Датасет · HUPD
Корпус патентных заявок USPTO от Гарварда
HUPD/hupd
Более 4,5 млн черновиков патентных заявок США (2004–2018) для анализа патентоспособности, классификации и суммаризации.
Что внутри
Внутри собрано свыше 4,5 млн патентных документов на английском языке, поданных в Ведомство по патентам и товарным знакам США (USPTO) с 2004 по 2018 год. В отличие от аналогов, датасет содержит именно исходные версии заявок от изобретателей, а не финальные одобренные тексты. Корпус подготовлен исследователями Гарварда для многоцелевых NLP-задач.
Что можно сделать
- Обучение моделей предсказанию патентоспособности заявки на этапе её подачи
- Дообучение моделей для суммаризации и классификации юридических и технических текстов
- Предобучение языковых моделей в патентном домене (fill-mask)
- Задачи
- Заполнение пропусков, Суммаризация, Классификация текста, Разметка токенов
- Языки
- Английский
- Скачиваний за месяц
- 5,3 тыс.
- Лайков
- 45
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("HUPD/hupd")