
AllenNLP-NER-ja:使用AllenNLP进行针对日语的命名实体识别。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
5
±0 (10月13日〜)
最后提交
2022年5月
GitHub 创建日期
2022年5月5日
收录日
2022年7月26日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 5 |
| 2026年1月 | 5 |
| 2026年2月 | 5 |
| 2026年3月 | 5 |
| 2026年4月 | 5 |
| 2026年5月 | 5 |
| 2026年6月 | 5 |
| 2026年7月 | 5 |
| 2026年8月 | 5 |
| 2026年9月 | 5 |
| 2026年10月 | 5 |
| 2026年11月 | 5 |
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
llm-bookghmagazine478「大规模语言模型入门」(技术评论社,2023)的GitHub仓库
ttslearnr9y9270ttslearn: 用于Python的图书馆学习语音合成(使用Python进行文本转语音)
bert-bookstockmarkteam265“BERT自然语言处理入门:使用Transformers的实践编程”支持页面
bert-classification-tutorialhppRC232【2023年版】基于BERT的文本分类
genai-agent-advanced-bookmasamasa59208书籍“现场应用生成AI代理实践入门”(講談社サイエンティフィック社)中使用的源代码
fastTextJapaneseTutorialicoxfog417200使用日语语料库训练fastText的教程
研究领域相近的资源
jawiki-cleanerhppRC6日语维基百科清理工具共同: 信息抽取与文本挖掘・命名实体识别
novelanalysisbynerlychee12232BERT模型微调用于命名实体识别共同: 信息抽取与文本挖掘・命名实体识别
namacochakki-works40基于字符的命名实体识别。共同: 信息抽取与文本挖掘・命名实体识别
entitypediachakki-works13Entitypedia是来自维基百科的扩展命名实体词典。共同: 信息抽取与文本挖掘・命名实体识别- bert-base-japanese-v3-ner-wikipedia-datasetllm-book8kFine‑tuned Japanese BERT‑Base适用于在维基百科数据集上的命名实体识别,该模型在《*Large Language Model Introduction*》一书第六章中呈现,并可通过Hugging Face transformers pipeline进行部署(Apache 2.0 许可)。HF 模型共同: 信息抽取与文本挖掘・命名实体识别
ner-wikipedia-datasetstockmarkteam143使用维基百科进行日语专有名词提取的数据集共同: 信息抽取与文本挖掘・命名实体识别