Introducing spaCy v3.6
2023年7月7日 | 阅读时间约3分钟
我们很高兴发布自然语言处理库 spaCy 的 v3.6 版本。spaCy v3.6 将 span finder（跨度查找器）组件添加到了核心库中，并为斯洛文尼亚语引入了训练管道。
SpanFinder 组件
SpanFinder 组件通过识别跨度起始和结束的标记，来识别潜在的重叠、未标记的文本跨度。它旨在与像 SpanCategorizer（跨度分类器）这样的组件结合使用，后者可以进一步筛选或标注这些跨度。关于跨度查找器设计的更详细介绍，请参阅相关的博客文章。
要训练一个包含 span_finder 和 spancat 的管道，需将 span_finder（及其所需的 tok2vec 或 transformer）添加到 [training.annotating_components] 配置中，以便 spancat 组件能够直接根据其预测结果进行训练：
[nlp]
pipeline = ["tok2vec","span_finder","spancat"]
[training]
annotating_components = ["tok2vec","span_finder"]
语言更新
- 对马来语的初步支持。
- 对拉丁语名词组块及其他功能的更新。
了解更多关于所有改进、更新和错误修复的详细信息：
- v3.6 使用说明
- v3.6.0 版本发布说明
训练管道
新训练管道
v3.6 为斯洛文尼亚语引入了新的训练管道，这些管道使用了可训练的词汇还原器和 floret 向量。
| 包名 | UPOS | Parser LAS | NER F1 |
|---|---|---|---|
sl_core_news_sm | 96.9 | 82.1 | 62.9 |
sl_core_news_md | 97.6 | 84.3 | 73.5 |
sl_core_news_lg | 97.7 | 84.3 | 79.0 |
sl_core_news_trf | 99.0 | 91.7 | 90.0 |
特别感谢 Luka Dragar 对新管道提供的帮助！
管道更新
英语管道已更新，改进了对各种撇号缩写的处理，并将 "get" 作为被动助动词进行了词汇还原。
spaCy 生态的新成员
自 v3.5 版本以来，许多很酷的新插件、扩展和管道已被添加到 spaCy 生态系统中：
- LatinCy：用于拉丁语 NLP 的合成训练 spaCy 管道。
- parsigs：使用 spaCy 简化处方文本的结构化。
- Sentimental Onix：使用 onnx 处理情感模型。
- spaCysee：可视化 spaCy 的依存句法分析、词性标注和形态分析。
- spaCy-SetFit：一种将 SetFit 与 spaCy 结合使用的简单直观的方法。
- spaCy Visual Studio Code Extension：在 VS Code 中处理 spaCy 的配置文件。
- spacy-wasm：使用 WebAssembly 在浏览器中运行 spaCy。
- SpanMarker：在 spaCy 中轻松实现最先进的命名实体识别。
- Vetiver：对模型进行版本控制、共享、部署和监控。
资源
- spaCy v3.6：v3.6 的新特性
- 发布说明：详细概述
- spaCy 模型目录：下载训练好的管道
- spaCy 生态系统：项目、插件和扩展
- spaCy 项目模板：端到端 NLP 工作流
- 视频教程：YouTube 上更深入的 spaCy 内容
