短视频场景分类标注训练数据完成浙江省数据知识产权登记 覆盖6大类场景适配AI研发需求

当前，短视频行业已进入精细化运营阶段，而生成式AI、内容推荐算法的迭代升级，对高质量、合规化的标注训练数据需求持续攀升。作为国内率先探索数据知识产权确权机制的官方载体，浙江省数据知识产权登记平台承担着数据权属确认、合规性背书、流通凭证支撑等核心职能，是当地数据要素市场化体系建设的重要基础设施，本次登记的完成也意味着该数据集的知识产权归属得到官方认可，为后续的市场化流通、交易扫清了权属障碍。

杭州晨伴芯曜科技有限公司本次完成登记的短视频内容场景类型分类标注训练数据，主要面向短视频平台、品牌投放方和内容服务商三类主体，适用于短视频场景识别、内容检索、推荐分发和商业投放匹配等多个应用场景。该数据集通过融合关键帧图像特征与去标识化字幕语义，并计算主场景持续时长和时长占比，可形成办公学习、运动健身、室内生活、餐饮美食、购物消费和户外自然六大类场景标签，为场景分类模型训练、同类视频自动归类和内容运营提供标准化的结构化数据支撑。

据登记信息显示，该数据集的原始数据均来源于企业自有内容平台的短视频、字幕和时间轴记录，原始字段覆盖视频编号、内容类别、原始视频、字幕文本和视频时长，全加工流程严格遵循数据合规要求：首先通过数据清洗环节完成去重、无效记录删除、格式统一及个人身份信息不可逆去标识化，从源头保障数据合规性；其次通过特征融合环节，分别抽取视频关键帧的图像特征与字幕的语义特征，结合两套特征的匹配结果确认主场景类型，同时留存完整的主场景识别依据，保障标注结果可追溯；随后通过时长计算明确主场景的持续时长与占比，弥补了传统单帧标注无法反映场景在视频中权重的短板；最终经过算法校验完成全字段一致性核验，并按照8:1:1的比例分层划分训练集、验证集和测试集，避免同一场景内容跨集合出现，保障数据集可直接用于AI模型研发。

从落地价值来看，该数据集的应用场景覆盖短视频产业全链路：对于短视频平台而言，可基于该数据集训练更精准的场景分类模型，实现海量短视频内容的自动归类，优化内容推荐策略的匹配度，同时为内容治理、赛道运营提供数据支撑；对于品牌投放方而言，可结合场景分类结果实现广告与内容场景的精准匹配，例如向运动健身类短视频投放运动装备、健康食品广告，向餐饮美食类短视频投放餐饮品牌、厨具产品广告，有效提升广告投放的转化率；对于内容服务商与AI研发团队而言，该标准化标注数据集可直接用于内容趋势分析、多模态模型训练等场景，大幅降低数据标注的时间与人力成本。值得注意的是，该数据集使用时需同时取得可辨认主要环境和活动对象的视频画面、关键帧及对应字幕，数据使用方可结合主场景识别依据回查画面与文本证据，保障数据使用的合规性与可追溯性。

最终形成的结构化短视频内容场景类型分类标注训练数据集合，包含样本编号、视频匿名编号、内容类别、关键帧时间、关键帧图像编号、字幕文本脱敏值、主场景持续时长、视频总时长、主场景时长占比、内容场景类型、主场景识别依据、数据集划分标识共12类标准化字段。

查看短视频内容场景类型分类标注训练数据

登记内容：

本次登记的完成，不仅为该训练数据集的后续市场化流通提供了合规基础，也为AI训练数据领域的知识产权确权提供了可复制的实践样本，对推动数据要素市场的规范化发展、激活人工智能产业的基础数据价值有着积极的示范意义。