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

link-grammar - 多语言句法分析工具

GithubLink Grammar Parser句法结构开源项目自然语言处理英语解析器

Link Grammar Parser 支持多种语言的句法解析，包括英语、泰语、俄语、阿拉伯语和波斯语等。通过连字符（边）构成的图展示句子的语法结构，提供比传统解析器更详尽的信息。该项目于卡内基梅隆大学开发，现在支持多线程和UTF-8，性能和安全性显著提升。支持多种编程语言API，并包含命令行工具和生成语句的实验系统。该项目在LGPL许可下开放，适用于私人和商业用途。更多信息请访问官方网页。

semantic-chunkers - 智能多模态分块库提高AI数据处理效率和准确性

AI数据处理GithubSemantic Chunkers多模态分块开源项目智能分块视频处理

Semantic Chunkers是一个开源的多模态分块库，专注于对文本、视频和音频进行智能分块。通过语义分析，这个Python库提高了AI和数据处理的效率与准确性。它提供视频分块等功能，并得到活跃社区的支持和持续更新。对于处理大量多媒体数据的AI开发者和研究人员而言，Semantic Chunkers提供了强大的数据处理能力。

sentence-bert-base-ja-mean-tokens - 日语Sentence-BERT模型实现句子向量化和相似度计算

BERTGithubHuggingface句向量模型开源项目日语模型特征提取语义相似度

sentence-bert-base-ja-mean-tokens是一个专为日语开发的Sentence-BERT模型，可将日语句子转换为向量表示。该模型适用于句子相似度计算、文本分类等NLP任务，提供Python接口，支持批量处理和GPU加速。作为日语自然语言处理的基础工具，它为开发者提供了高效的句子编码解决方案。

ToolGood.Words - 多功能中文文本处理与敏感词过滤库

GithubToolGood.Words字符串搜索开源项目拼音操作敏感词检测繁简转换

ToolGood.Words是一个高性能的中文文本处理库，集成了敏感词检测、繁简体转换、全半角转换、拼音处理等功能。该项目提供多种高效的字符串搜索算法，支持通配符匹配，并包含拼音匹配和文本转换等实用工具。在大规模敏感词库上，其处理速度可达3亿字符每秒。这个开源项目适用于内容审核、文本过滤等多种应用场景。

deberta-v2-base-japanese - 日语DeBERTa V2 base模型：为自然语言处理提供强大基础

DeBERTa V2GithubHuggingface开源项目日语机器学习模型自然语言处理预训练模型

DeBERTa V2 base日语模型基于维基百科、CC-100和OSCAR数据集预训练而成。该模型在情感分析、语义相似度和问答等多项自然语言理解任务中表现优异。模型采用Juman++分词技术，并使用sentencepiece构建32000个子词词表。预训练过程耗时3周，使用8块NVIDIA A100 GPU。在JGLUE基准测试中，模型在MARC-ja、JSTS、JNLI、JSQuAD和JComQA等任务上均取得了与现有最佳模型相当或更好的结果，突显了其在各种日语自然语言理解任务中的广泛适用性和高效性。这一模型为日语自然语言处理研究和应用提供了坚实基础。

bert-base-japanese-char-v2 - 基于日语维基百科的字符级BERT预训练模型

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

本模型是基于日语维基百科训练的BERT预训练模型，采用字符级分词和全词掩码方法。它保持了原始BERT的12层结构和768维隐藏状态，使用MeCab和Unidic词典处理输入文本，词汇量为6144。训练在Cloud TPU上完成，遵循原始BERT的配置。该模型可广泛应用于日语自然语言处理领域，为研究和开发提供有力支持。

PyKoSpacing - PyKoSpacing：Python包实现高精度韩文文本自动分词

GithubPyKoSpacing准确率开源项目文本预处理深度学习自动分词

PyKoSpacing利用深度学习模型，提供高精度的韩文文本自动分词，适用于在线短信和社交媒体文本。通过大规模语料库训练，PyKoSpacing在多种语料测试中展现了高准确率，支持多种安装方式及灵活的参数设置，以优化不同场景的分词效果。

awesome-japanese-llm - 日本语言学习模型的最新动态与综合信息

GitHub管理Github事前学乒参数大小开源项目日本語LLM模型开发

awesome-japanese-llm汇集全面的日语预训练语言模型和指令调优信息，包括性能评估基准和各类型模型开发动态。提供详尽的技术文档、开源许可信息，是日语技术开发者和研究人员的重要资源。

Splitting - JavaScript微库实现多样化文本和元素分割

CSS变量DOM分割GithubJavaScript库Splitting.js动画效果开源项目

Splitting.js是一个JavaScript微库，用于多种方式分割元素，包括单词、字符和子节点。通过生成带CSS变量和数据属性的<span>标签，该库为开发者提供了新的CSS过渡和动画可能性。这个轻量级工具为网页开发带来了创新的文本处理和动画解决方案，适用于需要精细控制文本展示和动画效果的项目。它能够满足各种复杂的文本处理需求，为开发者提供灵活而强大的工具，帮助创建更具吸引力和交互性的网页设计。

bert-ner-japanese - 日本语固有表达识别，使用BERT模型实现

BERTGithubHuggingface固有表现抽取开源项目日本机器学习模型自然语言处理

本项目利用BertForTokenClassification模型，实现高效的日本语固有表达识别，可识别八种类别，如人名、法人名和地名等，以满足多样化的语言处理需求。该项目基于东北大学的日本语BERT模型和stockmarkteam的Wikipedia数据集进行训练，通过安装transformers库等，即可实现快速识别，适合应用于IT和学术研究领域的文本分析。

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