数据集数据集

文本数据集

覆盖论文、百科、问答、剧本等多语种文本数据
百亿级文本数据持续增长
支持 JSON、CSV、XLSX 等多格式交付
获取样本
当前展示:医疗健康

文本成品数据集

提供已结构化的文本数据集,覆盖人物对话、小说和学科等场景

美国专利PDF文档数据集

采集自美国专利授权文档,收录原始PDF文献,完整保留文档原貌,未作二次加工。 可用于:原始文献查看、资料归档、版面与文本处理研究。 数据样例可下载: demo.pdf

8.00 元 /千条定制

美国专利申请全文数据集

采集自美国专利申请公开文档,收录申请公开全文XML及配套图像资料,保留原始文档结构与内容,未作二次加工。 可用于:专利申请资料检索、技术文本研究、专利数据应用开发。 数据样例可下载: demo.xml

8.00 元 /千条定制

欧洲专利全文数据集

采集自欧洲专利文献数据,收录专利全文XML资料,保留原始文档结构与内容,未作二次加工。 可用于:专利全文检索、技术文本研究、多语言知识产权应用开发。 数据样例可下载: demo.xml

8.00 元 /千条定制

美国专利转让记录数据集

采集自美国专利转让数据,收录转让相关记录(登记信息、转让主体、受让主体及涉及专利),保留原始记录结构与字段值,未作二次加工。 可用于:专利转让信息检索、主体关系分析、知识产权数据应用开发。 数据样例可下载: demo_daily.xml

8.00 元 /千条定制

美国专利PDF文档数据集

采集自美国专利授权文档,收录原始PDF文献,完整保留文档原貌,未作二次加工。 可用于:原始文献查看、资料归档、版面与文本处理研究。 数据样例可下载: demo.pdf

8.00 元 /千条定制

美国专利申请全文数据集

采集自美国专利申请公开文档,收录申请公开全文XML及配套图像资料,保留原始文档结构与内容,未作二次加工。 可用于:专利申请资料检索、技术文本研究、专利数据应用开发。 数据样例可下载: demo.xml

8.00 元 /千条定制

欧洲专利全文数据集

采集自欧洲专利文献数据,收录专利全文XML资料,保留原始文档结构与内容,未作二次加工。 可用于:专利全文检索、技术文本研究、多语言知识产权应用开发。 数据样例可下载: demo.xml

8.00 元 /千条定制

美国专利转让记录数据集

采集自美国专利转让数据,收录转让相关记录(登记信息、转让主体、受让主体及涉及专利),保留原始记录结构与字段值,未作二次加工。 可用于:专利转让信息检索、主体关系分析、知识产权数据应用开发。 数据样例可下载: demo_daily.xml

8.00 元 /千条定制

欧洲专利结构化信息数据集

采集自欧洲专利数据,收录解析后的结构化信息(文献、分类、引用、主体等数据表),保留原始字段与字段值,未作二次加工。 可用于:文献索引、字段检索、关联分析及数据应用开发。 数据样例可下载: demo_a4_documents.json

8.00 元 /千条定制

美国文本商标数据集

采集自美国商标数据的结构化记录,收录商标申请与注册相关信息,保留原始字段与字段值,未作二次加工。 可用于:商标资料检索、记录整理、知识产权数据分析。 数据样例可下载: demo.json

8.00 元 /千条定制

美国专利维护费事件数据集

采集自美国专利维护费数据,收录维护费相关事件记录及代码说明,保留原始记录格式,未作二次加工。 可用于:费用事件检索、历史事项整理、专利管理研究。 数据样例可下载: demo.txt

8.00 元 /千条定制

中国文本商标数据集

采集自中国商标数据的结构化记录,收录商标申请与注册信息,包含注册号/申请号、国际分类、申请日期、公告信息及专用权期限等字段,保留原始字段与字段值,未作二次加工。 可用于:商标记录检索与整理、分类统计与趋势研究、知识产权数据应用开发。 数据样例可下载: demo.json

8.00 元 /千条定制

欧洲专利结构化信息数据集

采集自欧洲专利数据,收录解析后的结构化信息(文献、分类、引用、主体等数据表),保留原始字段与字段值,未作二次加工。 可用于:文献索引、字段检索、关联分析及数据应用开发。 数据样例可下载: demo_a4_documents.json

8.00 元 /千条定制

美国文本商标数据集

采集自美国商标数据的结构化记录,收录商标申请与注册相关信息,保留原始字段与字段值,未作二次加工。 可用于:商标资料检索、记录整理、知识产权数据分析。 数据样例可下载: demo.json

8.00 元 /千条定制

美国专利维护费事件数据集

采集自美国专利维护费数据,收录维护费相关事件记录及代码说明,保留原始记录格式,未作二次加工。 可用于:费用事件检索、历史事项整理、专利管理研究。 数据样例可下载: demo.txt

8.00 元 /千条定制

中国文本商标数据集

采集自中国商标数据的结构化记录,收录商标申请与注册信息,包含注册号/申请号、国际分类、申请日期、公告信息及专用权期限等字段,保留原始字段与字段值,未作二次加工。 可用于:商标记录检索与整理、分类统计与趋势研究、知识产权数据应用开发。 数据样例可下载: demo.json

8.00 元 /千条定制
浏览全部数据集

每个字段均可核验

NameDescriptionTypeExample
登录后查看 CSV 格式样本数据

文本数据解决方案

solutions-1

成品数据集

高质量文本训练数据集,覆盖多领域、多语言 AI 训练场景

开箱即用

成品数据集,可快速交付

内容完整

包含结构化、非结构化的多语种文本数据

多领域覆盖

涵盖学科知识、行业内容、多语种语料等数据资源

灵活采购

按量采购,降低数据采集成本

典型需求:快速交付、开箱即用、低成本启动
查看数据集列表
solutions-1

定制数据集

根据模型训练目标定向构建专属文本训练数据

场景化定制

按需求定义预训练、对话、指令微调等训练阶段

来源灵活选择

支持指定语种、行业、学科及数据来源

目标结构定制

支持语言、字段结构、数据格式等定向构建

持续更新

支持数据的持续更新,保障数据的准确性

典型需求:专属数据、持续更新、企业级交付

文本数据集数据赋能多元化业务

模型训练全阶段

模型训练全阶段

覆盖预训练数据、持续预训练数据、指令微调数据、强化学习数据及 RAG 知识库,支撑模型训练全阶段

智能客服

智能客服

覆盖多轮对话、意图识别、FAQ 知识库等数据,支撑智能客服与对话系统模型训练

内容生成 AIGC

内容生成 AIGC

覆盖文案创作、代码生成、摘要改写等语料,支撑 AIGC 内容生成模型训练

灵活的数据交付方式

我们以适合您工作流程的格式交付数据集:

格式任选

JSON、CSV、XLSX 等多种格式,可根据需求定制交付格式

渠道任选

支持 API、Webhook 与主流对象存储交付,包括 AWS S3、OSS、COS 等,支持按需定制

频率任选

支持一次性交付或按计划交付,满足您的工作流程需求

合规与数据安全保障

MSA 认证
ISO 认证
合规
SOC 2 认证
DGCP

网络安全等级保护

已通过网络安全等级保护二级测评,数据符合国家标准

国际合规与版权保障

严格遵守 ISO 9001、ISO 27001、ISO 27701 等政策

数据安全管理认证

遵循国内市场监督管理总局认可的数据安全管理体系

立即获取文本数据集

获取样本