HanLP - 汉语言处理包
开源自由的汉语言处理包
功能全面
调用简单
欢迎使用HanLP
HanLP v1.2.4
HanLP是由一系列模型与算法组成的Java工具包，目标是普及自然语言处理在生产环境中的应用。不仅仅是分词，而是提供词法分析、句法分析、语义理解等完备的功能。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。
DownloadFree & Open Source
HanLP完全开源，包括词典。不依赖其他jar，底层采用了一系列高速的数据结构，如双数组Trie树、DAWG、AhoCorasickDoubleArrayTrie等，这些基础件都是开源的。官方模型训练自2014人民日报语料库，您也可以使用内置的工具训练自己的模型。
Star MeEasy to Use
通过工具类HanLP您可以一句话调用所有功能，文档详细，开箱即用。底层算法经过精心优化，极速分词模式下可达2,000万字/秒，内存仅需120MB。在IO方面，词典加载速度极快，只需500 ms即可快速启动。HanLP经过多次重构，欢迎二次开发。
Documentation组件一览
技术参数
HanLP v1.2.4的特征:
- 最高分词速度2,000万字/秒（极速分词，2.0GHz i7）
- 35万词典，覆盖现代汉语常用词、网络新词等
- 337万接续BiGram文法模型
- 500 ms 词典加载
- 训练自2014年人民日报切分语料
- 词语标注集兼容《ICTPOS3.0汉语词性标记集》
- 词语标注集兼容《现代汉语语料库加工规范——词语切分与词性标注》
- 最低内存要求120 MB（-Xms120m -Xmx120m -Xmn64m）
- 基于双数组Trie的AhoCorasick自动机算法实现O(n)多模式匹配
- 运行于Java6+
- 提供Lucene插件，兼容Lucene4.x
- Apache License Version 2.0
HanLP产品初始知识产权归上海林原信息科技有限公司所有，任何人和企业可以无偿使用，可以对产品、源代码进行任何形式的修改， 可以打包在其他产品中进行销售。任何使用了HanLP的全部或部分功能、词典、模型的项目、产品或文章等形式的成果必须显式注明HanLP及此项目主页。
最新版本：HanLP v1.2.4
