
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
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
21
±0 (10月13日〜)
套件每週下載數
145
套件累計下載數
126,000
最後提交
2026年8月
GitHub 建立日期
2021年2月21日
收錄日
—
自頁面建立時收錄
Star 數變化
以表格顯示
| 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 | 21 |
| 2026年8月 | 21 |
| 2026年9月 | 21 |
| 2026年10月 | 21 |
| 2026年11月 | 21 |
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:suparunidic · 至 2026年10月 的每月數值(ClickPy)
近一年下載數
12,823
來自日本的比例(近一年)
5.1%
依賴它的 PyPI 套件
0
其中必要依賴 0
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 | 2,753 |
| 2021年3月 | 3,060 |
| 2021年4月 | 2,681 |
| 2021年5月 | 1,784 |
| 2021年6月 | 1,938 |
| 2021年7月 | 1,917 |
| 2021年8月 | 1,829 |
| 2021年9月 | 1,825 |
| 2021年10月 | 2,203 |
| 2021年11月 | 2,213 |
| 2021年12月 | 3,409 |
| 2022年1月 | 2,873 |
| 2022年2月 | 2,674 |
| 2022年3月 | 4,046 |
| 2022年4月 | 2,798 |
| 2022年5月 | 3,011 |
| 2022年6月 | 2,436 |
| 2022年7月 | 2,273 |
| 2022年8月 | 1,822 |
| 2022年9月 | 2,750 |
| 2022年10月 | 2,027 |
| 2022年11月 | 2,113 |
| 2022年12月 | 1,149 |
| 2023年1月 | 1,113 |
| 2023年2月 | 1,773 |
| 2023年3月 | 1,811 |
| 2023年4月 | 1,768 |
| 2023年5月 | 2,104 |
| 2023年6月 | 1,464 |
| 2023年7月 | 1,466 |
| 2023年8月 | 1,706 |
| 2023年9月 | 1,036 |
| 2023年10月 | 1,291 |
| 2023年11月 | 1,236 |
| 2023年12月 | 1,322 |
| 2024年1月 | 1,497 |
| 2024年2月 | 1,967 |
| 2024年3月 | 1,025 |
| 2024年4月 | 1,453 |
| 2024年5月 | 1,212 |
| 2024年6月 | 667 |
| 2024年7月 | 1,359 |
| 2024年8月 | 1,390 |
| 2024年9月 | 1,955 |
| 2024年10月 | 3,940 |
| 2024年11月 | 2,157 |
| 2024年12月 | 1,540 |
| 2025年1月 | 2,709 |
| 2025年2月 | 1,508 |
| 2025年3月 | 3,242 |
| 2025年4月 | 2,536 |
| 2025年5月 | 1,516 |
| 2025年6月 | 1,410 |
| 2025年7月 | 1,403 |
| 2025年8月 | 1,866 |
| 2025年9月 | 2,027 |
| 2025年10月 | 1,015 |
| 2025年11月 | 1,403 |
| 2025年12月 | 1,050 |
| 2026年1月 | 1,381 |
| 2026年2月 | 1,219 |
| 2026年3月 | 781 |
| 2026年4月 | 1,513 |
| 2026年5月 | 976 |
| 2026年6月 | 698 |
| 2026年7月 | 709 |
| 2026年8月 | 1,332 |
| 2026年9月 | 778 |
| 2026年10月 | 983 |
同分類的熱門資源
esuparKoichiYasuoka56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。
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