• 我看过建议的类似问题，我认为这个问题有足够的具体性，值得问，但如果有人能指出一个已经回答过的问题来解决我的问题，我完全可以接受。*

我有一个文本语料库，我已经将其呈现为（文本特征）SVO，然后保存到数据框架中，结果发现如果将所讨论的动词进行词形化，以便“talk”、“talked”、“was talking”、“is talking”等呈现为相同的动词而不是4个或更多不同的动词，那会更好。
当前代码从数据框中获取文本并将其放置在列表中：

texts_women = talks_f.text.tolist()
texts_w = [text.lower() for text in texts_women]

然后它创建一个空间管道并通过它运行文本：

nlp = spacy.load('en_core_web_sm')
docs_w = list(nlp.pipe(texts_w))

在意识到动词可以被规范化之前，我已经编写了下面的代码：

def createSVOs(doc, svo_list):
    # Create the list of tuples for the document
    svotriples = list(textacy.extract.triples.subject_verb_object_triples(doc))
    # Convert to list of dictionaries
    for item in svotriples:
        svo_list.append(
            {
                'subject': item[0][-1], 
                'verb': item[1][-1], 
                'object': item[2]
            }
        )

最初我们将字典值转换为字符串--'subject'：str（item[0][-1]）--然后这个字典列表被转换成一个Pandas Dataframe ，在这个 Dataframe 中我们做了很多其他事情。
回溯代码，我首先尝试对df ['verb']列进行lemmatize，根据我的尝试，出现了各种错误，其中大部分是：

TypeError: 'spacy.tokens.token.Token' object is not subscriptable

我最终决定在把文档输入到文本SVO创建器之前，尝试对文档进行lemmatize，但随后我得到：

AttributeError: 'str' object has no attribute 'sents'

有没有可能同时得到SVO和引理？也就是说，一个SVO中的V，动词，是引理的？我错过了什么？