
EmbedRank 的 Python 實現
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
48
±0 (10月13日〜)
最後提交
2019年3月
GitHub 建立日期
2019年2月1日
收錄日
2022年6月16日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 48 |
| 2026年1月 | 48 |
| 2026年2月 | 48 |
| 2026年3月 | 48 |
| 2026年4月 | 47 |
| 2026年5月 | 48 |
| 2026年6月 | 48 |
| 2026年7月 | 48 |
| 2026年8月 | 48 |
| 2026年9月 | 48 |
| 2026年10月 | 48 |
| 2026年11月 | 48 |
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
chiVeWorksApplications179使用Sudachi和NWJC的日語詞嵌入
japanese-words-to-vectorsphilipperemy87使用Gensim和Mecab的日語Word2vec(單詞到向量)方法。
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/)。
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
fasttext-vs-word2vec-on-twitter-dataGINK0348這是有關 fasttext 和 word2vec 的比較,以及執行腳本和學習腳本。共同: 表示學習・語意文本處理- 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: 表示學習・句法文本處理
- 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: 表示學習・句法文本處理
- 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: 表示學習・句法文本處理
- bert-base-japanese-chartohoku-nlp11k一個 BERT‑base 日語模型(12 層,768‑維隱藏,12 頭),在約 1700 萬句來自日語維基百科(2.6 GB)的資料上進行預訓練,使用 MeCab IPA 單詞級分詞,隨後進行字符級分詞,建立一個 4000 單詞詞彙表。訓練程式碼位於 cl‑tohoku/bert‑japanese,並以 CC BY‑SA 3.0 釋出。HF 模型共同: 表示學習・句法文本處理
- bert-base-japanese-v2tohoku-nlp9kJapanese BERT‑base (12 層, 768 hidden, 12 heads) 以 4 GB 的日本 Wikipedia(約 30 M 句)為預訓練資料,使用 Unidic 2.1.2 文字級別分詞、WordPiece 子分詞,與整詞掩碼。HF 模型共同: 表示學習・句法文本處理