相关项目
bpemb
BPEmb使用Byte-Pair Encoding (BPE)技术，为275种语言提供训练好的子词嵌入，训练数据来自Wikipedia。该项目为神经网络在自然语言处理任务中提供输入。用户可以通过pip安装BPEmb，并自动下载所需的嵌入和SentencePiece模型。BPEmb支持子词分段和预训练子词嵌入，适用于多种语言处理任务，具有多种词汇表大小选择，以满足不同应用需求。
floret
floret是fastText的扩展版本,结合fastText的子词技术和Bloom嵌入,为任意词生成紧凑的全覆盖向量。通过将词和子词哈希存储在同一表中,大幅减少存储空间。支持训练词嵌入和文本分类模型,提供Python接口,生成的向量可轻松导入spaCy等NLP库。作为一个高效的文本处理工具,floret在保持fastText优点的同时,提供了更紧凑的词向量表示方法。