
面向下一个十年的自然语言处理。分词、词性标注、命名实体识别、句法与语义依存分析、文档分类。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
37,000
±0 (10月13日〜)
最后提交
2026年11月
GitHub 创建日期
2014年10月9日
收录日
—
自页面创建时收录
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 37,000 |
| 2026年10月 | 37,000 |
| 2026年11月 | 37,000 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
在 PyPI 上的使用
PyPI 包:hanlp, hanlp-common, hanlp-trie, hanlp-restful · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
485,093
来自日本的比例(近一年)
2.7%
依赖它的 PyPI 包
15
其中必需依赖 13
PyPI 月度下载量
以表格显示
| 月份 | 下载量(月) |
|---|---|
| 2019年1月 | 386 |
| 2019年2月 | 329 |
| 2019年3月 | 463 |
| 2019年4月 | 435 |
| 2019年5月 | 483 |
| 2019年6月 | 472 |
| 2019年7月 | 493 |
| 2019年8月 | 402 |
| 2019年9月 | 340 |
| 2019年10月 | 367 |
| 2019年11月 | 417 |
| 2019年12月 | 429 |
| 2020年1月 | 7,909 |
| 2020年2月 | 3,321 |
| 2020年3月 | 3,375 |
| 2020年4月 | 4,035 |
| 2020年5月 | 4,647 |
| 2020年6月 | 3,060 |
| 2020年7月 | 3,233 |
| 2020年8月 | 5,087 |
| 2020年9月 | 5,081 |
| 2020年10月 | 4,563 |
| 2020年11月 | 4,388 |
| 2020年12月 | 7,393 |
| 2021年1月 | 10,467 |
| 2021年2月 | 9,116 |
| 2021年3月 | 12,923 |
| 2021年4月 | 10,136 |
| 2021年5月 | 13,184 |
| 2021年6月 | 11,297 |
| 2021年7月 | 11,693 |
| 2021年8月 | 12,950 |
| 2021年9月 | 21,918 |
| 2021年10月 | 11,273 |
| 2021年11月 | 13,174 |
| 2021年12月 | 15,726 |
| 2022年1月 | 20,173 |
| 2022年2月 | 26,507 |
| 2022年3月 | 32,919 |
| 2022年4月 | 28,435 |
| 2022年5月 | 22,827 |
| 2022年6月 | 21,025 |
| 2022年7月 | 22,140 |
| 2022年8月 | 19,307 |
| 2022年9月 | 21,736 |
| 2022年10月 | 23,832 |
| 2022年11月 | 22,418 |
| 2022年12月 | 22,667 |
| 2023年1月 | 14,931 |
| 2023年2月 | 19,545 |
| 2023年3月 | 33,264 |
| 2023年4月 | 28,886 |
| 2023年5月 | 34,303 |
| 2023年6月 | 15,594 |
| 2023年7月 | 11,656 |
| 2023年8月 | 14,886 |
| 2023年9月 | 9,635 |
| 2023年10月 | 15,854 |
| 2023年11月 | 14,144 |
| 2023年12月 | 14,125 |
| 2024年1月 | 14,998 |
| 2024年2月 | 14,877 |
| 2024年3月 | 25,364 |
| 2024年4月 | 25,557 |
| 2024年5月 | 24,795 |
| 2024年6月 | 21,166 |
| 2024年7月 | 26,459 |
| 2024年8月 | 27,205 |
| 2024年9月 | 24,505 |
| 2024年10月 | 33,200 |
| 2024年11月 | 33,386 |
| 2024年12月 | 32,051 |
| 2025年1月 | 21,986 |
| 2025年2月 | 21,440 |
| 2025年3月 | 33,342 |
| 2025年4月 | 31,820 |
| 2025年5月 | 23,426 |
| 2025年6月 | 26,313 |
| 2025年7月 | 27,042 |
| 2025年8月 | 28,433 |
| 2025年9月 | 41,848 |
| 2025年10月 | 35,075 |
| 2025年11月 | 48,192 |
| 2025年12月 | 40,601 |
| 2026年1月 | 36,437 |
| 2026年2月 | 29,730 |
| 2026年3月 | 42,233 |
| 2026年4月 | 43,883 |
| 2026年5月 | 55,479 |
| 2026年6月 | 55,675 |
| 2026年7月 | 36,259 |
| 2026年8月 | 33,397 |
| 2026年9月 | 27,533 |
| 2026年10月 | 35,674 |
同分类的热门资源
stanzastanfordnlp7.9k用于分词、分句、命名实体识别以及多种人类语言句法分析的 Stanford NLP Python 库。
openmedmaziyarpanahi5.4k本地优先的医疗 AI:完全在设备端运行的临床命名实体识别与符合 HIPAA 的个人信息去标识化。拥有2200多个医疗模型,支持21种语言,兼容 Apple MLX + Python,无需云端,患者数据不会离开您的网络。Apache-2.0 许可。
transformershuggingface167k🤗 Transformers:面向文本、视觉、音频及多模态领域最先进机器学习模型的模型定义框架,同时支持推理与训练。
spaCyexplosion34k💫 Python 实现的工业级自然语言处理(NLP)。
nltknltk15kNLTK 源代码。
spark-nlpJohnSnowLabs4.2k最先进的自然语言处理。
研究领域相近的资源
namacochakki-works40基于字符的命名实体识别。GitHub共同: 命名实体与信息抽取
rake-jakanjirz5021用于日语的快速自动关键词提取算法GitHub共同: 命名实体与信息抽取
MedNER-Jsociocom18最新版本的MedEX/J(日本疾病名称提取器)GitHub共同: 命名实体与信息抽取
huggingface-finetune-japanesetsmatz16用于调整仅编码器和编码器-解码器变压器以适应日语的示例(Hugging Face)资源GitHub共同: 命名实体与信息抽取
negimacocodrips14Negima是一个Python包,可以通过使用您定义的基于词性的规则来提取日语文本中的短语。GitHub共同: 命名实体与信息抽取
entitypediachakki-works13Entitypedia是来自维基百科的扩展命名实体词典。GitHub共同: 命名实体与信息抽取