本申请实施例公开了视频数据处理方法、装置、存储介质及电子设备，应用于人工智能领域。上述方法包括获取至少两个视频。针对上述至少两个视频中的每个视频，确定上述视频中至少两个维度的标签。针对上述至少两个视频形成的视频对，基于上述视频对在上述至少两个维度对应的维度相似度进行聚类，得到上述至少两个视频对应的聚类结果，上述维度相似度用于表征上述视频对的两个视频中同一维度下标签的重合度。本申请可以通过对视频数据进行聚类，使得人工标注时可以获得聚类信息，以便于人工可以根据聚类结果批量标注，或者参考聚类信息进行标注，从而解决目前人工标注效率低、准确率低以及产能低的问题。