找到相关仓库约为922个
搜索工具
排序方式：
最多forks
Surfing-Segment是一个先进的文本分词工具，专门增强ik-analyzer。包含多个自定义词典，动态识别型号、同义词功能、elasticsearch插件等功能。显著的增强了对专业术语及复杂型号的分词精确度。是电商平台优化体验的理想选择。
OpenNLP 是一个机器学习工具包，用于处理自然语言文本。支持大多数常用的 NLP 任务，例如：标识化、句子切分、部分词性标注、名称抽取、组块、解析等
地区、PE值、总资产、流动资产、固定资产、留存资产等） 对抓取的新闻文本按照，去停用词、加载新词、分词的顺序进行处理 利用前两步中所获取的股票名称和分词后的结果，抽取出每条新闻里所包含的（0支、1支或多支）股票名称，并将所对应的所有股票代码，组合成与该
一个好用的数据查重引擎。包含了数据建模，清洗算法设计，查重，结构导出等功能。查重的算法中对数据每个属性均可以设定权重和灵活选择比对算法。使用的中文分词引擎对较长中文句子进行分司和比对。
sphinx结合结巴分词，在 https://github.com/frankee/sphinx-jieba 基础上解决了安装出错问题
pkuseg-python：一个高准确度的中文分词工具包 pkuseg-python 简单易用，支持多领域分词，在不同领域的数据上都大幅提高了分词的准确率
基于结巴分词java版实现（https://github.com/huaban/jieba-analysis）进行的改进，以适用于词频统计
推荐博客
...