
使用经过微调的BERT模型的异音词消歧库。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
37
+1 (10月13日〜)
软件包每周下载数
32
软件包累计下载数
51,000
最后提交
2023年10月
GitHub 创建日期
2022年12月5日
收录日
2023年3月22日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 32 |
| 2026年1月 | 32 |
| 2026年2月 | 32 |
| 2026年3月 | 32 |
| 2026年4月 | 32 |
| 2026年5月 | 33 |
| 2026年6月 | 34 |
| 2026年7月 | 34 |
| 2026年8月 | 35 |
| 2026年9月 | 36 |
| 2026年10月 | 36 |
| 2026年11月 | 37 |
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:yomikata · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
1,636
来自日本的比例(近一年)
9.7%
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 | 515 |
| 2019年2月 | 512 |
| 2019年3月 | 532 |
| 2019年4月 | 454 |
| 2019年5月 | 469 |
| 2019年6月 | 570 |
| 2019年7月 | 1,134 |
| 2019年8月 | 1,470 |
| 2019年9月 | 1,299 |
| 2019年10月 | 1,467 |
| 2019年11月 | 383 |
| 2019年12月 | 394 |
| 2020年1月 | 449 |
| 2020年2月 | 388 |
| 2020年3月 | 384 |
| 2020年4月 | 428 |
| 2020年5月 | 316 |
| 2020年6月 | 299 |
| 2020年7月 | 291 |
| 2020年8月 | 500 |
| 2020年9月 | 490 |
| 2020年10月 | 377 |
| 2020年11月 | 354 |
| 2020年12月 | 304 |
| 2021年1月 | 386 |
| 2021年2月 | 351 |
| 2021年3月 | 435 |
| 2021年4月 | 292 |
| 2021年5月 | 292 |
| 2021年6月 | 308 |
| 2021年7月 | 380 |
| 2021年8月 | 281 |
| 2021年9月 | 246 |
| 2021年10月 | 260 |
| 2021年11月 | 241 |
| 2021年12月 | 202 |
| 2022年1月 | 286 |
| 2022年2月 | 312 |
| 2022年3月 | 554 |
| 2022年4月 | 297 |
| 2022年5月 | 207 |
| 2022年6月 | 210 |
| 2022年7月 | 164 |
| 2022年8月 | 277 |
| 2022年9月 | 225 |
| 2022年10月 | 288 |
| 2022年11月 | 268 |
| 2022年12月 | 197 |
| 2023年1月 | 116 |
| 2023年2月 | 787 |
| 2023年3月 | 488 |
| 2023年4月 | 260 |
| 2023年5月 | 254 |
| 2023年6月 | 134 |
| 2023年7月 | 210 |
| 2023年8月 | 209 |
| 2023年9月 | 115 |
| 2023年10月 | 81 |
| 2023年11月 | 154 |
| 2023年12月 | 111 |
| 2024年1月 | 146 |
| 2024年2月 | 114 |
| 2024年3月 | 99 |
| 2024年4月 | 145 |
| 2024年5月 | 84 |
| 2024年6月 | 101 |
| 2024年7月 | 150 |
| 2024年8月 | 99 |
| 2024年9月 | 194 |
| 2024年10月 | 309 |
| 2024年11月 | 246 |
| 2024年12月 | 153 |
| 2025年1月 | 230 |
| 2025年2月 | 259 |
| 2025年3月 | 229 |
| 2025年4月 | 265 |
| 2025年5月 | 115 |
| 2025年6月 | 98 |
| 2025年7月 | 120 |
| 2025年8月 | 116 |
| 2025年9月 | 137 |
| 2025年10月 | 75 |
| 2025年11月 | 95 |
| 2025年12月 | 149 |
| 2026年1月 | 114 |
| 2026年2月 | 129 |
| 2026年3月 | 113 |
| 2026年4月 | 147 |
| 2026年5月 | 176 |
| 2026年6月 | 188 |
| 2026年7月 | 123 |
| 2026年8月 | 149 |
| 2026年9月 | 86 |
| 2026年10月 | 167 |
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。
bertknpku-nlp23基于BERT的日语依存句法分析器
SuPar-UniDicKoichiYasuoka21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。
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
depccgmasashi-y104带有超级标签和依存因素模型的A* CCG解析器
研究领域相近的资源
- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M 是一种日语 BERT 变体,融合了局部-全局注意力和 RoPE,训练于 4.09 T 日语/英语文本,支持 102 400 词汇量、8 192 令牌序列,并针对 Flash Attention 2 进行了优化。HF 模型共同: 语言模型・语义文本处理
- deberta-v2-base-japaneseku-nlp24kJapanese DeBERTa V2 基础模型已在 171 GB 的日语维基百科、CC‑100 和 OSCAR 数据上预训练,使用 Juman++ 分词和 SentencePiece 标记化,经过三周在八块 NVIDIA A100 GPU 上训练,现已准备好用于微调。HF 模型共同: 语言模型・语义文本处理
- modernbert-ja-130msbintuitions12k这是一款 1.32 亿参数的日语 ModernBERT 模型,融合了 local‑global 与 RoPE 注意力机制,训练于 4.39 T 词条(日语/英语),词表大小 102k,最大序列长度 8,192,针对 Flash Attention 2 做了优化。HF 模型共同: 语言模型・语义文本处理
GPTSANtanreinama119通用开关变压器基于日语模式共同: 语言模型・语义文本处理
bertinformatix-inc28该存储库提供了使用RoBERTa在日语语料库上预训练的代码片段。我们的数据集包括日语维基百科和网络滚动文章,总共25GB。发布的模型是基于HuggingFace的模型构建的。共同: 语言模型・语义文本处理
Laboro-DistilBERT-Japaneselaboroai16劳罗DistilBERT日语共同: 语言模型・语义文本处理