HanLP自然语言处理

HanLP: Han Language Processing

汉语言处理包

HanLP 是由一系列模型与算法组成的 Java 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 提供下列功能：

• 中文分词 

  • 最短路分词

  • N-最短路分词

  • CRF分词

  • 索引分词

  • 极速词典分词

  • 用户自定义词典

•   词性标注

• 命名实体识别 

  • 中国人名识别

  • 音译人名识别

  • 日本人名识别

  • 地名识别

  • 实体机构名识别

• 关键词提取 

  • TextRank关键词提取

• 自动摘要 

  • TextRank自动摘要

• 短语提取 

  • 基于互信息和左右信息熵的短语提取

• 拼音转换 

  • 多音字

  • 声母

  • 韵母

  •  声调

• 简繁转换 

  • 繁体中文分词

  • 简繁分歧词

• 文本推荐 

  • 语义推荐

  • 拼音推荐

  • 字词推荐

• 依存句法分析 

  • MaxEnt依存句法分析

  • CRF依存句法分析

• 语料库工具 

  • 分词语料预处理

  • 词频词性词典制作

  • BiGram统计

  • 词共现统计

  • CoNLL语料预处理

  • CoNLL UA/LA/DA评测工具

在提供丰富功能的同时，HanLP 内部模块坚持低耦合、模型坚持惰性加载、服务坚持静态提供、词典坚持明文发布，使用非常方便，同时自带一些语料处理工具，帮助用户训练自己的语料。