哈佛大学 发布 哈佛USPTO专利数据集 (HUPD) 数据集, 应用在 专利数据、自然语言处理 领域

哈佛大学 本次发布的数据集 哈佛USPTO专利数据集 (HUPD), 哈佛USPTO专利数据集(HUPD)是由哈佛大学创建的一个大规模、结构化、多用途的英语专利申请语料库，涵盖了2004至2018年间提交给美国专利商标局的超过450万份实用新型专利申请。该数据集不仅规模是现有类似数据集的两到三倍，而且包含发明人提交的专利申请版本，而非最终授权的专利版本，首次允许使用自然语言处理方法研究申请时的专利性。此外，HUPD的独特之处在于包含丰富的结构化元数据，伴随专利申请的文本字段，使研究者能够利用结构化协变量的变化执行新的自然语言处理任务。该数据集旨在推动将语言和分类模型扩展到多样化和动态的真实世界数据分布的研究。

查看哈佛USPTO专利数据集 (HUPD)

关于 哈佛大学 , 哈佛大学是一所享誉全球的私立研究型大学，位于美国马萨诸塞州的剑桥市，以其卓越的教学和研究水平在全球高等教育界享有崇高地位。

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。