火石创造科技有限公司本次登记的数据知识产权化学制剂产业链结构文本训练数据 ，本数据集服务于化学制剂产业链智能分类与治疗领域图谱构建模型的训练与开发，通过关联企业文本与治疗类别标签，为医药产业研究与市场监管提供数据工具。其主要应用于：治疗领域市场分析：辅助医药研究机构与市场部门，分析不同治疗领域的药品生产企业分布、产品剂型结构与区域集中度，洞察市场机会。供应链与代工合作：赋能药品上市许可持有人或流通企业，精准识别具备特定剂型生产能力或原料药生产优势的潜在合作伙伴，优化委托生产与采购决策。产业政策与投资研究：支持政府与投资机构，研判地区在特色治疗领域的研发制造能力，为产业扶持、招商引资与技术跟踪提供依据。一、加工前数据说明 本数据集旨在构建用于化学制剂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，依据世界卫生组织（WHO）药物解剖学、治疗学及化学分类法（ATC）及国家药品分类标准，预先定义了以“化学制剂”为一级节点，按治疗领域划分二级节点（如呼吸系统用药、消化道及代谢用药），并进一步细分为具体药物类别（三级节点，如咳嗽和感冒用药、镇痛药）的树状分类体系，为数据加工提供了国际通行的药学分类框架。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，由具备药学背景的标注专家进行审核与最终判定，确保企业归入最贴切的治疗领域与剂型类别。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、剂型、成分与生产特性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，并归纳其产业属性生成“产业标签”，共同作为对分类标签的精准语义补充。 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（一至三级节点）、高度细化的产品与技术特征词（正向词）与产业标签。数据内容全面覆盖了呼吸、消化、心血管、抗感染、神经、妇科等主要治疗领域的化学药品制剂生产企业，剂型涵盖注射剂、口服固体制剂、外用制剂及中药提取物等多种类型，形成了一个分类体系专业、治疗领域明确、特征维度丰富的专用数据集，可直接用于医药产业图谱构建、治疗领域企业画像、委托生产伙伴识别等模型的训练与评估。
登记内容：
_1769672084863.jpg)