集成电路产业链结构文本训练数据

本数据集服务于集成电路产业链智能分类与产业图谱构建模型的训练与开发，通过关联企业文本与材料设备环节标签，为半导体产业分析提供数据工具。其主要应用于：产业链强链补链分析：辅助政府与产业园区，绘制区域在硅片、光刻胶、靶材、电子特气等关键材料以及清洗、测试、封装等设备领域的分布地图，识别薄弱环节与核心企业。供应商寻源与风险评估：赋能芯片设计公司、晶圆厂及封装测试厂，精准匹配上游材料及设备供应商，为供应链多元化与国产化替代提供决策支持。技术路线与投资研究：支持投资机构与研究团队，量化分析光刻材料、第三代半导体材料、CMP抛光材料等细分领域的技术研发布局与市场竞争格局。一、加工前数据说明
本数据集旨在构建用于集成电路产业链智能分析的人工智能模型训练语料。在加工前，数据已进行严格的匿名化与去标识化处理。原始企业名称被统一替换为不可逆的规范标识符，并彻底移除所有的个人及商业敏感信息，确保数据完全符合隐私保护与安全合规要求，为模型训练提供了洁净、可靠的输入基础。
二、数据处理规则
数据处理严格遵循 “体系先行、业务匹配、特征抽取” 的核心规则，形成了一套从分类框架构建到最终标签生成的完整流程：1.首先，参考国家集成电路产业分类标准及半导体产业链分工，预先定义了从“集成电路”为一级节点，按产业功能划分为“集成电路材料”和“集成电路设备”两个二级节点，并进一步细分为“制造材料”、“封装材料”、“制造设备”、“封装设备”、“计量检测设备”等三级节点，以及“光刻材料”、“硅片”、“靶材”、“清洗设备”、“测试设备”等四级节点的树状分类体系，为数据加工提供了清晰的产业逻辑框架。2.业务匹配：采用“自动化规则匹配与人工校验相结合”的策略。首先，依托Spark大数据处理框架，对海量企业简介文本进行分布式清洗、分词与关键词匹配，通过预构建的集成电路产业语义规则库自动计算并推荐初步分类节点。随后，由具备半导体行业知识的标注专家进行审核与最终判定，确保企业被精准归入对应的材料或设备细分领域。3.特征抽取：在完成业务匹配的同时，从同一段企业简介文本中，系统性地抽取代表其核心产品或技术的具体术语与名词性短语，经过去重与标准化格式化，组合成“正向词”特征串，并归纳其所属的“产业标签”，共同作为对分类标签的精准语义补充。
三、加工后数据内容
加工后的数据集为一条条结构化的“文本-标签”数据。每条数据均包含经过脱敏处理的原始企业描述文本，以及与之对应、经人工校验的完整分类标签（一至四级节点）、业务特征词（正向词）与产业标签。数据内容覆盖了集成电路制造材料（硅片、光刻胶、靶材、电子特气等）、封装材料（基板、引线等）以及各类关键设备（清洗、测试、封装设备等），形成了一个分类体系专业、可直接用于集成电路产业链分析、材料与设备供应商智能识别等模型训练与评估的专用数据集。

搜集汇总

背景与挑战

背景概述

该数据集是集成电路产业链结构文本训练数据，包含1000条结构化企业信息，每条数据涵盖脱敏后的企业简介、四级产业分类标签（如集成电路材料、光刻材料等）、业务特征词和产业标签。数据经过严格的匿名化和标注流程，可用于训练集成电路产业链智能分类模型，支持政府、企业和投资机构进行产业链分析、供应商匹配和技术研究。