本文介绍了一套工业级的匈牙利文处理模型，通过平衡资源效率和准确性，实现了接近最新技术水平的性能。这些模型在 spaCy 框架中实现，并且通过对其架构进行了多项改进，扩展了 HuSpaCy 工具包。与现有的匈牙利文自然语言处理工具相比，我们的所有流程均具备基本的文本处理步骤，包括分词、句子边界检测、词性标注、形态特征标注、词形还原、依存句法分析和命名实体识别，并且高度准确且吞吐量大。我们全面评估了所提出的改进，将这些流程与最新技术的工具进行了比较，并展示了新模型在所有文本预处理步骤中具有竞争力的性能。所有实验都可以重现，并且这些流程可在许可证下免费使用。

Aug, 2023

本文提出了一种混合词形还原器，使用神经模型、字典和手工规则的混合架构，在广泛使用的匈牙利语数据集上获得了实验结果，并发表了三种 HuSpaCy 模型。

Jun, 2023

本文描述了一个新的生物医学 / 科学文本处理工具，名为 scispaCy，它大量利用了 spaCy 库，通过两个模型包的性能表明其在多个任务和数据集上的稳健性。

Feb, 2019

我们介绍了 calamanCy，这是一个用于构建 Tagalog 自然语言处理 (NLP) 流水线的开源工具包。它建立在 spaCy 之上，可以方便地进行实验和与其他框架的集成。calamanCy 通过提供一致的 API 来构建 NLP 应用程序，并提供具备依赖解析、词性标注和命名实体识别等功能的通用多任务模型，填补了开发领域的空白。calamanCy 旨在通过在一个统一的框架中整合分散的资源，加速 Tagalog NLP 的进展。可以在 GitHub 上获取 calamanCy 工具包：this https URL

Nov, 2023

通过 HuggingFace Transformers 设计的 HugNLP 统一和全面地涵盖了自然语言处理的库，包含模型、处理器和应用层次结构，支持在不同的 NLP 任务上预训练语言模型的学习过程， 并且还提供了一些特色的 NLP 应用程序，如知识增强的 PLMs、通用信息提取、低资源挖掘和代码理解和生成，等等。

Feb, 2023

介绍了 medspaCy，这是一个基于 spaCy 框架的可扩展的、开源的临床自然语言处理（cNLP）库，它允许灵活地集成基于规则和基于机器学习的算法来适应临床文本，包括多种元素，可以满足常见的 cNLP 需求，如上下文分析和映射到标准术语。

Jun, 2021

mahaNLP 是一个针对马拉地语开发的开源自然语言处理（NLP）库，旨在增强 NLP 领域中对资源匮乏的印度语言马拉地的支持，它是一个易于使用、可扩展和模块化的工具包，基于最先进的 MahaBERT-based transformer 模型进行马拉地文本分析。

Nov, 2023

本文介绍了 LatinCy，一组通用的、训练有素的拉丁语 “核心” 工作管道，适用于自然语言处理框架 spaCy。该模型是基于大量的可用拉丁语数据训练的，包括五个拉丁通用依赖树库，可与彼此兼容的预处理。结果是，对于许多自然语言处理任务，我们得到了一组具有良好性能的拉丁语通用模型。本文描述了模型训练及其训练数据和参数化，并介绍了拥有 spaCy 模型对于拉丁语研究人员的优势。

May, 2023

本文介绍了一个能够支持自然语言处理工作流的开源框架，该框架包含了一个统一的数据表示方法和一个包含处理器、可视化和注释的大型处理库，提供了简单组装和互操作性，并能够轻松扩展以接入其他自然语言和深度学习库。

Mar, 2021

提出了一种能够适用于多种自然语言处理任务（包括词性标注、Chunking、命名实体识别和语义角色标注）的统一神经网络架构和学习算法，该系统可以通过学习大量无标注训练数据的内部表示，避免任务特定的工程方法，并构建一个具有良好性能和最小计算要求的可用标记系统。

Mar, 2011