Label Studio 文本多标签怎么配置？让一条反馈同时标记多个问题

一条反馈同时提到配送慢和商品破损时，文本分类项目可以允许两个标签同时成立。Label Studio 用 Choices 的 choice="multiple" 配置整条文本多选；提交后要检查结果里是否保留两个标签，而不是把其中一个问题当成不存在。

本文适用于已经能打开项目的 Label Studio 用户，官方文档核对日期为 2026 年 10 月 1 日。下面的客服句子都是虚构示例；本文没有在你的部署上操作界面，也没有评测分类模型。

先定多标签规则，避免把所有模糊句子都多选

多标签表示多个问题确实同时出现，不表示标注者拿不准。先为每个类别写纳入条件，再单独记录无法判定的句子。示例规则如下：

“快递晚了两天，杯子还有裂纹，我想退款”按这套演示规则应选前三类；“请问杯子容量是多少”应选“其他”。这些是人为约定的标注答案，不是某个模型推断出的结果。真实团队需要用自己的样本修订类别定义。

在项目中配置整条文本多选

在项目的设置中打开 Labeling Interface 或 Labeling Setup 的配置编辑页。先用一个新建的试验项目粘贴下面的 XML，保存并查看预览。官方Choices 文档说明，multiple 允许多选，required 用来要求选择；它不负责判断“其他”与其他标签是否互斥。

<View>
  <Text name="text" value="$text" />
  <Choices name="issues" toName="text" choice="multiple"
           required="true" requiredMessage="请按规则选择至少一个类别">
    <Choice value="物流问题" />
    <Choice value="商品质量" />
    <Choice value="售后服务" />
    <Choice value="其他" />
  </Choices>
</View>

Text.name="text" 是界面对象名；value="$text" 从任务数据取文字；Choices.name="issues" 是结果控件名；toName="text" 把标签组绑定到文本对象。这里只给整条文本分类，所以没有设置 perRegion。

如果旧项目已经存在单选结果，先导出备份，在新项目验证同一组任务；不要直接把已在使用的标签含义换掉。官方界面配置说明指出，进行中的项目修改标签或标注类型受已有标注约束，配置变化还可能影响 Data Manager 中已有的视图页签。

用三个样本验证配置和规则

将下面内容保存为 UTF-8 的 multilabel-tasks.json，按官方任务格式与导入说明通过项目的 Import 入口导入。打开每条任务，按表中的规则选择标签，随后提交正式标注。

[
  {"data":{"source_id":"ml-01","text":"快递晚了两天，杯子还有裂纹，我想退款"}},
  {"data":{"source_id":"ml-02","text":"包裹三天没有更新物流状态"}},
  {"data":{"source_id":"ml-03","text":"请问杯子容量是多少"}}
]

预期人工选择分别为：“物流问题、商品质量、售后服务”“物流问题”“其他”。在第二条任务先不勾标签，尝试提交，检查是否出现必选提示；再勾“物流问题”并提交。这个检查只能验证必选约束，不能证明类别判断正确。

检查导出文件，确认没有丢掉第二个标签

从项目 Export 选择 JSON，保留原始文件。官方导出文档说明，JSON 同时保留任务数据与标注；人工提交结果在 annotations 中。找到 data.source_id="ml-01" 的任务，检查正式标注中的 from_name="issues"、to_name="text"、type="choices"。

{
  "from_name": "issues",
  "to_name": "text",
  "type": "choices",
  "value": {
    "choices": ["物流问题", "商品质量", "售后服务"]
  }
}

这段是省略其他字段的预期结构示意。核对三个标签的集合，不依赖数组顺序。若实际只留下一个标签，检查配置是否仍是 single，以及是否提交了修改后的正式标注；下游处理程序也不能用 choices[0] 把多选结果压成单标签。

同时抽查 ml-03 只含“其他”，并筛出“其他”与其他类别共存的记录回到人工复核。多选配置本身不会强制这条业务互斥规则；需要按规则检查导出结果。含取消状态的标注也需要单独处理，不能因为下载成功就计入训练样本。

接下来怎样交给训练程序

先保存一份稳定的类别列表，并让训练程序明确接收“一个样本对应标签集合”。例如类别顺序固定为“物流问题、商品质量、售后服务、其他”，第一条可转换为 [1,1,1,0] 的多热向量。训练损失、预测阈值和评估方式必须与多标签任务匹配，单标签分类程序不能直接接收这份数据。

如果你的业务要求最终只留一个主意图，继续使用单选并写出优先级规则更合适。先拿少量跨类别样本让标注者解释选择原因，确定规则能被执行，再增加样本量。