近期，尝试了各类的分词及词性标注工具，包括如下软件：
| 工具 | 中英文支持 | 其他说明 |
| 中科院的ICTCLAS | 中英 | CPP，多语言接口 |
| 清华大学的THULANC | 中，英较差 | 多语言支持 |
| 哈工大的LTP | 中 | CPP，多语言接口 |
| 复旦的FudanDNN | 中 | Java |
| 东北大学的NiuParser | 中，英较差 | CPP |
| 斯坦福的Stanford | 中英 | Java |
| Ansj | 中 | Java |
| Jieba | 中 | Python |
| Word | 中 | Java |
| HanLP | 中 | Java |
| LingPipe | 英，中较差 | Java |
| OpenNLP | 英 | Java |
| NLTK | 英 | Python |
| Gate | 英 | Java，GUI，但不太符合程序员思维逻辑 |
| lucene-analyzers-smartcn | 中 | Java，只分词，不标词性 |
此外，还有几个工具，由于时间关系，没有进行测试，有兴趣的话可以看一下：
mmseg4j
paoding
jcseg
IK-Analyzer
总结如下：
1、无论是英文还是中文，其分词及标注词性的技术已经相对比较成熟；
2、英文和中文完全是两个体系，中文还是国内做的好一些
3、算法是公开的，因此很多时候，模型库比算法要一些
4、模型库够用就好，不是越大越好。尤其是特定语境下的模型库，自己训练的会更好用
5、英文的模型库比国内好太多了，看着好羡慕啊
6、希望国内的科研可以更有套路、更有组织、更专业化一些