基于内容的视频相关性预测挑战赛：数据、协议与基线

视频相关性预测是在线流媒体服务最重要的任务之一。给定视频的相关性和观众反馈，系统可以提供个性化推荐，从而帮助用户发现更多感兴趣的内容。在大多数在线服务中，视频相关性表的计算基于用户的隐式反馈，例如观看和搜索历史。然而，这类方法在“冷启动”问题上表现不佳——当新视频加入库时，推荐系统需要在已知用户行为极少的情况下引导视频相关性评分。一个有前景的解决方法是分析视频内容本身，即通过视频帧、音频、字幕和元数据预测视频相关性。在本文中，我们描述了由Hulu在2018年ACM多媒体会议上主办的基于内容的视频相关性预测（CBVRP）挑战赛。在该挑战赛中，Hulu推动了直接从原始视频利用内容特征进行视频相关性预测的开放问题研究。我们提供了海量视频资产以及源自我们真实系统的真值相关性，以建立算法开发和性能评估的通用平台。