
NDCPredictor的機器學習模型(從書目信息推測日本十進分類的fastText預先訓練模型)
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
15
+1 (10月13日〜)
最後提交
2021年8月
GitHub 建立日期
2019年11月7日
收錄日
2026年1月6日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | 11 |
| 2026年2月 | 11 |
| 2026年3月 | 11 |
| 2026年4月 | 13 |
| 2026年5月 | 14 |
| 2026年6月 | 14 |
| 2026年7月 | 14 |
| 2026年8月 | 14 |
| 2026年9月 | 14 |
| 2026年10月 | 14 |
| 2026年11月 | 15 |
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
研究領域相近的資源
- 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: BERT 等預訓練模型
- bert-base-japanese-char-v3tohoku-nlp130kJapanese‑language BERT‑Base(12層,768‑次元,12頭)以 Unidic 為基礎的單詞層級加字符層級標記化以及整詞遮蔽,在 CC‑100 和 2023 Wikipedia 上進行預訓練,產生了 7,027‑token 詞彙。HF 模型共同: BERT 等預訓練模型
- 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: BERT 等預訓練模型
- 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: BERT 等預訓練模型
- 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: BERT 等預訓練模型
- bert-base-japanese-char-v2tohoku-nlp55k一個 BERT‑base 日語模型(12 層,768 維隱藏狀態,12 頭)在 30 M 句子(約 4 GB)上訓練,使用 Unidic 2.1.2 詞級分詞,隨後進行字級分詞和整詞遮蔽,使用 512 令牌序列、256 批次及 1 M 訓練步驟。HF 模型共同: BERT 等預訓練模型