sacremoses

简洁高效的Python自然语言处理工具包和命令行界面

Sacremoses 令牌化 Python 归则化模型训练 Github 开源项目

Sacremoses是一个支持Python 3的自然语言处理工具包，提供分词、去分词、真字修复和文本规范化功能。支持命令行操作和多进程处理，让大规模文本处理变得更简单。

Github

文档

介绍相关项目

medspacy - 临床NLP工具库，提供多语言支持和多功能文本处理

GithubmedspaCyspaCy临床文本处理医学NLP开源项目自然语言处理

medspacy是一款基于spaCy框架的临床NLP工具库，提供句子分割、上下文分析、属性识别和章节检测等模块化功能。它适用于临床文本的处理和分析，支持多语言并鼓励扩展更多语言规则。各模块可独立使用，包括概念提取、实体后处理和数据可视化等功能。

sentencepiece - 无监督神经网络文本分词与去分词工具

GithubSentencePiece分词子词单元开源项目机器翻译自然语言处理

SentencePiece是一种用于神经网络文本生成系统的无监督分词工具。它支持多种子词算法,如BPE和unigram语言模型,可直接从原始文本训练。这个工具具有语言无关性,实现了子词正则化,运行速度快,占用资源少。SentencePiece能直接生成词汇ID序列,执行NFKC标准化,是一个完全端到端的系统,无需依赖特定语言的预处理或后处理。

tokenizers - 文本分词处理工具

GithubTokenizers多语言绑定开源项目性能文本处理调优

tokenizers是一个高效的分词工具，旨在提供快速且多功能的文本处理解决方案。它可以迅速训练新的词汇库并进行分词，使用Rust语言编写以确保高性能。其接口设计简洁易用，适用于研究与生产，全面支持各种文本预处理需求。

natasha - 多功能俄语自然语言处理工具，支持词嵌入、句子分割、形态标注等

GithubNLPNatashaRussian language开源项目模型优化自然语言处理

Natasha是一款用于解决俄语基础自然语言处理任务的工具，包括词标记、句子分割、词嵌入、形态标注、词形还原、短语规范化、句法解析、命名实体识别和事实提取。它在新闻领域的性能媲美或优于现有最佳模型。支持在CPU上运行，使用Numpy进行推理，注重模型体积、内存使用和性能。Natasha项目集成了多个库如Razdel、Navec、Slovnet和Yargy，提供统一的API，用户可在Python 3.7+环境中方便安装并快速上手使用。

pythainlp - Python实现的泰语自然语言处理库

GithubPyThaiNLPPython开源开源项目泰语自然语言处理

PyThaiNLP是一个专注于泰语的Python自然语言处理库,提供丰富的功能如分词、词性标注、拼写检查等。支持Python 3.7+,可通过pip安装。这个开源项目被广泛应用于工业和研究领域,为泰语NLP任务提供支持。PyThaiNLP具有命令行接口,支持额外功能的可选安装。

pyhanlp - HanLP1.x的Python接口，功能全面的中文NLP工具包

GithubHanLPpyhanlp依存句法分析分词开源项目自然语言处理

pyhanlp是HanLP1.x的Python接口，支持中文分词、词性标注、命名实体识别、依存句法分析等多种NLP任务。项目提供自动下载升级功能，算法经工业界和学术界验证。配套《自然语言处理入门》书籍，支持命令行和API调用，适合NLP研究和工程应用。

Cemotion - 高效中文情感分析和分词工具库

BERTCemotionGithub中文NLP中文分词开源项目情感分析

Cemotion是一个Python中文NLP库，主要用于情感分析和通用领域分词。该库采用BERT模型训练，可为中文文本提供情感倾向置信度。新增的Cegementor类使用BAStructBERT模型进行语义分词。Cemotion支持批量处理和多平台部署，可自动调用GPU加速。2.0版本在性能和准确度方面有所提升。

languagemodels - 轻松实现低内存大语言模型推理的Python库

GPU加速GithubLanguage ModelsPython大语言模型开源项目语义搜索

该Python库简化了大语言模型的使用，最低内存需求仅为512MB，确保所有推理在本地完成以保障数据隐私。支持GPU加速及多种模型配置，功能涵盖文本翻译、代码补全、语义搜索等，适合教育和商业用途。用户可通过简单的pip命令安装，在REPL、笔记本或脚本中使用。详见官方网站的文档与示例程序。

compromise - 简便高效的自然语言处理工具，轻松实现文本解析

GithubSpencer Kellycompromisenpm安装开源项目自然语言处理

Compromise是一个简便高效的自然语言处理工具，能将文本转换为数据并进行基本语法分析。它支持法语、德语、意大利语和西班牙语，处理任务包括动词变位、名词复数和数字操作。该工具体积小巧，运行快速，并提供丰富的API接口和文档支持，适用于前端和后端开发。

pycorrector - 多模型中文文本纠错工具包，支持音形语法纠错

pycorrector是一个开源的中文文本纠错工具包，集成了多种模型如Kenlm、BERT、MacBERT等。该工具可纠正音似、形似、语法及专名错误，并支持自定义混淆集和专名词典。项目提供多个预训练模型，在SigHAN数据集上进行了评估。pycorrector适用于中文文本纠错的研究和实际应用场景。

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