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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
每个字段均可核验
| Name | Description | Type | Example |
|---|---|---|---|
| 登录后查看 CSV 格式样本数据 | |||
文本数据解决方案
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
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
文本数据集数据赋能多元化业务

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
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
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





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
