
使用微調的BERT模型進行異音詞消歧的程式庫。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
37
+1 (10月13日〜)
套件每週下載數
32
套件累計下載數
51,000
最後提交
2023年10月
GitHub 建立日期
2022年12月5日
收錄日
2023年3月22日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 32 |
| 2026年1月 | 32 |
| 2026年2月 | 32 |
| 2026年3月 | 32 |
| 2026年4月 | 32 |
| 2026年5月 | 33 |
| 2026年6月 | 34 |
| 2026年7月 | 34 |
| 2026年8月 | 35 |
| 2026年9月 | 36 |
| 2026年10月 | 36 |
| 2026年11月 | 37 |
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:yomikata · 至 2026年10月 的每月數值(ClickPy)
近一年下載數
1,636
來自日本的比例(近一年)
9.7%
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 | 515 |
| 2019年2月 | 512 |
| 2019年3月 | 532 |
| 2019年4月 | 454 |
| 2019年5月 | 469 |
| 2019年6月 | 570 |
| 2019年7月 | 1,134 |
| 2019年8月 | 1,470 |
| 2019年9月 | 1,299 |
| 2019年10月 | 1,467 |
| 2019年11月 | 383 |
| 2019年12月 | 394 |
| 2020年1月 | 449 |
| 2020年2月 | 388 |
| 2020年3月 | 384 |
| 2020年4月 | 428 |
| 2020年5月 | 316 |
| 2020年6月 | 299 |
| 2020年7月 | 291 |
| 2020年8月 | 500 |
| 2020年9月 | 490 |
| 2020年10月 | 377 |
| 2020年11月 | 354 |
| 2020年12月 | 304 |
| 2021年1月 | 386 |
| 2021年2月 | 351 |
| 2021年3月 | 435 |
| 2021年4月 | 292 |
| 2021年5月 | 292 |
| 2021年6月 | 308 |
| 2021年7月 | 380 |
| 2021年8月 | 281 |
| 2021年9月 | 246 |
| 2021年10月 | 260 |
| 2021年11月 | 241 |
| 2021年12月 | 202 |
| 2022年1月 | 286 |
| 2022年2月 | 312 |
| 2022年3月 | 554 |
| 2022年4月 | 297 |
| 2022年5月 | 207 |
| 2022年6月 | 210 |
| 2022年7月 | 164 |
| 2022年8月 | 277 |
| 2022年9月 | 225 |
| 2022年10月 | 288 |
| 2022年11月 | 268 |
| 2022年12月 | 197 |
| 2023年1月 | 116 |
| 2023年2月 | 787 |
| 2023年3月 | 488 |
| 2023年4月 | 260 |
| 2023年5月 | 254 |
| 2023年6月 | 134 |
| 2023年7月 | 210 |
| 2023年8月 | 209 |
| 2023年9月 | 115 |
| 2023年10月 | 81 |
| 2023年11月 | 154 |
| 2023年12月 | 111 |
| 2024年1月 | 146 |
| 2024年2月 | 114 |
| 2024年3月 | 99 |
| 2024年4月 | 145 |
| 2024年5月 | 84 |
| 2024年6月 | 101 |
| 2024年7月 | 150 |
| 2024年8月 | 99 |
| 2024年9月 | 194 |
| 2024年10月 | 309 |
| 2024年11月 | 246 |
| 2024年12月 | 153 |
| 2025年1月 | 230 |
| 2025年2月 | 259 |
| 2025年3月 | 229 |
| 2025年4月 | 265 |
| 2025年5月 | 115 |
| 2025年6月 | 98 |
| 2025年7月 | 120 |
| 2025年8月 | 116 |
| 2025年9月 | 137 |
| 2025年10月 | 75 |
| 2025年11月 | 95 |
| 2025年12月 | 149 |
| 2026年1月 | 114 |
| 2026年2月 | 129 |
| 2026年3月 | 113 |
| 2026年4月 | 147 |
| 2026年5月 | 176 |
| 2026年6月 | 188 |
| 2026年7月 | 123 |
| 2026年8月 | 149 |
| 2026年9月 | 86 |
| 2026年10月 | 167 |
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。
bertknpku-nlp23基於BERT的日語依存句法分析器
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
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
depccgmasashi-y104具有超標記和依存因素模型的A* CCG解析器
研究領域相近的資源
- 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
GPTSANtanreinama119通用開關變壓器基於日語模式共同: 語言模型・語意文本處理
bertinformatix-inc28這個存儲庫提供了使用 RoBERTa 預訓練於日本語語料庫的片段。我們的數據集包括日本維基百科和網頁滾動文章,總共 25GB。釋出的模型是基於 HuggingFace 的模型構建的。共同: 語言模型・語意文本處理
Laboro-DistilBERT-Japaneselaboroai16勞羅 DistilBERT 日文共同: 語言模型・語意文本處理