
使用Sudachi和NWJC的日語詞嵌入
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
179
+2 (10月13日〜)
最後提交
2024年3月
GitHub 建立日期
2019年11月15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 | 168 |
| 2026年1月 | 168 |
| 2026年2月 | 170 |
| 2026年3月 | 171 |
| 2026年4月 | 173 |
| 2026年5月 | 175 |
| 2026年6月 | 176 |
| 2026年7月 | 177 |
| 2026年8月 | 178 |
| 2026年9月 | 178 |
| 2026年10月 | 178 |
| 2026年11月 | 179 |
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
jawiki_word_vector_updaterkamigaito12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。
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
- ruri-v3-310mcl-nagoya634kRuri v3 是一個尖端的日本語文本嵌入模型,建立於 ModernBERT‑Ja,支援最多 8,192‑token 輸入、100K‑token 詞彙表、FlashAttention‑加速推論,以及多種尺寸變體,方便快速使用 sentence‑transformer。HF 模型共同: 表示學習・語意文本處理
- ruri-v3-30mcl-nagoya126kRuri v3 是一款最先進的日文文本嵌入模型,構建於 ModernBERT‑Ja,支持高達 8,192 tokens、一個 100k‑token 詞彙表、FlashAttention 加速,並提供從 37 M 到 315 M 參數的多種規模。HF 模型共同: 表示學習・語意文本處理
- ruri-v3-130mcl-nagoya93kRuri v3 是一款最先進的日本語文本嵌入模型,基於 ModernBERT‑Ja 建構,支援長達 8192‑token 序列、10 萬詞彙、FlashAttention,並以 30 M 到 310 M 參數大小提供,以供 sentence‑transformers 使用。HF 模型共同: 表示學習・語意文本處理
- GLuCoSE-base-japkshatech31kGLuCoSE 是一個基於 LUKE 的日語句子嵌入模型,輸出 768 維均值池化向量(最多 512 個 tokens),在網路及 NLI/搜尋資料上訓練,於相似度基準上達成 0.864 Spearman 與 0.818 Pearson。HF 模型共同: 表示學習・語意文本處理
- plamo-embedding-1bpfnet486kPLaMo‑Embedding‑1B 是 Preferred Networks 開發的日本文本嵌入模型,能將日文文本轉換為向量,用於資訊檢索、分類與聚類,在 JMTEB 基準測試上表現優異,且以 Apache v2.0 license 免費提供。HF 模型共同: 表示學習・語意文本處理
- ruri-v3-70mcl-nagoya14kRuri v3 提供高性能的日語文本嵌入,最多可達 8192 個 token,擁有 100k token 詞彙表,支援 FlashAttention,並提供多種模型尺寸 (30 m–310 m) 以供透過 sentence‑transformers 進行高效推理與微調。HF 模型共同: 表示學習・語意文本處理