Datasetpublic

INPI-France/French-Patent-1981-2026-Clean

🇫🇷 Brevets français 1981–2026 — Clean 🇫🇷 Dataset de brevets français publiés entre 1981 et 2026, extrait depuis les XML d’origine, avec un document = une ligne (texte complet). Format : Parquet, prêt pour chargement streaming / distribué. Source Données issues de documents publics de brevets français (A1).Extraction, structuration et nettoyage réalisés de manière indépendante grâce à un accès aux API / FTP PI (sur demande à l’INPI). Génération… See the full description on the dataset page: https://huggingface.co/datasets/INPI-France/French-Patent-1981-2026-Clean.

sourceHugging Faceapache-2.0updated 3mo agoView on Hugging Face

1likes180downloads

Dataset Card

🇫🇷 Brevets français 1981–2026 — Clean 🇫🇷

Dataset de brevets français publiés entre 1981 et 2026, extrait depuis les XML d’origine, avec un document = une ligne (texte complet).

Format : Parquet, prêt pour chargement streaming / distribué.

Source

Données issues de documents publics de brevets français (A1). Extraction, structuration et nettoyage réalisés de manière indépendante grâce à un accès aux API / FTP PI (sur demande à l’INPI).

Génération

Entrée :

—822 310 fichiers XML

Sortie :

—822 310 lignes
—67 shards Parquet

Schéma

Chaque ligne correspond à un brevet complet.

Colonnes :

—publication_number
—kind
—publication_date
—data_type
—section
—claim_id
—text
—text_len

Notes

—texte complet, non tronqué
—nettoyage structurel uniquement
—pas de réécriture sémantique
—pas de segmentation interne
—dataset orienté long-context / compute

Licence

Apache 2.0

En cas de confusion liée au nom ou à la présentation du dataset ou de l’organisation, les éléments concernés pourront être modifiés.