zemberek-nlp

收录理由

土耳其语属于黏着语，词形变化极其丰富，通用NLP工具链往往在此失效。Zemberek-NLP是为数不多能正确处理这种语言的开源工具包，以Java库形式提供，可方便地通过Maven引入。它覆盖了词法分析与词形生成、分词及句界检测、拼写检查与噪声文本规范化、命名实体识别、基于fastText Java移植版的文本分类，以及语言识别。所有模块还能打包成一个包含全部依赖的完整jar，配合命令行应用使用；另有gRPC服务可让Python或Go等语言直接复用这些能力，无需编写Java代码。需要提醒的是，该项目目前处于缓慢维护状态，最后一次发布停留在2019年，因此更适合作为稳定可靠的基础组件，而非仍在持续演进的新工具。