我一直在对这两个包进行一些比较，不确定该往哪个方向发展。我正在寻找的简要内容是：
据我所知，OpenNLP 和 Stanford CoreNLP 的功能非常相似。然而，Stanford CoreNLP 看起来有更多的活动，而 OpenNLP 在过去六个月中只有少数提交。
根据我所见，OpenNLP 似乎更容易训练新模型，并且仅出于这个原因可能更具吸引力。然而，我的问题是其他人会从什么开始作为向 Java 应用程序添加 NLP 功能的基础？我最担心的是 OpenNLP 是“刚刚成熟”还是半被遗弃。
【问题讨论】：
标签： java stanford-nlp opennlp
完全公开，我是 CoreNLP 的贡献者，所以这是一个有偏见的答案。但是，在我看来，您的三个标准：
命名实体识别：我认为 CoreNLP 在准确性和易用性方面明显胜出。一方面，OpenNLP 每个 NER 标签都有一个模型，而 CoreNLP 使用单个注释器检测所有标签。此外，使用 SUTime 进行时间分辨率是 CoreNLP 中的一个不错的优点。在准确性方面，我的轶事经验是 CoreNLP 在通用文本上做得更好。
性别识别。我认为这两种工具在这方面的记录都很少。 OpenNLP 似乎有一个 GenderModel 类； CoreNLP 有一个性别注释器。
培训 API。我怀疑 OpenNLP 训练 API 更易于使用，而不是现成的训练。但是，如果您只想从 CoNLL 文件中训练模型，那么两者都应该很简单。与我尝试过的其他工具相比，CoreNLP 的训练速度往往更快，但我还没有正式对其进行基准测试，因此请谨慎对待。
【讨论】：
这里有点晚了，但我最近只是基于斯坦福获得 GPL 许可这一事实来研究 OpenNLP——如果这对你的项目来说没问题，那么斯坦福通常被称为 NLP 的基准/最新技术.
也就是说，预训练模型的性能将取决于您的目标文本，因为它是特定领域的。如果您的目标文本与模型训练所针对的数据相似，那么您应该会得到不错的结果，但如果不是，那么您将不得不自己训练模型，这将取决于训练数据。
OpenNlp 的一个优势在于它非常可扩展，并且为易于与其他库一起使用而编写，并且具有用于集成的良好 API - 使用 OpenNLP (I wrote about it here - with a pretty lousy generated data set I was able to get ok results identifying foods) 的训练非常简单（一旦你有了训练数据） ，而且它是非常可配置的——你可以很容易地配置所有的训练参数，并且有一系列你可以使用的算法（感知器、最大熵、and in the snapshot version they have added Naive Bayes）
如果您发现确实需要自己训练模型，我会考虑尝试 OpenNlp 并查看它的性能以进行比较，因为通过微调可以获得相当不错的结果。
【讨论】：
这取决于你的目的和需要，我知道这两个是OpenNLP 是开源的，CoreNLP 不是当然。
但是如果你看一下准确度，Stanford CoreNLP 的检测比OpenNLP 更准确。最近我对两者的Part Of Speech (POS) 标记进行了比较，是的，这是任何 NLP 任务中最重要的部分，所以在我的分析中，获胜者是CoreNLP。
与OpenNLP 相比，NER 和CoreNLP 的结果更准确。
因此，如果您刚刚开始，您可以稍后使用OpenNLP，如果需要，您可以迁移到Stanford CoreNLP。
【讨论】：