专利文本相似度预测训练数据集PatentTextSimilarityPredictionTrainingDataset-shobhitupadhyaya

数据来源：互联网公开数据

标签：专利, 文本相似度, 自然语言处理, 语义匹配, 机器学习, 专利检索, 文本分类, 深度学习

数据概述：该数据集包含来自专利文献的数据，记录了用于训练和评估专利文本相似度预测模型的结构化数据。主要特征如下：时间跨度：数据未明确标注时间范围，可视为静态数据集。地理范围：数据来源于全球范围内的专利文献，未限定具体国家或地区。数据维度：包括“id”（唯一标识符），“anchor”（锚文本），“target”（目标文本），“context”（上下文信息，通常为专利分类号），“score”（相似度评分，数值型，反映anchor与target的相似程度），“code”（与context相关的分类代码），“title”（专利标题），“section”（专利所属技术领域），“class”、“subclass”、“group”、“main_group”（专利分类层级信息），“text_info_v3”（整合的文本信息，包含anchor、target和标题等），“kfold”（交叉验证折数），“anchor_map”（锚文本映射），“preds”（模型预测的相似度分数）等字段。数据格式：主要数据以CSV格式提供，名为oof_df.csv，包含结构化数据。此外，还包括模型相关的配置文件和词汇表等，以JSON、.model和.bin格式存储。来源信息：数据来源未明确说明，但从数据内容和文件结构推测，可能来自于专利文本分析或竞赛项目。数据已进行预处理，包括文本清洗、特征提取等。该数据集适合用于自然语言处理、文本相似度计算、专利检索、信息抽取等领域的研究和应用。

数据用途概述：该数据集具有广泛的应用潜力，特别适用于以下场景：研究与分析：适用于自然语言处理、机器学习和信息检索领域的学术研究，如专利文本相似度计算、语义匹配模型构建、专利分类、以及知识图谱构建等。行业应用：可用于专利检索系统、技术情报分析、竞争对手分析等，为企业提供技术创新和市场竞争方面的决策支持。决策支持：支持企业进行技术研发方向的规划、专利组合的优化、以及技术转移和合作的决策。教育和培训：可以作为自然语言处理、机器学习、信息检索等课程的实践数据集，帮助学生和研究人员理解和应用相关技术。此数据集特别适合用于训练和评估文本相似度模型，探索专利文本之间的语义关联，提高专利检索的准确性和效率。