
使用BERT模型的现代和当代日语分词器、词性标注器、词形还原器和依存句法分析器。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
21
±0 (10月13日〜)
软件包每周下载数
145
软件包累计下载数
126,000
最后提交
2026年8月
GitHub 创建日期
2021年2月21日
收录日
—
自页面创建时收录
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | 21 |
| 2026年8月 | 21 |
| 2026年9月 | 21 |
| 2026年10月 | 21 |
| 2026年11月 | 21 |
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:suparunidic · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
12,823
来自日本的比例(近一年)
5.1%
依赖它的 PyPI 包
0
其中必需依赖 0
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 | 2,753 |
| 2021年3月 | 3,060 |
| 2021年4月 | 2,681 |
| 2021年5月 | 1,784 |
| 2021年6月 | 1,938 |
| 2021年7月 | 1,917 |
| 2021年8月 | 1,829 |
| 2021年9月 | 1,825 |
| 2021年10月 | 2,203 |
| 2021年11月 | 2,213 |
| 2021年12月 | 3,409 |
| 2022年1月 | 2,873 |
| 2022年2月 | 2,674 |
| 2022年3月 | 4,046 |
| 2022年4月 | 2,798 |
| 2022年5月 | 3,011 |
| 2022年6月 | 2,436 |
| 2022年7月 | 2,273 |
| 2022年8月 | 1,822 |
| 2022年9月 | 2,750 |
| 2022年10月 | 2,027 |
| 2022年11月 | 2,113 |
| 2022年12月 | 1,149 |
| 2023年1月 | 1,113 |
| 2023年2月 | 1,773 |
| 2023年3月 | 1,811 |
| 2023年4月 | 1,768 |
| 2023年5月 | 2,104 |
| 2023年6月 | 1,464 |
| 2023年7月 | 1,466 |
| 2023年8月 | 1,706 |
| 2023年9月 | 1,036 |
| 2023年10月 | 1,291 |
| 2023年11月 | 1,236 |
| 2023年12月 | 1,322 |
| 2024年1月 | 1,497 |
| 2024年2月 | 1,967 |
| 2024年3月 | 1,025 |
| 2024年4月 | 1,453 |
| 2024年5月 | 1,212 |
| 2024年6月 | 667 |
| 2024年7月 | 1,359 |
| 2024年8月 | 1,390 |
| 2024年9月 | 1,955 |
| 2024年10月 | 3,940 |
| 2024年11月 | 2,157 |
| 2024年12月 | 1,540 |
| 2025年1月 | 2,709 |
| 2025年2月 | 1,508 |
| 2025年3月 | 3,242 |
| 2025年4月 | 2,536 |
| 2025年5月 | 1,516 |
| 2025年6月 | 1,410 |
| 2025年7月 | 1,403 |
| 2025年8月 | 1,866 |
| 2025年9月 | 2,027 |
| 2025年10月 | 1,015 |
| 2025年11月 | 1,403 |
| 2025年12月 | 1,050 |
| 2026年1月 | 1,381 |
| 2026年2月 | 1,219 |
| 2026年3月 | 781 |
| 2026年4月 | 1,513 |
| 2026年5月 | 976 |
| 2026年6月 | 698 |
| 2026年7月 | 709 |
| 2026年8月 | 1,332 |
| 2026年9月 | 778 |
| 2026年10月 | 983 |
同分类的热门资源
esuparKoichiYasuoka56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。
UniDic2UDKoichiYasuoka38现代和当代日语的分词器、词性标注器、词形还原器和依存句法分析器
yomikatapassaglia37使用经过微调的BERT模型的异音词消歧库。
bertknpku-nlp23基于BERT的日语依存句法分析器
ginzamegagonlabs878一个基于通用依存关系的spaCy框架的日语NLP库。
camphrPKSHATechnology-Research337Camphr - 用于创建管道组件的NLP库
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