AI技术关联度(AI-IPC余弦相似度)
「AI技术关联度(AI-IPC余弦相似度)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 78,733。 衡量企业与人工智能技术领域的知识关联程度。
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 78,733 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 申请年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- AIRelated [AI技术关联度] — 参考叶阳平等(2025, 中国工业经济)式(1)"以交集规模为内积"的集合余弦相似度，计算公式为：AIRelated=|E∩A|/√(|E|×|A|)，其中E为企业t-4至t年5年滚动窗口内申请的发明专利所涉IPC四位小类集合，A为人工智能技术专利IPC四位小类集合(20个小类)。人工智能技术IPC集合依据《PATENTSCOPE Artificial Intelligence Index》《战略性新兴产业分类与国际专利分类参照关系表(2021)》《关键数字技术专利分类体系(2023)》三份文件结合界定，取至少2份文件同时命中的IPC，按小类/大组/小组三层语义匹配。取值介于0与1之间，越大表明企业技术基础与人工智能技术的知识重叠度越高。单位：比例
- AIRelatedGroup [AI技术关联度(大组口径)] — 稳健性口径。与AIRelated同法计算集合余弦相似度，但IPC粒度由四位小类细化至IPC大组(如G06F17)，计算公式为：AIRelatedGroup=|Eg∩Ag|/√(|Eg|×|Ag|)，其中Eg为企业5年滚动窗口发明专利所涉IPC大组集合，Ag为人工智能技术专利IPC大组集合。用于检验四位小类折叠导致的口径放大是否影响结论，与AIRelated的Pearson相关系数为0.873。取值介于0与1之间。单位：比例
- AIPatentCount [当年AI专利数] — 参考叶阳平等(2025, 中国工业经济)的方法，企业在t年申请的含人工智能技术IPC的发明专利数量。人工智能技术IPC集合依据《PATENTSCOPE Artificial Intelligence Index》《战略性新兴产业分类与国际专利分类参照关系表(2021)》《关键数字技术专利分类体系(2023)》三份文件结合界定，取至少2份文件同时命中的IPC，按小类/大组/小组三层语义匹配。单位：件
- AIRDExperience [AI研发经验] — 参考叶阳平等(2025, 中国工业经济)的方法，是否截至t年曾申请过含人工智能技术IPC的发明专利(0=否，1=是)。一旦为1则后续年份均为1。人工智能技术IPC集合口径与AIPatentCount一致
- PatentCount5Y [5年窗口发明专利数] — 企业在t-4至t年共5年滚动窗口内申请的发明专利总数。单位：件
- IPCCount5Y [5年窗口IPC小类数] — 企业在t-4至t年共5年滚动窗口内发明专利涉及的不同IPC4位小类数量，反映企业技术多样性。单位：个
常见问题
- 「AI技术关联度(AI-IPC余弦相似度)」是什么数据集？
- AI技术关联度(AI-IPC余弦相似度)，隶属创新与知识产权。衡量企业与人工智能技术领域的知识关联程度。
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：AI技术关联度、AI技术关联度(大组口径)、当年AI专利数、AI研发经验、5年窗口发明专利数、5年窗口IPC小类数。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 78,733 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集衡量上市公司与人工智能（AI）技术领域的知识关联程度，参考叶阳平等（2025，《中国工业经济》）的研究。其核心思想是：企业已有的技术知识基础与人工智能技术领域的知识重叠度越高，企业越有能力吸收、整合并应用人工智能技术。该指标在原文中作为调节变量，用于刻画企业知识基础与人工智能技术之间的适配性。 原文式（1）将人工智能技术关联度定义为企业技术向量与人工智能技术专利向量的夹角余弦，并明确指出"以交集规模为内积计算余弦相似度"。据此，本数据集按集合余弦（即两个 0/1 指示向量的点积等于集合交集规模）实现核心指标 AIRelated： $$AIRelated{it} = \frac{|E{it} \cap A|}{\sqrt{|E{it}| \times |A|}}$$ 其中 $E{it}$ 为企业 $i$ 在 $t-4$ 至 $t$ 年这一五年滚动窗口内申请的全部发明专利所涉及的 IPC 四位小类集合；$A$ 为人工智能技术专利的 IPC 四位小类集合；$|\cdot|$ 表示集合元素个数。该指标取值介于 0 与 1 之间，数值越大表明企业技术基础与人工智能技术领域的知识重叠度越高。 