中文分词性能对比

Posted 2021-04-24 思知机器人

中文分词性能对比

以下分词工具均能在Python环境中直接调用（排名不分先后）。

• jieba（结巴分词） 免费使用

• HanLP（汉语言处理包） 免费使用

• SnowNLP（中文的类库） 免费使用

• FoolNLTK（中文处理工具包） 免费使用

• Jiagu（甲骨NLP） 免费使用

• pyltp（哈工大语言云） 商用需要付费

• THULAC（清华中文词法分析工具包） 商用需要付费

• NLPIR（汉语分词系统） 付费使用

分词工具使用方式见Tutorial。每个分词工具可能有多种分词模式，本文所对比的为默认分词模式。

---

计算公式：

使用方式：

pip install jieba
pip install pyhanlp
pip install snownlp
pip install foolnltk
pip3 install jiagu
pip install pyltp      # 需要下载模型，模型地址见上诉Tutorial教程，模型所放的路径与Tutorial同pip install thulac
pip install pynlpir    # 安装好后需要使用证书，见上诉Tutorial教程git clone https://github.com/ownthink/evaluation.gitcd evaluation
python3 test.py   # 测试工具是否能够使用python3 eval.py  # 测试（时间较长）

测试集：

• msr

• pku

• other

1. msr测试结果

2. pku测试结果

3. other测试结果

4. 时间测试结果