Python 如何在spacy中表示抄本中的未知/空白单词？

我正在处理音频记录中的文本，其中有一些未知单词。每个未知单词都有标记（例如，“商店不知道他”）。我正在寻找表示“未知”单词的最佳方法，以便将spacy的句子依赖性解析搞得最少

为了提高spacy的句子依赖解析器在最广泛的句子范围内发挥最佳作用的可能性，最好的替代方法是什么？是一个空格/“”还是一个“_____;”或一个“…”，或者这无关紧要？没有结构来确定\发生的时间/地点

---

谢谢

如果单词未知，最好简单地删除它们并截断多余的空间。如果spacy词汇表中不包含未知单词/标记，它们将导致依赖项解析混乱，用特殊字符替换它们也是如此

He / to the store

产出：

He ROOT
/ punct
to prep
the det
store pobj

鉴于

He to the store

产出：

He ROOT
to prep
the det
store pobj

---

如果您删除它们，那么基本上您会得到一个对其余转录正确的依赖性解析

太好了。非常感谢。