در حال حاضر، با حجم بزرگی از داده‌های آموزشی چندبرچسبی که در آن هر نمونه آموزشی دارای بیش از یک برچسب است، روبرو هستیم. یکی از مشکلات اصلی این نوع داده‌های آموزشی، افزایش ناگهانی اندازه آنها است که به کارآیی الگوریتم‌های داده‌کاوی ضربه می‌زند. روش‌های انتخاب ویژگی چندبرچسبی با انتخاب یک زیرمجموعه مهم از ویژگی‌های اولیه ابعاد این داده‌ها را کاهش می‌دهند. از سوی دیگر، در دنیای امروز، داده‌ها به تدریج با گذر زمان به مجموعه اضافه می‌شوند. بنابراین، الگوریتم‌های انتخاب ویژگی چندبرچسبی باید بتوانند به صورت آنلاین استفاده شوند. اگرچه اخیرا الگوریتم‌های انتخاب ویژگی چندبرچسبی آنلاین متعددی ارائه شده است، اما هیچ‌کدام به وابستگی بین برچسب‌ها جهت تعیین ارتباط ویژگی‌ها و برچسب‌ها توجه نکرده‌اند. به همین منظور، در این مقاله، یک روش انتخاب ویژگی چندبرچسبی آنلاین ارائه شده است که با استفاده از اطلاعات متقابل چندگانه به فرآیند انتخاب ویژگی‌ها می‌پردازد. همچنین، برای نمایش کارایی روش پیشنهادی، چند آزمایش بر روی چندین الگوریتم انتخاب ویژگی چندبرچسبی و چند داده آموزشی انجام شده است. نتایج به دست آمده نشان می‌دهد که روش پیشنهادی از نظر معیارهای مختلف به خوبی عمل می‌کند.