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 star
https://github.com/hankcs/HanLPgithub.com
- jieba github 24.9k star
- 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
ansj_seg github 5.7k star
个人建议使用jieba分词器
二、具体说明
（1）Hanlp分词器
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/jiebagithub.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LTP
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THULAC
有中文分词、词性标注功能；
有Java、Python和C++版本；
（5）北京大学 pkuseg
lancopku/pkuseg-pythongithub.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 Groupnlp.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
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）ZPar
有中文、英文、西班牙语分词、词性标注；
C++语言编写；
（9）IKAnalyzer
有中文分词功能，支持自定义词典；
（10）Jcseg
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）FudanNLP
中文分词 词性标注 实体名识别 关键词抽取等；
（12）SnowNLP
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
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）NLTK
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/paodingcode.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
扫一扫
1030
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
