
【2023年版】基于BERT的文本分类
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
232
±0 (10月13日〜)
最后提交
2024年5月
GitHub 创建日期
2023年1月14日
收录日
2023年1月14日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 236 |
| 2026年1月 | 235 |
| 2026年2月 | 235 |
| 2026年3月 | 234 |
| 2026年4月 | 234 |
| 2026年5月 | 234 |
| 2026年6月 | 234 |
| 2026年7月 | 234 |
| 2026年8月 | 232 |
| 2026年9月 | 232 |
| 2026年10月 | 232 |
| 2026年11月 | 232 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
同分类的热门资源
bert-bookstockmarkteam265“BERT自然语言处理入门:使用Transformers的实践编程”支持页面
fastTextJapaneseTutorialicoxfog417200使用日语语料库训练fastText的教程
spacy_tutorialyuibi65spaCy教程(英文和日文)。spacy-transformers、BERT、GiNZA。
bert-classification-tutorial-2024hpprc31【2024年版】基于BERT的文本分类
BERT_Japanese_Google_ColaboratoryYutaroOgawa29这是在Google Colaboratory上运行日语BERT的方法。
llm-bookghmagazine478「大规模语言模型入门」(技术评论社,2023)的GitHub仓库
研究领域相近的资源
awesome-bert-japanesehimkt132一个预训练的BERT模型列表,包括日语的单词/子词分词和词汇构建算法信息。共同: BERT 等预训练模型・教程与学习资源- bert-base-japanese-whole-word-maskingtohoku-nlp462kJapanese BERT‑base 在 2019 年日本维基百科上预训练,使用 IPA‑dictionary 与全词掩码,12 层 768 维,32,000 词表,512 标记序列,1 M 步骤,可在 cl‑tohoku/bert‑japanese 获取,遵循 CC‑BY‑SA 许可。HF 模型共同: BERT 等预训练模型
- bert-base-japanese-char-v3tohoku-nlp130k日本语言 BERT‑Base(12 层,768 维,12 头)使用 Unidic 基于词级加字符级分词和全词掩码在 CC‑100 及 2023 Wikipedia 上进行预训练,产生 7,027 名词表。HF 模型共同: BERT 等预训练模型
- deberta-v2-large-japanese-char-wwmku-nlp76k日语 DeBERTa V2 大型模型,已在 171 GB 的日语 Wikipedia、CC‑100 与 OSCAR 上训练,使用字符级 SentencePiece 分词和全词掩码,已准备好通过 Hugging Face Transformers 进行下游微调。HF 模型共同: BERT 等预训练模型
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上训练,使用 Unidic‑lite 单词级标记化配合 WordPiece 子词和全词掩码(24 层,1024 维隐藏层,16 头,32k 词表),预训练代码在 cl‑tohoku/bert‑japanese。HF 模型共同: BERT 等预训练模型
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base(12层,768维隐藏层,12头,32 k词汇表)在 CC‑100 和 2023‑Jan Wikipedia 上使用全词遮蔽预训练,采用 Unidic 2.1.2 词级分词加 WordPiece,训练 200 万步。HF 模型共同: BERT 等预训练模型