
從最新的日本語Wikipedia傾印數據中,使用MeCab在IPA詞典和最新的Neologd詞典中進行形態素分析,並基於該結果學習word2vec、fastText和GloVe的詞向量表示的腳本。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
12
+1 (10月13日〜)
最後提交
2020年5月
GitHub 建立日期
2019年2月13日
收錄日
2022年8月9日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 11 |
| 2026年1月 | 11 |
| 2026年2月 | 11 |
| 2026年3月 | 11 |
| 2026年4月 | 11 |
| 2026年5月 | 11 |
| 2026年6月 | 11 |
| 2026年7月 | 11 |
| 2026年8月 | 11 |
| 2026年9月 | 11 |
| 2026年10月 | 12 |
| 2026年11月 | 12 |
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
chiVeWorksApplications179使用Sudachi和NWJC的日語詞嵌入
dependency-based-japanese-word-embeddingslapras-inc8這是 AI LAB 文章「係り受けに基づく日本語単語埋込 (Dependency-based Japanese Word Embeddings)」的儲存庫 (文章網址 https://ai-lab.lapras.com/nlp/japanese-word-embedding/)。
japanese-words-to-vectorsphilipperemy87使用Gensim和Mecab的日語Word2vec(單詞到向量)方法。
embedrankyagays48EmbedRank 的 Python 實現
elmo-japanesecl-tohoku4艾摩日文
aoveceggplants3簡易青空文庫Word2Vec建構器 - 青空文庫全書籍的Word2Vec建構器+已建構模型
研究領域相近的資源
jglue-evaluation-scriptsnobu-g18關於JGLUE的培訓和評估腳本,這是一個日語理解基準的項目。共同: 標註與資料集建置
jqarahotchpotch45JQaRA:具有檢索增強功能的日本問答系統 - 用於檢索增強(RAG)評估的日語問答資料集共同: 標註與資料集建置
selective-rag-kasensabotk-yasuno1建設技術標準相關問題的專業性細度(細/粗)可自動判定96%準確,選擇最佳的RAG系統(ColBERT/Naive)的實用Agentic RAG系統MVP。該系統於2025年11月針對河川防砂壩技術標準建立了四個RAG系統,並對200個不同專業性細度的問題進行了準確度和速度比較。共同: 標註與資料集建置- RAG-Evaluation-Dataset-JAallganize246提供日文 RAG 基準,涵蓋金融、電訊、製造、公共、零售五大產業領域,透過發布資料集、自動評估框架,以及比較結果,例如 Claude 3.5‑Sonnet、GPT‑4o 等模型。HF 資料集共同: 標註與資料集建置
- Japanese-RAG-Generator-Benchmarkneoai-inc113「Japanese RAG Generator Benchmark (J‑RAGBench)」供應一份多分類 QA 數據集—涵蓋 Integration、Reasoning、Logical、Table 與 Abstention—旨在評估日文 RAG 生成器,並由人力與 GPT‑4.1 建構,且以 CC BY‑SA 4.0 授權發布。HF 資料集共同: 標註與資料集建置
- emilia-yodasTTS-AGI18k來自 Fate/Stay Night 角色「Emilia」的對話與傳說資料集,格式化用於訓練與評估對話語言模型。HF 資料集共同: 標註與資料集建置