Data-Gouv-FR/demandes-de-brevets

该数据集源自欧洲专利局的PATSTAT数据库。它包含了自2010年以来，至少有一方（申请人或发明人）位于法国的专利申请。数据集提供以下信息：由接收申请的机构、申请号、申请类型、接收国际申请的机构构成的标识符；DOCDB家族号；申请日期和受理机构；覆盖的工业产权领域；公布号和公布类型；根据《专利合作条约》（PCT）程序的申请号以及优先权要求；申请的公布日期；申请的授权日期；申请标题的语言及其关联标题。

This dataset is derived from the PATSTAT database of the European Patent Office. It presents patent applications made since 2010 where at least one of the parties involved in the patent (applicant or inventor) is located in France. It provides information on: the identifier composed of the authority that received the application, the application number with the authority, the type of application, the authority that received the international application; DOCDB family numbers; the application date and the authority to which the application was made; the industrial property domain covered; the publication number and type of publication; the application number under the Patent Cooperation Treaty (PCT) procedure and the claim of a priority right; the publication date of the application; the grant date of the application; the language of the application title and the associated title.

搜集汇总

数据集介绍

构建方式

该数据集源自欧洲专利局（EPO）的PATSTAT数据库，聚焦于2010年以来所有与法国具有直接关联的专利申请记录。在构建过程中，数据筛选标准为至少有一位专利当事人（包括申请人或发明人）位于法国境内。每一份申请记录被系统性地转化为结构化数据条目，涵盖了从受理机构、申请编号、申请类型到国际申请受理方的完整标识符链条。此外，数据条目还包含了DOCDB家族编号、申请日期与受理机构、工业产权保护领域、公开编号与类型、PCT申请编号及优先权主张、公开日期、授权日期以及标题语言与标题内容等关键字段，确保了数据的全面性与可追溯性。

特点

该数据集具备三大突出特点。首先，其数据来源权威且可溯，直接对接法国政府开放数据平台data.gouv.fr的官方发布，并遵循lov2许可协议，确保了合法合规使用。其次，数据集中所有的专利申请记录均与法国存在明确的地域关联性，这为聚焦法国本土及关联国际专利活动的研究提供了精准的数据边界。再者，数据字段的构建极为详尽，从技术细节如DOCDB家族编号、PCT程序标识，到元数据如标题语言，均被纳入统一结构，非常适合进行细颗粒度的专利分析与跨库关联。

使用方法

该数据集的使用极为便捷，其设计严格遵守了Hugging Face Datasets库的标准规范。用户只需通过Python环境，利用`load_dataset`函数加载指定配置（如"demandes-de-brevets"），即可获取一个包含名为`train`的训练集split的数据集对象。此数据集的结构化特性使其能够无缝对接主流的数据分析与机器学习工作流，无论是进行基础的统计探索、时序分析，还是构建专利分类或知识图谱模型，均可通过`datasets`库提供的友好API高效实现，无需额外的数据预处理负担。

背景与挑战

背景概述

在创新驱动发展的时代背景下，专利数据作为衡量技术产出与知识扩散的关键指标，对技术创新分析、产业政策制定及经济研究具有不可替代的价值。由法国数据开放平台data.gouv.fr整合发布的demandes-de-brevets数据集，依托欧洲专利局PATSTAT数据库，系统收录了自2010年以来至少有一位专利申请人或发明人位于法国的专利申请记录。该数据集由法国公共数据机构主导创建，以开放数据许可（lov2）发布，旨在为科研机构、政策制定者及企业提供结构化、可复用的专利信息。其核心研究问题聚焦于法国境内的技术创新活动与知识产权保护趋势，涵盖专利申请日期、家族信息、技术领域、PCT程序等多元维度，为宏观创新监测和微观专利行为分析提供了扎实的数据基础。作为法国首个大规模公开的专利数据集，它在推动区域创新生态研究、技术转移评估及国际专利比较等方面产生了广泛影响。

当前挑战

datasets所面临的挑战首先体现在领域问题的复杂性上：专利数据本身具有多源异构性，不同权威机构的编号规则、申请类型及优先权声明存在差异，使得跨平台整合与标准化清洗成为首要难题。此外，专利家族关系的解析涉及复杂关联计算，而在PCT程序与优先权日期的匹配中，数据稀疏性和不一致性进一步增加了分析难度。在构建过程中，挑战同样显著：从PATSTAT数据库中抽取法国相关数据需处理海量记录，且原始资源包含大量非结构化字段（如多语言标题），需要设计精准的过滤与映射策略。同时，确保数据开放性与隐私保护之间的平衡——如避免个人发明人信息的过度暴露——也对数据脱敏技术提出了较高要求。最后，持续同步更新以反映实时专利动态，是维护该数据集长期可用性的关键难点。

常用场景

经典使用场景

在法律、经济学与创新管理研究领域，专利分析被视为衡量技术变革与创新活动的核心工具。demandes-de-brevets数据集聚焦于2010年以来至少有一位申请者或发明者位于法国的专利申请记录，为研究者提供了系统性的专利元数据。经典使用场景包括对法国本土创新活动的时空分布特征进行量化分析，例如探索不同技术领域（如绿色能源、生物医药、人工智能）的创新密度与演化路径；也常被用于构建专利引用网络或家族分析，以揭示技术知识流动的地域断层与跨区域协同创新格局。此外，依托于PCT程序相关字段，该数据还可支撑对国际优先权主张与全球专利布局行为的比较研究，从而为理解法国在全球创新体系中的位置提供实证基础。

解决学术问题

该数据集有效缓解了法国专利微观数据碎片化与跨国标准化缺失的学术困境。在技术经济领域，研究者面临的核心问题之一是如何准确测度地域性创新绩效并识别其驱动因素。通过提供统一编码的申请号、出版物数据以及DOCDB家族标识，demandes-de-brevets支持学者构建面板数据模型，量化法国各地区研发投入、企业规模结构与专利产出之间的因果关联。同时，结合优先权日期与许可状态字段，该数据解决了围绕发明专利生命周期演进（从申请到授权再到失效）的纵向追踪难题，为检验知识溢出与专利囤积行为等假说提供了稀缺资料。其开放性格式（Parquet/CSV）也降低了跨数据库联合运算的门槛，有力推动了关于欧洲专利制度对本土创新激励效果的因果推断研究。

衍生相关工作

围绕demandes-de-brevets数据及其上游PATSTAT数据库，学界与工业界已衍生出一系列值得关注的经典工作。在计量经济学领域，研究者常基于申请日期与授权日期间隔构建专利审查时长指标，进而评估政策干预对专利质量与企业市场价值的影响。机器学习方向的工作则聚焦于利用标题与摘要语言字段，通过自然语言处理技术自动分类未标注的专利至国际专利分类（IPC）细类，推动了技术主题与共现性的语义探索。此外，部分研究结合企业注册地址信息空间化专利分布，生成了法国城市专利热力分布图谱，并据此验证知识溢出随地理距离衰减的空间计量模型。这些衍生成果不仅巩固了该数据作为法国创新文献基准的地位，还持续拓展着专利信息学与知识图谱构建的方法论边界。