人工智能技术专利IPC集合的界定 原文（第156页）明确以三份文件"结合"界定人工智能技术的专利 IPC 集合：《PATENTSCOPE Artificial Intelligence Index》（世界知识产权组织）、《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》（国家知识产权局，国知办函规字〔2021〕121号）、《关键数字技术专利分类体系（2023）》（国家知识产权局，国知办发规字〔2023〕36号）。本数据集从三份文件的官方原件逐条解析 IPC： - PATENTSCOPE AI Index：取"AI techniques""AI functional applications""General AI"三张表。该索引的第四张表"AI application fields"给出的是人工智能的应用领域（农业 A01、生命医学 A61、娱乐 A63、以及物理科学与工程的 C、D、E、F 等整部整类），并非"人工智能技术"本身；若将其纳入，被判定为AI的发明专利比例将由 39.01% 升至 65.79%，指标构念失效，故予以排除。 - 战略性新兴产业参照关系表（2021）：取"1.5 人工智能"类目全部条目，并执行该表声明的括号排除规则。 - 关键数字技术专利分类体系（2023）：取该体系七个技术分支中的"人工智能"分支全部条目。 IPC 匹配采用三层语义：四位小类（如 G06N）前缀匹配该小类下全部专利；大组（如 G06T7，含官方文件中"/00"与带星号写法）匹配该大组及其下全部小组；明确小组（如 G06N3/02）精确匹配。 "结合"口径的确定。 原文只写"结合"，未说明是取并集还是取共识。本数据集对三种可能读法逐一实现并校准，以同源数据集"AI产业技术融合（IPC共现法）"的核心指标对照原文制造业 2008—2021 年子样本的描述性统计（均值 0.295、标准差 0.729）： | 结合口径 | 被判定为AI的发明专利占比 | 融合指标均值 | 融合指标标准差 | |---|---|---|---| | 并集（任一文件命中） | 39.01% | 0.539 | 0.926 | | 至少2份文件同时命中 | 10.62% | 0.303 | 0.738 | | 三份文件全部命中 | 4.33% | 0.144 | 0.506 | 本数据集样本（制造业 2008—2021 年共 25897 个观测）比原文（15677 个观测）大约 65%，多出的观测以零值为主，方向上会压低均值；在此不利条件下，"至少2份文件同时命中"仍同时对齐了原文的均值与标准差两个矩，而并集口径高出近一倍、交集口径明显偏低。据此确定至少2份文件同时命中为原文的识别口径。在该口径下，人工智能技术专利 IPC 四位小类集合 $A$ 共 20 个小类。 变量说明与稳健性口径 核心指标 AIRelated 在 IPC 四位小类层面计算，与原文相邻段落"基于四位数专利IPC"的粒度声明一致。四位折叠会把源文件中的窄小组（如 G06F9/44）放大为整个小类，为检验这一放大是否影响结论，数据集另提供大组层面的稳健口径 AIRelatedGroup，其计算方法与 AIRelated 完全相同，仅把 IPC 粒度由四位小类细化至大组（如 G06F17）。两列的 Pearson 相关系数为 0.873，表明结论对粒度选择不敏感。 辅助变量包括：AIPatentCount 为企业在 $t$ 年申请的含人工智能技术 IPC 的发明专利数量（判定走上述三层语义精确匹配，不做四位折叠）；AIRDExperience 为企业是否截至 $t$ 年曾申请过人工智能相关发明专利（0/1，一旦为1则后续年份保持为1）；PatentCount5Y 与 IPCCount5Y 分别为五年滚动窗口内的发明专利总数与所涉 IPC 四位小类数量，后者反映企业技术多样性。 补充说明 - 仅使用发明专利数据，实用新型与外观设计专利不计入。 - 联合申请专利在企业层面展开，同一专利可同时计入多个申请人企业。 - 专利按申请年归集。受专利公开滞后（约18个月）影响，最新申请年份数据仍不完整，数据集统一截断至上一自然年。 - 人工智能技术专利 IPC 集合由官方文件界定，为静态集合，不随年份变化，因此核心指标不存在前视偏差。 - 早期年份（1990年代及之前）上市公司专利申请量极少，AIRelated 由少数 IPC 构成，取值波动较大，使用时建议限定样本区间或加入年份固定效应。 参考文献 [1]叶阳平,马文聪,吴小节,等.人工智能与产业技术融合对制造业企业产品创新绩效的影响研究[J].中国工业经济,2025(11):150-168. [2]WIPO. PATENTSCOPE Artificial Intelligence Index[EB/OL]. Geneva: World Intellectual Property Organization. [3]国家知识产权局办公室.战略性新兴产业分类与国际专利分类参照关系表(2021)(试行)[Z].国知办函规字〔2021〕121号,2021. [4]国家知识产权局办公室.关键数字技术专利分类体系(2023)[Z].国知办发规字〔2023〕36号,2023.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。