Spacy是否提供将西班牙语阴性名词归一化为阳性的方法？

使用Spacy处理西班牙语文本时，需要统一文档中的名词形式，例如将阴性名词clienta归一化为阳性形式cliente。现有代码如下：

doc = nlp('la clienta ha pedido una coca cola')
for token in doc:
    print(token.text, token.lemma_, token.base_form_)

期望base_form_能输出该名词的归一化阳性形式。

Spacy默认的西班牙语词形还原不会自动将阴性名词转为阳性，需要自定义逻辑实现：

• 识别阴性名词
  通过token.pos_判断是否为名词（NOUN），再用token.morph.get("Gender")获取性别标记，筛选出标记为Fem的阴性名词。

• 自定义阳性转换规则
  西班牙语阴性转阳性的常见规则：

  • 多数以-a结尾的阴性名词，替换结尾为-o或-e（如clienta→cliente、amiga→amigo）
  • 不规则变化的名词单独维护映射表（如mujer→hombre、señora→señor）

• 完整实现代码

  import spacy
  
  # 加载西班牙语模型
  nlp = spacy.load("es_core_news_sm")
  
  # 不规则阴阳性名词映射表，可按需扩展
  irregular_gender_map = {
      "mujer": "hombre",
      "señora": "señor",
      "madre": "padre"
  }
  
  doc = nlp('la clienta ha pedido una coca cola, la mujer quiere un café')
  for token in doc:
      normalized_form = token.text
      if token.pos_ == "NOUN":
          gender_tags = token.morph.get("Gender")
          if "Fem" in gender_tags:
              # 优先处理不规则映射
              if token.text in irregular_gender_map:
                  normalized_form = irregular_gender_map[token.text]
              # 处理常规以-a结尾的阴性名词
              elif token.text.endswith("a"):
                  # 部分名词转-e（如clienta→cliente），其余转-o
                  root_lemma = token.lemma_
                  normalized_form = root_lemma[:-1] + "e" if root_lemma.endswith("ta") or root_lemma.endswith("ca") else root_lemma[:-1] + "o"
          print(f"{token.text} → {normalized_form}")
      else:
          print(f"{token.text} (非名词，无需转换)")
  

• 补充说明

  • 若使用更大的西班牙语模型（如es_core_news_md/es_core_news_lg），词性和性别标记的准确率会更高
  • 可根据业务需求扩展不规则映射表，覆盖更多特殊名词

内容的提问来源于stack exchange，提问作者Marina Boyero