Clarivate 发布 Patent Language Model Pretraining 数据集, 应用在 专利处理、自然语言处理 领域

Clarivate 本次发布的数据集 Patent Language Model Pretraining, 该数据集由Clarivate构建，包含约6400万份专利文档，平均长度约700词。数据集由原始已发布的专利申请和从德温特世界专利索引（DWPI）中提取的对应专有样本组成。数据集经过预处理，包括提取摘要和每项专利的第一个独立权利要求，并附录DWPI标题、摘要和权利要求。数据集的应用领域为专利领域，旨在解决专利分类、检索和段落高亮等任务。

查看Patent Language Model Pretraining

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。