THULAC
THULAC是由清华大学自然语言处理与社会人文计算实验室(该实验室带头人:孙茂松、刘知远、刘洋)研制推出的一套中文词法分析工具包。
安装了其C++版,对北京大学语料进行了分词,如果不选择词性分析的话,单纯分词,需0.5s,同时利用打分脚本进行评测:
=== SUMMARY:
=== TOTAL INSERTIONS: 995
=== TOTAL DELETIONS: 2785
=== TOTAL SUBSTITUTIONS: 3870
=== TOTAL NCHANGE: 7650
=== TOTAL TRUE WORD COUNT: 104372
=== TOTAL TEST WORD COUNT: 102582
=== TOTAL TRUE WORDS RECALL: 0.936
==