文本挖掘工具调研

自然语言处理工具调研1、中文自然语言处理工具包FudanNLPFudanNLP主要是为中文自然语言处理而开发的工具包，也包含为实现这些任务的机器学习算法和数据集。开发语言：Java；操作系统：跨平台FudanNLP目前实现的内容如下：1、中文处理工具：中文分词、词性标注、实体名识别、句法分析、时间表达式识别；2、信息检索：文本分类、新闻聚类、Lucene中文分词；3、机器学习：AveragePerceptron（感知器）Passive-aggressiveAlgorithm（被动攻击）、K-means、ExactInference（精确推理）。2、Java自然语言处理LingPipeLingPipe是一个自然语言处理的Java开源工具包。LingPipe目前已有很丰富的功能，包括主题分类（TopClassification）、命名实体识别（NamedEntityRecognition）、词性标注（Part-ofSpeechTagging）、句题检测（SentenceDetection）、查询拼写检查（QuerySpellChecking）、兴趣短语检测（IntersetingPhraseDetection）、聚类（Clustering）、字符语言建模（CharacterLanguageModeling）、医学文献下载/解析/索引（MEDLINEDownload,ParsingandIndexing）、数据库文本挖掘（DatabaseTextMining）、中文分词（ChineseWordSegmentation）、情感分析（SentimentAnalysis）、语言辨别（LanguageIdentification）等API。3、中科院ICTCLASICTCLAS是由中科院计算所历经数年开发的分词工具，采用C++编写。主要功能包括中文分词、词性标注、命名实体识别、用户词典功能，同时支持GBK编码、UTF8编码、BIG5编码，新增微博分词、新词发现与关键词提取。可以可视化界面操作和API方式调用。4、TheStanfordNaturalLanguageProcessingGroupStanfordNLPGroup是斯坦福大学自然语言处理的团队，开发了多个NLP工具。1）StanfordCoreNLP：采用Java编写的面向英文的处理工具，主要功能包括分词、词性标注、命名实体识别、语法分析等。2）StanfordWordSegmenter：采用CRF（条件随机场）算法进行分词，也是基于Java开发的，同时可以支持中文和Arabic，官方要求Java版本1.6以上，推荐内存至少1G。3）StanfordPOSTagger：采用Java编写的面向英文、中文、法语、阿拉伯语、德语的命名实体识别工具。4）StanfordNamedEntityRecognizer：采用条件随机场模型的命名实体工具。5）StanfordParser：进行语法分析的工具，支持英文、中文、阿拉伯文和法语。5IKAnalyzerIKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。IK支持细粒度和智能分词两种切分模式，支持英文字母、数字、中文词汇等分词处理，兼容韩文、日文字符。可以支持用户自定义的词典。6NLTKNLTK是一个python工具包,用来处理和自然语言处理相关的东西.NLTK在用Python处理自然语言的工具中处于领先的地位。它提供了WordNet这种方便处理词汇资源的接口，还有分类、分词、除茎、标注、语法分析、语义推理等类库。7python工具包PatternPattern的自然语言处理工具有词性标注工具(Part-Of-SpeechTagger)，N元搜索(n-gramsearch)，情感分析(sentimentanalysis)，WordNet。支持机器学习的向量空间模型，聚类，向量机。8CRF++CRF++是著名的条件随机场开源工具，也是目前综合性能最佳的CRF工具。开发语言：C/C++;操作系统：WindowsLinux9开源机器学习工具包MalletMallet的作者是AndrewMcCallum大师（CRF创始人之一），此软件包基于java。通过mallet工具，可以进行自然语言处理，文本分类，主题建模。文本聚类，信息抽取等，此软件包基于java。通过mallet工具，可以进行自然语言处理，文本分类，主题建模，文本聚类，信息抽取等。10分布式在线机器学习框架JubatusJubatus是一个分布式处理框架和机器学习库，包含以下功能：在线机器学习库，包括：分类、聚合和推荐；fv_converter:数据预处理（用自然语言）；在线机器学习框架，支持容错。开发语言：C/C++；操作系统：Linux11HanLPHanLP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。不仅仅是分词，而是提供词法分析、句法分析、语义理解等完备的功能。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完全开源，包括词典。