ik-analyzer

Maven化中文分词器支持Lucene 5至9版本

IK-Analyzer 中文分词 Maven Lucene 开源项目 Github

ik-analyzer是一个Maven化的中文分词器项目，专为中文分词优化词典。该项目支持Lucene 5至9全系列版本，已发布至Maven Central方便集成。除Java实现外，还提供Rust版本，为开发者提供更多选择。

elasticsearch-analysis-ansj - Elasticsearch的高性能中文分词插件

ElasticsearchGithubansj中文分词开源项目插件配置

elasticsearch-analysis-ansj是基于ansj分词算法的Elasticsearch中文分词插件。该插件提供多种分词器，支持自定义词典和配置，具备姓名识别、数字识别等功能。插件安装简便，配置灵活，可实现精准中文分词，有效提升Elasticsearch的搜索性能。

ansj_seg - 精准高效的中文分词工具

AnsjCRFGithubHMM中文分词开源项目自然语言处理

Ansj中文分词是一个基于n-Gram、CRF和HMM的Java实现，具有每秒约200万字的高效分词能力，准确率超过96%。其功能包括中文分词、姓名识别、自定义词典、关键字提取、自动摘要和关键词标记，适用于对分词效果要求高的自然语言处理项目。

mynlp - 高性能和可扩展的中文自然语言处理工具包

GithubMynlp中文NLP安装开源项目模型词典

mynlp是一个高性能且可扩展的中文自然语言处理工具包，支持通过Maven和Gradle轻松安装。用户可根据需求选择核心词典、词性标注、命名实体识别、拼音切分等模型资源，mylnp-all依赖包涵盖大部分常用资源。该项目参考了多个优秀开源项目并结合多种算法，适用于广泛的应用场景。详情请访问mynlp在线文档。

jcseg - 轻量级中文分词和关键字提取工具，支持多种语言

GithubJcsegJettymmseg算法中文分词关键字提取开源项目

Jcseg是一款基于mmseg算法的中文分词器，具备关键字、短语、句子提取及文章自动摘要功能，支持Lucene、Solr、Elasticsearch分词接口。其内置Jetty高性能Web服务器，提供多种分词模式、自定义词库、同义词匹配和拼音追加，适合多种语言客户端调用。

jtokkit - 专为OpenAI模型设计的Java分词库，提供便捷的API，支持多种编码和解码算法

GithubJTokkitJavaOpenAItokenizer开源项目自然语言处理

JTokkit是一个专为OpenAI模型设计的Java分词库，提供便捷的API，支持多种编码和解码算法如r50k_base和cl100k_base。该库无依赖，兼容Java 8及以上版本，并具备高效性能。用户可以通过Maven或Gradle轻松安装，并支持自定义编码算法。使用JTokkit，开发者能够轻松进行自然语言处理任务中的文本分词和令牌计算。

Kiwi - 韩语形态素高效分析工具，支持多语言包装

C++GithubKiwi开源项目모델 파일오픈 소스한국어 형태소 분석기

Kiwi是一款开源的韩语形态素分析器，旨在以高效速度和高精度为用户提供形态素分析。核心库使用C++编写，并支持Python、Java、C#等多种编程语言。Kiwi基于Sejong词性标注体系，并使用Sejong Corpus和모두의 말뭉치训练模型，能够纠正简单输入错误，并且支持多线程处理，适合大规模文本分析。提供多种实用功能及不同规模的模型选择。

tika - 多功能文档解析和信息提取工具包

Apache TikaGithubJava工具包元数据提取开源项目文本内容提取

Apache Tika是一款开源的文档解析和信息提取工具包，支持多种文件格式。它能够检测文件类型，提取元数据和结构化文本内容，并提供统一的API接口。Tika基于Java 11开发，采用Maven构建系统，提供独立应用程序和可集成的jar包。该项目由Apache软件基金会维护，具有活跃的社区支持和持续的更新。Apache Tika广泛应用于内容管理系统、搜索引擎和数据分析领域，能够显著提高文档处理效率和信息提取准确性。

AHANLP - 集成多种功能的中文自然语言处理工具包

AHANLPGithub分词句法分析命名实体识别开源项目自然语言处理

AHANLP集成了多个开源项目,是一款功能丰富的中文自然语言处理工具包。它提供分词、命名实体识别、依存句法分析、关键词提取、自动摘要等功能。通过封装HanLP、Word2Vec等工具,AHANLP简化了中文NLP任务的实现过程,适用于研究和实际应用场景。

Sudachi - 高性能日语形态素分析器支持多级分词和丰富词典

GithubSudachi分词模式开源项目形态素分析插件系统日语分词

Sudachi是一款开源的日语形态素分析器，支持多级分词、大型词典和插件系统。基于UniDic和NEologd，Sudachi提供强大的文本正规化功能，可同时进行形态素分析和命名实体识别。它具有命令行接口和Java API，便于集成应用。Sudachi在分词准确性和性能上表现优秀，是处理日语文本的有力工具。

nlp-lang - 自然语言处理工具包，提供词语标准化、汉字转拼音等功能

GithubViterbi算法nlp-lang开源项目自然语言处理词语标准化词频统计

该项目封装了常用的自然语言处理工具和组件，如词语标准化、tire树结构、文本断句、html标签清理、Viterbi算法等。组件还包括汉字转拼音、简繁体转换、bloomfilter、指纹去重、SimHash相似度计算、词共现统计、内存搜索提示和WordWeight统计等。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com