第三代半导体产业链结构文本训练数据

本数据集服务于第三代半导体产业链上游智能分类与供应链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标签，为核心环节国产化替代与产业分析提供数据工具。其主要应用于：供应链精准寻源：赋能芯片设计公司或晶圆制造厂等关键原材料与核心装备的潜在供应商。产业链强链补链分析：辅助政府及产业智库，分析区域在第三代半导体材料与设备领域的产业布局完整度、技术短板与优势环节，为制定产业政策和招商策略提供量化依据。一、加工前数据说明
本数据集旨在构建用于第三代半导体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，首先，参考国家战略性新兴产业分类与半导体产业技术图谱，预先定义了从“第三代半导体”（一级节点）到“原材料和设备”（二级），进而细分为“原材料”与“关键工艺核心设备”（三级），并继续按工艺流程划分为“晶圆制造材料/设备”、“封装材料/设备”（四级），最终具体到“衬底材料”、“光刻设备”、“封装设备”等（五级节点）的树状分类体系。该体系为自动化处理提供了结构化框架。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，通过预构建的半导体材料与设备产业语义规则库（涵盖“碳化硅衬底”、“溅射靶材”、等）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全文语境审核与最终判定，确保每家企业被精准归入最贴切的产业链节点。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、材料或设备的关键术语与名词性短语（如：氮化铝粉体、键合金丝、晶圆清洗托架、多线切割机），经过去重与标准化格式化，组合成“正向词”特征串；同时，归纳其所属的核心产业领域，生成“产业标签”，共同作为对多级分类标签的细粒度语义补充。
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（一至五级节点）、精准的产品与技术特征词（正向词）及产业标签。数据内容深度聚焦第三代半导体产业上游，全面覆盖了衬底、靶材、化学品、光刻材料等核心原材料，以及晶体生长、光刻、切片、封装等关键制造设备，形成了一个分类体系深入、特征标注精准、可直接用于第三代半导体供应链分析、供应商能力评估与产业地图绘制的优质数据集。

搜集汇总

背景与挑战

背景概述

该数据集包含1000条结构化文本数据，聚焦第三代半导体产业链上游，涵盖衬底、靶材、化学品等核心原材料及关键装备，每条数据均包含脱敏的企业简介文本与经人工校验的完整多级分类标签（从一级到五级节点），以及产品特征词和产业标签。数据集服务于供应链智能分类与图谱构建模型的训练，可用于供应商精准寻源、区域产业链强链补链分析，辅助产业政策制定和招商策略，具有高精度和可解释性。