• NLTK is used primarily for general NLP tasks (tokenization, POS tagging, parsing, etc.)
• Sklearn is used primarily for machine learning (classification, clustering, etc.)
• Gensim is used primarily for topic modeling and document similarity.

通常，
NLTK主要用于一般NLP任务（标记化，POS标记，解析等）
Sklearn主要用于机器学习（分类，聚类等）
Gensim主要用于主题建模和文档相似性。
话虽如此，NLTK为Sklearn的分类器提供了一个很好的包装器 -
nltk.classify包
结合Scikit-Learn和NTLK
Python NLP - NLTK和scikit学习

而且，更为混淆的是，还有TextBlob：简化文本处理

和spaCy.io | 构建明天的语言技术 -
旨在提供行业准备的NLP模块而不是NLTK，
包括用于每个标记化，POS标记和解析的单个快速算法和用于相似性计算的字矢量。

我建议你根据你的需要混合搭配。