新增语言支持

spaCy v2.3提供五种新语言模型：

• 中文、丹麦语、日语、波兰语、罗马尼亚语
  其中中文和日语模型首次采用外部库（pkuseg/SudachiPy）进行分词，中文模型在OntoNotes数据集上达到94.6%的分词准确率。

模型性能优化

1. 词向量改进：

   • 大模型（lg）包含50万唯一词向量
   • 中模型（md）保留2万高频词向量
   • 采用FastText框架训练（CBOW/300维/5字符n-gram）
   • 立陶宛语NER任务的F值从66%提升至70.1%

2. 体积与速度：

   • 中型模型体积减少50%
   • 英文大模型缩小120MB
   • 带向量模型的加载速度提升2-4倍

技术细节

• 训练数据：基于Universal Dependencies v2.5更新，荷兰语标注准确率提升3%
• 词性标注：优化法语等语言的合并标签（如ADP_DET）
• 兼容性：需通过python -m spacy validate检查旧模型兼容性

生态更新

• 新增日语/德语/西班牙语在线课程
• 发布实体链接定制教程
• 预告v3版本将改进训练配置系统