Japanese word2vec embeddings trained on OpenSubtitles

This dataset contains the subs2vec embeddings for Japanese, as presented in https://zenodo.org/records/17243814. The embeddings were trained on large-scale subtitle corpora and represent semantic vector spaces derived from naturalistic language use in films and television from the OpenSubtitles 2018 datasets: https://opus.nlpl.eu/OpenSubtitles/corpus/version/OpenSubtitles. 

For this language, we provide all embedding variants explored in the study. Specifically, the dataset includes vectors generated under different combinations of:

Dimensionality: multiple vector sizes (e.g., 100, 200, 300, …)

Window size: varying context windows (e.g., 2, 5, 10, …)

Each file corresponds to a unique configuration (dimension × window size). 

Each file contains the vocabulary for that language (column 1) and then the embedding values (columns 2 through dimension size + 1). 

If you use this dataset, please cite:

Manuscript: https://doi.org/10.5281/zenodo.17243812 

Data: This Zenodo dataset (using the DOI provided here)

本数据集包含日语的subs2vec词嵌入（subs2vec embeddings），相关研究内容详见 https://zenodo.org/records/17243814。该词嵌入基于大规模字幕语料库训练得到，其语义向量空间源自OpenSubtitles 2018数据集（https://opus.nlpl.eu/OpenSubtitles/corpus/version/OpenSubtitles）中影视与剧集的自然语言使用场景。
针对该语言，我们提供了研究中探索的全部嵌入变体。具体而言，本数据集包含由以下不同参数组合生成的词向量：
1. 维度规格：多种向量维度（如100、200、300等）
2. 上下文窗口大小：不同的窗口尺寸（如2、5、10等）
每个文件对应唯一的配置组合（维度 × 窗口大小）。
每个文件包含该语言的词表（第一列）以及对应的词嵌入值（第二列至第维度大小+1列）。
若使用本数据集，请引用如下文献：
- 手稿：https://doi.org/10.5281/zenodo.17243812
- 数据集：本Zenodo数据集（使用此处提供的DOI）