
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。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
7,900
±0 (10月13日〜)
最后提交
2026年11月
GitHub 创建日期
2017年9月26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 | 7,900 |
| 2026年10月 | 7,900 |
| 2026年11月 | 7,900 |
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:stanza · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
11,054,692
来自日本的比例(近一年)
1.2%
依赖它的 PyPI 包
166
其中必需依赖 129
PyPI 月度下载量
以表格显示
| 月份 | 下载量(月) |
|---|---|
| 2019年1月 | 319 |
| 2019年2月 | 277 |
| 2019年3月 | 358 |
| 2019年4月 | 289 |
| 2019年5月 | 317 |
| 2019年6月 | 378 |
| 2019年7月 | 658 |
| 2019年8月 | 681 |
| 2019年9月 | 546 |
| 2019年10月 | 563 |
| 2019年11月 | 290 |
| 2019年12月 | 277 |
| 2020年1月 | 313 |
| 2020年2月 | 300 |
| 2020年3月 | 4,079 |
| 2020年4月 | 7,094 |
| 2020年5月 | 11,612 |
| 2020年6月 | 24,736 |
| 2020年7月 | 19,765 |
| 2020年8月 | 19,985 |
| 2020年9月 | 17,245 |
| 2020年10月 | 22,610 |
| 2020年11月 | 25,723 |
| 2020年12月 | 23,370 |
| 2021年1月 | 24,953 |
| 2021年2月 | 31,692 |
| 2021年3月 | 38,533 |
| 2021年4月 | 40,265 |
| 2021年5月 | 40,155 |
| 2021年6月 | 45,762 |
| 2021年7月 | 49,989 |
| 2021年8月 | 53,649 |
| 2021年9月 | 61,940 |
| 2021年10月 | 71,582 |
| 2021年11月 | 65,823 |
| 2021年12月 | 358,883 |
| 2022年1月 | 342,983 |
| 2022年2月 | 470,170 |
| 2022年3月 | 573,100 |
| 2022年4月 | 384,302 |
| 2022年5月 | 434,049 |
| 2022年6月 | 475,901 |
| 2022年7月 | 437,043 |
| 2022年8月 | 345,196 |
| 2022年9月 | 213,230 |
| 2022年10月 | 204,316 |
| 2022年11月 | 182,819 |
| 2022年12月 | 145,621 |
| 2023年1月 | 161,135 |
| 2023年2月 | 155,022 |
| 2023年3月 | 187,485 |
| 2023年4月 | 163,751 |
| 2023年5月 | 162,438 |
| 2023年6月 | 149,698 |
| 2023年7月 | 149,778 |
| 2023年8月 | 186,349 |
| 2023年9月 | 155,950 |
| 2023年10月 | 183,920 |
| 2023年11月 | 226,918 |
| 2023年12月 | 193,120 |
| 2024年1月 | 194,419 |
| 2024年2月 | 175,887 |
| 2024年3月 | 265,839 |
| 2024年4月 | 253,708 |
| 2024年5月 | 340,694 |
| 2024年6月 | 303,341 |
| 2024年7月 | 397,850 |
| 2024年8月 | 442,360 |
| 2024年9月 | 311,647 |
| 2024年10月 | 270,886 |
| 2024年11月 | 261,851 |
| 2024年12月 | 236,425 |
| 2025年1月 | 284,550 |
| 2025年2月 | 307,935 |
| 2025年3月 | 352,844 |
| 2025年4月 | 377,093 |
| 2025年5月 | 425,013 |
| 2025年6月 | 444,848 |
| 2025年7月 | 555,734 |
| 2025年8月 | 662,780 |
| 2025年9月 | 833,952 |
| 2025年10月 | 830,902 |
| 2025年11月 | 761,386 |
| 2025年12月 | 717,725 |
| 2026年1月 | 819,194 |
| 2026年2月 | 816,470 |
| 2026年3月 | 1,083,177 |
| 2026年4月 | 955,292 |
| 2026年5月 | 928,875 |
| 2026年6月 | 1,043,243 |
| 2026年7月 | 1,116,772 |
| 2026年8月 | 1,053,592 |
| 2026年9月 | 760,145 |
| 2026年10月 | 998,821 |
同分类的热门资源
HanLPhankcs37k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。
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