
UDPipe:用于对 Universal Treebanks 及其他 CoNLL-U 文件进行分词、标注、词形还原和句法分析的可训练流水线。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
422
±0 (10月13日〜)
最后提交
2026年6月
GitHub 创建日期
2016年1月29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 | — |
| 2026年8月 | — |
| 2026年9月 | 421 |
| 2026年10月 | 422 |
| 2026年11月 | 422 |
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:ufal-udpipe · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
442,698
来自日本的比例(近一年)
0.6%
依赖它的 PyPI 包
19
其中必需依赖 17
PyPI 月度下载量
以表格显示
| 月份 | 下载量(月) |
|---|---|
| 2019年1月 | 2,182 |
| 2019年2月 | 1,687 |
| 2019年3月 | 1,979 |
| 2019年4月 | 2,056 |
| 2019年5月 | 3,024 |
| 2019年6月 | 1,912 |
| 2019年7月 | 1,906 |
| 2019年8月 | 1,974 |
| 2019年9月 | 2,808 |
| 2019年10月 | 2,963 |
| 2019年11月 | 5,769 |
| 2019年12月 | 3,572 |
| 2020年1月 | 5,284 |
| 2020年2月 | 6,579 |
| 2020年3月 | 7,259 |
| 2020年4月 | 6,328 |
| 2020年5月 | 5,627 |
| 2020年6月 | 4,618 |
| 2020年7月 | 5,235 |
| 2020年8月 | 6,208 |
| 2020年9月 | 6,234 |
| 2020年10月 | 5,832 |
| 2020年11月 | 5,715 |
| 2020年12月 | 4,770 |
| 2021年1月 | 13,390 |
| 2021年2月 | 11,819 |
| 2021年3月 | 10,098 |
| 2021年4月 | 11,268 |
| 2021年5月 | 11,700 |
| 2021年6月 | 8,843 |
| 2021年7月 | 9,694 |
| 2021年8月 | 9,403 |
| 2021年9月 | 9,234 |
| 2021年10月 | 11,222 |
| 2021年11月 | 12,241 |
| 2021年12月 | 9,729 |
| 2022年1月 | 9,632 |
| 2022年2月 | 9,699 |
| 2022年3月 | 12,282 |
| 2022年4月 | 11,059 |
| 2022年5月 | 10,483 |
| 2022年6月 | 11,207 |
| 2022年7月 | 10,447 |
| 2022年8月 | 10,511 |
| 2022年9月 | 11,313 |
| 2022年10月 | 11,247 |
| 2022年11月 | 9,438 |
| 2022年12月 | 10,555 |
| 2023年1月 | 11,625 |
| 2023年2月 | 17,149 |
| 2023年3月 | 14,239 |
| 2023年4月 | 11,823 |
| 2023年5月 | 13,726 |
| 2023年6月 | 10,908 |
| 2023年7月 | 10,292 |
| 2023年8月 | 10,652 |
| 2023年9月 | 9,688 |
| 2023年10月 | 10,042 |
| 2023年11月 | 16,425 |
| 2023年12月 | 14,489 |
| 2024年1月 | 16,588 |
| 2024年2月 | 13,983 |
| 2024年3月 | 16,169 |
| 2024年4月 | 14,109 |
| 2024年5月 | 16,628 |
| 2024年6月 | 14,709 |
| 2024年7月 | 42,315 |
| 2024年8月 | 31,712 |
| 2024年9月 | 204,435 |
| 2024年10月 | 162,518 |
| 2024年11月 | 714,013 |
| 2024年12月 | 32,757 |
| 2025年1月 | 20,965 |
| 2025年2月 | 17,330 |
| 2025年3月 | 24,256 |
| 2025年4月 | 20,065 |
| 2025年5月 | 20,999 |
| 2025年6月 | 23,310 |
| 2025年7月 | 23,111 |
| 2025年8月 | 23,027 |
| 2025年9月 | 45,109 |
| 2025年10月 | 35,459 |
| 2025年11月 | 55,342 |
| 2025年12月 | 27,568 |
| 2026年1月 | 27,056 |
| 2026年2月 | 31,410 |
| 2026年3月 | 37,174 |
| 2026年4月 | 31,642 |
| 2026年5月 | 31,697 |
| 2026年6月 | 27,189 |
| 2026年7月 | 42,250 |
| 2026年8月 | 25,941 |
| 2026年9月 | 21,874 |
| 2026年10月 | 83,555 |
同分类的热门资源
transformershuggingface167k🤗 Transformers:面向文本、视觉、音频及多模态领域最先进机器学习模型的模型定义框架,同时支持推理与训练。
HanLPhankcs37k面向下一个十年的自然语言处理。分词、词性标注、命名实体识别、句法与语义依存分析、文档分类。
spaCyexplosion34k💫 Python 实现的工业级自然语言处理(NLP)。
nltknltk15kNLTK 源代码。
stanzastanfordnlp7.9k用于分词、分句、命名实体识别以及多种人类语言句法分析的 Stanford NLP Python 库。
openmedmaziyarpanahi5.4k本地优先的医疗 AI:完全在设备端运行的临床命名实体识别与符合 HIPAA 的个人信息去标识化。拥有2200多个医疗模型,支持21种语言,兼容 Apple MLX + Python,无需云端,患者数据不会离开您的网络。Apache-2.0 许可。