如何无需重训练即可修改spaCy POS标签器的输出标签名称

这个需求完全可实现，不需要重新训练任何模型，以下是两种落地成本极低的方案：

方案1：Monkey Patch Token类的pos_属性（零业务代码修改） #

该方案不需要修改你现有5000个函数里的任何业务逻辑，仅需要在项目初始化加载spaCy模型的地方加一段代码即可，直接覆盖原有的pos_属性返回值：

import spacy
from spacy.tokens import Token

# 先定义你的标签映射表
POS_MAPPING = {
    "NOUN": "NIA",
    "VERB": "BO",
    # 其他需要替换的标签都可以加在这里，不需要替换的可以保留原值
    "ADJ": "ADJ",
    "ADV": "ADV"
}

# 自定义pos_的getter方法
def get_custom_pos(token):
    original_pos = token._origin_pos
    return POS_MAPPING.get(original_pos, original_pos)

# 先把原来的pos_属性备份
Token.set_extension("_origin_pos", getter=lambda token: token.pos_, force=True)
# 覆盖原有的pos_属性
Token.pos_ = property(get_custom_pos)

# 之后正常加载模型使用即可，原有代码完全不用改
def eng(textstr):    
    nlp = spacy.load("en_core_web_sm")
    doc = nlp(textstr)
    for token in doc:
        print("Word: "+token.text+ " "+"POS: "+token.pos_)
# 此时输出的POS就已经是你自定义的NIA、BO等标签了

注意：如果你的项目是多进程场景，确保这段初始化代码在每个子进程加载spaCy之前都执行一次即可。

方案2：添加自定义扩展属性（侵入性极低） #

如果不想覆盖原有官方属性，避免其他潜在问题，可以新增一个自定义属性，仅需要全局搜索替换你现有代码里的token.pos_为token._.custom_pos_即可，批量替换几秒就能完成：

import spacy
from spacy.tokens import Token

POS_MAPPING = {
    "NOUN": "NIA",
    "VERB": "BO",
}
# 注册自定义属性
Token.set_extension("custom_pos_", getter=lambda token: POS_MAPPING.get(token.pos_, token.pos_), force=True)

# 使用时和原有pos_用法完全一致
nlp = spacy.load("en_core_web_sm")
doc = nlp("I eat apples")
for token in doc:
    print(token.text, token._.custom_pos_)
# 输出：
# I PRON
# eat BO
# apples NIA

方案3：管道后处理批量修改 #

如果需要对整个Doc的所有标签做统一处理，还可以把标签映射封装成spaCy的管道组件，加到模型管道的最后，处理完自动替换标签：

def pos_rename_pipeline(doc):
    POS_MAPPING = {"NOUN": "NIA", "VERB": "BO"}
    for token in doc:
        token._.custom_pos_ = POS_MAPPING.get(token.pos_, token.pos_)
    return doc

# 加载模型后把自定义组件加到管道最后
nlp = spacy.load("en_core_web_sm")
nlp.add_pipe(pos_rename_pipeline, last=True)
# 后续正常使用nlp处理文本即可

三种方案都不需要修改原有业务逻辑的核心代码，改造成本远低于给5000个函数加if判断，也不需要重新训练任何模型，完全基于现有标签的结果做映射替换。

内容的提问来源于stack exchange，提问作者Laz22434