© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州晨伴芯曜科技有限公司
企业杭州晨伴芯曜科技有限公司成立于2025年，属软件和信息技术服务业，主营技术服务、技术开发、技术咨询、技术交流。面向需求弹性、市场分析等领域提供数据服务，开放面板连接线在江西省的需求价格弹性分析数据（需求弹性、市场分析）、12V电脑散热扇在山东省的需求价格弹性分析数据（需求弹性、市场分析），支撑市场分析与定价决策。
市场分析弹性分析电脑配件行业软件信息服务
数据集列表
商品评价星级与文本一致性标注训练数据
本数据适用于电商平台、品牌方、口碑研究机构和评价分析服务商判断评分与文字意见是否一致。使用方可训练星文一致性识别模型，将一至五星评价与文本的正向、负向或中性情感分别计算，再生成一致或不一致标签，用于发现误点星级、敷衍评分及评分与实际意见相反的记录。具备星级和评价文本的其他企业也可按相同映射关系开展评价质量治理、口碑统计校正和推荐排序特征构建。
浙江省数据知识产权登记平台2026-11-11 更新00
短视频封面主体显著度标注训练数据
本数据面向短视频平台、品牌内容运营和电商商家，适用于封面主体区域检测、主体显著度分级、素材筛选和内容推荐。通过定位主体区域并计算主体面积占比和中心偏移，可形成高、中、低三级显著度标签，为封面质量检测、主体定位模型训练和素材优化提供结构化数据。使用时需提供主体轮廓能够辨认的短视频封面图像，并采用统一处理画布和坐标口径。数据使用方可结合区域坐标、像素数、面积占比、归一化中心坐标和中心偏移分析主体大小及位置特征，利用显著度等级训练定位与分级模型，并通过识别置信度评价检测结果的稳定性。一、加工前的数据说明：
原始数据来源于企业自有内容平台的短视频封面图像，原始字段包括素材编号、内容类别和原始图像。
二、处理规则：
1.数据清洗：按素材编号去重，删除图像损坏、模糊及与任务无关的记录；校正图像方向并统一缩放至800×600像素处理画布。
2.主体检测：对统一画布提取封面视觉特征，主体检测模型根据前景轮廓、区域完整性及其与背景的区分程度形成主体候选框，输出最终主体区域坐标和识别置信度。坐标采用左闭右开的x1、y1、x2、y2像素区间，主体区域像素数=(x2-x1)×(y2-y1)，图像总像素数=800×600，主体面积占比A=主体区域像素数/图像总像素数，采用十进制定点四舍五入保留四位小数。
3.中心计算：主体中心横坐标X=(x1+x2)/(2×800)，主体中心纵坐标Y=(y1+y2)/(2×600)，先将X、Y采用十进制定点四舍五入保留三位小数，再按C=√[(X-0.5)²+(Y-0.5)²]计算图像中心偏移C并保留三位小数。
4.算法标注：A＜0.25或C＞0.35时标注低；未命中低等级规则且A≥0.45、C≤0.20时标注高；其余标注中。逐条复算坐标、像素数、面积占比、中心偏移和等级，未通过一致性校验的记录不入库。
5.数据划分：按封面图像编号分组并按显著度等级分层，以8:1:1划分训练集、验证集和测试集。
三、数据内容描述：
最终形成结构化数据集合，包含以下字段：1）样本编号：样本匿名唯一标识；2）封面图像编号：封面图像匿名标识；3）内容类别：短视频封面；4）主体区域坐标：主体在800×600画布中的坐标范围；5）主体区域像素数：主体坐标区域包含的像素数量；6）图像总像素数：处理画布的总像素数量；7）主体面积占比：主体区域像素数与图像总像素数之比；8）主体中心横坐标：主体中心横向归一化坐标；9）主体中心纵坐标：主体中心纵向归一化坐标；10）图像中心偏移：主体中心相对图像中心的归一化距离；11）主体显著度等级：高、中或低；12）识别置信度：主体检测模型输出的置信度；13）数据集划分标识：训练集、验证集或测试集。
