
使用BERT/RoBERTa/DeBERTa模型的分词器POS-标注器和依存句法分析器,适用于日语和其他语言。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
56
+1 (10月13日〜)
软件包每周下载数
384
软件包累计下载数
189,000
最后提交
2026年9月
GitHub 创建日期
2021年9月17日
收录日
2022年6月9日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 53 |
| 2026年1月 | 54 |
| 2026年2月 | 54 |
| 2026年3月 | 55 |
| 2026年4月 | 56 |
| 2026年5月 | 55 |
| 2026年6月 | 55 |
| 2026年7月 | 55 |
| 2026年8月 | 55 |
| 2026年9月 | 55 |
| 2026年10月 | 55 |
| 2026年11月 | 56 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
在 PyPI 上的使用
PyPI 包:esupar · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
32,237
来自日本的比例(近一年)
3.4%
依赖它的 PyPI 包
3
其中必需依赖 2
PyPI 月度下载量
以表格显示
| 月份 | 下载量(月) |
|---|---|
| 2019年1月 | — |
| 2019年2月 | — |
| 2019年3月 | — |
| 2019年4月 | — |
| 2019年5月 | — |
| 2019年6月 | — |
| 2019年7月 | — |
| 2019年8月 | — |
| 2019年9月 | — |
| 2019年10月 | — |
| 2019年11月 | — |
| 2019年12月 | — |
| 2020年1月 | — |
| 2020年2月 | — |
| 2020年3月 | — |
| 2020年4月 | — |
| 2020年5月 | — |
| 2020年6月 | — |
| 2020年7月 | — |
| 2020年8月 | — |
| 2020年9月 | — |
| 2020年10月 | — |
| 2020年11月 | — |
| 2020年12月 | — |
| 2021年1月 | — |
| 2021年2月 | — |
| 2021年3月 | — |
| 2021年4月 | — |
| 2021年5月 | — |
| 2021年6月 | — |
| 2021年7月 | — |
| 2021年8月 | — |
| 2021年9月 | 444 |
| 2021年10月 | 1,506 |
| 2021年11月 | 1,266 |
| 2021年12月 | 1,550 |
| 2022年1月 | 2,552 |
| 2022年2月 | 4,036 |
| 2022年3月 | 4,142 |
| 2022年4月 | 2,619 |
| 2022年5月 | 2,423 |
| 2022年6月 | 2,182 |
| 2022年7月 | 2,309 |
| 2022年8月 | 2,696 |
| 2022年9月 | 2,301 |
| 2022年10月 | 2,241 |
| 2022年11月 | 2,876 |
| 2022年12月 | 2,658 |
| 2023年1月 | 4,299 |
| 2023年2月 | 4,884 |
| 2023年3月 | 3,511 |
| 2023年4月 | 2,215 |
| 2023年5月 | 2,446 |
| 2023年6月 | 2,525 |
| 2023年7月 | 2,947 |
| 2023年8月 | 2,648 |
| 2023年9月 | 1,313 |
| 2023年10月 | 2,179 |
| 2023年11月 | 3,113 |
| 2023年12月 | 2,694 |
| 2024年1月 | 2,776 |
| 2024年2月 | 5,281 |
| 2024年3月 | 3,202 |
| 2024年4月 | 2,951 |
| 2024年5月 | 3,972 |
| 2024年6月 | 2,460 |
| 2024年7月 | 4,376 |
| 2024年8月 | 2,993 |
| 2024年9月 | 4,082 |
| 2024年10月 | 7,998 |
| 2024年11月 | 5,013 |
| 2024年12月 | 4,018 |
| 2025年1月 | 3,781 |
| 2025年2月 | 3,213 |
| 2025年3月 | 5,505 |
| 2025年4月 | 4,854 |
| 2025年5月 | 2,189 |
| 2025年6月 | 2,731 |
| 2025年7月 | 2,994 |
| 2025年8月 | 3,128 |
| 2025年9月 | 3,878 |
| 2025年10月 | 2,083 |
| 2025年11月 | 3,090 |
| 2025年12月 | 2,999 |
| 2026年1月 | 3,389 |
| 2026年2月 | 2,368 |
| 2026年3月 | 2,803 |
| 2026年4月 | 3,020 |
| 2026年5月 | 2,874 |
| 2026年6月 | 1,860 |
| 2026年7月 | 2,171 |
| 2026年8月 | 3,455 |
| 2026年9月 | 1,773 |
| 2026年10月 | 2,435 |
同分类的热门资源
研究领域相近的资源
ginza-transformersmegagonlabs16在spacy-transformers中使用自定义分词器共同: 句法文本处理・文本切分
SudachiTraWorksApplications81用于变形金刚的日语分词器共同: 句法文本处理・文本切分
jptranstokenizerretarfi5Transformers库的日语分词器共同: 句法文本处理・文本切分- 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: 句法文本处理・文本切分
- japanese-roberta-baserinna9kJapanese‑Roberta‑Base 是来自 rinna Co., Ltd. 的预训练掩码语言模型,提供了正确加载、token 预处理、position‑id 处理的准则,以及强调需要前置 [CLS] token 和一致 tokenization 的使用示例。HF 模型共同: 句法文本处理・文本切分
- 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: 句法文本处理・文本切分