Wiki文档

• Lexer
  • Lexer基础架构
  • 基础分词算法
    • CORE分词
    • 感知机分词
    • 原子分词
  • Wordnet & Path
  • 词性分析
  • 人名识别
  • NER命名实体识别
  • 自定义词典
  • 分词纠错
  • 收集器与索引分词
  • 词典和模型资源
  • 自定义分词粒度
• ElasticSearch插件

• 感知机
• 文本分类 & fastText
• 拼音转换

• Guice和Mynlp设置
• 日志
• 资源加载器

如果你认可MYNLP，欢迎CLONE、FORK、ISSUE，请STAR鼓励一下 ：）

mynlp是一个开源高性能、模块化、可扩展的中文NLP工具包。

• 企业级
• 高性能
• 模块化
• 可扩展
• 多场景
• 柔性API

只需要导入maven依赖，无需配置和额外资源下载。

您需要 JAVA1.8+ 运行环境

mynlp多个功能被划分在不同的模块中，下面演示分词模块：

GRADLE

compile 'com.mayabot.mynlp:mynlp-segment:3.0.1'

或者MAVEN

<dependency>
  <groupId>com.mayabot.mynlp</groupId>
  <artifactId>mynlp-segment</artifactId>
  <version>3.0.1</version>
</dependency>

Kotlin:

println("mynlp是mayabot开源的中文NLP工具包。".lexer().toList())

Java:

Lexer lexer = Lexers.coreBuilder()      //core分词构建器
                     .withPos()         //开启词性
                     .withPersonName()  //开启人名
                     .build();          // 创建定制词法分析对象
                     
Sentence sentence = lexer.scan("mynlp是mayabot开源的中文NLP工具包。");

System.out.println(sentence.toList());

输出：

[mynlp/x, 是/v, mayabot/x, 开源/v, 的/u, 中文/nz, nlp/x, 工具包/n, 。/w]

• 中文分词

  • CORE分词

    • 二元语言模型 + viterbi解码算法 + 基础规则（数字、英文、日期..。_
    • 高性能：速度200万+字/秒(2.6GHz Intel i7)

  • 感知机分词

    基于感知机序列标注算法 + 基础规则。_

  • CRF分词

    高性能CRF解码器 + 基础规则。

  • 人名识别

    基于感知机实现，高准确率，高性能，自动排除歧义。

  • NER命名实体识别

  • 自定义功能

    自定义词库、分词纠错

  • 柔性API和PIPELINE设计模式

    自由组合和扩展分词逻辑需求

• 词性标注

  基于感知机的词性标注

• 拼音转换

  文字转拼音，好用的API

• 文本分类

  基于fastText Java原生实现

• 简繁体转换

• 感知机通用接口

  提供一个通用的感知机基础API

• 文本摘要

  简单的文本摘要实现

• 基础架构

  • 基于GUICE的IOC实现可插拔的组件开发
  • 高性能、易扩展的基础数据结构

• 词典和语料库资源

  • 二元模型
    • 二元模型词数量达20万+
    • 二元接续词配对数量485万+(Hanlp对应资源大概290万+)
  • 感知机模型
    • 训练语料库字数7000万+
  • 词性标注
    • 训练语料库字数3000万+
  • 人名识别
    • 训练语料库字数3000万+
  • 地名、组织机构名
    • 训练语料库字数3000万+
  • 语料库来源
    • 公开语料库
      • 收集的互联网资源
    • 自建语料库
      • 基础数据为人民日报2014全年内容，通过Hanlp、中科院等多种分词器自动切分对比差异，再经过50人月时间修复、校验 后获得的分词语料库。

早期在使用ansj和hanlp过程中，遇到很多问题无法解决和扩展，mynlp开发之初借鉴了算法实现，通过多次迭代和项目需求驱动实践，逐渐发展为目前自有的架构体系。 也向HanLP和ansj在中文NLP开源中做出的贡献和努力致敬！

mynlp项目参考了以下项目：

• HanLP
• ansj_seg

• Kotlin多平台特性,为 Android、iOS、Linux、Windows、 Mac支持
• 跨平台动态库文件
• 为Python RUST 语言提供支持接口