
BERT進行日語固有表現抽取的微調程式
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
5
±0 (10月13日〜)
最後提交
2022年9月
GitHub 建立日期
2022年9月26日
收錄日
2024年5月9日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 4 |
| 2026年1月 | 4 |
| 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
bert-japanese-ner-finetuningken1111用於BERT模型微調的代碼。這是用於創建和使用用於實體識別任務的模型的BERT模型微調示例。
novelanalysisbynerlychee12232透過BERT的微調進行專有名詞提取
namacochakki-works40基於字元的命名實體識別。
pygeonlpgeonlp-platform22pygeonlp,一個用於對日文文本進行地理標記的Python模塊。
huggingface-finetune-japanesetsmatz16用於日語語言(Hugging Face)資源的調整編碼器和編碼器-解碼器變壓器的示例
用於日語語言(Hugging Face)資源的調整編碼器和編碼器-解碼器變壓器的示例
entitypediachakki-works13Entitypedia是一個從維基百科擴展出來的命名實體詞典。
研究領域相近的資源
bert-classification-tutorial-2024hpprc31【2024年版】BERT進行文本分類共同: 對話系統與對話代理・語言模型- bert-base-japanese-v3-ner-wikipedia-datasetllm-book8kFine‑tuned Japanese BERT‑Base 用於在維基百科資料集上的命名實體識別,已在《Large Language Model Introduction》一書第六章展示,可透過 Hugging Face transformers pipeline 部署(Apache 2.0 授權)。HF 模型共同: 語言模型・語意文本處理
- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M 是一款日語 BERT 變體,結合了 local‑global attention 與 RoPE,已在 4.09 T 個日語/英語文本 token 上訓練,支持 102 400 個詞彙、8 192 token 序列,並被優化以配合 Flash Attention 2。HF 模型共同: 語言模型・語意文本處理
- deberta-v2-base-japaneseku-nlp24k日文 DeBERTa V2 基礎模型,已在 171 GB 日文維基百科、CC‑100 與 OSCAR 資料上使用 Juman++ 斷詞與 SentencePiece Tokenization 進行預訓練,訓練時間三週,使用八台 NVIDIA A100 GPU,已準備好進行微調。HF 模型共同: 語言模型・語意文本處理
- modernbert-ja-130msbintuitions12k一個 132 百萬參數的 Japanese ModernBERT 模型,結合 local‑global 與 RoPE attention,在 4.39 T tokens(日語/英語)上訓練,含有 102‑k‑size 的 vocab,最大 token 長度 8,192,並優化為 Flash Attention 2。HF 模型共同: 語言模型・語意文本處理
AISisterAIChanmanju-summoner29這是搭載了ChatGPT3.5的伺か鬼「AI妹アイちゃん」。使用需要另外準備ChatGPT的API金鑰。共同: 對話系統與對話代理・語言模型