/evaluation

各大中文分词性能评测

Primary LanguagePython

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:

公式

使用方式:

pip install jieba
pip install pyhanlp
pip install snownlp
pip install foolnltk
pip3 install jiagu==0.1.2
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.git
cd 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

msr

  1. pku测试结果

pku

  1. other测试结果

other

  1. 时间测试结果

time