uspto-trademarks-features

该数据集名为“USPTO 商标标记特征（衍生）”，是从伴生银级语料库中提取的美国专利商标局（USPTO）商标申请数据的客观特征列集合。每行对应一个唯一的商标申请，可通过serial_no字段关联到原始数据集illeatmyhat/uspto-trademarks。特征列包括12个关键字段：coined_mark_score（衡量商标字符序列统计异常性的新造词得分）、coined_token_max（最大令牌异常值）、single_token（指示商标是否为单一词）、is_standard_char（标识是否为标准字符绘图）、is_marketplace_class（判断是否属于亚马逊相关类别，如第9、11、18、20、21、25、28类）、filing_basis（申请基础类型，如使用、意向、外国、马德里）、final_refusal_in（反映是否发出最终驳回的法律程序状态）、abandoned_no_use_in（反映是否因使用声明缺失/缺陷而被放弃的法律程序状态）、owner_country（申请人国家代码）、goods_item_count（商品/服务项目数量）和filing_year（申请年份）。这些特征综合覆盖了商标的文字特性、申请属性、法律结果和基本信息，适用于商标分析、特征工程、市场趋势研究或机器学习任务（如商标分类或异常检测）。数据以Parquet格式存储，采用美国政府作品（公共领域）许可证。

The dataset is named USPTO Trademark Mark Features (Derived), which is a collection of objective feature columns extracted from the companion silver-level corpus, focusing on United States Patent and Trademark Office (USPTO) trademark application data. Each row corresponds to a unique trademark application (linked to the original trademark dataset illeatmyhat/uspto-trademarks via the serial_no field), with each feature column representing a measurement of the application itself, not subjective judgments about the applicant. The data includes 12 key feature fields: coined_mark_score and coined_token_max (measuring statistical anomalies in the entire trademark character sequence), single_token (indicating whether the trademark is a single word), is_standard_char (identifying if it is a standard character drawing), is_marketplace_class (determining if it belongs to Amazon-related classes, such as classes 9, 11, 18, 20, 21, 25, 28), filing_basis (application basis types, e.g., use, intent, foreign, Madrid), final_refusal_in and abandoned_no_use_in (reflecting legal procedural statuses for final refusal and abandonment due to missing/defective statements of use), owner_country (applicant country code), goods_item_count (number of goods/services items), and filing_year (application year). These features comprehensively cover the textual characteristics, application attributes, legal outcomes, and basic information of trademarks, making the dataset suitable for trademark analysis, feature engineering, market trend research, or machine learning tasks (such as trademark classification or anomaly detection). The data is stored in Parquet format and uses the U.S. Government Work (Public Domain) license.

原始信息汇总

USPTO Trademark Mark Features (Derived) 数据集概述

基本信息

• 数据集名称: USPTO Trademark Mark Features (Derived)
• 许可证: US Government Work（美国政府作品，公共领域）
• 许可证链接: https://www.usa.gov/government-works

数据集内容

该数据集是从配套的银级语料库中派生的、面向每个商标的特征列。每行对应一个申请（通过 serial_no 与 illeatmyhat/uspto-trademarks 数据集关联）。每个列都是对申请的测量，而非对任何申请人的判断。

主要特征列

列名	含义
coined_mark_score	整个商标的字符n-gram非概率性，范围[0,1]（1表示最像随机/造词）
coined_token_max	商标各词元的最大n-gram非概率性，范围[0,1]（可捕捉到造词词元与普通词组合的情况）
single_token	商标是否为单个词
is_standard_char	是否为标准字符图形
is_marketplace_class	是否在亚马逊密集类别（9/11/18/20/21/25/28）中提交
filing_basis	申请基础（使用/意图/外国/马德里）
final_refusal_in	是否发出最终驳回（公开的审查历史事实）
abandoned_no_use_in	是否因缺少/有缺陷的使用声明而放弃
owner_country	申请人国家代码（公开记录，可能包含杂质）
goods_item_count	列出的商品/服务项目数量
filing_year	申请年份

数据配置

• 配置名称: mark_features
• 数据文件: *.parquet

使用方法示例

sql -- 例如：查找近期基于使用、在亚马逊密集类别中提交且造词分数高的商标 SELECT serial_no, mark_id_char, coined_mark_score FROM hf://datasets/illeatmyhat/uspto-trademarks-features/*.parquet WHERE coined_mark_score > 0.85 AND is_marketplace_class AND filing_basis = use AND filing_year >= 2015 ORDER BY coined_mark_score DESC;

方法论与许可

• coined_mark_score 衡量商标字母序列的统计异常性；其他列是申请的直属性。
• 方法论详情请参见：https://github.com/illeatmyhat/uspto-trademark-radar/blob/main/docs/ANALYSIS.md
• 许可证：美国政府作品（公共领域）

搜集汇总

数据集介绍

构建方式

该数据集由USPTO商标配套的银级语料库衍生而来，每行对应一个商标申请（以serial_no为主键，可关联至illeatmyhat/uspto-trademarks数据集）。构建过程中，系统性地从原始申请记录中提取并计算了多项特征，如通过字符n-gram的统计异常性衡量商标的造词程度（coined_mark_score），以及标记是否为单一词汇、是否采用标准字符绘制、是否属于亚马逊密集型类别等属性。所有特征均作为申请行为的客观度量，而非对申请人的主观评判。

