
使用Gensim和Mecab的Word2vec(单词到向量)方法来处理日语。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
87
±0 (10月13日〜)
最后提交
2020年8月
GitHub 创建日期
2016年9月4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 | 86 |
| 2026年1月 | 86 |
| 2026年2月 | 87 |
| 2026年3月 | 87 |
| 2026年4月 | 87 |
| 2026年5月 | 87 |
| 2026年6月 | 87 |
| 2026年7月 | 87 |
| 2026年8月 | 87 |
| 2026年9月 | 87 |
| 2026年10月 | 87 |
| 2026年11月 | 87 |
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
chiVeWorksApplications179使用Sudachi和NWJC的日语词嵌入
embedrankyagays48EmbedRank的Python实现
jawiki_word_vector_updaterkamigaito12使用最新的日本语Wikipedia转储数据,使用MeCab在IPA词典和最新的Neologd词典中进行形态分析,并基于其结果学习word2vec、fastText和GloVe的词向量表示的脚本。
dependency-based-japanese-word-embeddingslapras-inc8这是AI LAB文章“係り受けに基づく日本語単語埋込(基于依存关系的日语词嵌入)”的存储库(文章网址https://ai-lab.lapras.com/nlp/japanese-word-embedding/)。
elmo-japanesecl-tohoku4艾尔莫-日语
aoveceggplants3易用的青空文库Word2Vec构建器 - 包含所有书籍的Word2Vec构建器和预先构建的模型。
研究领域相近的资源
fasttext-vs-word2vec-on-twitter-dataGINK0348这是有关fasttext和word2vec的比较,以及执行脚本和学习脚本。共同: 表示学习・语义文本处理- ruri-v3-310mcl-nagoya634kRuri v3 是基于 ModernBERT‑Ja 的先进日语文本嵌入模型,支持多达 8,192 词元输入,100K 词元词汇表,FlashAttention 加速推理,并提供多种尺寸变体,便于快速使用 sentence‑transformer。HF 模型共同: 表示学习・语义文本处理
- ruri-v3-30mcl-nagoya126kRuri v3是一个最先进的日语文本嵌入模型,基于ModernBERT‑Ja构建,支持最多8,192个标记,拥有100 k词汇量,支持FlashAttention加速,并提供多种规模,从37 M到315 M参数。HF 模型共同: 表示学习・语义文本处理
- ruri-v3-130mcl-nagoya93kRuri v3 是基于 ModernBERT‑Ja 的前沿日语文本嵌入模型,支持最多 8192 token 序列、100K token 词汇量、FlashAttention,并以 30 M 至 310 M 参数规模发布,供 sentence‑transformers 使用。HF 模型共同: 表示学习・语义文本处理
- 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: 表示学习・语义文本处理
- 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: 表示学习・语义文本处理