Sudachi

高性能日语形态素分析器支持多级分词和丰富词典

Sudachi 日语分词形态素分析分词模式插件系统 Github 开源项目

Sudachi是一款开源的日语形态素分析器，支持多级分词、大型词典和插件系统。基于UniDic和NEologd，Sudachi提供强大的文本正规化功能，可同时进行形态素分析和命名实体识别。它具有命令行接口和Java API，便于集成应用。Sudachi在分词准确性和性能上表现优秀，是处理日语文本的有力工具。

访问官网

Github

介绍相关项目

vibrato - Viterbi算法驱动的高效分词器

GithubMeCabRustVibratotokenization开源项目形态素分析

Vibrato是利用Viterbi算法的高效分词器，用Rust重写并优化了MeCab分词器，显著提高分词性能。它支持与MeCab兼容的输出，并允许从自己的数据训练分词参数。Vibrato擅长处理大规模矩阵数据，加快分词速度。项目提供了Python接口和WebAssembly演示，兼顾多种应用场景。详见项目文档，可通过Slack社区进行讨论。支持Apache 2.0和MIT双许可。

bert-large-japanese-v2 - 更高效的日语文本处理BERT模型

BERTGithubHuggingface云TPU开源项目整个单词遮盖日本语模型词级标记

结合Unidic 2.1.2词典和WordPiece算法进行词汇标记的BERT模型，通过在CC-100和Jawiki语料库上的训练，提升日语文本处理的效率，适用于多种自然语言处理任务。

awesome-japanese-nlp-resources - 日语NLP资源大全，包括Python库、工具、模型与数据集

GithubHugging FaceJapaneseNLPPythonawesome-japanese-nlp-resources开源项目

本项目提供全面的日语自然语言处理（NLP）资源，包括Python库、语言模型、词典和语料库等。收录了605个GitHub仓库和820个Hugging Face模型及数据集，并附带一个搜索工具方便查找更新信息。项目定期更新，最新包括Mozc UT地名词典和Kana-Kanji转换模块。资源涵盖形态分析、句法分析、情感分析及机器翻译等，是日语NLP研究和应用的重要参考。

wtpsplit - 多语言文本分割工具支持85种语言的高效句子和段落分割

GithubSaT多语言开源项目文本分割深度学习自然语言处理

wtpsplit是一个开源的文本分割工具，实现了最新的SaT模型。它支持85种语言的句子和段落分割，具有高效、稳健的特点。该工具通过LoRA技术可适应特定领域和风格，提供多种模型大小以满足不同应用需求。wtpsplit在保持高性能的同时，还具有较低的计算成本，适用于从通用句子分割到特定领域文本处理的各种场景。

GLuCoSE-base-ja-v2 - 专为日本文本检索及句子相似度设计的嵌入模型

GLuCoSE v2GithubHuggingface句子相似性对比学习开源项目日语文本处理检索系统模型

模型专注于日本文本处理，可在CPU上运行，提升检索任务性能。通过蒸馏大规模嵌入及多阶段对比学习，GLuCoSE v2在MIRACL等任务中的表现出色。其支持语义相似度测量，适用于查询和段落检索，使用余弦相似度函数，支持512标记的输入，生成768维输出。

ja_classification - 准确率达98.47%的日语文本分类模型

AdamGithubHuggingface分类任务开源项目机器学习模型模型训练超参数优化

该日语文本分类模型经过优化训练，在评估数据集上取得98.47%的综合性能指标，包括准确率、精确率、召回率和F1值。模型采用Adam优化器训练，经过10轮迭代后性能稳定，可用于各类日语文本分类任务。

AHANLP - 集成多种功能的中文自然语言处理工具包

AHANLPGithub分词句法分析命名实体识别开源项目自然语言处理

AHANLP集成了多个开源项目,是一款功能丰富的中文自然语言处理工具包。它提供分词、命名实体识别、依存句法分析、关键词提取、自动摘要等功能。通过封装HanLP、Word2Vec等工具,AHANLP简化了中文NLP任务的实现过程,适用于研究和实际应用场景。

elasticsearch-analysis-ansj - Elasticsearch的高性能中文分词插件

ElasticsearchGithubansj中文分词开源项目插件配置

elasticsearch-analysis-ansj是基于ansj分词算法的Elasticsearch中文分词插件。该插件提供多种分词器，支持自定义词典和配置，具备姓名识别、数字识别等功能。插件安装简便，配置灵活，可实现精准中文分词，有效提升Elasticsearch的搜索性能。

読みたい Yomitai - 优化日语阅读体验的智能辅助工具

AI工具Yomitai日语学习注释系统自学方法阅读辅助

Yomitai是一款面向日语学习者的阅读辅助工具，通过减少查词阻力来提升阅读流畅度。系统采用颜色和数字快速索引方法，自动化查词和注释过程，模拟了作者独特的学习方式。该工具特别适合具备一定日语基础但在阅读原文时仍有困难的学习者，为用户提供沉浸式学习体验，有效提高日语阅读能力。

sentencepiece - 无监督神经网络文本分词与去分词工具

GithubSentencePiece分词子词单元开源项目机器翻译自然语言处理

SentencePiece是一种用于神经网络文本生成系统的无监督分词工具。它支持多种子词算法,如BPE和unigram语言模型,可直接从原始文本训练。这个工具具有语言无关性,实现了子词正则化,运行速度快,占用资源少。SentencePiece能直接生成词汇ID序列,执行NFKC标准化,是一个完全端到端的系统,无需依赖特定语言的预处理或后处理。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号