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

bert-base-japanese-v2 - 日语BERT预训练模型：全词屏蔽和Unidic分词

BERTGithubHuggingface全词掩码分词开源项目日语预训练模型模型维基百科

bert-base-japanese-v2是基于日语维基百科预训练的BERT模型，采用unidic-lite词典和全词屏蔽策略。模型架构包含12层、768维隐藏状态和12个注意力头。它结合MeCab和WordPiece算法进行分词，词表大小为32768。模型在512个token实例上进行了100万步训练，耗时约5天。该模型适用于多种日语自然语言处理任务，为研究人员和开发者提供了强大的日语语言理解工具。

open-parse - 高效复杂文档解析和语义分析库

AI应用GithubMarkdown支持Open Parse开源项目文档解析语义处理

Open Parse是一个开源的文档解析库，专注于处理复杂文档结构。它采用视觉分析方法识别文档布局，实现精确分块。该工具支持Markdown语法，具备高精度表格解析能力，并允许用户自定义后处理步骤。Open Parse集成了语义处理功能，能够模拟人类的文档分割方式，为RAG系统和AI应用提供了强大的文档处理基础。

tokenizers - 文本分词处理工具

GithubTokenizers多语言绑定开源项目性能文本处理调优

tokenizers是一个高效的分词工具，旨在提供快速且多功能的文本处理解决方案。它可以迅速训练新的词汇库并进行分词，使用Rust语言编写以确保高性能。其接口设计简洁易用，适用于研究与生产，全面支持各种文本预处理需求。

CoreNLP - 多语言支持的Java自然语言处理工具集

GithubJavaStanford CoreNLP分析工具开源项目模型自然语言处理

Stanford CoreNLP 是用 Java 编写的自然语言处理工具集。它处理文本输入，提供词形还原、词性标注、实体识别、日期和数量标准化等功能。支持包括英语、阿拉伯语、中文、法语、德语等多种语言。该工具集集成度高，仅需两行代码即可运行所有工具，广泛应用于学术界、工业界和政府部门。

text-splitter - Rust实现的文本分割库支持多种格式和分词方式

GithubRusttext-splitter分块开源项目文本处理语言模型

text-splitter是一个Rust实现的文本分割库，可将长文本智能分割为较小的语义块。它支持基于字符数、多种分词器和语义边界的分割方法，适用于纯文本、Markdown和代码等格式。该库在保持语义完整性的同时优化块大小，有助于解决大型语言模型的上下文限制问题。text-splitter提供简单的API和多种自定义选项，适用于各种NLP和文本处理任务。

deberta-v2-base-japanese-char-wwm - 日语DeBERTa V2模型实现字符级遮蔽与预训练

DeBERTa V2GithubHuggingfacetransformers字符级别开源项目日本語模型自然语言处理

该项目介绍了日语DeBERTa V2 base模型，该模型在日语Wikipedia、CC-100和OSCAR数据集上进行字符级分词和整体词遮蔽的预训练，可用于掩码语言建模及下游任务微调，采用了22,012个字符级子词的sentencepiece分词模型，通过transformers库进行训练。

nlp-lang - 自然语言处理工具包，提供词语标准化、汉字转拼音等功能

GithubViterbi算法nlp-lang开源项目自然语言处理词语标准化词频统计

该项目封装了常用的自然语言处理工具和组件，如词语标准化、tire树结构、文本断句、html标签清理、Viterbi算法等。组件还包括汉字转拼音、简繁体转换、bloomfilter、指纹去重、SimHash相似度计算、词共现统计、内存搜索提示和WordWeight统计等。

sora-editor - 高性能 Android 代码编辑器

AndroidGithubsora-editor代码编辑器开源项目自动补全语法高亮

sora-editor 是一个为 Android 平台设计的高性能代码编辑器。它具备增量语法高亮、代码自动完成、智能缩进等核心功能，并支持 TextMate 和 TreeSitter。该项目还提供事件系统和括号对匹配等高级特性，旨在为移动开发者带来流畅且高效的编码体验。

bert-base-japanese - 预训练于日语维基百科的BERT模型结合IPA词典和WordPiece分词

BERTGithubHuggingface开源项目日语模型机器学习模型维基百科自然语言处理

该项目提供了一个基于日语维基百科预训练的BERT模型。模型采用IPA词典进行词级分词，并结合WordPiece算法进行子词处理。它保持了原始BERT base的架构设计，在2019年9月的日语维基百科数据上进行训练。模型使用MeCab配合IPA词典进行形态分析，词汇量达32000。遵循原始BERT的训练参数，该模型可广泛应用于日语自然语言处理领域。

mozc - 多平台支持的开源日语输入法

GithubGoogle Japanese InputMozc多平台开源项目日语输入法

Mozc是一个开源的日语输入法编辑器，支持Android、macOS、Chromium OS、GNU/Linux和Windows等多个平台。该项目源自Google日语输入法，现已开放源代码。Mozc为各种操作系统提供高效的日语输入功能，实现了跨平台的日语输入解决方案。虽然不是Google官方支持的产品，但Mozc项目仍在持续开发和更新中。Mozc的开源特性使其成为研究和定制日语输入法的理想选择。

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