Spacy德语词形还原结果异常，是否可通过配置调整优化？

该现象是否属于预期表现 #

这属于spaCy德语模型已知的非预期缺陷，并非正常训练逻辑漏洞，目前官方issue中已有大量相关用户反馈，核心成因主要有两点：

• 你使用的de_dep_news_trf Transformer类模型的词形还原模块训练数据以正式新闻文本为主，对短文本、人称代词、物主代词的变格还原逻辑存在过拟合问题，会错误将不同人称的变格代词统一映射到第一人称形式，才会出现deinen→mein、er/sie→ich这类语义完全偏离原意的错误。
• 原生spaCy德语词形还原默认优先将屈折词统一还原为主格/不定式形式，未针对不同人称的物主代词做单独的映射优化，对变格词汇的还原规则适配性差。

可行的调优方案 #

1. 更换适配性更高的模型 #

优先选用非Transformer的基础德语模型de_core_news_sm/md/lg，这类模型的词形还原采用规则+查表混合逻辑，对人称代词、常用词汇的还原准确率远高于de_dep_news_trf，实测处理你给出的测试句不会出现人称错乱的问题。

2. 启用查表还原模式 #

在初始化词形还原器时配置use_lookup=True，强制使用预定义的词形映射表，完全跳过模型预测环节，大幅降低错误修改的概率，配置示例如下：

import spacy
nlp = spacy.load("de_core_news_lg", disable=["lemmatizer"])
nlp.add_pipe("lemmatizer", config={"use_lookup": True})

3. 自定义修正规则 #

如果需要保留Transformer模型的其他语义分析能力，可以在管道末尾添加自定义处理组件，对高频错误的代词、形容词做白名单映射，直接覆盖错误的lemma_结果，完全避免变更原句核心含义。

内容的提问来源于stack exchange，提问作者Clovis