我一直在对这两个软件包进行一些比较，但不确定该朝哪个方向发展。我简要地寻找的是：
据我所知，OpenNLP和Stanford CoreNLP公开了非常相似的功能。然而，Stanford CoreNLP看起来有更多的活动，而OpenNLP在过去六个月里只有几次提交。
根据我所看到的，OpenNLP似乎更容易训练新模型，并且可能仅仅因为这个原因而更具吸引力。但是，我的问题是，其他人会从什么开始作为将NLP功能添加到Java应用程序的基础？我最担心的是OpenNLP是“刚刚成熟”还是半废弃的。
完全公开地说，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，关于你的三个标准：
命名实体识别：我认为CoreNLP显然在这里获胜，无论是在准确性还是易用性方面。首先，OpenNLP的每个NER标签都有一个模型，而CoreNLP用一个注释器检测所有标签。此外，使用SUTime的时间分辨率在CoreNLP中是一个不错的好处。准确性方面，我的轶事经验是CoreNLP在通用文本上做得更好。
性别认同。我认为这两个工具在这方面都记录得有点差。OpenNLP似乎有一个性别模型类;CoreNLP有一个性别注释器。
训练 API。我怀疑OpenNLP训练API对于非现成的训练来说更容易使用。但是，如果您只想从CoNLL文件训练模型，那么两者都应该很简单。使用CoreNLP的训练速度往往比我尝试过的其他工具更快，但我还没有正式对其进行基准测试，因此请谨慎对待。
这里有点晚了，但我最近看到OpenNLP只是基于斯坦福大学获得GPL许可的事实 - 如果这对你的项目没问题，那么斯坦福大学通常被称为NLP的基准/最先进的。
也就是说，预训练模型的性能将取决于您的目标文本，因为它非常特定于域。如果您的目标文本与训练模型所针对的数据相似，那么您应该获得不错的结果，但如果不是，那么您将必须自己训练模型，这将取决于训练数据。
OpenNlp的一个优点是它非常可扩展，并且编写是为了便于与其他库一起使用，并且具有用于集成的良好API - 训练非常简单（一旦你有了训练数据）与OpenNLP（我在这里写了它 - 使用一个非常糟糕的生成数据集，我能够获得识别食物的结果）， 而且它非常可配置 - 您可以非常轻松地配置有关训练的所有参数，并且可以使用一系列算法（感知器，最大熵，并且在快照版本中，它们添加了朴素贝叶斯)
如果你发现你确实需要自己训练模型，我会考虑尝试OpenNlp，看看它的表现如何，只是为了进行比较，因为通过微调，你可以得到相当不错的结果。
