
日文文本的BERT模型。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
551
±0 (10月13日〜)
最後提交
2024年3月
GitHub 建立日期
2019年11月14日
收錄日
2022年7月28日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 540 |
| 2026年1月 | 542 |
| 2026年2月 | 544 |
| 2026年3月 | 544 |
| 2026年4月 | 544 |
| 2026年5月 | 547 |
| 2026年6月 | 548 |
| 2026年7月 | 548 |
| 2026年8月 | 551 |
| 2026年9月 | 551 |
| 2026年10月 | 552 |
| 2026年11月 | 551 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
lukestudio-ousia727LUKE -- 基於知識嵌入的語言理解
bert-japaneseyoheikikuta497使用SentencePiece的BERT模型進行日文文本處理。
gpt2-japanesetanreinama322日本語GPT2生成モデル
japanese-dialog-transformersnttcslab247NTT有限公司提供的評估日語預訓練模型的代碼。
DistilBERT-base-jpBandaiNamcoResearchInc161一個在維基百科上訓練的日本DistilBERT預訓練模型。
Japanese-Alpaca-LoRAkunishou141使用經過日語翻譯的Stanford Alpaca資料集,進行LLaMA的微調並創建了Low-Rank Adapter,以下是其連結和生成樣本程式碼。
研究領域相近的資源
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上訓練,使用 Unidic‑lite 詞級分詞,結合 WordPiece 子詞與全詞遮蔽,模型為 24 層、1024 維隱藏、16 頭、32k 詞表;預訓練程式碼位於 cl‑tohoku/bert‑japanese。HF 模型共同: 表示學習・語言模型
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base (12 層, 768‑維度隱藏, 12 頭, 32k 詞彙) 以完整詞遮蔽在 CC‑100 與 2023‑Jan Wikipedia 上預訓練,使用 Unidic 2.1.2 詞級分詞加 WordPiece,訓練 200 萬步。HF 模型共同: 表示學習・語言模型
Laboro-BERT-Japaneselaboroai73Laboro BERT 日語:使用 Web-Corpus 預訓練的日語 BERT共同: 表示學習・語言模型
language-pretrainingretarfi50PyTorch 實現的 BERT 和 ELECTRA 模型,適用於日文文本。共同: 表示學習・語言模型
bert-japanese-aozoraakirakubo41使用UniDic和SudachiPy預先分詞,並在青空文庫和維基百科上訓練的日語BERT。共同: 表示學習・語言模型
albert-japanesealinear-corp33使用SentencePiece的BERT模型進行日文文本處理。共同: 表示學習・語言模型