近日，北京市政务服务和数据管理局正式发布“北京市2026年度行业高质量数据集典型案例与资源清单”，该清单覆盖医疗卫生、城市治理、低空经济等多个重点领域，旨在加快构建本市行业高质量数据集开发利用体系，发挥数据要素对“人工智能+"的赋能作用。八月瓜科技“专利多语言语义对齐训练数据集”同时入选典型案例清单和资源清单，纳入《北京市高质量数据集名录》。

八月瓜科技专利多语言语义对齐训练数据集面向知识产权数字化服务和研发情报检索建设，以专利全文本为基础，围绕“技术关键词（权利要求导向）”与“技术问题（说明书导向）”两类结构化目标组织数据。数据经统一拉取、清洗过滤、批次归档、Schema标注、UIE模型微调、规模化抽取和写库沉淀，当前覆盖专利公开号约50万至200万件、结构化记录约100万至500万条，并通过版本化评测、抽检复核、错题集回流和任务日志管理形成可追溯的数据资产。

在应用层面，专利多语言语义对齐训练数据集可应用于企业技术脉络对比、侵权风险初筛辅助、专利地图与产业热点识别、科研团队文献—专利对照分析、智能问答、检索增强生成、知识图谱构建和科创情报检索等场景，能够有效降低专利文本阅读和技术问题提炼成本，提升检索命中率与研发情报分析效率。

本次双榜入选，是对八月瓜科技专利高质量数据集建设成果的认可。作为深耕知识产权数据领域的科技企业，八月瓜科技依托国家知识产权局全量专利数据库及覆盖全球178个国家和地区的2亿+专利数据，打造“擎策”系列产品，汇集专利、商标、文献、工商等26亿+数据。目前，八月瓜科技已搭建起数百个高质量数据集，全面覆盖人工智能、新材料、生物医药等多个重点产业领域，针对不同细分赛道配置专属专业团队，完成数据清洗、结构化标引、专业内容标注等全流程深度加工，以专利高质量数据集助力科研创新，赋能AI for Science实践落地。(王浩）

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com