Как заставить тег pos в пространстве до / после теггера?

РЕДАКТИРОВАТЬ: это решение использовало spaCy 2.0.12 (IIRC).

Чтобы ответить на вторую часть вашего вопроса, вы можете добавить специальные правила токенизации к токенизатору, как указано в документах здесь. Следующий код должен делать то, что вы хотите, при условии, что эти символы недвусмысленны:

import spacy

from spacy.symbols import ORTH, POS, NOUN, VERB

nlp = spacy.load('en')

nlp.tokenizer.add_special_case('{G}', [{ORTH: '{G}', POS: NOUN}])
nlp.tokenizer.add_special_case('{T}', [{ORTH: '{T}', POS: VERB}])

doc = nlp('This {G} a noun and this is a {T}')

for token in doc:
    print('{:10}{:10}'.format(token.text, token.pos_))

Вывод для этого (теги неверны, но это показывает, что были применены правила особого случая):

This      DET       
{G}       NOUN      
a         DET       
noun      NOUN      
and       CCONJ     
this      DET       
is        VERB      
a         DET       
{T}       VERB      

Что касается первой части вашего вопроса, проблема с присвоением части речи отдельным словам заключается в том, что они в основном неоднозначны вне контекста (например, вернуть существительное или глагол?). Таким образом, описанный выше метод не позволит вам учитывать использование в контексте и может вызвать ошибки. Однако spaCy позволяет выполнять сопоставление с шаблоном на основе токенов, так что это стоит посмотрите на. Может быть, есть способ сделать то, что вам нужно.