首先大部分时间没有“缺失文本”，有一个空字符串（0 个句子，0 个单词），这是一个有效的文本值。区别很重要，因为前者通常意味着信息未被捕获，而后者意味着信息被故意留空。例如，用户不输入评论并没有丢失信息：用户选择不输入任何文本，并且不能假设该选择等同于最常见的任何文本。

据我所知，NLP 中没有插补。在某些情况下，使用数值进行插补是有意义的（即使如此，也应该谨慎使用），但总的来说，文本过于多样化（非结构化数据），“最常见文本”的概念没有任何意义。一般来说，从评估的角度来看，用人工生成的数据代替真实文本（或没有文本）是不受欢迎的。

因此，在我看来，主要的设计选项如下：

• 将文本留空。大多数时候，空文本可以像任何其他文本值一样表示，例如由零组成的 TFIDF 向量。
• 丢弃没有文本的实例。例如，在文本分类中，没有文本意味着根本没有输入数据，因此在这种情况下执行任务毫无意义。
• 根据任务的具体情况将没有文本的实例视为特殊情况。例如，如果这对任务有意义，可以系统地为此类实例分配多数类。