classifier = pipeline('sentiment-analysis') 这个内部封装的模型是只针对英文的吗？我用中文发现完全不对，比如：words = '这是一个不错的服务' Judge1 = classifier(words) Words = '这是一个很好的服务' Judge2 = classifier(words) print(judge1,judge2)
结果展示: [{'label': 'NEGATIVE', 'score': 0.9500061273574829}] [{'label': 'NEGATIVE', 'score': 0.92015540599823}]
DeepL 说：
classifier = pipeline('sentiment-analysis') 这个封装的模型只适用于英文吗？我发现使用中文完全错误，例如words = '这是一个很好的服务' Judge1 = classifier(words) Words = '这是一个很好的服务' Judge2 = classifier(words) print(judge1,judge2)
=> 答案：是的，默认的情感分析管道仅支持英语，因为它使用DistilBertForSequenceClassification根据英语数据进行微调的模型（我不确定，很难知道所使用的默认模型是什么）对于每个管道，请参阅#12845）。正如帕特里克下面提到的，您确实可以使用中心的自定义模型。
您可以使用模型中心查找中文情感分析模型，如下所示：
https://huggingface.co/models?language=zh&pipeline_tag=text-classification&sort=downloads
然后执行以下操作：
classifier = pipeline('sentiment-analysis', model="uer/roberta-base-finetuned-chinanews-chinese")谢谢你的回答，这很有帮助