意味的テキスト処理