
EmbedRankのPython実装
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
48
±0 (10月13日〜)
最終コミット
2019年3月
GitHub での作成日
2019年2月1日
掲載日
2022年6月16日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 48 |
| 2026年1月 | 48 |
| 2026年2月 | 48 |
| 2026年3月 | 48 |
| 2026年4月 | 47 |
| 2026年5月 | 48 |
| 2026年6月 | 48 |
| 2026年7月 | 48 |
| 2026年8月 | 48 |
| 2026年9月 | 48 |
| 2026年10月 | 48 |
| 2026年11月 | 48 |
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
chiVeWorksApplications179SudachiとNWJCを使用した日本語の単語埋め込み。
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。
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/)
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
fasttext-vs-word2vec-on-twitter-dataGINK0348fasttextとword2vecの比較と、実行スクリプト、学習スクリプトです共通: 表現学習・意味的テキスト処理- bert-base-japanese-whole-word-maskingtohoku-nlp462k2019年の日本語Wikipediaを対象に、IPA辞書と全単語マスキングを用いて事前学習されたJapanese BERT‑base、12層、768次元、32,000語語彙、512トークンシーケンス、1Mステップ、CC‑BY‑SAの下でcl‑tohoku/bert‑japaneseから入手可能。HF モデル共通: 表現学習・統語的テキスト処理
- bert-base-japanese-char-v3tohoku-nlp130kJapanese‑language BERT‑Base (12 layers, 768‑dim, 12 heads)は、Unidic‑based word‑level plus character‑level tokenizationとwhole‑word maskingをCC‑100と2023 Wikipediaで事前学習し、7,027‑token vocabularyを生成する。HF モデル共通: 表現学習・統語的テキスト処理
- bert-base-japanese-char-v2tohoku-nlp55kBERT‑base Japanese model(12層、768‑次元の hidden states、12ヘッド)を、30 M Wikipedia 文(約4 GB)で Unidic 2.1.2 を用いた単語レベルトークン化の後、文字レベルトークン化と全単語マスクを行い、512トークンのシーケンス、256バッチ、1 M トレーニングステップで訓練しました。HF モデル共通: 表現学習・統語的テキスト処理
- bert-base-japanese-chartohoku-nlp11k日本語のBERT‑baseモデル(12層、768次元の隠れレイヤー、12ヘッド)は、MeCab IPA単語レベルトークン化を経て文字レベルトークン化で4000語語彙に変換し、約1700万文(2.6 GB)の日本語Wikipediaで事前学習されました。学習コードはcl‑tohoku/bert‑japaneseにあり、CC BY‑SA 3.0 でリリースされています。HF モデル共通: 表現学習・統語的テキスト処理
- bert-base-japanese-v2tohoku-nlp9kJapanese BERT‑base (12 layers, 768 hidden, 12 heads) は、Unidic 2.1.2 単語レベルトークナイゼーション、WordPiece サブトークナイズ、および whole‑word マスクリングを使用し、4 GBの日本語Wikipedia(約30 M文)で事前学習されています。HF モデル共通: 表現学習・統語的テキスト処理