多意图识别中如何选择单标签和多标签分类？｜字节跳动算法面经解析

60 秒回答模板

判断单标签还是多标签，先看业务定义。如果一句用户输入只能进入一个主流程，意图之间互斥，且下游只接受一个动作，就用单标签分类，通常是 softmax 加交叉熵，输出最大概率类。如果一句话经常同时包含多个诉求，例如查询物流并修改地址，或者意图之间不是严格互斥，就应使用多标签分类，通常是每个标签独立 sigmoid 加 BCE，再通过阈值、top-k 和冲突规则决定输出集合。实际系统也常用混合方案：先选一个 primary intent 保证主流程，再识别 secondary intents 用于提示、澄清或任务编排。评估上单标签看 accuracy、macro F1 和混淆矩阵；多标签看 micro/macro F1、precision-recall、Hamming loss、subset accuracy 和每类阈值效果。

考点 选择标准

难度 真实面经高频题

回答目标 讲清机制、边界和追问

深入解析

业务动作是否互斥

如果每个用户请求只能被一个流程消费，标签天然互斥，单标签更合适。例如输入要么是登录问题，要么是支付问题，系统只能路由到一个队列。单标签的优势是训练目标清晰、标注成本低、推理结果稳定，缺点是遇到复合请求时会丢掉次要诉求，可能需要用户再次表达。

用户表达是否复合

多标签适合一个输入包含多个相互独立的目标。典型表达是并列句、连续命令或查询加操作，例如既想查余额又想开票。若强行单标签，模型只能选概率最高的一个，另一个真实需求被隐藏。多标签可以保留多个意图，但要求下游系统能排序、并发处理或引导用户逐个确认。

模型目标不同

单标签常用 softmax，把所有类别概率归一化，默认类别之间竞争；多标签常用多个 sigmoid，每个标签独立判断是否成立。这个差异会影响样本构造、类别不平衡处理、阈值调优和输出解释。多标签不能简单取最大概率，因为一个样本可能没有意图、一个意图或多个意图。

阈值和冲突消解

多标签系统的难点不在模型结构，而在决策规则。每个标签的最佳阈值可能不同，高频意图和长尾意图也需要不同召回策略。还要定义冲突关系，例如退款申请和退款取消不能同时执行；定义依赖关系，例如先识别订单查询，再抽取订单号。没有这些规则，多标签输出会让下游流程不稳定。

混合方案更常见

很多生产系统采用 primary intent 加 secondary intents。主意图用于路由和首个动作，次意图用于补充提示、任务队列或澄清。还可以先做粗粒度单标签路由，再在某个域内做多标签识别。这样既保持主流程确定性，又不完全丢失复合需求，适合业务复杂但执行链路需要可控的场景。

易错点

看到多意图识别就直接选择多标签，不判断业务是否真的允许多个动作。
多标签仍用 softmax 和最大概率输出，训练目标与任务假设冲突。
只训练模型，不设计阈值、冲突消解和澄清策略。
用单标签 accuracy 评价多标签任务，掩盖漏召回和部分命中问题。

面试官追问

多标签模型为什么不能直接用 softmax？

softmax 会把类别概率归一化，隐含只有一个类别成立。多标签场景下多个标签可以同时为真，应该让每个标签独立判断，通常使用 sigmoid 输出和二元交叉熵。

如果一句话有多个意图但下游只能执行一个怎么办？

可以输出主意图加候选次意图。主意图负责当前路由，次意图进入澄清、排队或提示。模型层保留信息，业务层按优先级和风险决定执行顺序。

多标签阈值怎么定？

不要只用统一 0.5。应在验证集上按标签调阈值，根据业务偏好选择高精度或高召回，并结合 PR 曲线、误触成本和人工兜底能力确定。

单标签方案如何覆盖复合意图？

可以把最关键动作定义为主标签，再增加复合意图标签或二阶段识别。若复合表达占比高，长期应演进到多标签或任务编排方案，否则用户需求会被系统性漏掉。