spaCy

简介

spaCy 是由 Explosion 公司(Matthew Honnibal 与 Ines Montani 创立)开发的开源自然语言处理库,定位「工业级 NLP」,核心以 Cython 编写,强调速度、稳定 API 与生产可用性。

功能

spaCy 提供分词、词性标注、依存句法分析、命名实体识别、文本分类、词向量与规则匹配等能力,以「流水线(pipeline)」方式组织组件,官方为数十种语言发布不同规格的预训练模型。3.x 版本引入基于 Transformer 的流水线,并内置配置系统和训练工作流。

特点

与偏教学的 NLTK 不同,spaCy 对每个任务只提供精选实现而非罗列所有算法;其 Doc、Token、Span 对象设计简洁,处理速度快,适合大规模文本处理。配套的 Prodigy 是同团队开发的商业标注工具。

应用

广泛用于信息抽取、内容分析、聊天机器人预处理等生产场景。