浙江省数据知识产权登记平台2026-10-19 更新60
内容话题标签准确性标注训练数据
本数据面向内容平台、品牌运营方和商家内容营销场景，适用于图文或文章的话题标签核验、推荐分发和内容检索。通过提取标题与正文关键词、计算正文和话题标签的语义相似度，可识别标签与内容主题完全匹配、部分匹配或不匹配的记录，为内容审核、检索优化和分类模型训练提供结构化数据。使用时需同时取得去标识化标题、正文和原话题标签，不将标签脱离文本证据单独判断。数据使用方可结合关键词命中结果、两项语义相似度、准确性标签和证据片段评价模型的关键词提取、语义匹配及三级分类效果，并依据数据集划分标识开展训练、验证和测试。一、加工前的数据说明：
原始数据来源于企业自有内容平台的图文或文章内容及其话题标签记录，原始字段包括记录编号、内容类别、标题、正文和原始话题标签。
二、处理规则：
1.数据清洗：按记录编号去重，删除标题、正文或标签缺失以及与任务无关的记录；统一字符编码和空白符，将标题、正文按句切分并清理无实际语义的符号，对同义表达进行归并，保留能够反映内容主题的文本。在不改变正文主题词、语义重点和证据片段的前提下，对集中重复的说明式衔接语进行表达规范化，减少固定句式对文本特征的干扰。对可能识别用户或业务主体的信息进行不可逆去标识化，使后续关键词提取和语义计算使用统一文本口径。
2.算法标注：使用固定版本的文本语义模型提取标题和正文关键词，形成全部命中、部分命中、无命中三种关键词命中结果；计算标题正文语义向量相似度T和正文标签语义相似度S。标题或正文与原话题标签存在两个及以上核心词完全匹配时，执行词面重合校准并将S下限设为0.80。S≥0.80且关键词全部命中时标注准确；0.50≤S＜0.80或关键词部分命中时标注部分准确；S＜0.50且关键词无命中时标注不准确，并保留支持判定的证据片段。
3.算法校验：校验相似度取值范围、关键词命中结果和标签阈值的一致性；相同标题、正文和标签组合仅保留一条固定计算结果。按内容匿名编号和“去标识化标题+去标识化正文+原话题标签”核心文本签名联合分组，并按标签分层以8:1:1划分训练集、验证集和测试集，避免同一内容对象或相同核心文本组合跨集合出现。
三、数据内容描述：
最终形成结构化的内容话题标签准确性标注训练数据集合，包含以下字段：1）样本编号：样本匿名唯一标识；2）内容匿名编号：内容的去标识化编号；3）内容类别：内容社区；4）去标识化标题：删除直接身份信息后的标题；5）去标识化正文：删除直接身份信息后的正文；6）原话题标签：内容原有的话题标签；7）正文关键词：算法提取的正文关键词；8）关键词命中结果：全部命中、部分命中或无命中；9）标题正文语义向量相似度：标题与正文的语义相似度；10）正文标签语义相似度：正文与原话题标签的语义相似度；11）话题标签准确性标签：准确、部分准确或不准确；12）证据片段：支持标签判定的关键词证据；13）数据集划分标识：训练集、验证集或测试集。
浙江省数据知识产权登记平台2026-10-19 更新50
短视频内容场景类型分类标注训练数据
本数据面向短视频平台、品牌投放方和内容服务商，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。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结构化数据。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，利用持续时长和时长占比评价场景稳定程度，并按数据集划分标识完成模型训练、验证和测试。一、加工前的数据说明：
