语码转换具有高度复杂性和多样性，主要表现为词汇级、短语级或句子级的语言混合，且切换规则受文化背景、社交语境及个人习惯影响。例如，同一用户可能在正式场合使用单一语言，而在亲友对话中频繁切换。这种非结构化特性给数据标注带来显著挑战：

1.语言边界模糊：部分词汇在多种语言中形式相近（如英语“email”与法语“e-mail”），难以准确归类。

2.语法结构交错：混合句可能遵循一种语言的主干语法，嵌入另一种语言的修饰成分，需标注者具备双语语法知识。

3.方言与变体干扰：口语中常夹杂地方口音或非标准拼写，增加识别难度。

4.语义依赖上下文：同一词在不同语言中含义可能冲突，需结合整体语境判断其归属。

这些特征要求标注不仅记录语言标签，还需保留语用意图与切换动机，确保数据对模型训练的有效性。

信息来源：网易伏羲