我已经熟悉Google的BERT，并将其用于情感分析。我设法重现了最基本的示例：
from transformers import pipeline
classify = pipeline('sentiment-analysis')
print(classify("This is so nice I am glad to be here"))
print(classify("lame boring hard to follow"))
第一个classify返回了[{'label': 'POSITIVE', 'score': 0.9998354911804199}]，第二个[{'label': 'NEGATIVE', 'score': 0.9997642040252686}]返回了。到目前为止，完全符合计划。
但是，我需要用各种语言分析成千上万个这样的简短（或不太长，通常最多为3句长）的注释。幸运的是，BERT有使用104种语言训练的多语言模型，所以我认为这应该不是问题。我使用
下载了模型classify = pipeline('sentiment-analysis', model='bert-base-multilingual-uncased')
希望，一旦完成，我也可以就非英语评论获得类似的情感数据。但是，当我尝试输入一些随机的中文，土耳其语和匈牙利语文本时，总是得到这样的输出：
[{'label': 'LABEL_0', 'score': 0.5475049614906311}]
我做错了什么？以前的POSITIVE和NEGATIVE标签不见了，相反，我得到的LABEL_0是不确定的，并且分数显然与真实的正负并不匹配还是我的输入评论。