使用方法

用户可通过结构化查询语言（SQL）直接操作该数据集，例如利用HuggingFace的`hf://`协议路径读取远程Parquet文件。典型用法包括筛选高造词分数（如>0.85）、特定类别（is_marketplace_class为真）及近年申请（如2015年后）的记录，并按造词分数降序排列。数据集通过serial_no字段可无缝连接至主商标数据集，支持跨表联合分析。建议结合官方提供的分析方法文档（GitHub仓库中ANALYSIS.md）以深入理解特征工程逻辑。

背景与挑战

背景概述

美国专利商标局（USPTO）发布的商标数据长期以来是知识产权研究与商业分析的重要基石，但原始档案多以非结构化或半结构化形式呈现，缺乏可直接用于机器学习的特征工程处理。基于此，USPTO Trademark Mark Features数据集应运而生，由独立研究者illeatmyhat于近年创建，旨在从USPTO商标申请的银级语料库中提取每项申请的结构化特征。该数据集的核心研究问题聚焦于量化商标的显著性（如通过字符n-gram的不可能性计算造词分数）、申请行为模式（如基于意图或使用的申请基础）以及审查结果（如最终驳回与废弃），为商标法、商业战略及自然语言处理领域的学者提供了一套标准化、可复现的特征存储库。其影响力体现在：一方面降低了商标数据挖掘的技术门槛，使得非专利专家也能开展大规模实证分析；另一方面通过公开许可（美国政府作品）促进知识产权研究的透明度与可验证性，成为连接原始法律文书与高阶预测模型的桥梁。

当前挑战

该数据集所解决的领域挑战主要源于商标显著性判断的高度主观性与法律背景依赖性。传统方法依赖审查员对商标“固有显著性”的定性评估，而本数据集尝试通过统计语言模型（如字符n-gram概率）将造词特征量化，但字符层面的奇异度未必能完全捕捉语义层面的混淆风险——例如“Apple”在电子类目下是高度造词，而在水果类目中则属普通描述。构建过程中面临的挑战包括：从多源异构的USPTO归档中提取一致的特征（如申请国家代码中包含噪音条目）、处理时间跨度长达数十年的申请演变（如2015年后亚马逊相关类目的集中爆发）、以及平衡计算效率与特征精度（如n-gram范围的选择需兼顾召回率与噪音过滤）。此外，数据集仅包含申请层面的公开事实（如最终驳回是否发生），而非审查员内部的详细评注，限制了模型对法律推理过程的深层模拟能力。

常用场景

经典使用场景

USPTO商标特征数据集（USPTO Trademark Mark Features）为商标研究领域提供了一套精良的衍生特征体系，广泛应用于商标新颖性评估、申请策略分析及审查结果预测等经典场景。研究者可借助数据集中的coined_mark_score指标，精准量化商标词汇的独创性程度，从而系统性地挖掘高创新性商标的注册规律。通过组合is_marketplace_class、filing_basis和filing_year等字段，能够高效筛选特定商业领域内基于使用意图的近期申请案例，为理解商标布局的时空演变提供数据支撑。该数据集以Parquet格式存储结构化特征，支持高效的分布式查询与分析，成为商标科学量化研究的基础设施。

解决学术问题

在商标学术研究领域，该数据集有效回应了如何从海量申请记录中客观量化商标特征并揭示审查机制的经典难题。通过提供coined_mark_score这一基于字符n-gram统计奇异性的创新指标，研究者得以超越传统主观分类，以自然语言处理视角审视商标的造词规律。数据集中的final_refusal_in与abandoned_no_use_in字段，将审查过程中的最终驳回与未使用放弃等程序性事实转化为可分析变量，使学术探索得以聚焦于影响注册成败的关键特征组合。这些特征统计量的引入，极大推动了商标计量经济学和知识产权法学交叉研究的深度发展，为构建更具解释力的商标审查预测模型奠定了数据基石。

实际应用

该数据集在商业实务中展现出广泛的应用价值，尤其服务于商标代理机构、企业法务部门及电商平台的知识产权管理。通过coined_mark_score与is_marketplace_class等特征的组合筛选，商标代理人可快速定位亚马逊等电商集中类目中的高独创性申请，辅助设计更具区分度的品牌标识。filing_basis与owner_country字段的联合分析，帮助企业跨国布局时预判不同法域下的审查倾向。此外，goods_item_count与coined_token_max的组合能够揭示商品服务项目数量与商标特征之间的潜在关联，为优化申请策略提供数据驱动的决策参考，显著降低驳回与放弃的法律风险。

数据集最近研究

最新研究方向

该数据集聚焦于美国专利商标局（USPTO）商标申请中标的特征提取与量化分析，其最新研究方向集中于通过n元语法概率模型计算商标的“创新性评分”（coined_mark_score），以此衡量商标字符串的统计罕见度，结合申请类别、使用基础、放弃状态等多个维度的结构化特征，构建面向商标可注册性预测与自动化审查辅助的机器学习模型。相关热点事件包括USPTO关于商标显著性审查的数字化改革、电商平台商标纠纷频发背景下的“市场类别过滤”实用主义分析，以及通过“最终驳回”与“未使用放弃”等特征反向识别高风险申请。该研究的意义在于将法律文本中的主观显著性判断转化为可量化的统计特征，为商标战略的智能化评估与大数据驱动治理提供了公共可重复利用的基础特征库。