原始数据来源于企业自有内容平台的短视频、字幕和时间轴记录，原始字段包括视频编号、内容类别、原始视频、字幕文本和视频时长。
二、处理规则：
1.数据清洗：按视频编号去重，删除视频损坏、字幕或时长缺失及与任务无关的记录；统一视频方向、字幕编码和空白符，对字幕中的身份信息进行不可逆去标识化。
2.特征融合：按视频时间轴抽取能够反映环境、人物活动和主要物体的关键帧，图像分类模型从画面中提取场所、对象和动作特征；文本分类模型对字幕文本脱敏值进行分词和语义编码，提取与场景相关的活动及环境表达。将两类模型输出按同一六类场景体系进行对应，综合比较画面与字幕证据的一致方向，确定占主要内容的场景类型；同时记录关键帧图像编号，并将支持分类的画面特征和字幕语义整理为主场景识别依据。
3.时长计算：聚合同一场景的连续帧得到主场景持续时长，主场景时长占比=主场景持续时长/视频总时长，采用十进制定点四舍五入保留三位小数。关键帧时间和主场景持续时长均不得超过视频总时长。
4.算法校验：逐条复算主场景时长占比，核对关键帧时间、主场景持续时长、视频总时长、内容场景类型和主场景识别依据之间的一致性。画面或字幕证据不能支持所选场景类型的记录不进入最终数据集，相同核心场景签名仅保留一条；按视频匿名编号和“字幕文本脱敏值+内容场景类型+主场景识别依据”核心场景签名联合分组，并按场景类型分层以8:1:1划分训练集、验证集和测试集，避免同一视频或相同核心场景内容跨集合出现。
三、数据内容描述：
最终形成结构化的短视频内容场景类型分类标注训练数据集合，包含以下字段：1）样本编号：样本匿名唯一标识；2）视频匿名编号：视频去标识化编号；3）内容类别：短视频内容；4）关键帧时间(秒)：关键帧在视频中的时间；5）关键帧图像编号：关键帧图像匿名标识；6）字幕文本脱敏值：去除身份信息后的字幕；7）主场景持续时长(秒)：主场景连续出现的时长；8）视频总时长(秒)：视频总时长；9）主场景时长占比：主场景持续时长与视频总时长之比；10）内容场景类型：办公学习、运动健身、室内生活、餐饮美食、购物消费或户外自然；11）主场景识别依据：支持场景分类的画面与文本证据；12）数据集划分标识：训练集、验证集或测试集。
浙江省数据知识产权登记平台2026-09-30 更新70
内容话题标签准确性标注训练数据
本数据面向内容平台、品牌运营方和商家内容营销场景，适用于图文或文章的话题标签核验、推荐分发和内容检索。通过提取标题与正文关键词、计算正文和话题标签的语义相似度，可识别标签与内容主题完全匹配、部分匹配或不匹配的记录，为内容审核、检索优化和分类模型训练提供结构化数据。使用时需同时取得去标识化标题、正文和原话题标签，不将标签脱离文本证据单独判断。数据使用方可结合关键词命中结果、两项语义相似度、准确性标签和证据片段评价模型的关键词提取、语义匹配及三级分类效果，并依据数据集划分标识开展训练、验证和测试。
浙江省数据知识产权登记平台2026-09-22 更新90
商品好评关键词抽取标注训练数据
本数据可供电商平台、商品生产企业、品牌运营方和市场研究机构从好评文本中提炼消费者认可的商品特征，覆盖质量、功能、材质、外观、做工、尺寸规格、使用体验和规格八类关键词。使用方可以据此训练关键词抽取及分类模型，将分散的自然语言评价转化为可统计的产品优势，用于比较不同商品的口碑重点、发现消费者偏好，并辅助详情页卖点整理和产品改进。具备同类评价数据的企业可按照相同评分方法形成自己的关键词训练样本。
浙江省数据知识产权登记平台2026-11-11 更新00
