肉桂AI 发布 CinPatent-EN, CinPatent-JA 数据集, 应用在 专利分类、语言处理 领域

肉桂AI 本次发布的数据集 CinPatent-EN, CinPatent-JA, 本研究推出了两个专利分类数据集：CinPatent-EN和CinPatent-JA，分别包含45,131份英文专利和54,657份日文专利。这些数据集通过使用CPC代码从Google专利数据库中收集，旨在解决专利分类任务中的数据访问和性能比较问题。数据集详细记录了专利的标题、摘要、描述和权利要求，平均每份专利有1-3个标签，且标签数量平衡。这些数据集适用于多标签文本分类模型的评估，特别是在低资源语言处理方面具有重要价值。

查看CinPatent-EN, CinPatent-JA

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。