多标签文本分类（Multi-Label Text Classification）是自然语言处理中一项基础且重要的任务。与单标签分类不同，多标签分类允许一个样本同时属于多个类别，例如一篇新闻可以同时被标注为“科技”、“财经”和“国际”。这种分类方式广泛应用于新闻推荐系统、医疗诊断编码、客户工单分类等场景。本文将基于Scikit-LLM库，详细介绍如何利用大语言模型（LLM）实现高效的多标签文本分类，从环境搭建到模型评估，一步步带你完成实战。

Scikit-LLM是一个将scikit-learn接口与大语言模型API相结合的工具库。它的设计理念是让机器学习工程师能够像使用传统分类器（如逻辑回归、随机森林）一样使用GPT、Claude等LLM。通过巧妙的提示工程，Scikit-LLM将分类任务转化为文本生成任务，再对输出进行结构化解析，最终输出多标签预测结果。这种方式无需标注大量数据，在小样本场景下效果尤为突出。

首先，确保你的Python环境版本不低于3.8。建议使用虚拟环境隔离依赖。打开终端执行以下命令：

python -m venv scikit_llm_env
source scikit_llm_env/bin/activate (Linux/Mac) 或 scikit_llm_env\Scripts\activate (Windows)
pip install scikit-llm scikit-learn pandas numpy

安装完成后，需要配置LLM的API密钥。Scikit-LLM默认使用OpenAI的API，因此需要设置环境变量OPENAI_API_KEY。如果你使用的是与其他兼容的API（如Azure OpenAI、Anyscale），也可以通过传入自定义客户端的方式进行配置。出于安全考虑，不要将密钥硬编码在代码中，建议通过环境变量或配置文件加载。

第二步：准备数据集。多标签分类的标签需要表示为二进制矩阵形式。Sh先导入必要的库：

from skllm import MultiLabelClassifier
from skllm.preprocessing import MultiLabelBinarizer
from sklearn.model_selection import train_test_split
import pandas as pd

创建示例数据：每条文本对应一个标签列表。实际使用中可以用pandas读取CSV文件。

data = pd.DataFrame([
(“这款产品性能出色，但价格偏高”, [“正面”, “负面”]),
(“服务态度很好，值得推荐”, [“正面”]),
(“质量一般，价格合适”, [“中性”, “正面”]),
(“非常差，不推荐购买”, [“负面”])
], columns=[“text”, “labels”])

X = data[“text”]
y = data[“labels”]
mlb = MultiLabelBinarizer()
y_bin = mlb.fit_transform(y)
X_train, X_test, y_train, y_test = train_test_split(X, y_bin, test_size=0.2, random_state=42)

第三步：初始化并训练分类器。MultiLabelClassifier的默认模型是gpt-3.5-turbo，但也支持gpt-4、gpt-4o等。通过model参数指定。训练时，Scikit-LLM会自动构建提示模板，例如：”Given the following text, determine which of these categories it belongs to: [类别列表]. Return the categories separated by commas.”模型返回类别名称后，解析成二进制向量。

clf = MultiLabelClassifier(model=”gpt-3.5-turbo”)
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

第四步：评估模型。常用指标包括精确率、召回率、F1分数（微平均、宏平均）以及海明损失。使用classification_report可以快速查看每个类别的表现。

from sklearn.metrics import classification_report
print(classification_report(y_test, y_pred, target_names=mlb.classes_))

在实际使用中，Scikit-LLM的优势非常明显：无需手工特征工程，直接利用大语言模型的语义理解能力；与scikit-learn生态无缝集成，可以方便地进行交叉验证、网格搜索；训练速度快（只需几轮API调用），适合快速原型验证。但也有一些局限性：API调用成本较高，对大型数据集可能不够经济；依赖外部模型，存在网络延迟；对非英语文本的支持取决于底层模型的能力。

为了优化效果，你可以尝试以下策略：1) 增加few-shot示例，在提示中提供几个典型分类样例；2) 设置temperature=0以确保确定性输出；3) 使用更强的模型如gpt-4；4) 结合传统机器学习模型做集成，例如用LLM提取语义嵌入（embedding），再交给随机森林或XGBoost分类。如果你处理的是中文文本，建议使用对中文支持较好的模型（如gpt-4o或国内模型）。

实战案例：假设你正在为一个新闻聚合系统进行多标签分类。一条关于“AI数据中心能耗引发环保争议”的新闻，可能同时属于“AI技术”、“能源”和“环境保护”类别。使用Scikit-LLM，你只需将新闻标题和摘要输入，即可得到分类结果。这比传统基于规则或关键词的方法准确得多。

除了基本的分类，Scikit-LLM还支持批量预测（predict_proba返回概率）、自定义提示模板（通过template参数）、以及流式输出。对于生产环境，建议使用异步调用或批处理来降低延迟。更多高级用法可以参考官方文档。特别提醒：请务必遵守API使用条款，避免超频请求。

如果你想了解更多关于多标签分类的传统方法（如二进制关联、分类器链、带标签嵌入的神经网络），建议阅读我们之前发布的文章《AI安全进入实时博弈时代：Google Cloud坦言”我们也在学习中”》和《AI也有智商了？GPT-5.5以136分领跑，国产大模型表现亮眼》。这些文章深入探讨了各种方法的优缺点和适用场景。

总结：Scikit-LLM为多标签文本分类提供了一条简洁高效的路径，尤其适合中小规模数据和快速迭代场景。通过本教程，你应该已经掌握了从环境配置到模型部署的全流程。建议立刻动手实验，使用自己的数据替换示例，测试模型效果。如果遇到问题，欢迎在评论区留言交流。后续我们将进一步探讨如何对Scikit-LLM进行微调、以及如何集成其他LLM服务商。