“常用的自然语言处理工具”的版本间的差异

2019年11月17日 (日) 01:11的最新版本

Jieba

描述：“结巴”中文分词：做最好的 Python 中文分词组件

Official

功能：分词(支持自定义词典)，词性标注，关键词提取，模型可手动加载(默认延迟加载机制)

online: pip install jieba
offline: https://pypi.python.org/pypi/jieba/ # 解压运行 python setup.py install

pyhanlp

描述：HanLP是由一系列模型与算法组成的工具包，目标是普及自然语言处理在生产环境中的应用。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点；HanLP的Python接口，支持自动下载与升级HanLP，兼容py2、py3，模型可延迟加载。

功能：词法分析（中文分词（支持自定义词典）、词性标注、命名实体识别）、关键词提取，自动摘要，拼音转换，简繁转换，文本推荐，文本分类，句法分析、文本分类和情感分析。

HanLP
pyhanlp
pip install pyhanlp

Python接口下提供的功能有限：分词，关键词提取，自动摘要，依存句法分析；如果要使用java版本的全部功能，需要python调用java环境下的接口，方法如下：

from pyhanlp import *

PerceptronLexicalAnalyzer = JClass('com.hankcs.hanlp.model.perceptron.PerceptronLexicalAnalyzer')
analyzer = PerceptronLexicalAnalyzer()
print(analyzer.analyze("上海华安工业（集团）公司董事长谭旭光和秘书胡花蕊来到美国纽约现代艺术博物馆参观"))

StanfordCoreNLP

描述：Stanfordcorenlp is a Python wrapper for Stanford CoreNLP. It provides a simple API for text processing tasks.

功能：Tokenization, Part of Speech Tagging, Named Entity Reconigtion, Constituency Parsing, Dependency Parsing, and more.

Github
Official
Python Wrapper
pip install stanfordcorenlp # 需要下载对应语言版本的模型,或者all in one

NLTK

描述：NLTK是构建Python程序以使用人类语言数据的领先平台。

功能：分词，分句，实体识别，词干化，标记，解析和语义推理的文本处理库

Doc
Online
pip install nltk

import nltk
nltk.download() # 下载需要的库

Spacy

描述：一个工业级别的自然语言处理工具目前不支持中文

功能：分词，词性标注，句法分析，命名实体识别，词向量，词干化，词形还原

Official
1.pip install spacy
2.下载模型 en_core_web_sm
    2.1 在线安装 
        python -m spacy download en_core_web_sm
    2.2 离线安装

下载模型到本地，解压

        python setup.py install
       
3.使用模型 spacy.load("en_core_web_sm")

PyLTP

描述：pyltp 是 LTP 的 Python 封装，提供了分词，词性标注，命名实体识别，依存句法分析，语义角色标注的功能。

功能：分词，词性标注，命名实体识别，依存句法分析，语义角色标注

LTP Official
LTP Doc
PyLTP Official
PyLTP Doc
DJH-pyltp(pyltp基本使用及关系三元组抽取的应用)

基于LTP的在线开放式关系三元组抽取平台

pip install pyltp # 使用需要下载模型到本地
<<<<<<< HEAD

ChineseWordSegmentation

描述：Chinese word segmentation algorithm without corpus

功能：中文分词

from wordseg import WordSegment
doc = u'十四是十四四十是四十，十四不是四十，四十不是十四'
ws = WordSegment(doc, max_word_len=2, min_aggregation=1, min_entropy=0.5)
ws.segSentence(doc)

Jiagu

作者：yener

描述：Jiagu深度学习自然语言处理工具--Tensorflow==1.14.0 < 2.0

功能：知识图谱关系抽取中文分词词性标注命名实体识别情感分析新词发现关键词文本摘要文本聚类

案例：智能时代-知识图谱-机器人

pip install jiagu
---
git clone https://github.com/ownthink/Jiagu
cd Jiagu
python setup.py install

xmnlp

描述：小明NLP，轻量级中文自然语言处理工具

功能：中文分词, 词性标注, 拼写检查，文本转拼音，情感分析，文本摘要，偏旁部首

pip install xmnlp
---
git clone https://github.com/SeanLee97/xmnlp.git
cd /path/to/xmnlp
pip install -r requirements.txt
python setup.py install

目前仅支持python3

pip install pkuseg -i https://pypi.tuna.tsinghua.edu.cn/simple

@@ 第93行： / 第93行： @@
 == [[Jiagu自然语言处理工具|Jiagu]] ==
-描述：Jiagu深度学习自然语言处理工具--Tensorflow==1.14.0 < 2.0
+作者：[[user:yener|yener]]
+描述：Jiagu深度学习自然语言处理工具--[[Tensorflow]]==1.14.0 < 2.0
 功能：知识图谱关系抽取 中文分词 词性标注 命名实体识别 情感分析 新词发现 关键词 文本摘要 文本聚类