---
license: apache-2.0
language:
- zh
- en
task_categories:
- translation
- text-generation
tags:
- patent
- Taiwan
- ROC
- IPC
- glossary
- terminology
size_categories:
- 1M<n<10M
dataset_info:
  features:
  - name: term_id
    dtype: string
  - name: term_tw_name
    dtype: string
  - name: term_en_name
    dtype: string
  - name: source_id
    dtype: string
  - name: term_ipc
    dtype: string
  - name: date_modify
    dtype: string
  splits:
  - name: train
    num_bytes: 674777086
    num_examples: 3245570
  download_size: 674777086
  dataset_size: 674777086
configs:
- config_name: default
  data_files:
  - split: train
    path: datasets.jsonl
---
# Dataset Card for 中華民國專利技術名詞中英對照詞庫

<!-- Provide a quick summary of the dataset. -->
中華民國專利技術名詞中英對照詞庫（Chinese-English Technical Patent Glossary）收錄逾 324 萬筆台灣專利技術名詞之中英對照資料，涵蓋國際專利分類（IPC）A 至 H 全部八大類，時間跨度自 2011 年至 2023 年。本資料集適用於專利翻譯、技術術語標準化、以及繁體中文語言模型在專業領域之詞彙增強。

## Dataset Details

### Dataset Description

<!-- Provide a longer summary of what this dataset is. -->
本資料集整理自中華民國經濟部智慧財產局（[TIPO](https://www.tipo.gov.tw/)）公開之專利技術名詞中英對照詞庫。每筆資料包含一組繁體中文與英文之技術術語對照，並標註其對應的國際專利分類（IPC）代碼與資料來源編號。

資料涵蓋 IPC 八大類別：
* **A** — 人類生活需要（Human Necessities）
* **B** — 作業、運輸（Performing Operations; Transporting）
* **C** — 化學、冶金（Chemistry; Metallurgy）
* **D** — 紡織、造紙（Textiles; Paper）
* **E** — 固定建築物（Fixed Constructions）
* **F** — 機械工程、照明、加熱、武器、爆破（Mechanical Engineering; Lighting; Heating; Weapons; Blasting）
* **G** — 物理（Physics）
* **H** — 電學（Electricity）

共有 17 個不同資料來源（`source_id` 1–17），涵蓋多個技術領域之專利文獻。

- **Curated by:** [Liang Hsun Huang](https://www.linkedin.com/in/lianghsunhuang/?locale=en_US)
- **Language(s) (NLP):** Traditional Chinese, English
- **License:** Apache 2.0

### Dataset Sources

<!-- Provide the basic links for the dataset. -->

- **Repository:** [lianghsun/chinese-english-technical-patent-glossary](https://huggingface.co/datasets/lianghsun/chinese-english-technical-patent-glossary/)
- **Original Source:** [經濟部智慧財產局（TIPO）](https://www.tipo.gov.tw/)

## Uses

<!-- Address questions around how the dataset is intended to be used. -->

### Direct Use

<!-- This section describes suitable use cases for the dataset. -->

本資料集主要設計用於：
* 專利文件之中英翻譯與術語對照查詢；
* 訓練或微調繁體中文語言模型之專利領域詞彙能力；
* 建構專利技術術語知識庫或檢索系統；
* 支援自然語言處理中的命名實體辨識（NER）與術語擷取任務。

### Out-of-Scope Use

<!-- This section addresses misuse, malicious use, and uses that the dataset will not work well for. -->
本資料集不適用於下列用途：
* 作為法律效力之正式專利翻譯依據，因術語對照僅供參考，不保證涵蓋所有語境。
* 用於非專利技術領域之通用翻譯任務。
* 直接作為對話或指令微調之訓練素材，因其不包含對話結構。

