cl‑tohoku/bert‑base‑japanese‑v2 を使用した日本語 NER は、BertForTokenClassification を介して 8 つのエンティティタイプ(企業、政治・その他組織、施設、製品、イベント)を抽出し、Stockmark Wikipedia データセットで学習済みです。CC BY‑SA 3.0 ライセンスの下で transformers、unidic_lite、fugashi でインストール可能です。
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
5,000
Hugging Face の Like 数
11
掲載日
—
ページ作成時から掲載
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | 9,000 |
| 2026年1月 | 9,000 |
| 2026年2月 | 10,000 |
| 2026年3月 | 17,000 |
| 2026年4月 | 16,000 |
| 2026年5月 | 19,000 |
| 2026年6月 | 15,000 |
| 2026年7月 | 16,000 |
| 2026年8月 | 5,000 |
| 2026年9月 | 3,000 |
| 2026年10月 | 4,000 |
| 2026年11月 | 5,000 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- bert-base-japanese-v3-ner-wikipedia-datasetllm-book8kWikipediaデータセット上の固有表現認識用に微調整された日本語 BERT‑Base は、*Large Language Model Introduction* の第6章で紹介され、Hugging Face transformers パイプライン(Apache 2.0 ライセンス)でデプロイできるものです。
- xlm-roberta-ner-japanesetsmatz4k日本語NERコーパス(タグ PER, ORG, LOC, INS, PRD, EVT)上で、5エポックのAdam(lr 5e‑5、バッチ12)を使用してFine‑tuneしたXLM‑RoBERTa‑baseは、0.0173の検証ロスを達成し、Transformers 4.23.1とPyTorch 1.12.1でリリースされました。
研究分野が近いリソース
japanese_text_classificationMasao-Taketani9MLP、CNN、RNN、BERTアプローチを含む様々なDNNテキスト分類器を調査する。GitHub共通: 情報抽出・テキストマイニング・情報検索
bert-japanese-ner-finetuningken1111Code to perform finetuning of the BERT model. BERTモデルのファインチューニングで固有表現抽出用タスクのモデルを作成・使用するサンプルですGitHub共通: 言語モデル・意味的テキスト処理
novelanalysisbynerlychee12232BERTのファインチューニングによる固有表現抽出GitHub共通: 情報抽出・テキストマイニング・固有表現認識
DocumentClassificationUsingBERT-Japanesenekoumei0ドキュメント分類にBERTを使用する-日本語GitHub共通: 情報抽出・テキストマイニング・情報検索- 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。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。共通: 言語モデル・意味的テキスト処理