Java ou Python para Processamento De Linguagem Natural [fechado]

Java vs Python para NLP é muito uma preferência ou necessidade. Dependendo da empresa / projetos você precisará usar um ou outro e muitas vezes não há muita escolha a menos que você esteja dirigindo um projeto.

Excepto:NLTK (www.nltk.org), existem na verdade outras bibliotecas para processamento de texto Em python:

• TextBlob: http://textblob.readthedocs.org/en/dev/
• Gensim : http://radimrehurek.com/gensim/
• Padrão: http://www.clips.ua.ac.be/pattern
• picante:: http://spacy.io
• Laranja: http://orange.biolab.si/features/
• Abacaxi: https://github.com/proycon/pynlpl

(para mais, veja https://pypi.python.org/pypi?%3Aaction=search&term=natural+language+processing&submit=search)

Para Java, Há toneladas de outros, mas aqui está outra lista:

• libertação: http://nlp.lsi.upc.edu/freeling/
• OpenNLP: http://opennlp.apache.org/
• LingPipe: http://alias-i.com/lingpipe/
• Stanford CoreNLP : http://stanfordnlp.github.io/CoreNLP/ (vem com embalagens para outras línguas, incluindo o python)
• CogComp NLP: https://github.com/CogComp/cogcomp-nlp

Esta é uma boa comparação para o processamento básico de texto, Veja http://nltk.googlecode.com/svn/trunk/doc/howto/nlp-python.html

Uma comparação útil do portal vs UIMA vs OpenNLP, ver https://www.assembla.com/spaces/extraction-of-cost-data/wiki/Gate-vs-UIMA-vs-OpenNLP?version=4

Se você está incerto, Qual é a língua para ir para NLP, pessoalmente eu digo, "qualquer língua que lhe dará a análise/saída desejada", veja que língua ou ferramentas para aprender para o processamento da linguagem natural?

Uma lista mais antiga de NLP ferramentas (2013): http://web.archive.org/web/20130703190201/http://yauhenklimovich.wordpress.com/2013/05/20/tools-nlp

Para além das ferramentas de processamento da linguagem, seria muito necessário machine learning ferramentas a incorporar nos oleodutos NLP.

Há uma gama completa em Python e Java, e mais uma vez depende da preferência e se as bibliotecas são suficientemente amigáveis:

• Sklearn (Scikit-learn): http://scikit-learn.org/stable/
• Leite: http://luispedro.org/software/milk
• Scipy: http://www.scipy.org/
• Theano: http://deeplearning.net/software/theano/
• PyML: http://pyml.sourceforge.net/
• cérebro de bexiga : http://pybrain.org/
• Graphlab Create (ferramenta comercial mas licença académica gratuita durante 1 ano): https://dato.com/products/create/

(para mais, ver https://pypi.python.org/pypi?%3Aaction=search&term=machine + aprendizagem e Envio=pesquisa)

• Weka: http://www.cs.waikato.ac.nz/ml/weka/index.html
• martelo : http://mallet.cs.umass.edu/
• Mahout: https://mahout.apache.org/

Com o recente (2015) aprendizagem profunda tsunami em PNL, possivelmente, você poderia considerar: https://en.wikipedia.org/wiki/Comparison_of_deep_learning_software

Outras questões de Stackoverflow que também pediram NLP / ML Ferramentas:

• aprendizagem de máquinas e processamento de línguas naturais
• o que são bons pontos de partida para alguém interessado no processamento da linguagem natural?
• processamento de línguas naturais
• Processamento De Linguagem Natural em Java (NLP)
• existe uma boa biblioteca de processamento de linguagem natural
• inicialização simples do processamento da linguagem Natural para Java
• o quê? as bibliotecas oferecem métodos NLP básicos ou avançados?
• as últimas boas línguas e livros para o processamento de línguas naturais, o básico
• (para NER) extracção/reconhecimento de Entidades com ferramentas livres enquanto alimentava o Índice de Luceno
• (com o PHP) ferramentas de programação NLP usando o PHP?
• (com Ruby) https://stackoverflow.com/questions/3776361/ruby-nlp-libraries

Python

Em termos de Python, o primeiro lugar que você deve olhar é o Python Natural Language Toolkit . Como eles notam em sua descrição, NLTK é uma plataforma líder para construir programas Python para trabalhar com dados de linguagem humana. Fornece interfaces fáceis de usar para mais de 50 corpora e recursos lexicais, como WordNet, juntamente com um conjunto de bibliotecas de processamento de texto para classificação, tokenização, stemming, tagging, análise e raciocínio semântico.

Também há um código excelente que você pode procurar que se originou a partir do projeto Toolkit linguagem Natural do Google que é baseado em Python. Você pode encontrar um link para esse código aqui no GitHub .

Java

O primeiro lugar a procurar seria Stanford's Natural Language Processing Group. Todo o software que é distribuído lá é escrito em Java. Todas as distribuições recentes requerem Oracle Java 6+ ou OpenJDK 7+. Pacotes de distribuição incluem componentes para invocação de linha de comando, arquivos jar, uma API Java e código fonte.

Outra grande opção que você vê em muitos ambientes de aprendizagem de máquinas aqui (opção geral), é Weka . Weka é uma coleção de algoritmos de aprendizagem de máquinas para tarefas de mineração de dados. Os algoritmos podem ser aplicados diretamente a um conjunto de dados ou chamados a partir de seu próprio código Java. Weka contém ferramentas para pré-processamento de dados, classificação, regressão, agrupamento, regras de associação e visualização. É também adequado para o desenvolvimento de novos sistemas de aprendizagem por máquina.