多输入CNN评分预测函数运行报错：'list'对象不可调用排查

首先看你遇到的 TypeError: 'list' object is not callable，这个问题直接出在 preprocessing 函数的最后一行代码里：words=stems, lemmas(words)。

具体问题点： #

1. 变量未定义+误用：stems 和 lemmas 这两个变量在 preprocessing 函数内部根本没定义过，你可能是把函数外的代码逻辑搞错了位置。而且你把 lemmas 当成函数去调用 lemmas(words)——但 lemmas 其实是 stem_and_lemmatize 返回的列表，列表当然不能当函数用，这就是报错的核心原因。
2. 逻辑混乱：你先执行了 words= stem_and_lemmatize(words)，这已经把 words 赋值成了包含 (stems, lemmas) 的元组，结果紧接着又写了一行完全没意义的赋值代码，逻辑完全乱了。
   另外，你在函数外写的 stems, lemmas = stem_and_lemmatize(words) 这行也没用，words 在这里没定义，属于无效代码。

修复方案 #

根据你的需求（应该是想完成文本的词干提取+词形还原处理），我们把 preprocessing 函数的逻辑理顺：

方案1：选择其中一种处理结果返回（比如词形还原）

如果你只需要词干或者词形还原后的结果，直接返回对应的列表就行：

def preprocessing(words):
    words = remove_non_ascii(words)
    words = to_lowercase(words)
    words = remove_punctuation(words)
    words = remove_stopwords(words)
    # 直接获取stem_and_lemmatize返回的两个结果
    stems, lemmas = stem_and_lemmatize(words)
    # 根据你的需求选一个返回，这里选lemmas为例
    return lemmas

方案2：合并两种处理结果（如果需要同时保留）

要是想把词干和词形还原的结果合并，就这么写：

def preprocessing(words):
    words = remove_non_ascii(words)
    words = to_lowercase(words)
    words = remove_punctuation(words)
    words = remove_stopwords(words)
    stems, lemmas = stem_and_lemmatize(words)
    # 合并两个列表，可选去重避免重复内容
    combined_words = stems + lemmas
    combined_words = list(set(combined_words))  # 去重步骤可选
    return combined_words

额外要修正的小问题 #

1. prediction_rate 函数里有个拼写错误：你定义的是 comment1 和 comment2，但调用 predict 的时候写的是 commentaire1 和 commentaire2，这个会触发 NameError，得改过来。
2. 你的 Switcher 字典完全没必要，直接格式化输出就行，代码更简洁。

修正后的完整代码片段 #

def preprocessing(words):
    words = remove_non_ascii(words)
    words = to_lowercase(words)
    words = remove_punctuation(words)
    words = remove_stopwords(words)
    stems, lemmas = stem_and_lemmatize(words)
    return lemmas  # 按需替换成stems或者combined_words

def encoding(text):
    text = clean_str(text)
    text = preprocessing(text)
    vocabulary,vocabulary_inv = build_vocab(text)
    text = pad_sentences(text,100)
    x_users = np.array([vocabulary[word] for word in text])
    x_test = sequence.pad_sequences(x_users, maxlen=100)
    return x_test

def prediction_rate(model_name):
    print("welcome ! \nplease enter the first text ! : ")
    ID1 = input()
    print("please enter the second text ! : ")
    rev = input()
    comment1=encoding(ID1)
    comment2=encoding(rev)
    # 修正拼写错误
    y=model_name.predict([comment1,comment2])
    c = np.argmax(y)
    # 简化输出逻辑
    print(f'Satisfaction Percentage : {:.1f} %'.format( (y[0][c]/5)*100))

内容的提问来源于stack exchange，提问作者Amine