Здравствуйте, проблема с NamesExtractor(). Версия natasha 1.1.0

Всем привет. Что я не так делаю - сравнил производительность yargy и tomita на Linux, Python3, задача получение физлица и организации(в наташе из коробки, в томите самописные правила), список из 1500 текстов. По данным измерений - в среднем tomita парсит за 0.27 сек, в то время, как наташа - за 0.07 сек. Yargy+Natasha в 3+ раза быстрее, чем Tomita,

с чем это может быть связано, с необходимостью постоянно дергать бинарь томиты или криворукими правилами для томиты, и как тогда другие люди меряют, все те, кто утверждает, что tomita быстрее, чем yargy? Тут кто нибудь сравнивал производительность двух этих инструментов? Подскажите, пзл, кто имел боевой опыт, в какую сторону копать

Да, конечно, нужно запускать Томиту в пакетном режиме. Если сравнивать с Наташей версии <1.0 Томита должна быть в ~6 раз быстрее. Это если Наташа запущена под PyPy. Если под обычным Python разница ещё больше. Пример как запускать Томиту в поточном режиме в виде веб-сервиса https://github.com/natasha/naeval/blob/master/docker/tomita-algfio/app.py

Друзья, а можете поделиться вашим любимым способом майнить синонимы для [преимущественно русских] слов?

Что пока пришло мне в голову:
1) Воспользоваться готовым тезаурусом. По точности - идеально, но заметно не хватает полноты.
2) Брать ближайших соседей по словным эмбеддингам из языковой модели. Тут, наоборот, с полнотой всё ок, но точность плохая: для "можно" ближайшие соседи "невозможно" и "нельзя".
3) Тоже соседи по эмбеддингам, но не из языковой модели (которая не отличает синонимы от антонимов), а из какой-нибудь модели-переводчика. Кажется, должно быть лучше. Вопрос: какую предобученную модель для русского языка посоветуете?
4) Ваши варианты?