火石创造科技有限公司本次登记的数据知识产权生物制品产业链结构文本训练数据，本数据集服务于生物制品产业链智能分类与研发图谱构建模型的训练与开发，通过关联企业文本与技术路线标签，为生物医药产业分析提供核心数据工具。其主要应用于：技术赛道与研发动态监测：支持行业研究机构与投资方，分析蛋白药物、抗体药物、基因治疗、细胞治疗等不同技术路线的企业分布、研发阶段、技术平台布局与竞争格局。产业链协同与生态合作：赋能大型药企或CXO服务商，精准识别上游技术平台（如基因编辑、病毒包装）、中游研发企业（如ADC、双抗）及下游临床转化服务商的合作伙伴。产业政策与区域规划：辅助政府与园区，摸清区域内生物制品各细分领域（如重组蛋白、CAR-T、mRNA）的创新资源集聚情况，为产业扶持与招商引资提供决策依据。一、加工前数据说明 本数据集旨在构建用于生物制品产业链智能分析的人工智能模型训练语料。在加工前，数据已进行严格的匿名化与去标识化处理。原始企业名称被统一替换为不可逆的规范标识符，并彻底移除所有的个人及商业敏感信息，确保数据完全符合隐私保护与安全合规要求，为模型训练提供了洁净、可靠的输入基础。 二、数据处理规则 数据处理严格遵循 “体系先行、业务匹配、特征抽取” 的核心规则，形成了一套从分类框架构建到最终标签生成的完整流程：1.首先，依据生物医药产业分类及技术原理，预先定义了从“生物制品”（一级节点）出发，按产品类型与技术路线划分为“蛋白药物”、“抗体药物”、“基因治疗”、“疫苗”、“血液制品”等（二级节点），并进一步细分为“重组酶”、“融合蛋白”、“CAR-T细胞治疗”、“ADC药物”等具体技术类别（三级、四级节点）的树状分类体系，为数据加工提供了专业、清晰的框架。2.业务匹配：采用“自动化规则匹配与人工校验相结合”的策略。首先，依托Spark大数据处理框架，对海量企业简介文本进行分布式清洗、分词与关键词匹配，通过预构建的生物医药产业语义规则库自动计算并推荐初步分类节点。随后，由具备生物医药行业知识的标注专家进行审核与最终判定，确保企业归入最贴切的技术与产品类别。3.特征抽取：在完成业务匹配的同时，从同一段企业简介文本中，系统性地抽取代表其核心产品与技术的关键术语与名词性短语，经过去重与标准化格式化，组合成“正向词”特征串，作为对分类标签的语义补充。 三、加工后数据内容 加工后的数据集为一条条结构化的“文本-标签”数据。每条数据均包含经过脱敏处理的原始企业描述文本，以及与之对应、经人工校验的完整分类标签（一至四级节点）、高度细化的技术特征词（正向词）与产业标签。数据内容全面覆盖了重组蛋白、单抗/双抗/ADC、细胞治疗（CAR-T、TCR-T）、基因治疗（溶瘤病毒、RNAi）、疫苗等生物制品核心领域，形成了一个分类体系专业、技术特征鲜明、可直接用于生物医药技术赛道分析、研发企业识别与竞争格局研判等模型训练与评估的高质量专用数据集。
登记内容：
_1769672084863.jpg)