
使用BERT/RoBERTa/DeBERTa模型的分詞器POS-標記器和依存句法分析器,適用於日語和其他語言。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
56
+1 (10月13日〜)
套件每週下載數
384
套件累計下載數
189,000
最後提交
2026年9月
GitHub 建立日期
2021年9月17日
收錄日
2022年6月9日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 53 |
| 2026年1月 | 54 |
| 2026年2月 | 54 |
| 2026年3月 | 55 |
| 2026年4月 | 56 |
| 2026年5月 | 55 |
| 2026年6月 | 55 |
| 2026年7月 | 55 |
| 2026年8月 | 55 |
| 2026年9月 | 55 |
| 2026年10月 | 55 |
| 2026年11月 | 56 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
在 PyPI 上的使用
PyPI 套件:esupar · 至 2026年10月 的每月數值(ClickPy)
近一年下載數
32,237
來自日本的比例(近一年)
3.4%
依賴它的 PyPI 套件
3
其中必要依賴 2
PyPI 每月下載數
以表格顯示
| 月份 | 下載數(月) |
|---|---|
| 2019年1月 | — |
| 2019年2月 | — |
| 2019年3月 | — |
| 2019年4月 | — |
| 2019年5月 | — |
| 2019年6月 | — |
| 2019年7月 | — |
| 2019年8月 | — |
| 2019年9月 | — |
| 2019年10月 | — |
| 2019年11月 | — |
| 2019年12月 | — |
| 2020年1月 | — |
| 2020年2月 | — |
| 2020年3月 | — |
| 2020年4月 | — |
| 2020年5月 | — |
| 2020年6月 | — |
| 2020年7月 | — |
| 2020年8月 | — |
| 2020年9月 | — |
| 2020年10月 | — |
| 2020年11月 | — |
| 2020年12月 | — |
| 2021年1月 | — |
| 2021年2月 | — |
| 2021年3月 | — |
| 2021年4月 | — |
| 2021年5月 | — |
| 2021年6月 | — |
| 2021年7月 | — |
| 2021年8月 | — |
| 2021年9月 | 444 |
| 2021年10月 | 1,506 |
| 2021年11月 | 1,266 |
| 2021年12月 | 1,550 |
| 2022年1月 | 2,552 |
| 2022年2月 | 4,036 |
| 2022年3月 | 4,142 |
| 2022年4月 | 2,619 |
| 2022年5月 | 2,423 |
| 2022年6月 | 2,182 |
| 2022年7月 | 2,309 |
| 2022年8月 | 2,696 |
| 2022年9月 | 2,301 |
| 2022年10月 | 2,241 |
| 2022年11月 | 2,876 |
| 2022年12月 | 2,658 |
| 2023年1月 | 4,299 |
| 2023年2月 | 4,884 |
| 2023年3月 | 3,511 |
| 2023年4月 | 2,215 |
| 2023年5月 | 2,446 |
| 2023年6月 | 2,525 |
| 2023年7月 | 2,947 |
| 2023年8月 | 2,648 |
| 2023年9月 | 1,313 |
| 2023年10月 | 2,179 |
| 2023年11月 | 3,113 |
| 2023年12月 | 2,694 |
| 2024年1月 | 2,776 |
| 2024年2月 | 5,281 |
| 2024年3月 | 3,202 |
| 2024年4月 | 2,951 |
| 2024年5月 | 3,972 |
| 2024年6月 | 2,460 |
| 2024年7月 | 4,376 |
| 2024年8月 | 2,993 |
| 2024年9月 | 4,082 |
| 2024年10月 | 7,998 |
| 2024年11月 | 5,013 |
| 2024年12月 | 4,018 |
| 2025年1月 | 3,781 |
| 2025年2月 | 3,213 |
| 2025年3月 | 5,505 |
| 2025年4月 | 4,854 |
| 2025年5月 | 2,189 |
| 2025年6月 | 2,731 |
| 2025年7月 | 2,994 |
| 2025年8月 | 3,128 |
| 2025年9月 | 3,878 |
| 2025年10月 | 2,083 |
| 2025年11月 | 3,090 |
| 2025年12月 | 2,999 |
| 2026年1月 | 3,389 |
| 2026年2月 | 2,368 |
| 2026年3月 | 2,803 |
| 2026年4月 | 3,020 |
| 2026年5月 | 2,874 |
| 2026年6月 | 1,860 |
| 2026年7月 | 2,171 |
| 2026年8月 | 3,455 |
| 2026年9月 | 1,773 |
| 2026年10月 | 2,435 |
同分類的熱門資源
SuPar-UniDicKoichiYasuoka21使用BERT模型的現代和當代日語分詞器、詞性標記器、詞形還原器和依存句法分析器
UniDic2UDKoichiYasuoka38現代和當代日語的分詞器、詞性標記器、詞形還原器和依存句法分析器
yomikatapassaglia37使用微調的BERT模型進行異音詞消歧的程式庫。
bertknpku-nlp23基於BERT的日語依存句法分析器
ginzamegagonlabs878一個基於Universal Dependencies的spaCy框架的日本NLP庫
camphrPKSHATechnology-Research337Camphr - 用於創建管道組件的 NLP 庫
研究領域相近的資源
ginza-transformersmegagonlabs16在spacy-transformers中使用自定義分詞器共同: 句法文本處理・文本切分
SudachiTraWorksApplications81Transformer 的日語分詞器共同: 句法文本處理・文本切分
jptranstokenizerretarfi5Transformers 库的日语分词器共同: 句法文本處理・文本切分- deberta-v2-large-japanese-char-wwmku-nlp76kJapanese DeBERTa V2 大型模型已在 171 GB 的日語維基百科、CC‑100、與 OSCAR 上訓練,採用字符級 sentencepiece tokenization 與 whole‑word masking,已準備好通過 Hugging Face Transformers 進行下游微調。HF 模型共同: 句法文本處理・文本切分
- japanese-roberta-baserinna9kJapanese‑Roberta‑Base 是由 rinna Co., Ltd. 推出的預訓練遮罩語言模型,含正確載入、token 預處理、position‑id 處理的指引,以及強調需放置於首位的 [CLS] token 和一致 tokenization 的使用範例。HF 模型共同: 句法文本處理・文本切分
- bert-base-japanese-whole-word-maskingtohoku-nlp462kJapanese BERT‑base 預訓練於 2019 年日本維基百科,使用 IPA 字典與整詞掩碼,12 層、768 維,32,000 詞表,512 令牌序列,1 百萬步;可於 cl‑tohoku/bert‑japanese 在 CC‑BY‑SA 條款下取得。HF 模型共同: 句法文本處理・文本切分