数据集概述
本数据集包含300个人工生成的讲座视频转录文本及其对应的片段化真实标注，用于评估讲座视频片段化技术。转录文本源自VideoLectures.NET的1498个学术讲座转录文件，涵盖计算机科学、数学、医学等多领域。每个讲座由20个时长4-8分钟的片段拼接而成，总时长约600小时。
文件详解
- 压缩包内容：
- 解压后包含两个子文件夹：ALV_srt（300个文件）、ALV_srt_GT（300个文件）
- ALV_srt文件夹：
- 文件格式：SRT（字幕文件）
- 字段内容：序号、时间戳（开始→结束）、字幕文本、空行分隔
- ALV_srt_GT文件夹：
- 文件格式：制表符分隔文本
- 字段内容：3列20行，包含Fragment_ID（片段ID）、StartTime（开始时间）、EndTime（结束时间）
数据来源
论文“Temporal Lecture Video Fragmentation using Word Embeddings”
适用场景
- 视频片段化技术评估：验证和比较不同讲座视频片段边界检测算法的准确性
- 多媒体内容分析：研究学术视频的结构特征与语义分段规律
- 教育技术研究：分析讲座内容的最佳片段时长与学习效果的关系
- 自然语言处理应用：基于转录文本的语义分段模型训练与测试
