数据集概述
本数据集包含YouTube官方RAI频道（https://www.youtube.com/@rai）中时长超过5分钟的视频信息，涵盖视频ID、标题及分段数据。每个视频的分段数据以列表形式记录各章节的开始时间（毫秒）和章节标题，数据集分为训练集与测试集两个不重叠的部分。
文件详解
- 文件名称：
train_yt_over5min.json
- 文件格式：JSON
- 字段映射介绍：包含2460条训练数据，每条记录包含视频id、title（标题）、segmentation（分段列表，每个元素含start time（开始时间，毫秒）和chapter title（章节标题））
- 文件名称：
test_yt_over5min.json
- 文件格式：JSON
- 字段映射介绍：包含614条测试数据，字段结构与训练集一致，包含视频id、title、segmentation
数据来源
YouTube官方RAI频道（https://www.youtube.com/@rai）
适用场景
- 视频内容结构化分析：用于解析长视频的章节划分逻辑，构建视频内容层级结构
- 视频章节自动标注：基于现有分段数据训练模型，实现视频章节的自动识别与标题生成
- 多媒体数据训练测试：作为视频处理模型的训练与测试数据集，验证算法性能
- 视频内容检索优化：利用分段数据提升视频内容检索的精准度，支持章节级内容定位
