用于文本处理（文本挖掘，信息检索，自然语言处理）的Python或Java

| 关闭。这个问题是基于意见的。它当前不接受答案。

已邀请:

4 个回复

两者都很好。 Java在文本处理方面投入了大量精力。斯坦福大学的文本处理系统，OpenNLP，UIMA和GATE似乎是主要参与者（我知道我想念一些）。在玩了几分钟之后，您就可以在大型语料库上运行StanfordNLP模块了。但是，它具有主要的内存要求（使用时约为3 GB）。 NLTK，Gensim，Pattern和许多其他Python模块非常擅长文本处理。它们的内存使用情况和性能非常合理。 Python可以扩展，因为文本处理是一个非常容易扩展的问题。解析/标记/分块/提取文档时，可以非常轻松地使用多处理。一旦您将文本输入任何种类的特征向量，便可以使用numpy数组，我们都知道numpy有多伟大... 我从NLTK中学到了知识，Python极大地帮助了我减少开发时间，因此，我认为您应该首先尝试一下。他们也有一个非常有用的邮件列表，我建议您加入。如果您有自定义脚本，则可能需要查看它们在PyPy中的表现如何。