最近，大数据一词炒的很热，我不知道专利数据是否能算做大数据，但我认为是很接近的。

原因有几条：

1. 专利数据很复杂，远超过论文数据库的信息复杂度。

2. 上百年来积累的数据量也不小。根据PATSTAT的统计（不含全文），题录数据约包含170G（截止2013年6月）。

3. 其中，包括技术分类、法律状态、引文数据、专利权人、发明人等好多数据。

4. 就引文数据而言：

  USPTO 自1947年，共有665万专利具有参考引文，引用了7898万专利和1521万非专利引文；

    EPO 自1978年，共有178万专利具有参考引文，引用了776万专利和229万非专利引文；

    JPO 自1965年，共有370万专利具有参考引文，引用了1047万专利和2万非专利引文；

这个数据很有趣，值得仔细分析，近年来，相关文章也不少。推荐一篇OECD的工作报告：

http://www.oecd-ilibrary.org/science-and-technology/analysing-european-and-international-patent-citations_883002633010

最近EPO有一个对全球专利引文的统计，可以作为参考。以前这方面数据公布的不多，也没有这么细致。

这里面包含了一个引文来源的统计。将引文来源分为7类：

SEA:通过检索获取的引文；

APP:由申请人提供的引文；

EXA：由审查员提供的引文；

OPP：异议过程提供的引文；

115：根据ART 115 EPC 提供的引文；

ISR：来源于国际检索报告的引文；

SUP：来源于补充检索报告的引文；

CH2：来源于PCT第2阶段（国际阶段）的引文；

PRS: 预检索引文（在官方出版之前可获得的引文）

（图可以下载后观察）