企业颠覆性创新(BERT离群专利法)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 上市公司证券简称
• Year [年份] — 专利申请年度
• Province [省份] — 公司注册地所在省份
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• City [城市] — 公司注册地所在城市
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• County [区县] — 公司注册地所在区县
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• 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)
• 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)
• NetworkPatentCount [入网专利数] — 企业当年申请中进入全国同申请年、同IPC部类摘要语义网络的专利申请数，单位为件；同公司同申请去重，含发明与实用新型。无相关申请的已知集合记0。 本字段参照余泳泽等（2025）的两阶段识别思路构造。
• OutlierPatentCount [离群专利数] — 企业当年申请中，节点平均技术距离超过全国同申请年、同IPC部类网络平均距离的离群专利数，单位为件；包含发明与实用新型。必要摘要、分类或年份信息不可判断时，受影响公司年保缺。 本字段参照余泳泽等（2025）的两阶段识别思路构造。
• GrantedInventionCount [已授权发明专利数] — 企业当年申请且已确认真实授权日期的发明专利申请数，单位为件，不以摘要能否进入语义网络为条件。必要身份、授权或归年信息不可判断时保缺；已知非发明或未授权贡献0，不把授权日期缺失一律视为未授权。 本字段参照余泳泽等（2025）的两阶段识别思路构造。
• DisruptivePatentCount [颠覆性专利数] — 企业当年申请中，基于全国均值距离阈值识别为离群、已确认授权、且授权年起三年被引高于全国同申请年同IPC部类非离群已授权发明均值的专利数，单位为件。已知无符合条件申请记0，必要信息或参照基准未知时保缺。 本字段参照余泳泽等（2025）的两阶段识别思路构造。
• DisruptiveInnovation [企业颠覆性创新水平] — 企业当年颠覆性专利数加1后的自然对数，即ln(1+DisruptivePatentCount)；按全国技术距离均值和全国非离群授权发明被引均值进行两阶段识别。计数为0时取0，计数不可判断时保缺。 本字段参照余泳泽等（2025）的两阶段识别思路构造。
• DisruptivePatentCount25 [颠覆性专利数(距离P25)] — 将全国同申请年同IPC部类节点平均技术距离的P25作为离群阈值，并重新计算该口径的非离群已授权发明三年被引均值后识别的企业年度颠覆性专利数，单位为件。P25作用于距离，不是相似度P25或距离P75；必要信息未知保缺。 本字段参照余泳泽等（2025）的两阶段识别思路构造。
• DisruptiveInnovation25 [企业颠覆性创新水平(距离P25)] — 距离P25阈值口径下企业颠覆性专利数加1后的自然对数，即ln(1+DisruptivePatentCount25)。两套口径的非离群参照集合分别计算，其数值不必存在固定大小关系；计数为0取0，计数不可判断时保缺。 本字段参照余泳泽等（2025）的两阶段识别思路构造。

常见问题

「企业颠覆性创新(BERT离群专利法)」是什么数据集？

企业颠覆性创新(BERT离群专利法)，隶属创新与知识产权。参考余泳泽等（2025）的两阶段识别思路，衡量上市公司在偏离主流技术方向上形成具有后续技术影响力的创新成果的能力。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 18 个变量。核心指标包括：入网专利数、离群专利数、已授权发明专利数、颠覆性专利数、企业颠覆性创新水平、颠覆性专利数(距离P25)、企业颠覆性创新水平(距离P25)。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 96,855 条观测。

