Startseite Projekte KoELECTRA
KoELECTRA
Python

KoELECTRA

Vortrainiertes ELECTRA-Modell für Koreanisch

von monologg · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
electrakorean-nlplanguage-modelApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Verwenden Sie KoELECTRA, um koreanischen Text mit fortschrittlichen Sprachverarbeitungswerkzeugen zu analysieren und zu verstehen.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
KoELECTRA — GitHub preview card
📈 Sternhistorie
638637
2026-07-202026-08-31
📈 KoELECTRA verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Vortrainiertes ELECTRA-Modell für Koreanisch

KoELECTRA hat 637 Sterne auf GitHub. Es wurde 135-mal geforkt. KoELECTRA ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. KoELECTRA ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: electra, korean-nlp, language-model, nlp.

Frequently asked questions

Was ist KoELECTRA?

Vortrainiertes ELECTRA-Modell für Koreanisch

Ist KoELECTRA Open Source?

KoELECTRA ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist KoELECTRA kostenlos?

Ja. KoELECTRA ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht KoELECTRA?

KoELECTRA ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist KoELECTRA geschrieben?

KoELECTRA ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — KoELECTRA

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=monologg-koelectra)](https://olud.ai/project/monologg-koelectra.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.