关于中文词法分析（中文分词、词性标注、命名实体识别）相关的工具，我们在之前已经多次提到过百度LAC（https://github.com/baidu/lac），除了在易用性上稍弱外，其他方面，特别是NER在横向对比中还是很亮眼的。最近百度NLP发布了LAC2.0：开源！我知道你不知道，百度开源词法LAC 2.0帮你更懂中文，看完文章的第一感受就是易用性大大加强了，之前需要通过PaddleNLP或者PaddleHub调用lac，现在 "pip install lac" 后即可直接调用，相当方便。所以花了一点时间，把 LAC2.0 单独作为一个接口部署在AINLP公众号的自然语言处理工具测试平台了，感兴趣的同学可以关注AINLP公众号，通过公众号对话测试，输入"LAC 中文文本"直接获取百度LAC的中文文词、词性标注、NER识别结果： 继续阅读
自去年以来，在AINLP公众号上陆续给大家提供了自然语言处理相关的基础工具的在线测试接口，使用很简单，关注AINLP公众号，后台对话关键词触发测试，例如输入 “中文分词 我爱自然语言处理”，“词性标注 我爱NLP”，“情感分析 自然语言处理爱我"，"Stanza 52nlp" 等，具体可参考下述文章：
五款中文分词工具在线PK: Jieba, SnowNLP, PkuSeg, THULAC, HanLP
中文分词工具在线PK新增：FoolNLTK、LTP、StanfordCoreNLP
Python中文分词工具大合集：安装、使用和测试
八款中文词性标注工具使用及在线测试
百度深度学习中文词法分析工具LAC试用之旅
来，试试百度的深度学习情感分析工具
AINLP公众号新增SnowNLP情感分析模块
斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用
既然中文分词、词性标注已经有了，那下一步很自然想到的是命名实体识别（NER，Named-entity recognition）工具了，不过根据我目前了解到的情况，开源的中文命名实体工具并不多，这里主要指的是一些成熟的自然语言处理开源工具，不是github上一些学习性质的代码。目前明确有NER标记的包括斯坦福大学的NLP组的Stanza，百度的Paddle Lac，哈工大的LTP，而其他这些测试过的开源NLP基础工具，需要从词性标注结果中提取相对应的专有名词，也算是一种折中方案。 继续阅读