NLP自然语言处理基础技术工具 汇总_hanlp和spacy

 

目前，有很多开源或开放的自然语言处理工具可以供我们使用，可以方便地解决很多NLP的基础任务，例如，分词、词性标注、词干化、命名实体识别、名词短语提取等等。

汇总起来方便比较，择优而用。

目录

1. HanLP

2. SpaCy

3. FudanNLP

4. Jieba 结巴

5. SnowNLP

6. PkuSeg

7. THULAC

---

1. HanLP

提供了中文依存句法分析功能。支持多种自然语言处理基本功能。

Github 地址：https://github.com/hankcs/pyhanlp

2. SpaCy

快速的工业级自然语言处理工具。 目前不支持中文。

支持多种自然语言处理基本功能。

Gihub 地址：https://github.com/explosion/spaCy

官网：https://spacy.io/

3. FudanNLP

复旦大学自然语言处理实验室开发的中文自然语言处理工具包。支持多种自然语言处理基本功能。

Github 地址：https://github.com/FudanNLP/fnlp

4. Jieba 结巴

支持中文分词、关键词抽取

Github 地址：https://github.com/fxsjy/jieba

5. SnowNLP

SnowNLP是一个python写的类库，可以方便的处理中文文本内容，是受到了TextBlob的启发而写的，由于现在大部分的自然语言处理库基本都是针对英文的，于是写了一个方便处理中文的类库，并且和TextBlob不同的是，这里没有用NLTK，所有的算法都是自己实现的，并且自带了一些训练好的字典。注意本程序都是处理的unicode编码，所以使用时请自行decode成unicode。

Github 地址：https://github.com/isnowfy/snownlp

6. PkuSeg

致力于为多领域的中文分词。目前支持了新闻领域，网络领域，医药领域，旅游领域，以及混合领域的分词预训练模型。
支持用户自训练模型。支持用户使用全新的标注数据进行训练。
支持词性标注。

Github 地址：https://github.com/lancopku/pkuseg-python

7. THULAC

具有中文分词和词性标注功能。

Github 地址：https://github.com/thunlp/THULAC-Python

 

 

————————————————
不断补充中...