关于专利数据集的问题 about hierarchical-multi-label-text-classification HOT 2 OPEN

@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。

from hierarchical-multi-label-text-classification.

好的，谢谢您的回复

from hierarchical-multi-label-text-classification.