Java 常见nlp任务的效率

我正在尝试制作一个大量使用词性标注的应用程序。但是nltk的词性标注功能在我看来似乎不符合标准，例如：

import nltk
text = "Obama delivers his first speech."

sent  =  nltk.sent_tokenize(text)


loftags = []
for s in sent:
    d = nltk.word_tokenize(s)   

    print nltk.pos_tag(d)

结果:

akshayy@ubuntu：~/summ$python nn1.py [（'Obama'，'NNP'），（'delivers'，'NNS'），（'his'，'PRP$），（'first'，'JJ'），（'speech'，'NN'），（'

与斯坦福NLP相比，这是不好的。现在，当我在Python环境上投入了足够的时间和精力时，转向java对我来说似乎并不现实。此外，与java相比，我更倾向于使用C，因此Python也更适合于将来的使用。因此，第一个问题是： 1） 你真的认为Java更适合nlp任务，因为有大量可用的工具。我做了很好的研究，发现java有更大的社区致力于nlp任务

---

2） 相反，有没有什么好的方法可以让我创建自己的句子解析器，然后再创建pos-tagger，以便灵活地修改将来使用的任何语言

您肯定应该使用一个基于Java的POS标记器。我用标签，但还有其他的。NLTK主要是一种教学工具包，不用于工业强度用途。基于Java的标记器也会更快

---

但是，使用Java工具包并不妨碍您使用Python进行工作。用Python编写一个只运行Java命令并解析结果以便在Python代码中使用的包装器类非常简单。

Python有非常好的XML/HTML解析库，如Beautiful Soup[6]和Scrape.py[7]。您可以使用这些库快速浏览web并生成大型数据集，以提高模型的性能（因为让我们面对现实，大数据胜过复杂性） 考虑其他选项：对于这种类型的工作，使用诸如 C++ +java /Stult>这样的编译语言是没有意义的，除非您需要提高性能（计算速度，而不是模型精度）。据我所知，Ruby对于任何机器学习、数据挖掘或自然语言处理任务都毫无用处。也许您可以使用Lisp，但在这一点上，Python有一个更大的生态系统。 在这里阅读更多