企业数实技术融合(大模型标注版)

字段字典

• Symbol [股票代码] — 六位数字字符串股票代码
• StkName [证券简称] — 按年度匹配的证券简称，缺少当年记录时回退同公司最新可得记录
• Year [申请年份] — 专利申请所属的日历年度
• Province [省份] — 公司注册地所在省份
• City [城市] — 公司注册地所在城市
• County [区县] — 公司注册地所在区县
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
• IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
• FusionPatentCount [数实技术融合发明申请数] — 参考杨亚平等（2026），计算公式为：企业本体及子公司当年申请、主IPC不命中2023数字核心产业代码并集，且摘要由自建Qwen识别实际采用六类数字技术任一的发明专利按公司与申请号去重件数。单位为件；潜在候选输入或模型判断未知时公司年缺失，无观察符合件为零。代码并集未落实关键词限定，模型未复现作者微调权重。
• lnDRI [企业数实技术融合水平] — 参考杨亚平等（2026），计算公式为：数实技术融合发明申请数加1取自然对数，无量纲。数值越大表示企业当年实体技术候选中识别的数字技术融合成果越多；数量为零时为零，数量缺失时同为缺失。采用自建未微调Qwen识别，与作者模型存在实质差异。

常见问题

「企业数实技术融合(大模型标注版)」是什么数据集？

企业数实技术融合(大模型标注版)，隶属创新与知识产权。企业数实技术融合反映实体技术专利吸收数字技术的程度。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 13 个变量。核心指标包括：数实技术融合发明申请数、企业数实技术融合水平。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 96,931 条观测。

