Doccano上传含text、label的多标签多分类数据集的正确格式是什么

label列传入[a, b]这类带方括号的字符串时，doccano不会自动将其拆分为独立标签，会把整个字符串识别为单个标签值，和预定义标签无法精准匹配，就会出现标签混淆、错配问题。

CSV格式规范 #

多标签值直接用英文半角逗号分隔，不要加方括号包裹，不要在标签前后加多余空格，示例：

text,label
text_1,a,b
text_2,a,b,c
text_3,a,c

上传时在doccano上传配置页，确认多标签分隔符选择为英文逗号，标签文本和项目内预定义标签完全一致，无大小写、字符偏差。针对0-7数字标签测试场景，预期勾选5、6的条目，label列对应值直接写5,6即可。

JSON/JSONL格式规范 #

优先推荐JSONL（每行一个独立JSON对象）格式上传，解析容错率更高，label字段直接传入数组类型，不要转成字符串，示例：

{"text": "text_1", "label": ["a", "b"]}
{"text": "text_2", "label": ["a", "b", "c"]}
{"text": "text_3", "label": ["a", "c"]}

普通JSON数组格式写法：

[
  {"text": "text_1", "label": ["a", "b"]},
  {"text": "text_2", "label": ["a", "b", "c"]},
  {"text": "text_3", "label": ["a", "c"]}
]

0-7数字标签测试场景下，预期勾选5、6的条目直接写"label": ["5", "6"]即可正常匹配。

内容的提问来源于stack exchange，提问作者Weber Huang