
Python中的混合Unigram模型和无限混合Unigram模型。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
6
±0 (10月13日〜)
最后提交
2017年6月
GitHub 创建日期
2016年1月5日
收录日
2022年8月8日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 6 |
| 2026年1月 | 6 |
| 2026年2月 | 6 |
| 2026年3月 | 6 |
| 2026年4月 | 6 |
| 2026年5月 | 6 |
| 2026年6月 | 6 |
| 2026年7月 | 6 |
| 2026年8月 | 6 |
| 2026年9月 | 6 |
| 2026年10月 | 6 |
| 2026年11月 | 6 |
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
研究领域相近的资源
- japanese-sentiment-analysisjarvisx174k训练于 chABSA 数据集的日语情感分析模型,获得 loss 0.0001、accuracy 1.0、F1 1.0,由 Transformers 4.24.0 和 PyTorch 1.12.1+cu113 构建,使用 Adam(learning rate 2e‑05、10 epochs、batch size 16)优化,并通过 model(inputs) 进行评估。HF 模型共同: 情感分析与文本分类
sentiment_ja_jsotodn10使用JavaScript进行日语情感分析,使用sentiment_ja。共同: 情感分析与文本分类- bert-finetuned-japanese-sentimentchristian-phu329k在亚马逊产品评论上对日语 BERT (cl‑tohoku/bert‑base‑japanese‑v2) 进行微调,用于情感分类,经过6个周期,学习率为2 × 10⁻⁵,达到约81 %准确率和0.73 F1。HF 模型共同: 语言模型
- sentence-luke-japanese-base-litesonoisa10kJapanese Sentence‑LUKE 模型在与 Sentence‑BERT 同一数据集上训练,表现超过或匹配其性能,基于 studio‑ousia/luke‑japanese‑base‑lite 构建,并通过 Hugging Face Transformers 的 MLukeTokenizer 与 LukeModel 进行使用。HF 模型共同: 句法文本处理・语言模型
- ELYZA-japanese-Llama-2-7b-instructelyza3kELYZA‑japanese‑Llama‑2‑7b 是 Meta 的 Llama‑2 模型的 6.27 B 参数扩展版,已在包含 instruct 和 fast 变体的日语数据上预训练,可通过 Hugging Face Transformers 使用。HF 模型共同: 句法文本处理・语言模型
- bert-base-japanese-v3-jstsllm-book1k一个基于 Japanese BERT‑based model 的模型,已在 JGLUE JSTS 数据集上 fine‑tuned,用于语义相似性评分——在《Large Language Model Introduction》第5章中介绍——配有 Colab notebooks、transformers‑pipeline 用法以及 Apache 2.0 许可证。HF 模型共同: 语言模型