作者：伏草惟存

來源：http://www.cnblogs.com/baiboy/p/nltk2.html

Python 的幾個(gè)自然語言處理工具

1. NLTK:NLTK 在用 Python 處理自然語言的工具中處于領(lǐng)先的地位。它提供了 WordNet 這種方便處理詞匯資源的借口，還有分類、分詞、除莖、標(biāo)注、語法分析、語義推理等類庫。

2. Pattern:Pattern 的自然語言處理工具有詞性標(biāo)注工具(Part-Of-Speech Tagger)，N元搜索(n-gram search)，情感分析(sentiment analysis)，WordNet。支持機(jī)器學(xué)習(xí)的向量空間模型，聚類，向量機(jī)。

3. TextBlob:TextBlob 是一個(gè)處理文本數(shù)據(jù)的 Python 庫。提供了一些簡單的api解決一些自然語言處理的任務(wù)，例如詞性標(biāo)注、名詞短語抽取、情感分析、分類、翻譯等等。

4. Gensim:Gensim 提供了對大型語料庫的主題建模、文件索引、相似度檢索的功能。它可以處理大于RAM內(nèi)存的數(shù)據(jù)。作者說它是“實(shí)現(xiàn)無干預(yù)從純文本語義建模的最強(qiáng)大、最高效、最無障礙的軟件。

5. PyNLPI:它的全稱是：Python自然語言處理庫（Python Natural Language Processing Library，音發(fā)作: pineapple） 這是一個(gè)各種自然語言處理任務(wù)的集合，PyNLPI可以用來處理N元搜索，計(jì)算頻率表和分布，建立語言模型。他還可以處理向優(yōu)先隊(duì)列這種更加復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，或者像 Beam 搜索這種更加復(fù)雜的算法。

6. spaCy:這是一個(gè)商業(yè)的開源軟件。結(jié)合Python和Cython，它的自然語言處理能力達(dá)到了工業(yè)強(qiáng)度。是速度最快，領(lǐng)域內(nèi)最先進(jìn)的自然語言處理工具。

7. Polyglot:Polyglot 支持對海量文本和多語言的處理。它支持對165種語言的分詞，對196中語言的辨識(shí)，40種語言的專有名詞識(shí)別，16種語言的詞性標(biāo)注，136種語言的情感分析，137種語言的嵌入，135種語言的形態(tài)分析，以及69中語言的翻譯。

8. MontyLingua:MontyLingua 是一個(gè)自由的、訓(xùn)練有素的、端到端的英文處理工具。輸入原始英文文本到 MontyLingua ，就會(huì)得到這段文本的語義解釋。適合用來進(jìn)行信息檢索和提取，問題處理，回答問題等任務(wù)。從英文文本中，它能提取出主動(dòng)賓元組，形容詞、名詞和動(dòng)詞短語，人名、地名、事件，日期和時(shí)間，等語義信息。

9. BLLIP Parser:BLLIP Parser（也叫做Charniak-Johnson parser）是一個(gè)集成了產(chǎn)生成分分析和最大熵排序的統(tǒng)計(jì)自然語言工具。包括 命令行 和 python接口 。

10. Quepy:Quepy是一個(gè)Python框架，提供將自然語言轉(zhuǎn)換成為數(shù)據(jù)庫查詢語言?？梢暂p松地實(shí)現(xiàn)不同類型的自然語言和數(shù)據(jù)庫查詢語言的轉(zhuǎn)化。所以，通過Quepy，僅僅修改幾行代碼，就可以實(shí)現(xiàn)你自己的自然語言查詢數(shù)據(jù)庫系統(tǒng)。GitHub:https://github.com/machinalis/quepy

11. HanNLP：HanLP是由一系列模型與算法組成的Java工具包，目標(biāo)是普及自然語言處理在生產(chǎn)環(huán)境中的應(yīng)用。不僅僅是分詞，而是提供詞法分析、句法分析、語義理解等完備的功能。HanLP具備功能完善、性能高效、架構(gòu)清晰、語料時(shí)新、可自定義的特點(diǎn)。文檔使用操作說明：Python調(diào)用自然語言處理包HanLP 和 菜鳥如何調(diào)用HanNLP