上述的第一个问题我怀疑是计算余弦相似度的代码写的不对，比较的张量是不对的，我怀疑比较的encoded_layers[0][1:-1]和word_tensor不是微博词汇和种子词，我的判断正确吗，请帮我写出在上述代码基础上的修改优化代码

你的判断是正确的，encoded_layers[0][1:-1]是BERT模型中除了特殊标记[CLS]和[SEP]之外的所有词汇的编码，而word_tensor是当前对比的微博词汇的编码。因此，原来的代码会将所有微博词汇的编码与所有BERT模型中的编码做比较，导致计算出来的余弦相似度过高。

下面是修改后的代码，仅更改了计算余弦相似度的部分：

import jieba 
import torch 
from sklearn.metrics.pairwise import cosine_similarity 
from transformers import BertTokenizer, BertModel 

seed_words = ['姓名']

# 加载微博文本数据
text_data = []
with open("output/weibo1.txt", "r", encoding="utf-8") as f:
    for line in f:
        text_data.append(line.strip())

# 加载BERT模型和分词器
tokenizer = BertTokenizer.from_pretrained('bert-base-chinese')
model = BertModel.from_pretrained('bert-base-chinese')

jieba.load_userdict('data/userdict.txt')

# 构建隐私词库
privacy_words = set()
for text in text_data:
    words = jieba.lcut(text.strip())
    tokens = ["[CLS]"] + words + ["[SEP]"]
    token_ids = tokenizer.convert_tokens_to_ids(tokens)
    segment_ids = [0] * len(token_ids)

    # 转换为张量，调用BERT模型进行编码
    token_tensor = torch.tensor([token_ids])
    segment_tensor = torch.tensor([segment_ids])
    with torch.no_grad():
        outputs = model(token_tensor, segment_tensor)
        encoded_layers = outputs[0]

    # 对于每个词，计算它与种子词的相似度
    for i in range(1, len(tokens)-1):
        word = tokens[i]
        if word in seed_words:
            continue
        word_tensor = encoded_layers[0][i].reshape(1, -1)
        # 计算当前微博词汇与种子词的相似度
        sim = cosine_similarity(word_tensor, seed_tensors, dense_output=False)[0].max()
        if sim > 0.5 and len(word) > 1:
            privacy_words.add(word)

print(privacy_words)

在修改后的代码中，我们使用了一个名为seed_tensors的变量来保存所有种子词的编码。在计算当前微博词汇与种子词的相似度时，我们将当前微博词汇的编码和种子词的编码分别传入cosine_similarity函数中进行比较，避免了原来的问题。