6個頂級Python NLP庫的比較！

http://blog.itpub.net/31509949/viewspace-2212320/

自然語言處理（NLP）如今越來越流行，在深度學習開發的背景下變得尤為引人註目。在人工智能領域中，自然語言處理（NLP）從文本中理解和提取重要信息，並基於文本數據進行進一步的數據訓練，其主要任務包括語音識別和生成、文本分析、情感分析、機器翻譯等。

在過去的幾十年中，只有那些精通語言教育的專家才能從事自然語言處理。除了具有數學和機器學習知識以外，他們還精通一些關鍵的語言概念。而現在，我們可以使用已編譯好的自然語言處理（NLP）庫。它們的主要目的是簡化文本預處理，使我們可以專註於構建機器學習模型和超參數微調。

有許多工具和庫可以解決自然語言處理（NLP）問題。我們現在希望根據經驗，對用戶最受歡迎和最有幫助的自然語言處理庫進行概述和比較。用戶應該了解我們介紹的所有工具和庫只有部分重疊的任務。所以，有時很難對它們直接進行比較。我們將介紹一些功能，並對人們可能常用的自然語言處理（NLP）庫進行比較。

總體概述

·NLTK（Python自然語言工具包）用於諸如標記化、詞形還原、詞幹化、解析、POS標註等任務。該庫具有幾乎所有NLP任務的工具。

·Spacy是NLTK的主要競爭對手。這兩個庫可用於相同的任務。

·Scikit-learn為機器學習提供了一個大型庫。此外還提供了用於文本預處理的工具。

·Gensim是一個主題和向量空間建模、文檔集合相似性的工具包。

·Pattern庫的一般任務是充當Web挖掘模塊。因此，它僅支持自然語言處理（NLP）作為輔助任務。

·Polyglot是自然語言處理（NLP）的另一個Python工具包。它不是很受歡迎，但也可以用於各種NLP任務。

為了讓比較更加直觀，以下列出展示各個NLP庫優缺點的表格：

結論

在文中，我們比較了幾個流行的自然語言處理庫的一些功能。雖然它們中的大多數都提供了重疊任務的工具，但有一些可以使用獨特的方法來解決具體的問題。當然，目前NLP庫中最受歡迎的軟件包是NLTK和Spacy。他們在NLP領域是主要競爭對手。在我們看來，它們之間的區別在於解決問題的方法不同。

NLTK更具學術性。用戶可以使用它來嘗試不同的方法和算法，將它們組合起來。

相反，Spacy為每個問題提供了一個開箱即用的解決方案。用戶不必考慮哪種方法更好：Spacy的編寫者已經解決了這個問題。此外，Spacy的執行速度非常快（比NLTK快幾倍）。但Spacy的一個缺點是所支持的語言數量有限。但其支持的語言數量將會一直增加。

所以，我們認為Spacy在大多數情況下是用戶的最佳選擇，但如果用戶想嘗試一些特別的東西，可以使用NLTK。

盡管這兩個庫很受歡迎，但還有許多不同的選項，NLP工具包的選擇取決於用戶必須解決的具體問題。

6個頂級Python NLP庫的比較！