美国历史专利发明人与人口普查链接数据集

政府统计
0 下载
11 浏览
2026-06-30

数据集简介

Files

数据集提供了多种文件格式以适应不同的研究需求,包括 zip、parquet、csv、tsv、json、xlsx 和 txt 格式。主要的压缩文件包含核心的链接数据及相关的参考查找表。Parquet 格式特别适合于大规模数据处理,而 CSV 和 TSV 则便于在常规统计软件中打开使用。

Primary Dataset

核心数据集文件名为 patent_inventor_census_links_1850-1940_v1.zip(或对应的 .parquet 文件)。该文件包含了 3,948,749 条专利发明人与人口普查的链接记录,涵盖了 2,254,386 名独特的专利发明人。每一行数据代表一个匹配成功的发明人-普查对,记录了从 1840-1950 年的专利发明人到 1850-1940 年人口普查个体的对应关系(1890 年人口普查记录因原件损毁而不包含在内)。

Public Patent Inputs

数据集的构建基于公开的美国专利数据。输入数据涵盖了 USPTO 在指定时间段内发布的专利信息,提取了发明人姓名、专利号、授予日期等关键字段,作为后续记录链接的基础。

Ground Truth and Validation

为了确保链接的准确性,项目采用了 Ground Truth(真值)数据集进行验证。通过人工标注和高质量匹配样本,训练并验证了记录链接算法。数据集中包含的 probability 字段即反映了匹配的可信度,from_ctp 和 ctp_flag 等字段则标记了数据是否来源于 Census Tree Project (CTP) 或经过特定验证流程。

Machine Learning Tables (Reproducibility)

为了支持研究的可复现性,数据集还包含了用于机器学习模型的中间表格。这些表格记录了模型训练过程中使用的特征向量、训练样本划分以及模型评估指标。研究人员可以利用这些表格复现链接结果,或将其应用于其他历史记录链接任务中。

Reference Lookups

参考查找表提供了辅助性的编码和标准化信息。例如,它可能包含地理位置的标准化代码、职业分类的映射表以及姓名变体的对照表。这些查找表有助于用户将核心数据中的编码转换为可读的文本信息,或进行跨时期的数据整合。

Licensing and Data Use

本数据集遵循混合许可协议:用于生成数据的 Python 管道代码采用 MIT 许可证发布;发布的链接数据集采用 Creative Commons Attribution 4.0 International (CC-BY 4.0) 许可协议。需要注意的是,数据集中源自人口普查的字段仍受 IPUMS USA 数据使用协议的约束,用户在使用这些特定字段时需遵守 IPUMS 的相关规定。

基本信息

记录数量未知
文件大小未知
文件格式未知
数据来源Zenodo
数据规模3,948,749 条链接记录
覆盖范围2,254,386 名独特专利发明人
时间跨度专利 1840–1950; 普查 1850–1940
数据许可MIT (代码), CC-BY 4.0 (数据), IPUMS terms (普查字段)
数据落地页https://zenodo.org/records/21078985
发布日期2026-06-30
历史创新研究专利发明人人口普查链接记录链接USPTOIPUMS

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费