整理常用的自然语言处理工具(包括Python接口)，如Stanford NLP、NLTK、Spacy、NLPIR、Pyltp、HanLP、Jieba。
Collates commonly used natural language processing tools (including Python interfaces) such as Stanford NLP, NLTK, Spacy, NLPIR, Pyltp, HanLP, Jieba.
1. 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 install2. 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 pyhanlpPython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"))- 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 4. NLTK
pip install nltk
import nltk
nltk.download() # 下载需要的库5. 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")
6. 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
-
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)
8. Jiagu
- 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
- DOC
pip install jiagu
---
git clone https://github.com/ownthink/Jiagu
cd Jiagu
python setup.py install9. 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
10. mynlp
- 描述：一个高性能、模块化、可扩展的中文NLP工具包--Java
- 功能：中文分词 词性标注 命名实体识别 新词发现 文本分类 拼音简繁转换
11. lightNLP
-
描述：基于Pytorch和torchtext的自然语言处理深度学习框架
-
功能：命名实体识别、中文分词、词性标注、语义角色标注、情感分析、关系抽取、语言模型、文本相似度、文本蕴含、依存句法分析、词向量训练、聊天机器人、机器翻译、文本摘要等功能
- 描述：北大开源的分词工具，pkuseg多领域中文分词工具
- 功能：多领域分词（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），词性标注
- 目前仅支持python3
pip install pkuseg -i https://pypi.tuna.tsinghua.edu.cn/simple