企业数字化创新(大模型标注)

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)
• DesignCount [数字化创新设计重组专利数] — 参考王忠等（2024），上市公司本体当年发明及实用新型申请中，经2021两产业IPC四位宽筛且摘要由自建Qwen识别为供给方整合数字资源的设计重组件数。按公司与申请号去重，单位件；用户参与机制成立时优先计使用重组，两类互斥。无本体源、输入或模型未知时缺失，有观察源但未识别此类时为零。不是原文SAO与CNN同值复现。
• UseCount [数字化创新使用重组专利数] — 参考王忠等（2024），同一候选池中由自建Qwen识别用户直接共创或配置数字资源，或用户需求、偏好、消费与使用行为数据间接参与个性化、推荐、迭代及供需匹配的年度去重申请件数，单位件。普通接入、认证、按键或设备运行数据不自动构成使用重组。无本体源、输入或模型未知时缺失，两类互斥；非作者模型复现，存在语义误判。
• LnDesign [数字化创新设计重组水平] — 设计重组年度专利件数加一取自然对数，无量纲，数值越大表示供给方主导的数字化创新成果越多；零件数为零，件数缺失则缺失。依据王忠等（2024）的设计重组构念，ln1p是原文未明示平滑细节的公开操作化，不能声称作者逐值复现。
• LnUse [数字化创新使用重组水平] — 使用重组年度专利件数加一取自然对数，无量纲，数值越大表示用户直接或数据化参与的数字化创新成果越多；零件数为零，件数缺失则缺失。依据王忠等（2024）的使用重组构念，ln1p为本任务明确操作化，原文分类语料和权重未公开。
• IsDesign [是否有数字化创新设计重组] — 参考王忠等（2024）的有无指标检验，企业当年设计重组去重申请件数大于零取1，有可测观察源且件数为零取0，件数缺失则缺失；不把没有本体专利源或模型未知误记为0。
• IsUse [是否有数字化创新使用重组] — 参考王忠等（2024）的有无指标检验，企业当年使用重组去重申请件数大于零取1，有可测观察源且件数为零取0，件数缺失则缺失；不把没有本体专利源或模型未知误记为0。

常见问题

「企业数字化创新(大模型标注)」是什么数据集？

企业数字化创新(大模型标注)，隶属创新与知识产权。数字化创新反映企业整合数字资源形成新产品、服务和流程的活动。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 17 个变量。核心指标包括：数字化创新设计重组专利数、数字化创新使用重组专利数、数字化创新设计重组水平、数字化创新使用重组水平、是否有数字化创新设计重组、是否有数字化创新使用重组。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 97,179 条观测。

