关于专利数据集的问题

[BowenMu]

老师，您好： 专利数据集中，数据集的标签与原始专利数据的对应关系是什么？USPTO网站给出了以下四种专利分类方式（以Test.json文件中"id":"5973818"的专利为例），但似乎都和标签对应不上。

1. Current U.S. Class: | 359/265; 351/44; 359/267; 359/275
2. Current CPC Class: | G02F 1/163 (20130101)
3. Current International Class: | G02F 1/01 (20060101); G02F 1/163 (20060101); G02F 001/15 (); G02F001/153 (); G02F 001/163 ()
4. Field of Search: | ;359/265,267,275 ;345/239,105 ;351/44,45 谢谢您的解答！

[RandolphVI]

@BowenMu 抱歉回复晚了，数据集应该是用的 CPC 的，关于数据集标签喝原始专利数据的对应不上。原因有那么几个：

1. U.S CPC 专利的标签和层级结构每年都是在变动，经常会删除和合并一些旧类别，新增一些新类别。
2. 我自己使用的 CPC 专利数据集是我们实验室当时前几年爬取的，之前是经过师兄师姐处理过后的标签（删除了个别样例可能很少的类别，具体的预先处理过程无法追溯了），自然会导致与 USPTO 官网产生区别。
3. 最重要的一个原因，Github 项目上面的专利数据所对应的 label 是我自己重新 index 之后的（我自己维护了新的 idx2label 的dict，为了脱敏没有传到 repo 上面），跟 USPTO 官网上肯定是对不上的。

[BowenMu]

好的，谢谢您的回复