数据是如何测算/获取的？

测算方法 数实技术融合描述实体技术吸收数字技术形成创新成果的过程。参考杨亚平、刘歆和刘心语（2026），本数据集从发明专利摘要识别数字技术的实际使用，衡量企业年度数实技术融合的数量及水平。相较于简单词语出现，语义识别旨在区分技术实际参与、背景介绍和同形词，结果仍可能存在模型误判。 1. 界定实体技术候选 先保留发明专利，依据其真实IPC主分类号，与《数字经济核心产业分类与国际专利分类参照关系表（2023）》的代码并集匹配。主分类命中的申请排除，未命中的申请进入实体技术候选池。仅使用主分类，不将任一附加分类命中替代主分类判断。 代码按公开层级解析。小类通配包含该小类及下级，主组通配要求主组号相同，小组按完整代码匹配。例如G06F1的主组通配不匹配G06F15。设主分类为mp，数字产业代码并集为D，则候选标记为： $$ ep=\mathbf{1}(mp\notin D). $$ 主分类缺失或无法解析的申请不能直接认定为实体专利，其潜在贡献保留未知。代码并集不落实官方表中的关键词概述限定，因此是较窄的实体候选范围，并非完整官方限定口径。 2. 识别摘要中的数字技术 对每件候选的完整中文摘要，使用未微调Qwen3.5-9B-FP8和固定指令，判断是否实际使用人工智能、云计算、大数据、物联网、区块链或通信网络中的至少一类。神经网络、机器学习等算法用于控制、预测或优化也属于实际使用；常规反馈、一般固定公式、只有“智能”字样、材料单位中的相似字符，以及只出现在背景而未用于本方案的技术，不据此判为融合。 模型只返回一个数值：1表示融合，0表示非融合，2表示无法判断。数值2和调用失败在汇总时保留未知。输出长度不改变判定对象，摘要未被截尾。超长文本完整分块并保留重叠，任一块明确阳性则为阳性；没有阳性但存在未知块则为未知，其余为阴性。 设k遍历六类数字技术，u{pk}表示摘要体现实际使用该类技术，则融合标记为： $$ fp=ep\,\mathbf{1}\!\left(\sum{k=1}^{6}u{pk}0\right). $$ 六类用于合并识别，不另行输出六类明细。相同完整摘要共用判定，不把多次公开或多公司映射重复推理当作新增申请。 3. 按企业与申请年汇总 主体范围为上市公司本体及其子公司，排除仅为联营或合营关系的申请。证券代码与关系标签逐位对应，同一申请共同归属多家上市公司时在各参与公司分别计一次；每家公司内按申请号去重。年份依据申请年，不能用公开年或授权年替代。 有原始公告证据的证券代码变更先桥接到统一代码，再按公司和申请号去重，避免旧新代码漏计或重复。当前公司档案没有记录的其余有效六位历史证券代码保留原码，含源中观察到的B股身份，辅助档案可以缺失；不能凭代码前后关系推断资产置出后的母子归属。未获明确同主体桥接支持的历史代码不猜并到现代码。 设P{it}为公司i及子公司在年度t申请的发明集合，数实技术融合发明申请数为： $$ N{it}=\sum{p\in P{it}}fp. $$ 件数越大表示该企业当年在所观察实体候选池中形成的融合创新成果越多，不等同于技术质量或融合程度的逐件评分。 4. 构造企业数实技术融合水平 按照杨亚平等（2026）的计数变换，计算： $$ \operatorname{lnDRI}{it}=\ln(1+N{it}). $$ 该指标无量纲，可缓解专利件数右偏。件数为零时取零，件数缺失时同样缺失。未额外构造无原文定义的融合占比或综合得分。 5. 零值、缺失与样本 有可能计入的申请如果主分类、中文摘要、主体对应或模型判定未知，则该公司年的件数和lnDRI均缺失，不将部分已识别件数冒充完整计数。没有观察到符合条件的申请记零，只表示素材中的观察结果，不证明实际没有创新。 覆盖全部行业、板块和可得公司年度，保留ST/PT及金融企业，也保留上市前实际申请年。专利年度上限随当前年减一更新，末年即使公开尚不完整也不自行删除。分发同时提供原始全样本、剔除ST/PT与金融业及其缩尾版本；缩尾仅对lnDRI按年在1%和99%分位处理，原始申请件数保留。 补充说明 作者使用以一千条人工标签微调的Qwen2.5-7B，完整词典、标签和判断指令未公开。本数据集采用自建指令及未微调Qwen3.5-9B-FP8，是公开方法的重建版本，不能称作者逐件同值复现，也不能沿用作者报告的模型准确率。小样本复核发现过漏判和可能误判，数值输出格式通过不代表分类准确。 原始数值响应绑定输入、指令及权重指纹保存，相同指纹续算复用已有判断。即使温度为零，不同GPU批次调度下边界判断也可能变化，因此未承诺完全空缓存重放时每件标签逐位相同。 纯代码并集会额外排除部分不满足关键词限定的实体技术专利，可能降低融合数量。历史IPC与参照表版本不完全一致，部分旧通信分类可能留在候选池；未自行补造跨版本映射。因此不宜把所有候选直接视为经过逐件人工核实的传统实体技术。 本体和子公司关系沿用源标签，不能保证申请时点的法律股权归属；现行关系回溯可能产生事后信息。早期主分类缺失较多，近年申请尚未公开会影响时间比较。地区为公司档案信息，不是逐年迁址记录。整年完整性规则会使同年其他申请的不确定性屏蔽已经识别的阳性贡献，申请量较大的公司年可能更易受影响；有效公司年占比不等同于阳性贡献保留比例，完整样本分析须注意这种选择性。早期仅见观察零的年份不能据此解释为真实没有融合。定向小样本不用于推断总体准确率、精确率或召回率。 参考文献 [1]杨亚平,刘歆,刘心语.实数技术融合对制造业企业供应链韧性的影响——基于大语言模型和专利文本的经验证据[J].改革,2026,(9):95-115. [2]国家知识产权局办公室.数字经济核心产业分类与国际专利分类参照关系表（2023）[S].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。