数据是如何测算/获取的？

测算方法 数字化创新是不同主体整合数字资源、形成新产品、服务及流程的活动。参考王忠等（2024）的重组视角，本数据集区分供给方主导的设计重组与用户直接或数据化参与的使用重组，分别刻画企业数字化创新的年度产出及有无情况。两类指标反映创新方式与数量，不是专利质量评分。 1. 形成数字化创新宽候选池 以企业本体申请的发明和实用新型为基础，依据《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》中新一代信息技术产业与智能制造装备产业的代码建立候选范围。取正向代码所属的国际专利分类四位小类，保留能够在该层级明确执行的整小类排除；任一主分类或附加分类命中即可进入宽候选。同一专利命中多个小类仍只计一件。 设Cp为申请p的已观察IPC四位小类集合，D为本任务形成的两产业小类集合，候选标记为： $$ ep=\mathbf{1}(Cp\cap D\neq\varnothing). $$ 论文未公开实际使用的小类清单。这里对公开表进行小类投影，不完整保留小组内排除及关键词限定，因而是较宽的候选范围；对原表G16大类用公开分类树展开时也存在版本差异。后续还需以摘要区分明确非数字方案，不能把所有IPC候选直接当作数字化创新成果。 2. 区分设计重组与使用重组 使用固定指令及未微调Qwen3.5-9B-FP8对完整中文摘要分类。设计重组指供给方整合软件、算法、计算机仿真、人工智能、数字通信及数字信号处理等资源，提供新的产品、服务或流程；常规数字技术也可以形成创新，不要求摘要出现“重组”一词。 使用重组既包括用户借助数字平台、代码、组件或模板直接设计、共创与定制，也包括用户的需求、偏好、消费和使用行为数据间接影响个性化、推荐、迭代及供需匹配。用户可以是个人或企业。普通登录认证、网络接入、按键或被动使用产品不足以认定使用重组；机器温度、振动等设备运行数据也不自动等于用户行为。 模型返回USE、DESIGN、NONDIGITAL或UNKNOWN。前两者分别对应使用与设计；第三类表示摘要明确为纯机械、材料或物理方案；第四类表示信息不足、损坏或机制难以判断。同一件申请同时具备设计与使用机制时优先计入使用重组，使两类互斥。 同一完整摘要共享一次判断。多版本同申请选最长中文摘要，长度相同时按文字顺序固定选择。超过整体输入长度的摘要完整重叠分块，明确使用重组优先；无使用重组而存在未知块则保留未知，其余有设计块计设计，否则计明确非数字，不静默截去尾部。 3. 按本体和申请年去重汇总 证券代码与主体关系标签同序配对，仅纳入上市公司本体参与的申请，保留本体参与联合申请，排除仅子公司、联营与合营主体的申请。有原始公告支持的证券换码先作桥接，再按公司与申请号去重；不凭相近代码推断公司合并。使用申请年，不以公开年或授权年替代。 专利类型按中国申请号编码核定，避免将部分早期授权文献错误标签沿用为实用新型。设P{it}为公司i在年度t的观察本体技术申请集合，sp与up分别表示模型确认的设计和使用类别，则： $$ \operatorname{DesignCount}{it}=\sum{p\in P{it}}ep sp, \qquad \operatorname{UseCount}{it}=\sum{p\in P{it}}ep up. $$ 两项以件为单位。同一申请在同一公司年只计一次，参与不同公司的联合申请可在各本体公司分别计入。 4. 构造水平与有无指标 依据论文的重组构念，提供件数加一自然对数： $$ \operatorname{LnDesign}{it}=\ln(1+\operatorname{DesignCount}{it}), \qquad \operatorname{LnUse}{it}=\ln(1+\operatorname{UseCount}{it}). $$ 对数指标无量纲，可缓解件数右偏。原文没有明示对数平滑的完整细节，ln1p属于本任务公开操作化，不声称作者逐值复现。 对应的有无指标为： $$ \operatorname{IsDesign}{it}=\mathbf{1}(\operatorname{DesignCount}{it}0), \qquad \operatorname{IsUse}{it}=\mathbf{1}(\operatorname{UseCount}{it}0). $$ 5. 零值、缺失与样本 没有观察到本体申请的公司年保留缺失，不把源缺口填成现实零。有本体源且没有识别到相应数字重组申请时为源内观察零。观察目标申请的类型、IPC、年份归属不明或冲突，以及候选摘要缺失、模型未知或调用失败，都会使该公司年六项研究量共同缺失，不把部分已识别申请当作完整年度件数。 覆盖全部行业、板块与可得年度，保留ST/PT、金融及源内上市前申请历史。专利年度上限动态为当前年减一，不因末年公开尚不完整而自行删年。档案地区为快照，行业与简称按年度匹配，缺少当年信息时可能回填最新可得档案。分发提供原始、剔除ST/PT与金融、以及剔除后缩尾版本；仅两项对数水平按年在1%和99%分位缩尾，原始件数与有无标记不缩尾。 补充说明 原文使用SAO抽取、人工词组和CNN，未公开完整标签、分类语料及模型参数。本数据集采用自建大模型指令及额外的非数字语义过滤，属于公开构念重建；不沿用论文报告的模型正确率，不承诺与作者分类或数值一致。本体范围、使用优先及整年完整性规则也作了明确操作化。 扩大样本复核仍发现使用重组漏判、数字方案误分非数字以及控制器等模糊机制的分歧。独立代理审阅与模型的一致性不是专家金标准准确率。使用重组可能被低估，设计与使用结构比较须注意类别误分；未知整年删除还可能使专利量较大的公司更容易失测。有效行率不等于真实分类准确率或阳性贡献保留比例。 现行主体关系和IPC为源快照，不代表申请当时完整的法律股权与分类重建。早期本体源稀疏、近期公开滞后，不能将观察零或年度变化直接解释为真实创新的消失与突变。 参考文献 [1]王忠,潘欣贤,谢卫红,邹玉坤,李淑荧.数字化创新、企业边界重塑与智能制造企业高质量发展——来自专利文本信息机器学习的经验证据[J].科技进步与对策,2024,41(21):87-97.DOI:10.6049/kjjbydc.2023060374.

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。