专利文本相关性分析训练数据集PatentTextRelevanceAnalysisTrainingDataset-helloggfss
数据来源：互联网公开数据
标签：专利分析, 文本匹配, 自然语言处理, 文本分类, 语义相似度, 数据标注, 机器学习, 专利检索
数据概述：
该数据集包含来自专利文献的数据，记录了用于训练和评估专利文本相关性分析模型的相关信息。主要特征如下：
时间跨度：数据未明确标注时间，可视为静态数据集，用于训练模型。
地理范围：数据来源未明确限定，推测为全球范围内的专利文本。
数据维度：包括以下字段：
id：专利文本的唯一标识符。
anchor：锚文本，通常为专利中的关键术语或概念。
target：目标文本，通常为与锚文本相关的描述。
context：专利分类号，用于指示专利所属的技术领域。
score：相关性评分，表示目标文本与锚文本的相关程度。
context_text：专利分类号对应的文本描述。
context_text_fix：经过处理的专利分类号文本描述。
text：拼接的文本，由锚文本、目标文本和上下文信息组成。
text_fix：经过处理的文本。
score_map：相关性评分映射。
fold：交叉验证的折数，用于模型训练和评估。
数据格式：CSV格式，文件名为train_folds_X.csv (X为数字，表示交叉验证的折数)，便于数据处理和模型训练。数据已进行预处理，包括文本清洗和标准化。
该数据集适合用于文本匹配、语义相似度计算、专利检索等自然语言处理任务。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于自然语言处理、信息检索、专利分析等领域的研究，如专利文本相关性建模、专利分类、技术趋势分析等。
行业应用：为知识产权行业、专利检索系统、技术情报分析平台提供数据支持，尤其在提升检索准确率、实现专利文本自动分类等方面。
决策支持：支持企业进行技术竞争分析、研发方向规划、专利布局策略制定。
教育和培训：作为自然语言处理、机器学习、信息检索等课程的实训数据，帮助学生和研究人员理解和应用文本相关性分析技术。
此数据集特别适合用于训练专利文本相关性分析模型，帮助用户提升专利检索效率、优化技术情报分析流程。
