Données EP en texte intégral pour l’analyse textuelle
Un jeu de données de masse composé de titres en balises XML, d’abrégés, de descriptions, de revendications et de rapports de recherche de publications EP et conçu pour faciliter le traitement du langage naturel.
Ce produit est adapté tout spécialement aux besoins des utilisateurs qui traitent le contenu de publications brevets en langage naturel. Il est conseillé de l’utiliser en combinaison avec les jeux de données de masse PATSTAT.
Les données EP en texte intégral pour l’analyse textuelle vous permettent:
de travailler sur les textes fortement structurés de publications EP
d’accéder avec flexibilité à des éléments de texte tels que des revendications, des abrégés, des descriptions
de réutiliser gratuitement les données sur la base d’une licence de données ouvertes
Les demandes de brevet européen (documents EP-A) déposées via la voie PCT et publiées par l’OMPI dans l’une des trois langues officielles de l’OEB ne sont pas republiées par l’OEB. Dans ces cas-là, seuls les titres sont disponibles.
Format
Le jeu de données se compose d’environ 35 fichiers présentant une structure CSV simple. Chaque fichier contient les publications associées à 100 000 numéros de publication.
Volume
La taille totale du jeu de données est d’environ 210 Go (version dézippée).
Livraison
Il existe deux options :
Le jeu de données peut être téléchargé à partir de la plateforme Google Cloud
Vous trouverez des instructions détaillées dans le Guide de l'utilisateur, téléchargeable à partir de l'onglet "Premiers pas".
Les taxes de téléchargement facturées par Google doivent être acquittées par l’utilisateur.
Le jeu de données est mis à jour chaque année.
Prix
Le jeu de données est gratuit.
Voir ci-dessus pour les frais de téléchargement ou de livraison.
