JasonMo/neuro_patents_sample_finetune

该数据集包含专利申请相关的信息，字段包括申请ID、申请日期、文档家族ID、是否授权、申请摘要、摘要语言、申请标题、申请人国家、发明人国家、CPC分类、IPC分类等。数据集主要用于专利申请信息的分析和处理。

原始信息汇总

数据集信息

特征

• appln_id: 数据类型为 int64
• appln_filing_date: 数据类型为 string
• docdb_family_id: 数据类型为 int64
• granted: 数据类型为 string
• appln_abstract: 数据类型为 string
• appln_abstract_lg: 数据类型为 string
• appln_title: 数据类型为 string
• applt_coun: 数据类型为 string
• invt_coun: 数据类型为 string
• cpc: 数据类型为 string
• ipc: 数据类型为 string，序列类型
• index_level_0: 数据类型为 int64
• input: 数据类型为 string
• completion: 数据类型为 string

数据分割

• train: 包含 5 个样本，占用 11052.5 字节

数据集大小

• 下载大小: 32149 字节
• 数据集大小: 11052.5 字节

配置

• default:
  • 数据文件路径: data/train-*

搜集汇总

背景与挑战

背景概述

该数据集是一个小规模的神经科学专利样本数据集，包含5条记录，用于微调任务。数据以parquet格式存储，涵盖专利的抽象、标题、输入和完成字段，其中完成字段为结构化JSON，提供标签和应用描述等信息，适用于自然语言处理或专利分析模型的训练和测试。