专利文本相关性预测模型与结果数据集PatentTextRelevancePredictionModelandResults-shobhitupadhyaya
数据来源：互联网公开数据
标签：专利文本, 相关性预测, 自然语言处理, 机器学习, 模型训练, 文本相似度, 科技情报, 知识产权
数据概述：
该数据集包含用于专利文本相关性预测的模型文件和预测结果。主要特征如下：
时间跨度：数据未标明具体时间，可视为静态数据集。
地理范围：数据覆盖全球范围内的专利文本，主要关注技术领域。
数据维度：包括预测结果文件（oof_df.csv）和模型文件（config.json, pytorch_model.bin, spm.model, tokenizer_config.json, special_tokens_map.json, added_tokens.json, training_args.bin）。
预测结果（oof_df.csv）包含了anchor（锚文本）、target（目标文本）、context（上下文信息）、score（原始相关性评分）以及预测结果（preds）。模型文件包含了用于构建和训练预测模型的相关参数和结构。
数据格式：数据提供多种格式，包括CSV（预测结果）和JSON、模型文件（.bin, .model）等，便于模型复现和结果分析。
来源信息：数据来源于专利文本分析项目，包含模型训练结果和相关配置文件。
该数据集适合用于自然语言处理、机器学习和专利文本分析等领域的研究。
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：适用于专利文本相似度分析、技术趋势分析、知识产权检索等学术研究。
行业应用：为技术情报分析、专利审查、竞争对手分析等行业应用提供数据支持。
决策支持：支持企业在技术研发、专利布局、市场拓展等方面的决策制定。
教育和培训：作为自然语言处理、机器学习等课程的实训材料，帮助学生理解模型构建和结果分析。
此数据集特别适合用于探索专利文本之间的相关性，评估和优化文本相似度预测模型，并为用户提供数据驱动的决策支持。
