Встречаем русские модели в официальном каталоге Spacy !
Мы плыли, плыли, и наконец приплыли:
https://nightly.spacy.io/models/ru
( вошло в https://github.com/explosion/spaCy/releases/tag/v3.0.0rc3 )
Модели там только для spacy 3.0 , а для версии 2.3 модели у меня: https://github.com/buriy/spacy-ru
огромное спасибо Саше @alexkuk за подготовку релиза и датасетов и немного спасибо мне. И конечно спасибо контрибуторам в spacy-ru , что помогли нам проложить дорогу к светлому будущему. Ещё не всё вошло в этот релиз, только самое основное. Будем улучшать в частности лемматизацию и выделение noun_chunks, а потом и токенизацию. И релиз с трансформерами сделаем.

так и должно быть по нулям?

да, дискуссия здесь: https://github.com/explosion/spaCy/discussions/6628#discussioncomment-278881
если кратко, "To keep things simpler in Spacy (at least initially), we'll also use the same vectors config we use for our other pipelines, where md is pruned to 20K vectors and lg has all 500K vectors (and sm has no vectors)".

spacy использует комбинированную модель, и кроме векторов для слов использует другие внутренние эмбеддинги, поэтому на качестве это не так сильно складывается.

Встречаем русские модели в официальном каталоге Spacy !
Мы плыли, плыли, и наконец приплыли:
https://nightly.spacy.io/models/ru
( вошло в https://github.com/explosion/spaCy/releases/tag/v3.0.0rc3 )
Модели там только для spacy 3.0 , а для версии 2.3 модели у меня: https://github.com/buriy/spacy-ru
огромное спасибо Саше @alexkuk за подготовку релиза и датасетов и немного спасибо мне. И конечно спасибо контрибуторам в spacy-ru , что помогли нам проложить дорогу к светлому будущему. Ещё не всё вошло в этот релиз, только самое основное. Будем улучшать в частности лемматизацию и выделение noun_chunks, а потом и токенизацию. И релиз с трансформерами сделаем.

Коллеги, подскажите, пожалуйста. Кто объединял 2 языковые модели? Каким инструментом вы пользовались?

В каком смысле «объединял»? У нас «архитектура» из нескольких - писали инфраструктурный код на питоне.

Допустим, если есть одна языковая модель из N-грамм (общая лексика), и вторая (созданная под нужный домен) и нужно получить одну языковую модель, которая может использоваться, например, в beam search.

Здравствуйте! А можно ли как-то сохранить множественные число при лемматизации в Наташе?

Сохранить - нет. Но можно посмотреть, какое число было у токена исходно, и в это число его лемму просклонять с помощью pymorphy.