## Dataset Structure

<!-- This section provides a description of the dataset fields, and additional information about the dataset structure such as criteria used to create the splits, relationships between data points, etc. -->
```jsonl
{
  "term_id": "1",
  "term_tw_name": "空氣預熱",
  "term_en_name": "air preheat",
  "source_id": "1",
  "term_ipc": "-F/22/D/1/38 -F/23/H/1/2 -F/22/D/1/36",
  "date_modify": "20110223"
}
```

| 欄位 | 說明 |
|---|---|
| `term_id` | 術語唯一識別碼 |
| `term_tw_name` | 繁體中文技術術語 |
| `term_en_name` | 對應之英文技術術語 |
| `source_id` | 資料來源編號（共 17 個來源） |
| `term_ipc` | 國際專利分類（IPC）代碼，可包含多個分類 |
| `date_modify` | 最後修改日期（格式：YYYYMMDD） |

## Dataset Creation

### Curation Rationale

<!-- Motivation for the creation of this dataset. -->

台灣專利文獻之技術術語翻譯長期缺乏結構化的公開資料集。本資料集將中英對照詞庫整理為 JSONL 格式，方便直接用於語言模型訓練與術語檢索。

### Source Data

<!-- This section describes the source data (e.g. news text and headlines, social media posts, translated sentences, ...). -->

#### Data Collection and Processing

<!-- This section describes the data collection and processing process such as data selection criteria, filtering and normalization methods, tools and libraries used, etc. -->

資料經結構化處理轉換為 JSONL 格式。每筆資料保留原始之術語編號、中英名稱、IPC 分類代碼、資料來源編號與最後修改日期。

#### Who are the source data producers?

<!-- This section describes the people or systems who originally created the data. It should also include self-reported demographic or identity information for the source data creators if this information is available. -->

原始資料由中華民國經濟部智慧財產局（TIPO）編纂與維護，涵蓋專利審查人員與技術領域專家之專業翻譯成果。

### Annotations

<!-- If the dataset contains annotations which are not part of the initial data collection, use this section to describe them. -->

#### Annotation process

<!-- This section describes the annotation process such as annotation tools used in the process, the amount of data annotated, annotation guidelines provided to the annotators, interannotator statistics, annotation validation, etc. -->

本資料集不包含額外標註。IPC 分類代碼與中英對照均來自原始資料來源。

#### Who are the annotators?

<!-- This section describes the people or systems who created the annotations. -->

不適用。

#### Personal and Sensitive Information

<!-- State whether the dataset contains data that might be considered personal, sensitive, or private (e.g., data that reveals addresses, uniquely identifiable names or aliases, racial or ethnic origins, sexual orientations, religious beliefs, political opinions, financial or health data, etc.). If efforts were made to anonymize the data, describe the anonymization process. -->
本資料集僅包含技術術語之中英對照，不涉及個人資訊或敏感資料。

## Bias, Risks, and Limitations

<!-- This section is meant to convey both technical and sociotechnical limitations. -->

* 術語對照來自官方詞庫，可能存在部分翻譯過時或未涵蓋新興技術領域之情形。
* 資料時間跨度為 2011–2023 年，2023 年後之新增術語未納入。
* 部分 IPC 代碼格式可能存在不一致之情形（如含有非標準字元）。
* 同一術語在不同技術領域中可能對應不同英文翻譯，本資料集保留原始一對一對照，未進行歧義消解。

### Recommendations

<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->

建議使用者搭配最新版本之智慧財產局官方詞庫進行交叉比對，以確保術語翻譯之時效性與正確性。

## Citation

<!-- If there is a paper or blog post introducing the dataset, the APA and Bibtex information for that should go in this section. -->
```bibtex
@misc{chinese-english-technical-patent-glossary,
  title        = {中華民國專利技術名詞中英對照詞庫 (Chinese-English Technical Patent Glossary)},
  author       = {Liang Hsun Huang},
  year         = {2024},
  howpublished = {\url{https://huggingface.co/datasets/lianghsun/chinese-english-technical-patent-glossary}},
  note         = {3.2M+ Chinese-English patent term pairs covering IPC sections A--H.}
}
```

## Dataset Card Authors

[Liang Hsun Huang](https://www.linkedin.com/in/lianghsunhuang/?locale=en_US)

## Dataset Card Contact

[Liang Hsun Huang](https://www.linkedin.com/in/lianghsunhuang/?locale=en_US)