
SudachiとNWJCを使用した日本語の単語埋め込み。
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
179
+2 (10月13日〜)
最終コミット
2024年3月
GitHub での作成日
2019年11月15日
掲載日
2022年6月9日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 168 |
| 2026年1月 | 168 |
| 2026年2月 | 170 |
| 2026年3月 | 171 |
| 2026年4月 | 173 |
| 2026年5月 | 175 |
| 2026年6月 | 176 |
| 2026年7月 | 177 |
| 2026年8月 | 178 |
| 2026年9月 | 178 |
| 2026年10月 | 178 |
| 2026年11月 | 179 |
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
jawiki_word_vector_updaterkamigaito12最新の日本語Wikipediaのダンプデータから,MeCabを用いてIPA辞書と最新のNeologd辞書の両方で形態素解析を実施し,その結果に基づいた word2vec,fastText,GloVeの単語分散表現を学習するためのスクリプト
dependency-based-japanese-word-embeddingslapras-inc8これはAI LABの記事「係り受けに基づく日本語単語埋込 (Dependency-based Japanese Word Embeddings)」のリポジトリです。(記事URL https://ai-lab.lapras.com/nlp/japanese-word-embedding/)
japanese-words-to-vectorsphilipperemy87GensimとMecabを使用した日本語のWord2vec(単語からベクトルへのアプローチ)手法。
embedrankyagays48EmbedRankのPython実装
elmo-japanesecl-tohoku4エルモ-日本語
aoveceggplants3簡単な青空文庫のWord2Vecビルダー - 青空文庫の全書籍を対象としたWord2Vecモデルの構築と構築済みモデル
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
- GLuCoSE-base-japkshatech31kGLuCoSEは、LUKEをベースに構築された日本語文埋め込みモデルであり、ウェブおよびNLI/検索データで訓練され、最大512トークンまでの768次元平均プールベクトルを出力します。類似度ベンチマークで0.864のSpearmanと0.818のPearsonを達成しています。HF モデル共通: 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