1985～2024 的专利引用与被引用信息及次数统计

上次给大家分享了 1985～2024 的专利引用和授权信息：

1985～2024 年专利申请与授权数据（版本 3，含申请人所处的省市区县）：https://rstata.duanshu.com/#/brief/course/2397451274c546d3a36e156ffc865988

今天再给大家分享一份专利引用与被引用信息：

该数据包含如下变量：

ipzlid、年份、公开公告号、公开公告日、引证专利、被引证专利、自引信息、他引信息、被自引信息、被他引信息、家族引证、家族被引证、引证申请人、被引证申请人、家族引证申请人、家族被引证申请人、引证次数、被引证次数、自引次数、他引次数、被自引次数、被他引次数、家族引证次数、家族被引证次数、引证科技文献、引证类别、被引证类别、引证来源、被引证来源、被引证国别_forward

该数据和上面提到的数据里面都包含 ipzlid 变量，也就是观测值编号，两个数据可以使用该变量匹配起来使用。

后续和专利匹配相关的结果也都可以使用 ipzlid 和这份数据匹配～

数据格式方面，提供的是供 Stata 读取的 dta 的格式。部分文件大小超过了 10GB，对于内存较小的电脑读取起来会很困难，不过 Stata 提供了一次读取部分观测值的方法，例如读取 2020 年文件（55.54GB）的前 10 万行：

use in 1/100000 using "2020.dta", clear

使用 Stata 处理这种超大文件就可以一部分一部分的处理（读取之后删除不需要的变量）。

不过读取最后一部分的时候需要知道该文件总共的行数，这时候可以借助 describe 命令：

describe using "2020.dta"

*> Contains data                                 数据处理：微信公众号
*>                                                 RStata
*>  Observations:     5,380,580                  8 Dec 2024 21:42
*>     Variables:            30
*> ---------------------------------------------------------------------
*> Variable      Storage   Display    Value
*>     name         type    format    label      Variable label
*> ---------------------------------------------------------------------
*> ipzlid          str11   %11s
*> 年份            int     %10.0g
*> 公开公告号      str13   %-9s
*> 公开公告日      str10   %-9s
*> 引证专利        strL    %-9s
*> 被引证专利      strL    %-9s
*> 自引信息        str614  %-9s
*> 他引信息        strL    %-9s
*> 被自引信息      str873  %-9s
*> 被他引信息      strL    %-9s
*> 家族引证        strL    %-9s
*> 家族被引证      strL    %-9s
*> 引证申请人      strL    %-9s
*> 被引证申请人    strL    %-9s
*> 家族引证申请人  strL    %-9s
*> 家族被引证申请人 strL    %-9s
*> 引证次数        int     %10.0g
*> 被引证次数      int     %10.0g
*> 自引次数        byte    %10.0g
*> 他引次数        int     %10.0g
*> 被自引次数      byte    %10.0g
*> 被他引次数      int     %10.0g
*> 家族引证次数    int     %10.0g
*> 家族被引证次数  int     %10.0g
*> 引证科技文献    strL    %-9s
*> 引证类别        str187  %-9s
*> 被引证类别      str233  %-9s
*> 引证来源        str889  %-9s
*> 被引证来源      str79   %-9s
*> 被引证国别_forward
*>                 str90   %-9s
*> ---------------------------------------------------------------------
*> Sorted by:

除了引用次数，该数据还包含专利引用和和被引用的详细信息。

专利数据匹配与提取服务

由于专利数据非常巨大，难以匹配和使用，因此特推出专利数据匹配服务，费用大致如下：

该服务仅面向 RStata 会员；

• 每 10 万个公司名称匹配收费 300 元，低于 10 万个公司名称也是 300 元（300 元起步）；
• 专利知识宽度计算：每 10 万个公司名称收费 100 元，低于 10 万个公司名称也是 100 元（100 元起步）；
• 绿色专利筛选：每 10 万个公司名称收费 100 元，低于 10 万个公司名称也是 100 元（100 元起步）；
• 注意这里的数量是指匹配使用的数量，而非匹配成功的数量；
• 其他类似的操作 ……

另外该份专利数据实际上还包含很多变量，完整的数据大小超过 2TB，所以这里我仅仅选择了部分变量进行分享，如果需要其他变量的，可以联系李老师获取完整变量列表及帮忙提取所需变量，费用也是 300 元/次。

虽然不限制数量，不过变量数量过多也会导致数据变得非常大而难以处理，所以还是仅仅选择自己需要的变量就好。

点击这里跳转到 RStata 短书平台获取附件：1985～2024 的专利引用与被引用信息及次数统计