Machine learning 代词的Spacy-lemmatization给出了一些错误的输出

通过

[token.lemma uuu for token in doc]

对代词进行系词化，将代词的系词化为

-PRON-

，这是一个错误吗？

不，这实际上是有意的行为。请参阅文档：

与动词和普通名词不同，人称代词没有明确的基本形式。“我”的引理应该是“我”，还是我们也应该规范化人，给予“它”-或者“他”？斯帕西的解决方案是引入一个新的符号，

-PRON-

，它被用作所有人称代词的引理

---

值得注意的是，随着spaCy与格式的兼容性不断提高，这种约定在将来可能会发生变化。

下面的代码可能会帮助您从简化的文本中删除小写形式的

-PRON-

[token.lemma_.lower() if token.lemma_ != '-PRON-' else token.lower_ for token in doc]

我很好奇你所说的“没有明确的人称代词基本形式”是什么意思。对我来说，把“我”改为“我”，就像把“谁”改为“谁”，或者在德语中把“迪奇”改为“杜”，在西班牙语中把“ti”改为“tú”，等等。也就是说，在语法上，这些形式是从任何印欧语言中过去的主格形式派生出来的。说“我”是“我们”的引理似乎。。。非常非常奇怪。“我们是否也应该规范化人称”：如果我们不对名词和形容词进行规范化（因为它们没有），为什么还要对代词进行规范化？