2020年NLP工具链技术回顾

2020年技术回顾：Thinc重构、spaCy v3.0与Prodigy新功能

一月

• 1月28日：Thinc v8.0 alpha发布。这是一个轻量级深度学习库，提供优雅、类型检查的函数式编程API用于模型组合，支持PyTorch、TensorFlow或MXNet等其他框架定义的层。Thinc从头重写以支持spaCy v3.0的新工作流，包括灵活的训练配置系统以及接入任意框架编写的模型实现。

二月

• 2月8日：在PyCon Colombia上，主题演讲《Python中NLP的未来》探讨了新的Python工具和自然语言处理进展如何缩小原型与生产之间的差距，使强大的自然语言理解管道更易交付。
• 2月8日：同场访谈中讨论了spaCy的历史，以及如何进入编程、机器学习和NLP领域。

三月

• 3月2日：Vincent Warmerdam视频系列《spaCy NLP入门》新一期，探索处理管道并训练了一个简单的命名实体识别（NER）模型来检测编程语言。
• 3月16日：端到端视频教程展示如何利用半自动标注和现代迁移学习技术，使用标注工具Prodigy从零训练命名实体识别模型。
• 3月20日：Typer库发布——基于Python类型提示构建现代命令行界面的库。
• 3月24日：Prodigy教程视频展示如何为图像描述构建完全自定义的标注工作流和界面，以及如何接入简单的PyTorch图像描述模型。
• 3月30日：参加Podcast.__init__播客，讨论了Explosion的开发者工具栈以及spaCy、Thinc和Prodigy的下一步计划。

四月

• 4月21日：发布免费spaCy在线课程的首个翻译版《Modernes NLP mit spaCy》，包含德语指令和文本示例。
• 4月26日：参加Chai Time Data Science播客，讨论了NLP之旅、spaCy和Prodigy、开源开发等话题。

五月

• 5月6日：发布免费spaCy在线课程的日语翻译版《spaCy を使った先進的な自然言語処理》。
• 5月7日：端到端视频教程展示如何使用spaCy训练自定义实体链接模型，将人名提及消歧到知识库中的唯一标识符，以及如何从零创建训练数据。
• 5月11日：发布西班牙语版免费spaCy在线课程《NLP avanzado con spaCy》。
• 5月14日：为免费spaCy课程录制了英语和德语视频版本，可作为独立课程在YouTube上观看，或作为互动在线课程的一部分。

六月

• 6月13日：Vincent Warmerdam的《spaCy NLP入门》系列新一期，深入探讨了NER模型性能，使用基于规则的分类器探测错误并改进训练数据。
• 6月16日：发布spaCy v2.3，新增中文、日语、丹麦语、波兰语和罗马尼亚语的训练管道，更新了全部15个模型族（加入词向量并提高准确率），同时减小了模型大小和加载时间。
• 6月16日：Prodigy v1.10.0发布，新增依赖和关系标注、音频和视频标注的多种功能和食谱，以及支持编辑形状和边界框的改进版手动图像标注界面。
• 6月16日：配套视频演示了新Prodigy功能，包括依赖和关系标注、共指消解、生物医学事件抽取、音频视频标注、用于微调Transformer的NER标注等。
• 6月18日：在Rasa的Level 3 AI Assistant会议上，讨论了“设计实用的NLP解决方案”，如何将更大的业务问题分解为可解决的机器学习任务，以及如何减少NLP项目的失败。
• 6月21日：spacy-streamlit发布——包含将spaCy管道集成到Streamlit应用中的构建模块和可视化工具的Python库。
• 6月25日：发布免费在线课程的西班牙语视频版。

七月

• 7月3日：参加Test & Code播客，讨论类型提示、FastAPI和Typer。
• 7月22日：参加Python Bytes播客特别节目（从Manning Python Conference现场录制）。
• 7月22日：发布免费spaCy课程的法语翻译版《NLP avancé avec spaCy》。
• 7月29日：发布中文翻译版《使用 spaCy 做进阶自然语言处理》。

十月

• 10月4日：参加Talk Python播客，讨论使用FastAPI构建现代快速API。
• 10月13日：在DevJourney播客上分享了个人软件开发历程。
• 10月15日：发布spaCy v3.0 nightly预发布版。v3.0包含全新的基于Transformer的管道，将spaCy的准确率提升至当前最先进水平。可使用任意预训练Transformer训练自己的管道，甚至通过多任务学习在多个组件之间共享一个Transformer。训练现在完全可配置和可扩展，可使用PyTorch、TensorFlow等框架定义自定义模型。新的spaCy项目系统允许在单个文件中描述整个端到端工作流，提供从原型到生产的简便路径，并可轻松克隆和适配最佳实践项目以满足自身用例。
• 10月26日：在Global AI Live主题演讲中，展示了即将到来的spaCy v3.0如何使最先进的NLP项目从原型到生产比以往更容易。
• 10月27日：被认定为Python软件基金会成员。
• 10月29日：参加Gradient Dissent播客，讨论spaCy v3.0及其新功能、新版本背后的动机以及沿途所做的各种设计决策。

十一月

• 11月4日：参加Rasa Chats播客，讨论构建弹性NLP应用。
• 11月28日：在PyCon China主题演讲中，讨论了《通过FastAPI及其生态实现现代Python》。

十二月

• 12月4日：为KDNuggets分享了关于2020年AI和机器学习发展以及2021年关键趋势的观点。
• 12月11日：GitHub引入讨论板，正式启动spaCy讨论板。
• 12月14日：启动新一轮向社区发送spaCy贴纸的活动，包含全息风格等新设计。
• 12月28日：参加Talk Python的《Python年度回顾》节目，讨论2020年的收获和2021年的展望。FINISHED