uspto-trademarks-bronze

USPTO商标批量XML数据集是美国专利商标局（USPTO）开放数据门户中商标相关批量产品的原始源镜像。该数据集逐字复制了USPTO的TRTYRAP（商标全文XML数据，无图像—年度申请）和TRTDXFAP（每日申请）产品，包含符合美国商标申请v2.0文档类型定义（DTD）的XML压缩文件。创建此镜像的主要原因是直接从USPTO获取这些文件需要个人身份验证（ID.me验证的API密钥），且官方门户不保留被替换的历史文件。该镜像仓库采用仅追加策略，年度快照版本和每日更新文件在此持续积累，即使USPTO轮换掉旧文件，用户仍可基于此镜像重现任何历史时间点的派生数据集。数据集按时间组织为两个主要部分：annual/目录包含完整的年度回溯快照，每个已完成年份对应一个版本（文件命名格式为apc<START>-<END>-<PART>.zip，其中END日期为覆盖截止点）；daily/目录包含每日更新文件（命名格式为apcyymmdd.zip），每个文件包含当天有活动更新的所有商标案例的完整当前记录。该原始XML数据可进一步转换为分析就绪的关系型Parquet格式，相关派生数据集位于配套的silver数据集中。数据集适用于商标分析、法律研究、知识产权管理等应用场景。数据许可证为美国联邦政府作品，属于公共领域。

原始信息汇总

数据集名称

USPTO Trademark Bulk XML (Bronze Mirror)

许可证

• 类型：其他（United States government work — public domain）
• 名称：us-government-work
• 链接：https://www.usa.gov/government-works

数据集描述

该数据集是美国专利商标局（USPTO）开放数据门户批量产品的逐字镜像，包含以下两类XML格式数据：

• TRTYRAP：商标全文本XML数据（无图像）——年度申请数据
• TRTDXFAP：每日申请数据

数据内容

• 文件格式：符合US Trademark Applications v2.0 DTD标准的ZIP压缩XML文件
• 数据版本：以USPTO原始服务方式精确镜像，无任何修改

目录结构

• annual/：完整回溯快照，每个已完成年份对应一个版本（文件命名格式：apc<START>-<END>-<PART>.zip，END日期为覆盖截止点）
• daily/：每日更新文件（文件命名格式：apcyymmdd.zip），包含当天有活动的每个案例的完整当前记录

数据集特点

• 仅追加：年度快照版本和每日文件持续累积，即使USPTO移除旧版本，历史文件仍保留在此仓库中，确保衍生数据集的任何历史构建都可复现
• 镜像目的：从USPTO拉取文件需要个人ID.me验证的API密钥，且门户不保留已被替换的文件；此镜像解决了这些问题

关联数据集

分析就绪的关系型Parquet格式衍生数据存储在配套的银级数据集中。

许可说明

属于美国政府作品，为公共领域内容。

搜集汇总

数据集介绍

构建方式

该数据集为美国专利商标局（USPTO）商标批量XML数据的原始镜像副本，严格忠实于USPTO开放数据门户的批量产品TRTYRAP（年度申请全文本XML数据，无图像）和TRTDXFAP（每日申请）。数据以符合美国商标申请v2.0 DTD规范的ZIP压缩XML文件形式存在，并采用仅追加的存储策略，年度的完整回溯快照与每日更新文件均被永久保留，从而确保历史版本的完全可复现性。

特点

数据集特色在于其原始性与完整性，直接对USPTO官方数据源进行逐字镜像，无任何格式转换或内容增删。通过独立于USPTO门户的存档机制，即便官方移除历史文件，该镜像仍可提供从年度回溯到每日增量数据的全量覆盖，使得任何基于此数据构建的衍生分析结果均具备可追溯和可复现的能力，极大便利了商标领域的长期研究。

使用方法

数据集按年度快照和每日更新文件组织，用户可直接访问JSON格式的ZIP压缩包，并按需进行批量下载。对于需要结构化关系型数据的分析场景，建议转向本数据集的配套银级（silver）版本，该版本已预先生成分析就绪的Parquet格式文件，用户可通过加载Parquet文件直接进行高效的查询、统计与建模，无需自行解析底层XML结构。

背景与挑战

背景概述

USPTO Trademark Bulk XML (Bronze Mirror)数据集创建于美国专利商标局（USPTO）开放数据门户，旨在为商标研究提供原始XML格式的批量数据镜像。该数据集由USPTO维护，核心研究问题聚焦于商标申请全量数据的可及性与历史回溯性，涵盖年度快照和日更新文件。作为公有领域作品，它对法律分析、知识产权研究及数据科学领域具有重要影响力，为商标趋势追踪、分类建模等任务提供了可靠基础。

当前挑战

该数据集面临的核心挑战在于领域问题：商标数据的高动态性与历史版本依赖——USPTO不保留旧版文件，而研究需追踪多年趋势，因此需要构建追加式镜像以避免数据断层。构建过程中的挑战包括：需通过ID.me验证的API密钥获取数据，且日更新文件仅涵盖当日活跃案件，导致完整记录需跨时间序列拼接，考验数据整合的准确性与复杂性。

常用场景

经典使用场景

USPTO商标数据青铜镜像数据集以XML格式忠实再现了美国专利商标局（USPTO）开放数据门户的商标申请批量产品，覆盖年度快照与每日更新文件。该数据集最经典的使用场景在于为商标信息检索系统提供原始数据底座，研究者可基于完整的XML文档结构解析商标申请文本，提取商标名称、类别、申请人、法律状态等核心字段。通过联合年度与日频数据，能够构建连续时间序列的商标注册记录，支撑商标生命周期追踪与历史版本回溯分析。

实际应用

在实际应用中，该数据集作为原始数据源，支持构建多层次的商标分析与服务平台。企业知识产权管理部门可利用其监测竞争对手的商标布局动态，通过关键词匹配与类别过滤识别潜在侵权风险；法律科技公司可开发商标可注册性评估工具，基于历史申请与审查记录预测新申请的成功概率；研究机构可结合自然语言处理技术，从商标文本中挖掘品牌命名趋势与消费者认知映射。此外，将商标数据与公司财务数据、专利数据跨库关联，能够辅助投资机构评估企业无形资产价值与市场竞争地位。

衍生相关工作

该数据集衍生出的经典工作主要包括两个方向：一是基于该原始镜像构建的分析就绪型银牌数据集，将非结构化的XML转换为关系型Parquet格式，便于大规模统计建模；二是涌现了一系列商标相关的学术论文与开源工具，例如基于商标文本的行业分类系统、商标相似度匹配算法，以及商标驳回的机器学习预测模型。这些工作进一步推动了商标大数据在创新政策评估中的应用，例如分析《兰哈姆法》修订对商标申请行为的影响，或是量化商标组合与企业上市概率之间的因果效应，为知识产权领域的实证研究提供了坚实的数据基石。