Annif-työkalun versio 0.53 on julkaistu. Tässä julkaisussa on mukana kaksi uutta tausta-algoritmia, Yake ja SVC. YAKE on uusi leksikaalinen tausta-algoritmi, joka ei tarvitse koulutusaineistoa. Tällä hetkellä sen suorituskyky ei vastaa muiden leksikaalisten algoritmien tasoa, mutta se avaa joka tapauksessa uusia mielenkiintoisia mahdollisuuksia. Tulevaisuudessa sillä saattaa pystyä tuottamaan asiasanaehdotuksia myös sanaston ulkopuolelta. Lisätietoa https://github.com/NatLibFi/Annif/wiki/Backend%3A-YAKE. SVC puolestaan hyödyntää lineaarista tukivektoriluokittelua. Se tarjoaa hyvän mahdollisuuden luokitusten (esim. YKL, DDC) käyttöön. Se vaatii melko vähän koulutusdataa, ja toimii max. 10 000 luokan luokituksilla, ks. lisätiedot https://github.com/NatLibFi/Annif/wiki/Backend%3A-SVC. 

Tässä julkaisussa on myös päivitetty riippuvuuksia, ja kaikki Annifin taustamallit voivat nyt käyttää Python 3.9:ää. Annifin Docker-kuva käyttää nyt Pythonin versiota 3.8. Huom! Tietyllä Pythonin versiolla koulutetut nn-ensemble -mallit eivät toimi muilla, esim. versio 3.7:llä koulutetut nn-ensemble -mallit toimivat vain Python 3.7:llä. Nn-ensemblen koulutuksen yhteydessä ilmestyvän `CustomMaskWarning` -varoituksen voi jättää huomiotta (ilmoitus johtuu TensorFlown bugista). Vanhoilla Annifin versioilla koulutetut TFIDF-, MLLM- ja Omikuji- mallit saattaavat myös antaa virheilmoituksia TfidfVectorizeriin liittyen. Tämä johtuu scikit-learn -kirjaston päivityksestä ja on tietääksemme harmiton varoitus, joka poistuu uudelleenkouluttamalla mallit. Uusimmassa Annifin julkaisussa on myös mukana muita pieniä parannuksia ja bugikorjauksia, ks. lisätiedot: https://github.com/NatLibFi/Annif/releases/tag/v0.53.0.