|
|
1.资料名称：2025-1992上市公司创新专利 IPC分类号及摘要数据、企业专利引用大全
2.数据指标：上市公司代码 申请人 申请号 申请日 申请年 公开（公告）号 公开（公告）日 公开国别 专利类型授权公告号 授权公告日 授权年 专利有效性 当前法律状态 引证次数 被引证次数 自引次数 他引次数 被自引次数 被他引次数
家族引证次数 家族被引证次数 引证专利 被引证专利 家族引证 家族被引证 引证科技文献 IPC IPC主分类-部 IPC主分类-大类 IPC主分类-小类 IPC主分类-大组 国民经济行业(主) 摘要(中文)
3.数据范围：数据格式为电子表格格式面板数据，全网唯一家电子表格格式，方便大家处理，不会电脑卡掉。共5,015家企业，样本量3,552,310条（355万条）
需要说明的是我们2025年是全年数据，在2026年10月份整理，但是专利数据他有这么一个现象，到2025年全年数据但是2025年数据相对其他年份较少。原因是专利有18个滞后期，并且专利引用、专利授权及申请等都需要一定的时间，并不是我们数据整理的不全，是所有专利都是这样，我们对比了多个数据量来源都这样。2025年数据量会相对其他年份较少但是可以使用，属于正常现象！
4数据来源：数据来源于国家知识产权局
需要说明一下，我们出售的专利数据是核验版本的专利，不是直接爬取版本的专利，300多万个专利我们是逐个打开看的（实际上我们爬取了上千万份专利，因为清洗把能用的、有重要内容的保留因此留下300多万份），不是抓下来打个包就卖。专利明细文本最坑的地方是：很多数据为空且专利分类号重复，并且数据量极大不好使用，电脑容易卡掉。我这套数据在交付前把每个专利明细对了一遍，又用"不同代码下的内容是否完全一致"交叉验证了一遍，可复核、可追溯。你拿到手直接可以用，数据量适中且都准确无重复内容，不用再花时间自己做数据清洗。
下面是我们清洗的部分内容
1、重复专利专利号记录：
例如：
CN216500781U 中铝中州铝业有限公司; 中国铝业股份有限公司（申请日 2021-11-19）
CN216500812U 泰晶科技股份有限公司; 随州润晶电子科技有限公司（2021-11-17）
CN216500823U 楚天科技股份有限公司（2021-12-22）
CN216500829U 深圳市雷赛智能控制股份有限公司（2021-12-31）
CN216500992U 武汉精毅通电子技术有限公司; 武汉精测电子集团股份有限公司（2021-12-07）
CN216501038U 北京京能电力股份有限公司; 内蒙古京宁热电有限责任公司（2021-11-29）
CN216501063U 荣昌生物制药(烟台)股份有限公司（2021-12-20）
CN216503866U 重庆钢铁股份有限公司（2021-12-23）
2. 假空值：EP1230681B1，引证科技文献原值 “None” 。
3. BOM 残片：EU0000486730001S，摘要(中文)原值为一个不可见的 BOM 字符
（实际无摘要内容）
4. 首尾空白：CN101197963B，摘要结尾为“……是很难通过的。（空格）”
→ 去掉尾部空格；同类处理 1,923 行。
5. 次数格式：CN1055095C，被引证次数原值 “2.0” → 改为 “2”。
6. 代码提取（A+H 两地上市）：工商上市代码 “600808, 00323”
→ 上市公司代码 600808。
7. 代码提取（港股代码不匹配）：工商上市代码 “00386, 600028”
→ 上市公司代码 600028（00386 为 5 位港股代码，不参与匹配）。
爬取后又清洗处理，非常耗费时间和人力，原始数据保证真实，就算数据源获取成本很高，也不删减简化；数据加工的每一步质控，绝不图省事偷减工序。修合无人见，存心有天知！
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有帐号？ 建议用  立即注册
x
|
[复制链接]
窥视卡
雷达卡
发表于 2022-9-24 11:54:05
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
楼主