数据是如何测算/获取的？

指标含义 企业颠覆性创新反映企业能否在偏离既有主流技术的方向上形成具有后续技术影响力的创新成果。参照余泳泽、胡鹏、朱子政（2025）的两阶段识别思路，本指标先从全国专利的摘要语义中识别技术离群专利，再利用授权后的前向被引筛选具有较高技术影响力的已授权发明专利，最后汇总至上市公司年度。 构建全国技术参照网络 以中国发明专利和实用新型专利的申请为计数单位，将同一申请的公开、授权及修订版本归并。按申请年与IPC部类A—H分别形成全国参照组。部类优先取有效主IPC；主IPC缺失时，只有全部IPC均指向同一部类才据此补入。申请年、部类或可读中文摘要无法确定的记录不能参与相应网络；无法消解的身份及跨年申请日期冲突保留为未知。 同一申请优先使用申请公开版本的有效中文摘要，同类版本取较早公开者；必要时由其他公开版本补足。利用预训练中文RoBERTa模型提取摘要向量，模型权重固定，不重新训练。输入最多保留384个词元，对有效词元的最后一层表示取均值并进行L2归一化。令归一化向量为vp，专利p与q的余弦技术距离为： $$d{pq}=1-vp^{\mathsf T}vq.$$ 对参照组g中的专利p，计算其与组内其他专利的平均技术距离，并计算整个组的平均距离： $$\bar d{p,g}=\frac{1}{Ng-1}\sum{q\in g,\,q\ne p}d{pq},\qquad Dg=\frac{1}{Ng}\sum{p\in g}\bar d{p,g}.$$ 其中Ng为同申请年、同IPC部类的全国入网专利数。若专利p的平均技术距离大于Dg，则将其识别为离群专利。节点平均距离的均值等于网络全部无向边距离的均值；计算中利用归一化向量求和进行等价运算，无需近邻抽样或截小参照池。只有一个节点的组无法定义与其他专利的平均距离。数值比较使用极小的浮点并列容差，避免计算舍入将相等距离判为离群。 筛选具有后续技术影响力的专利 第二阶段限于已确认授权日期的发明专利。令Gp为授权公告年，Cp为从Gp至Gp+2三个日历年内的前向被引次数。引用时点采用实际载有引用关系的施引文献公开日期；同一施引申请引用同一被引申请的多个公开版本只计一次，先取最早引用公开日期，再判断是否落入窗口。剔除同一申请引用自身的关系，保留不同申请之间的同公司引用。 在每个申请年与IPC部类组成的全国组g中，以非离群的已授权发明专利构成参照集合Rg，其三年被引均值为： $$Mg=\frac{1}{|Rg|}\sum{q\in Rg}Cq.$$ 只有同时满足技术离群、属于已授权发明专利、且Cp大于Mg的专利，才识别为颠覆性专利。该阶段的参照均值同样来自全国可识别专利。参照集合为空或必要引用信息不可判断时，相关判定保留缺失。 汇总至企业年度 依据专利申请与上市公司之间的既有归属关系，将专利按申请年汇总至公司。归属范围包含上市公司本身及已识别的子公司、联营和合营企业；共同归属于多家上市公司的申请，在每家公司内各计一次。企业i在申请年t的颠覆性创新水平为： $$DisruptiveInnovation{it}=\ln\!\left(1+DisruptivePatentCount{it}\right).$$ 同时提供入网专利数、离群专利数和已授权发明专利数，分别用于理解语义参照、第一阶段筛选和授权发明基础。已授权发明专利数按可确认的申请归属及授权状态统计，不以摘要能否入网为条件。全国原始文献已明确的外观设计不属于本指标的研究集合。无符合条件记录的已知集合记0；有相关申请但必要信息无法判断时，对受影响字段保留缺失，不能将未知统一填为0。各字段独立处理缺失：已经确定非发明或未授权的申请，对授权发明及颠覆性专利计数贡献0；后续判定不可得也不抹去已经能够确定的前序研究量。 四分位阈值口径 按原文的技术距离1/4分位数设定，将离群阈值替换为组内节点平均技术距离的P25，其余筛选步骤保持一致，并重新计算该口径下非离群已授权发明专利的被引均值。由此得到DisruptivePatentCount25和DisruptiveInnovation25，后者仍为前者加1后的自然对数。P25作用于技术距离，不是相似度P25，也不表示只保留距离最大的四分之一。两套口径的参照集合不同，颠覆性专利数不必存在固定的大小关系。 补充说明 原文未公开具体BERT检查点、池化方式、文本截断规则、引用去重代码和四分位数统计层级。本数据采用hfl/chinese-roberta-wwm-ext、有效词元均值池化、申请层去重及节点平均距离P25作为明确操作化；这些选择可能影响专利分类，不能保证与作者原始计算逐值相同。 前向被引限于现有全国引用数据中可观察的中国施引专利对中国焦点专利的引用，不包含完整的境外施引关系。引用库在早期存在空白和部分年份记录稀疏，低被引不必代表真实技术影响力较低。授权窗口的起始年早于引用库可观察起始年时，保留相关未知；其他历史覆盖差异需在研究中结合时期与来源边界判断。近期授权专利的三年窗口尚未充分展开，申请公开亦存在滞后，因此近期数值可能随后续数据更新而变化；不因这一限制自行删去最新可得申请年。 专利归属采用现有公司关系映射，不能据此推断全部历史控制关系已经逐年穿透核验。行业和地区字段用于样本分析；地区按公司档案匹配，行业按可得年度行业信息匹配并在缺少历史记录时使用现有回填口径。原始结果保留全行业及ST/PT公司；剔除版和缩尾版另行提供。缩尾处理分别作用于数值字段，因此缩尾版的计数整数性质及计数与对数之间的恒等关系可能不再成立。 参考文献 余泳泽, 胡鹏, 朱子政. 耐心资本与企业颠覆性创新——基于企业机构投资者视角[J]. 中国工业经济, 2025(10): 59-77.

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。