
spaCy英文和日文教程。spacy-transformers、BERT、GiNZA。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
65
±0 (10月13日〜)
最後提交
2020年1月
GitHub 建立日期
2019年12月29日
收錄日
2022年7月12日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 63 |
| 2026年1月 | 63 |
| 2026年2月 | 63 |
| 2026年3月 | 65 |
| 2026年4月 | 65 |
| 2026年5月 | 65 |
| 2026年6月 | 65 |
| 2026年7月 | 65 |
| 2026年8月 | 65 |
| 2026年9月 | 65 |
| 2026年10月 | 65 |
| 2026年11月 | 65 |
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
bert-bookstockmarkteam265「BERT自然語言處理入門:使用Transformers的實踐編程」支援頁面
bert-classification-tutorialhppRC232【2023年版】BERT進行文本分類
fastTextJapaneseTutorialicoxfog417200使用日語語料庫訓練fastText的教程
bert-classification-tutorial-2024hpprc31【2024年版】BERT進行文本分類
BERT_Japanese_Google_ColaboratoryYutaroOgawa29這是在 Google Colaboratory 上運行日本語 BERT 的方法。
llm-bookghmagazine478「大規模言語模型入門」(技術評論社,2023)的GitHub存儲庫
研究領域相近的資源
awesome-bert-japanesehimkt132一份預先訓練的BERT模型清單,包括日語的單詞/子詞分詞和詞彙構建算法信息。共同: 語言模型・語意文本處理- 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