用户评论违规类型分类标注训练数据
本数据面向内容社区、电商平台和品牌商家评论区治理场景，适用于识别辱骂攻击、色情低俗、违法交易、个人隐私、引流广告和虚假信息等评论。通过文本标准化、敏感信息识别和违规规则匹配，形成可回查的违规证据与类型标签，为评论审核、风险筛查和分类模型训练提供结构化数据。使用时需提供经过合法收集和去标识化处理的评论文本，并按照同一违规分类口径使用。数据使用方可结合去标识化标准评论文本、规则命中结果、连续证据片段及其字符位置评价不同违规类型的识别效果，训练文本分类和证据定位模型，并利用正常评论检验非违规内容的区分能力。一、加工前的数据说明：
原始数据来源于企业自有内容平台或电商评价区评论文本，原始字段包括记录编号、用户编号、内容类别和原始评论文本。用户及评论编号改为匿名编码，直接身份信息经去标识化处理。
二、处理规则：
1.数据清洗：按评论记录编号去重，删除文本缺失及无关记录；替换评论中的直接身份信息，统一字符编码、全半角符号、标点和空白符，形成去标识化标准评论文本。
2.算法标注：对去标识化标准评论文本分词切分，再以辱骂攻击、色情低俗、违法交易、个人隐私、引流广告和虚假信息六类规则库匹配词语组合及上下文表达。命中规则时形成对应的规则命中结果和评论违规类型；多处文本同时符合规则时，以能够直接说明违规性质的连续片段作为主要判定依据。未命中六类违规规则的记录标注为正常，并将规则命中结果记为未命中。最终类型包括正常、辱骂攻击、色情低俗、违法交易、个人隐私、引流广告和虚假信息。
3.证据定位：在去标识化标准评论文本中定位支持判定的连续证据片段；证据起始位置从0开始，证据结束位置采用左闭右开区间，使文本按起止位置截取的内容与违规证据片段脱敏值一致。正常评论的证据片段及两个位置字段统一记为“-”。
4.算法校验：逐条验证证据片段等于对应字符区间，并核对规则命中结果与违规类型。以去标识化标准评论文本作为核心文本签名，相同签名仅保留一条；同一文本存在多个可用证据片段时，优先保留能够较完整说明违规性质的连续片段，长度相同时保留位置靠前的片段。按用户匿名编号和去标识化标准评论文本联合分组，约8:1:1划分训练集、验证集和测试集，避免同一用户或相同评论文本跨集合出现。
三、数据内容描述：
最终形成结构化数据集合，包含以下字段：1）样本编号：样本匿名唯一标识；2）评论匿名编号：评论去标识化编号；3）用户匿名编号：用户去标识化编号；4）内容类别：商品评论区；5）去标识化标准评论文本：删除直接身份信息并完成编码、标点和空白符统一后的评论；6）违规证据片段脱敏值：支持违规判定的连续文本片段；7）证据起始位置：证据片段在去标识化标准评论文本中的起始字符位置；8）证据结束位置：证据片段左闭右开区间的结束位置；9）规则命中结果：违规规则命中情况；10）评论违规类型：正常、辱骂攻击、色情低俗、违法交易、个人隐私、引流广告或虚假信息；11）数据集划分标识：训练集、验证集或测试集。
浙江省数据知识产权登记平台2026-10-19 更新50
图文内容排版规范性标注训练数据
本数据面向内容平台、品牌营销方和商家图文发布场景，适用于检测图文页面中的文字溢出、元素遮挡、间距异常、对齐异常和颜色对比不足。通过提取页面元素区域并计算重叠、溢出、对齐、间距和文字背景对比特征，可形成排版问题类型和规范性标签，为页面质量检测、内容发布校验和模型训练提供结构化数据。使用时需提供能够辨认文本框、图片框、标题框、按钮和分割线的页面截图。数据使用方可结合元素类型、区域坐标、五类排版特征、问题类型和规范性标签分析异常原因，训练页面元素定位及排版分类模型，并分别评价不同问题类型下的检测结果。一、加工前的数据说明：
