如何基于BERT德语情感分析模型获取每条推文的情感得分

你当前调用的SentimentModel是第三方封装的高层接口，默认predict_sentiment方法仅返回概率最高的情感标签，没有显式暴露三类得分，两种可直接运行的实现方案如下：

• 方案1：无需修改模型加载逻辑，直接开启接口自带的概率返回参数
  封装接口本身已经内置了概率计算逻辑，只是默认关闭了输出，修改调用参数即可拿到和模型卡片一致的三类得分，代码如下：

  from germansentiment import SentimentModel
  
  model = SentimentModel()
  
  texts = [
      "Mit keinem guten Ergebniss","Das ist gar nicht mal so gut",
      "Total awesome!","nicht so schlecht wie erwartet",
      "Der Test verlief positiv.","Sie fährt ein grünes Auto."]
      
  # 开启概率输出开关
  result = model.predict_sentiment(texts, output_probabilities=True)
  print(result)
  

  返回结果中，每条文本对应一个二元元组：第一个值是模型判定的最终情感标签，第二个值是(类别名, 得分)格式的列表，依次包含negative、neutral、positive三类的概率值，单条样本三类得分总和为1，和Hugging Face模型卡片展示的输出完全对齐。

• 方案2：基于Hugging Face原生接口直接加载模型，完全可控输出逻辑
  如果担心第三方封装库的版本变动导致结果不一致，可以直接用transformers库原生加载模型，手动计算softmax概率，代码如下：

  from transformers import AutoTokenizer, AutoModelForSequenceClassification
  import torch
  import torch.nn.functional as F
  
  model_path = "oliverguhr/german-sentiment-bert"
  tokenizer = AutoTokenizer.from_pretrained(model_path)
  model = AutoModelForSequenceClassification.from_pretrained(model_path)
  id2label = model.config.id2label # 固定映射：0=negative, 1=neutral, 2=positive
  
  texts = [
      "Mit keinem guten Ergebniss","Das ist gar nicht mal so gut",
      "Total awesome!","nicht so schlecht wie erwartet",
      "Der Test verlief positiv.","Sie fährt ein grünes Auto."]
  
  # 文本编码
  inputs = tokenizer(texts, padding=True, truncation=True, max_length=512, return_tensors="pt")
  # 推理计算logits
  with torch.no_grad():
      logits = model(**inputs).logits
  # softmax转换为概率得分
  probs = F.softmax(logits, dim=1)
  
  # 格式化输出
  for text, prob in zip(texts, probs):
      res = {id2label[i]: round(p.item(), 4) for i, p in enumerate(prob)}
      print(f"文本: {text}\n情感得分: {res}\n")
  

注意：该模型的类别顺序固定为负向、中性、正向，不要随意调整映射顺序，否则会出现标签和得分不匹配的问题。

之前调试没找到对应调用逻辑的原因很简单：高层封装的默认分支只返回logits取argmax后的标签结果，概率计算的逻辑只有在传入output_probabilities=True参数时才会触发返回，顺着默认执行路径追踪自然看不到得分输出的相关代码。

内容的提问来源于stack exchange，提问作者Valeriomerio