調用簡(jiǎn)單

歡迎使用HanLP

HanLP v1.2.7

HanLP是由一系列模型與算法組成的Java工具包，目標是普及自然語(yǔ)言處理在生產(chǎn)環(huán)境中的應用。不僅僅是分詞，而是提供詞法分析、句法分析、語(yǔ)義理解等完備的功能。HanLP具備功能完善、性能高效、架構清晰、語(yǔ)料時(shí)新、可自定義的特點(diǎn)。

Download

Free & Open Source

HanLP完全開(kāi)源，包括詞典。不依賴(lài)其他jar，底層采用了一系列高速的數據結構，如雙數組Trie樹(shù)、DAWG、AhoCorasickDoubleArrayTrie等，這些基礎件都是開(kāi)源的。官方模型訓練自2014人民日報語(yǔ)料庫，您也可以使用內置的工具訓練自己的模型。

Star Me

Easy to Use

通過(guò)工具類(lèi)HanLP您可以一句話(huà)調用所有功能，文檔詳細，開(kāi)箱即用。底層算法經(jīng)過(guò)精心優(yōu)化，極速分詞模式下可達2,000萬(wàn)字/秒，內存僅需120MB。在IO方面，詞典加載速度極快，只需500 ms即可快速啟動(dòng)。HanLP經(jīng)過(guò)多次重構，歡迎二次開(kāi)發(fā)。

Documentation

組件一覽

技術(shù)參數

HanLP v1.2.7的特征:

最高分詞速度2,000萬(wàn)字/秒（極速分詞，2.0GHz i7）
35萬(wàn)詞典，覆蓋現代漢語(yǔ)常用詞、網(wǎng)絡(luò )新詞等
337萬(wàn)接續BiGram文法模型
500 ms 詞典加載
訓練自2014年人民日報切分語(yǔ)料
詞語(yǔ)標注集兼容《ICTPOS3.0漢語(yǔ)詞性標記集》
詞語(yǔ)標注集兼容《現代漢語(yǔ)語(yǔ)料庫加工規范——詞語(yǔ)切分與詞性標注》
最低內存要求120 MB（-Xms120m -Xmx120m -Xmn64m）
基于雙數組Trie的AhoCorasick自動(dòng)機算法實(shí)現O(n)多模式匹配
運行于Java6+
提供Lucene插件，兼容Lucene4.x
Apache License Version 2.0

HanLP產(chǎn)品初始知識產(chǎn)權歸上海林原信息科技有限公司所有，任何人和企業(yè)可以無(wú)償使用，可以對產(chǎn)品、源代碼進(jìn)行任何形式的修改，可以打包在其他產(chǎn)品中進(jìn)行銷(xiāo)售。任何使用了HanLP的全部或部分功能、詞典、模型的項目、產(chǎn)品或文章等形式的成果必須顯式注明HanLP及此項目主頁(yè)。

最新版本：HanLP v1.2.7

下載