ik分词和jieba分词哪个好_中文分词器如何选择 jieba ik-analyzer ansj_seg HanLP

  • Post author:
  • Post category:其他


一、几个项目github star对比

在网上可以看到很多中文分词器的文章,但是都没说明白到底选择什么。当然一般来说没有最好的只有最合适的,在分词能力、繁体支持等等都可考虑的方向。当然github上的star也可以作为开源项目选择的一个依据。HanLP github 21.4k starhttps://github.com/hankcs/HanLP​github.comjieba github 24.9k starfxsjy/jieba​github.com

ik-analyzer github 589 star

可以看到ik-analyzer和es solr等都有集成好像589star比较少,当然ik-analyzer主要是在code.google里,当最近一次code.google更新的版本也只是2012年的版本wks/ik-analyzer​github.com

ansj_seg 5.7kNLPchina/ansj_seg​github.com

个人建议使用jieba分词器

二、具体说明

(1)Hanlp分词器hankcs/HanLP​github.com

最短路径分词,有中文分词、词性标注、新词识别、命名实体识别、自动摘要、文本聚类、情感分析、词向量word2vec等功能,支持自定义词典;

采用HMM、CRF、TextRank、word2vec、聚类、神经网络等算法;

支持Java,C++,Python语言;

(2)结巴分词https://github.com/fxsjy/jieba​github.com

找出基于词频的最大切分组合,有中文分词、关键词提取、词性标注功能,支持自定义词典;

采用HMM模型、 Viterbi算法;

支持Java,C++,Python语言;

(3)哈工大的LTPHIT-SCIR/ltp​github.com

有中文分词、词性标注、句法分析等功能;

商用需付费;调用接口,每秒请求的次数有限制;

编写语言有C++、Python、Java版;

(4)清华大学THULACthunlp/THULAC​github.com

有中文分词、词性标注功能;

有Java、Python和C++版本;

(5)北京大学 pkuseglancopku/pkuseg-python​github.com

支持按领域分词、有词性标注功能、支持用户自训练模型;

基于CRF模型、自研的ADF训练方法;

有python版本;

(6)斯坦福分词器The Stanford Natural Language Processing Group​nlp.stanford.edu

支持多语言分词包括中英文,提供训练模型接口,也可用已有模型,但速度较慢;

Java实现的CRF算法;

(7)KCWS分词器koth/kcws​github.com

有中文分词、词性标注功能,支持自定义词典;

采用word2vec、Bi-LSTM、CRF算法;

(8)ZParfrcchang/zpar​github.com

有中文、英文、西班牙语分词、词性标注;

C++语言编写;

(9)IKAnalyzerwks/ik-analyzer​github.com

有中文分词功能,支持自定义词典;

(10)Jcseg狮子的魂/jcseg​gitee.com

有中文分词、关键词提取、自动摘要、词性标注、实体识别等功能,支持自定义词典;

基于mmseg、textRank、BM25等算法;

(11)FudanNLPFudanNLP/fnlp​github.com

中文分词 词性标注 实体名识别 关键词抽取等;

(12)SnowNLPisnowfy/snownlp​github.com

有中文分词、词性标注、情感分析、文本分类、提取关键词等功能;

基于HMM、Naive Bayes、TextRank、tf-idf等算法;

Python类库;

(13)ansj分词器NLPchina/ansj_seg​github.com

有中文分词、人名识别、词性标注、用户自定义词典等功能;

基于n-Gram+CRF+HMM算法;

(14)NLTKnltk/nltk​github.com

擅长英文分词,也支持中文分词处理,但建议先用其他分词工具对中文语料分词,再用它的处理功能;

python库;

(15)庖丁解牛https://code.google.com/p/paoding​code.google.com

3.2,其他

(1)中科院计算所NLPIR

具有分词、词性标注、新词识别、命名实体识别、情感分析、关键词提取等功能,支持自定义词典;

(2)腾讯文智

(3)BosonNLP

(4)百度NLP

(5)阿里云NLP

(6)新浪云

(7)盘古分词

文章摘至华天清:中文分词方法和软件工具汇总笔记​zhuanlan.zhihu.com



版权声明:本文为weixin_39585691原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。