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。

liqe - 轻量高效的类Lucene查询语言解析和搜索工具

GithubJSON文档Liqe开源项目搜索引擎查询语言解析器

Liqe是一个轻量高效的类Lucene查询语言(LQL)工具，提供了强大的解析、序列化和搜索功能。它支持复杂查询语法，包括关键词匹配、数值比较、范围搜索、通配符匹配和布尔运算。Liqe能够解析查询、序列化结果，并对JSON文档执行搜索。作为JavaScript生态中较为完整的类Lucene实现，Liqe为命令行和Web应用提供了灵活的高级搜索能力。

jkes - 将Java、Kafka和ElasticSearch集成的全功能搜索解决方案

ElasticSearchGithubJavaJkesKafka开源项目搜索框架

Jkes是一个整合Java、Kafka和ElasticSearch技术的搜索框架。它采用注解驱动的JPA风格对象/文档映射，并提供RESTful API进行文档搜索。该框架支持自动索引更新和删除，同时提供灵活的查询接口。Jkes易于集成，可扩展性强，适合需要高性能搜索功能的Java应用。其架构支持多租户平台，为后续引入机器学习搜索排序功能做好了准备。

Synonyms - 中文近义词自然语言处理工具包

GithubSynonyms中文近义词分词开源项目相似度计算自然语言处理

Synonyms是一个开源的中文近义词工具包,用于自然语言处理任务。它支持文本对齐、相似度计算、语义偏移和关键词提取等功能。该工具包基于大规模词向量模型,覆盖43万余词汇,适用于聊天机器人、问答系统、推荐系统等场景。Synonyms提供词语和句子相似度计算API,可用于多种NLP应用。

nlm-ingestor - 多格式文档解析器助力RAG优化

Apache TikaGithubHTML解析PDF解析RAGnlm-ingestor开源项目

nlm-ingestor是一个开源的文档解析工具，专门针对RAG(检索增强生成)进行了优化。它支持PDF、HTML和文本等多种格式，提供章节划分、段落链接和表格识别等精确的内容结构化功能。该项目整合了改进版Apache Tika和OCR技术，能够高效处理大型文档。nlm-ingestor不依赖特殊硬件，为开发者提供了强大的基础设施，有助于提高LLM项目的检索和生成性能。

allocation-instrumenter - Java对象分配监控与构造函数检测框架

GithubJava agentinstrumenter内存分配对象跟踪开源项目构造函数回调

allocation-instrumenter 是一个基于 java.lang.instrument API 和 ASM 的 Java agent，用于监控 Java 程序中的对象分配。它支持自定义回调函数跟踪内存分配，并能检测特定类的构造函数。通过 Maven Central 集成后，开发者可利用此工具进行内存分配分析和优化。

vaporetto - 基于点预测的高效日语分词工具

GithubRustVaporetto分词器开源项目标签预测模型训练

Vaporetto是一款基于点预测的日语分词工具,具有高速和轻量级的特点。它提供Rust API和命令行界面,支持使用预训练模型、转换KyTea模型或自定义训练。Vaporetto的分词速度比KyTea快8.7倍,性能卓越。此外,它还具备词性和发音标注功能,并允许通过词典编辑优化分词结果。作为一个高效可靠的解决方案,Vaporetto适用于各种日语自然语言处理任务。

sensitive-word - 基于DFA算法的高性能敏感词检测工具，支持自定义与实时更新

DFA算法Githubsensitive-word工具开源项目敏感词高性能

基于DFA算法的敏感词检测工具，具备6万多个词库和简洁的Fluent-API实现。支持敏感词的判断、返回和脱敏操作，可检测邮箱、网址等信息，并可实时更新用户自定义数据。还提供大小写、全角半角、繁简体转换等多种格式处理，确保高精度与灵活性。

anserini - 开源可复现信息检索研究工具包

AnseriniGithubLuceneMS MARCO信息检索回归实验开源项目

Anserini是基于Lucene开发的开源信息检索工具包,致力于推动可复现的学术研究。该工具包提供从索引构建到结果评估的端到端实验支持,实现了BM25、doc2query-T5、SPLADE等多种先进检索模型。Anserini可应用于各类标准IR测试集,有助于缩小信息检索研究与实际搜索应用之间的差距。

bricks - 开源自然语言处理模块库提升文本分析效率

Githubbricks代码模块开源项目文本分析自然语言处理

bricks是一个开源自然语言处理模块库，提供多种文本分类器、提取器和生成器。开发者可利用bricks实现语言检测、情感分析、复杂度评估等文本增强功能。该项目支持独立使用，也可与refinery无缝集成，为文本分析提供灵活解决方案。

vocab-coverage - 中文语言模型识字率与词向量分布分析

BERTERNIEGithub中文认知开源项目词向量语言模型

该项目分析了多种语言模型的中文识字率与词向量分布情况，通过字符集分类和词向量空间分布的研究，了解模型在处理中文字符时的认知能力。涵盖了BERT、ERNIE、roBERTa等模型的对比，以及不同字符集的识字判定，为后续的模型评估和改进提供了参考。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com