机器学习PAI序列特征，每个item，框起来的那个对应多个tag怎么办呢？

可以设置seq_multi_sep，sequence里面是多值特征的话。特征配置那里把多值的改成这样
features: {
input_names: 'tag_category_list'
feature_type: SequenceFeature
separator: ';'
hash_bucket_size: 10000
embedding_dim: 16
seq_multi_sep:'|'
}
separator 是第一层分隔，seq_multi_sep 是第二层分隔符 ，此回答整理自钉群“【EasyRec】推荐算法交流群”

在机器学习PAI中，如果序列特征中的每个item对应多个tag，可以使用多标签分类（Multi-label Classification）方法来处理。

多标签分类是指将样本的标签划分为多个独立的二分类问题，即每个标签都是独立的二分类任务。对于序列特征中的每个item对应多个tag的情况，可以将每个tag看作是一个独立的二分类任务，然后使用适当的算法进行训练和预测。

常用的多标签分类算法包括：

1. Binary Relevance：将每个标签看作一个独立的二分类任务，分别训练模型并进行预测。
2. Classifier Chains：将标签按顺序排列，前一个标签的输出作为后一个标签的输入，依次训练模型并进行预测。
3. Label Powerset：将所有可能的标签组合看作一个整体，使用传统的多分类算法进行训练和预测。
4. Adapted Algorithm：根据具体问题的特点，对传统的二分类算法进行修改和优化，以适应多标签分类任务。