我在使用spaCy来对大量推文进行词形还原。然而，当我对像“我”这样的词进行词形还原时，会生成标记-PRON-。我如何避免这种情况？

回答：

-PRON- 是spaCy中代词的默认词形（参见文档）：

关于spaCy的自定义代词词形

与动词和普通名词不同，代词没有明确的基础形式。“我”的词形应该为“我”，还是我们也应该标准化人称，给出“它”——或者可能是“他”？spaCy的解决方案是引入一个新符号-PRON-，作为所有人称代词的词形使用。

如果你不希望这样，你可以简单地用其他东西替换它，例如相关标记的词形（见下面的代码片段）。但请注意，这可能会对后续处理产生意想不到的后果。spaCy使用字符串和整数两种表示形式来表示标记属性，因此你可能需要更改这两者（如果可能的话），或者为了可追溯性保留原始的整数值。

if token.lemma_ == '-PRON-':    token.lemma_ = token.orth_ # 更改字符串表示    token.lemma = token.orth # 更改整数表示（我没有测试这部分）