根据Galstyan 和 Cohen (2007)的说法，硬标签是分配给类成员的标签，其中成员资格是二元的：所讨论的元素要么是类的成员（有标签），要么不是。

软标签是附有分数（概率或可能性）的标签。因此，该元素是相关类的成员，概率/似然得分为例如 0.7；这意味着一个元素可以是多个类的成员（可能具有不同的成员分数），这通常不可能使用硬标签。

半监督学习中软标签的一种用途可能是训练集由硬标签组成。使用监督学习对分类器进行训练。然后分类器在未标记的数据上运行，并为元素添加软标签。然后将这个扩大的数据集用于进一步训练，其中算法可以不同地处理硬标签和软标签。