基于MPNET的三类情感分析：Embedding与质心生成报错及标签疑问

安全阿岳

2026-7-14

问题分析与解决办法

首先明确：用标签分组计算对应类别的质心是完全正确的思路，你遇到的KeyError不是因为不该用标签，而是代码里的索引匹配或数据类型出了问题，下面说具体原因和修复方案：

最常见的原因：sentence_embeddings_mpnet（PyTorch张量）的索引是位置索引（0、1、2...），但train_df['label'] == label生成的布尔Series用的是train_df的原始索引（比如如果你的df是筛选过的，索引可能不是连续的0开始），两者索引体系不匹配，直接用布尔Series索引张量就会触发KeyError。
修复代码很简单，把布尔Series转成numpy数组即可：
```
for label in [-1, 0, 1]:
    mask = train_df['label'] == label
    # 用.values提取numpy布尔数组，匹配张量的位置索引
    centroid = sentence_embeddings_mpnet[mask.values].mean(dim=0)
```
另一个可能：train_df里的标签数据类型和你遍历的整数[-1,0,1]不匹配。比如df里的标签是字符串类型（比如"-1"、"0"），但你用整数去匹配，会导致mask全为False，后续操作也可能引发异常。这种情况下，先把df的标签转成整数：
```
train_df['label'] = train_df['label'].astype(int)
```
最后确认：train_df的行数必须和sentence_embeddings_mpnet的样本数完全一致，保证每个文本对应一个embedding，顺序完全对应，否则筛选出来的embedding会和标签不匹配。