Data-Gouv-FR/deposants-des-brevets-1

该数据集来源于欧洲专利局的PATSTAT数据库，展示了自2010年以来至少有一方（申请人或发明人）位于法国的专利申请的申请人信息。申请人是指被识别为法人实体的个人；被识别为自然人的申请人通常不包括在数据集中。该数据集并未全面覆盖所有专利申请人。数据集提供了以下信息：* 由接收申请的机构、机构申请号、申请类型以及接收国际申请的机构构成的标识符；* DOCDB家族号；* 申请人的名称、SIREN（法国企业识别号）和国家代码。SIREN是从INPI的专利数据库中通过出版物号码获取的。

Ce jeu de données est issu de la base de données PATSTAT de l’Office européen des brevets. Il présente les déposants des demandes de brevets réalisées depuis 2010 où au moins une des personnes parties au brevet (déposant ou inventeur) est localisée en France. Les déposants sont les personnes qui ont été identifiées comme personnes morales ; les déposants identifiés comme personnes physiques ne sont normalement pas inclus dans le jeu de données. Ce jeu de données ne couvre pas de manière exhaustive les déposants de brevets. Le jeu de données donne des informations sur : * L’identifiant constitué à partir de l’autorité qui a reçu la demande, du numéro de demande auprès de l’autorité, du type de la demande, de l’autorité qui a reçu la demande internationale * Les numéros de famille DOCDB * Le nom du demandeur, son SIREN et son code pays. Les SIREN sont récupérés depuis la base de données brevets de l’INPI à l’aide des numéros de publication.

搜集汇总

数据集介绍

构建方式

该数据集源自欧洲专利局PATSTAT数据库，聚焦于自2010年以来提交的专利申请中，至少有一位相关方（申请人或发明人）位于法国的案例。数据集的构建核心在于筛选出被认定为法人的申请人，而排除自然人申请人。通过整合法国国家工业产权局（INPI）的专利数据库，利用专利公开号关联并补全申请人的SIREN代码。数据以Parquet格式存储于Hugging Face平台，整个数据集对应一个Hugging Face仓库，每张原始表格资源映射为一个子集，每个子集包含一个名为'train'的分割。

特点

该数据集的一大显著特点在于其明确的法人申请人界定标准，仅收录被识别为法人的申请者，从而确保了数据在商业实体分析层面的纯净性。同时，数据集以法国地域为锚点，为研究法国专利布局提供了区域性视野。数据字段涵盖多维信息，包括专利受理机构生成的唯一标识符、DOCDB同族专利号、申请人名称、SIREN号及国家代码，这些属性共同构成了对专利申请人身份的立体刻画。此外，数据来源的权威性（PATSTAT与INPI）为其可靠性奠定了坚实基础。

使用方法

用户可通过Hugging Face的`datasets`库便捷加载该数据集，具体命令为`load_dataset("Data-Gouv-FR/deposants-des-brevets-1", "deposants-des-brevets")`，加载后即可访问'train'分割中的数据。由于数据以Parquet格式存储，其列式存储结构便于进行高效的字段筛选与聚合操作。用户可基于SIREN字段进行实体关联分析，或利用国家代码字段开展跨国专利申请人分布研究。对于需要深入挖掘法国专利申请人行为模式的场景，该数据集提供了标准化的数据入口，支持后续的统计分析或机器学习建模工作。

背景与挑战

背景概述

该数据集“Déposants des brevets”源自欧洲专利局（EPO）的PATSTAT数据库，由法国数据平台data.gouv.fr于2023年创建并发布，主要研究机构为法国公共数据开放团队。其核心研究问题聚焦于分析自2010年以来涉及法国本土申请人或发明者的专利申请中法人实体的身份与分布特征，旨在揭示法国创新活动的组织化趋势。数据集整合了专利公开号、DOCDB家族编号及申请人名称、SIREN注册号与国别信息，并通过法国国家工业产权局（INPI）的专利数据库进行验证，为专利计量学、创新经济学及区域创新政策研究提供了结构化数据基础。该数据集对理解法国知识产权生态系统中企业、机构等法人主体参与专利申请的模式具有重要参考价值。

当前挑战

该数据集面临的挑战首先体现在其所解决的领域问题中：专利数据中的申请人身份识别与实体离散化。PATSTAT原始数据中法人实体与个人实体混杂，且同一法人可能以不同名称或拼写出现，导致创新主体的计量存在偏差，数据集通过仅保留法人实体并关联SIREN编码部分缓解了此问题，但未能完全消除名称标准化与模糊匹配的挑战。其次，构建过程中存在显著困难：SIREN编码的获取依赖于INPI专利数据库的二次检索，可能因数据不完整或延迟导致部分法人无法匹配；此外，数据集仅覆盖2010年后的申请且排除自然人参股者，导致分析视角受限，无法全面反映法国专利申请的全景，尤其难以捕捉中小型创新实体或个体发明者的贡献模式。

常用场景

经典使用场景

该数据集源自欧洲专利局PATSTAT数据库，聚焦于2010年后至少有一位专利参与者（申请者或发明人）位于法国的专利申请记录。其核心应用在于揭示法国境内专利活动中的法人申请者分布规律，通过整合申请者名称、SIREN标识及国家代码，为研究法国创新生态系统提供了结构化的数据基础。经典使用场景包括分析法国企业、研究机构及高校的专利申请行为模式，追踪特定技术领域内的法人申请者变迁，或是结合INPI的SIREN信息进行专利申请人身份与企业经济活动的关联挖掘。

解决学术问题

在学术研究中，该数据集有效解决了专利分析中法人申请者身份识别与标准化难题。传统专利数据常因名称变体、翻译差异或实体模糊导致申请者归属困难，而本数据集通过引入SIREN代码与PATSTAT结构化信息，为构建申请者-企业链接提供了可靠锚点。研究者得以量化法国区域内专利活动的法人集中度，探讨企业规模、行业属性与专利申请倾向之间的内在关联。此外，该数据弥补了宏观专利统计中微观主体行为分析的空白，为创新政策评估、技术扩散研究及区域创新网络建模提供了关键支撑，深刻影响了知识产权经济学与创新管理领域的实证研究范式。

衍生相关工作

基于该数据集已衍生出多项具有影响力的研究工作。在方法论层面，研究者开发了将SIREN代码与法国企业注册数据库（如SIRENE）进行跨源匹配的算法框架，显著提升了法人实体的识别精度。在实证领域，有工作利用该数据验证了法国专利申请中“大企业主导”与“中小企业创新悖论”并存的现象，并探讨了地理临近性对专利合作网络的影响。另有一些研究将其与INPI专利全文数据结合，构建了法人申请者的技术领域偏好图谱，为预测法国特定产业的技术演化路径提供了新视角。这些衍生工作进一步拓展了原始数据的分析维度与理论解释力。