原始数据来源于企业自有内容平台的图文发布页面及截图，原始字段包括记录编号、内容类别、原始图片和原始文本。
二、处理规则：
1.数据清洗：按记录编号去重，删除图片或文本缺失、页面无法辨认及与任务无关的记录；统一文本编码，对截图进行方向校正并缩放到800×600像素处理画布。
2.特征计算：版面解析模型识别文本框、图片框、标题框、按钮和分割线，输出元素区域坐标及识别置信度；计算元素重叠率、边界溢出量、对齐偏差、间距偏差率和文字背景对比度。间距偏差率=|实际间距-基准间距|/基准间距，文字背景对比度为文字与背景灰度差的绝对值。
3.算法标注：按元素遮挡、文字溢出、对齐异常、颜色对比不足、间距异常的顺序判定。元素重叠率≥0.25为元素遮挡；边界溢出量＞0像素时按本数据的统一分类记为文字溢出，用于表示页面元素超出处理画布边界；对齐偏差≥8像素为对齐异常；文字背景对比度≤100为颜色对比不足；其余记录中间距偏差率≥0.15为间距异常；均未命中为规范。规范标注为规范，其余标注为不规范。
4.算法校验：逐条校验坐标顺序、数值范围、问题类型和规范性标签一致性。按页面匿名编号分组后约8:1:1划分训练集、验证集和测试集，保证同一页面不跨集合出现。
三、数据内容描述：
最终形成结构化数据集合，包含以下字段：1）样本编号：样本匿名唯一标识；2）页面匿名编号：页面去标识化编号；3）内容类别：图文内容；4）页面截图编号：页面截图匿名标识；5）元素类型：文本框、图片框、标题框、按钮或分割线；6）元素区域坐标：元素在800×600画布中的坐标范围；7）元素重叠率：元素与其他元素的重叠比例；8）边界溢出量(像素)：元素超出画布边界的最大像素量；9）对齐偏差(像素)：元素相对基准线的偏差；10）间距偏差率：实际间距相对基准间距的偏差比例；11）文字背景对比度：文字与背景的灰度差；12）排版问题类型：规范、元素遮挡、文字溢出、对齐异常、颜色对比不足或间距异常，其中文字溢出为页面元素超出画布边界的统一分类名称；13）排版规范性标签：规范或不规范；14）识别置信度：版面解析模型输出的置信度；15）数据集划分标识：训练集、验证集或测试集。
浙江省数据知识产权登记平台2026-10-19 更新60
短视频封面主体显著度标注训练数据
本数据面向短视频平台、品牌内容运营和电商商家，适用于封面主体区域检测、主体显著度分级、素材筛选和内容推荐。通过定位主体区域并计算主体面积占比和中心偏移，可形成高、中、低三级显著度标签，为封面质量检测、主体定位模型训练和素材优化提供结构化数据。使用时需提供主体轮廓能够辨认的短视频封面图像，并采用统一处理画布和坐标口径。数据使用方可结合区域坐标、像素数、面积占比、归一化中心坐标和中心偏移分析主体大小及位置特征，利用显著度等级训练定位与分级模型，并通过识别置信度评价检测结果的稳定性。
浙江省数据知识产权登记平台2026-09-23 更新60
图文内容排版规范性标注训练数据
本数据面向内容平台、品牌营销方和商家图文发布场景，适用于检测图文页面中的文字溢出、元素遮挡、间距异常、对齐异常和颜色对比不足。通过提取页面元素区域并计算重叠、溢出、对齐、间距和文字背景对比特征，可形成排版问题类型和规范性标签，为页面质量检测、内容发布校验和模型训练提供结构化数据。使用时需提供能够辨认文本框、图片框、标题框、按钮和分割线的页面截图。数据使用方可结合元素类型、区域坐标、五类排版特征、问题类型和规范性标签分析异常原因，训练页面元素定位及排版分类模型，并分别评价不同问题类型下的检测结果。
浙江省数据知识产权登记平台2026-09-18 更新60