主要參考網站是oschina裡面收錄的內容： 中科院中文分詞 ICTCLAS 這個據說效率挺高，但不是純開源版本，裡面有個文章12年7月1日失效，就是由於授權協議失效，所以要用到這個類庫的時候要小心了，當然你可以購買版權。 還有一個重要的問題是官網打不開。http://www.ictclas.org 協議未知 中文分詞軟件包 LibMMSeg LibMMSeg 是Coreseek.com為 Sphinx 全文搜索引擎設計的中文分詞軟件包，其在GPL協議下發行的中文分詞法，采用Chih-Hao Tsai的MMSEG算法。 LibMMSeg 采用C++開發，同時支持Linux平台和Windows平台，切分速度大約在500K/s（酷睿 2.4G）；截至目前版本LibMMSeg沒有為速度做過特殊優化，進一步的提升切分速度仍有空間。 官方網站http://www.coreseek.cn/opensource/mmseg/ 簡易中文分詞系統 SCWS 這是一套基於詞頻詞典的機械中文分詞引擎，采用的是自行采集的詞頻詞典，並輔以一定程度上的專有名稱、人名、地名、數字年代等規則集， SCWS 采用純 C 代碼開發，以 Unix-Like OS 為主要平台環境，提供共享函數庫，方便植入各種現有軟件系統。此外它支持 GBK，UTF-8，BIG5 等漢字編碼 效率：准確: 95%, 召回: 91%, 速度: 1.2MB/sec 協議： BSD 許可協議開源發布 最新版本 2013-1-15: SCWS-1.2.1 Released. 中文句法分析器 ctbparser 一個用C++實現的 中文句法分析 工具包，采用的是中文賓州樹庫標准(Chinese Tree Bank)，該句法分析工具采用了標准的圖模型算法，即最大生成樹算法(projective Maximum Spanning Tree)。 效率：ctbparser分詞得到95.3% F1值，詞性標注精度94.27%，句法分析精度81%。處理速度（包括分詞、詞性標注、句法分析）的速度是每秒30句，內存占用為270M。（操作系 統：64位CentOS 5，CPU: Intel(R) Xeon(R) E5405, 2.00GHz） 授權協議： LGPL 最新版本：2012-2-3 0.12版本 中文分詞開源版 CRF CRF中文分詞開源版僅僅包含CRF++軟件包中分詞解碼器部分，簡化了CRF++復雜代碼結構，清除了分詞解碼器不需要的代碼，大大提高了分詞解碼器的可讀性和可懂度。 技術支持：http://langiner.blog.51cto.com/ 2010-08-20之後沒有更新 授權協議：非開源 最新版本未知 中文分詞庫 NlpBamboo bamboo是一個中文語言處理系統。目前包括中文分詞和詞性標注部分。算法字構詞的分詞方法CRF++。 效率未知 網站：http://code.google.com/p/nlpbamboo/ 授權協議： BSD 最新版本 ：2010-10 1.1.1版本，官方說明短期後面不會更新 C語言開源高性能中文分詞器 friso friso中文分詞器friso是使用c語言開發的一個開源中文分詞器，使用流行的mmseg算法實現。 1。目前最高版本：friso 0.1，只支持UTF-8編碼。【源碼無需修改就能在各種平台下編譯使用，加載完20萬的詞條，內存占用穩定為14M。】。 2。mmseg四種過濾算法，分詞准確率達到了98.41%。 3。支持自定義詞庫。在dict文件夾下，可以隨便添加/刪除/更改詞庫和詞庫詞條，並且對詞庫進行了分類。 4。詞庫使用了friso的Java版本jcseg的簡化詞庫。 5。支持中英混合詞的識別。例如：c語言，IC卡。 7。很好的英文支持，電子郵件，網址，小數，分數，百分數。 8。支持阿拉伯數字基本單字單位的識別，例如2012年，5噸，120斤。 9。自動英文圓角/半角，大寫/小寫轉換。 二。分詞速度 測試環境：2.8GHZ/2G/Ubuntu 簡單模式：3.7M/秒 復雜模式：1.8M/秒 授權協議： LGPL 最新版本：2012-12-28日 綜合來看 簡易中文分詞系統 SCWS和C語言開源高性能中文分詞器 friso是在最近更新的，應該最近會有支持。 僅僅是個人理解。 下面是網上的一個人的評論： 但市場上提供免費甚至開源的分詞引擎不多，中科院研發的ictclas30分詞精確度和分詞速度都非常不錯，而且還有詞性標注和自定義添加詞的功能，可惜不開源。另外比較受歡迎的還有libmmseg和SCWS，因此都是開源的，不過經測試libmmseg的分詞精度似乎不高，而SCWS由於使用了大量的遞歸，在生成詞庫的時候經常導致棧溢出（我是用vc2005編譯的），需要自己將遞歸修改為循環，從演示的情況來看，SCWS的分詞精度來算可以。
