OpenNLP vs斯坦福大学CoreNLP

Question

我对这两个软件包做了一些比较，不确定应该朝哪个方向发展。我想简要介绍的是：

1. 命名实体识别（人员、地点、组织等）

据我所知，OpenNLP和Stanford CoreNLP公开了非常相似的功能。然而，斯坦福大学的CoreNLP看起来有更多的活动，而OpenNLP在过去六个月里只有几次提交。

根据我所看到的，OpenNLP似乎更容易训练新的模型，仅仅因为这个原因可能更具吸引力。然而，我的问题是，其他人会以什么作为向Java应用程序添加NLP功能的基础？我最担心的是OpenNLP是“刚刚成熟”还是半废弃。

Answer 1

这取决于你的目的和需要，我对这两个方面的了解是OpenNLP是开源的，CoreNLP当然不是。

但是如果你看一下准确度水平，斯坦福CoreNLP的检测比OpenNLP的检测更准确。最近，我对词性（POS）标记和yes进行了比较，这是任何NLP任务中最重要的部分，因此在我的分析中，获胜者是CoreNLP。

与OpenNLP相比，CoreNLP也有更准确的结果。

因此，如果您刚刚开始，您可以稍后使用OpenNLP，如果需要，您可以迁移到Stanford CoreNLP。

Answer 2

这里有点晚了，但我最近看OpenNLP只是基于斯坦福是GPL许可的事实——如果这对你的项目没问题，那么斯坦福通常被称为NLP的基准/最先进的。

也就是说，预训练模型的性能将取决于您的目标文本，因为它非常特定于领域。如果您的目标文本与模型训练所针对的数据相似，那么您应该会得到不错的结果，但如果不是，那么您将不得不自己训练模型，这将取决于训练数据。

OpenNlp的一个优点是它的可扩展性很强，编写时便于与其他库一起使用，并且有一个很好的API用于集成——培训非常简单（一旦你有了培训数据）与OpenNlp（我在这里写过它——生成的数据集非常糟糕，我能够得到很好的结果），而且它是非常可配置的——你可以很容易地配置训练周围的所有参数，你可以使用一系列算法（感知器、最大熵，在快照版本中，他们添加了朴素贝叶斯）

如果您发现确实需要自己训练模型，我会考虑试用OpenNlp，看看它的性能如何，只是为了进行比较，就像微调可以得到相当不错的结果一样。

Answer 3

我是CoreNLP的撰稿人，所以这是一个有偏见的答案。但是，在我看来，关于你的三个标准：

>

性别识别。我认为这两个工具在这方面的记录都很糟糕。OpenNLP似乎有一个GenderModel类；CoreNLP有一个性别注释器。

培训API。我怀疑OpenNLP培训API更容易用于非现成的培训。但是，如果你想做的只是，例如，从CoNLL文件中训练模型，那么这两种方法都应该很简单。与我尝试过的其他工具相比，CoreNLP的训练速度往往更快，但我还没有正式对其进行基准测试，所以对此持保留态度。