企业突破性创新（2000-2025）
数据简介
企业突破性创新（Breakthrough Innovation），又称企业突破式创新，衡量企业当年新增专利相对于其既有技术轨道的"新颖程度"或"技术偏离度"。数值越大，表明企业当年专利在语义内容上与其历史专利差异越大，技术路径越具突破性；数值越小，则当年专利更接近既有技术积累，属于渐进式创新。
本数据测算参考秦姣姣和郭爱芳（2026）《人数协同对企业突破式创新的影响研究：来自专利文本分析的证据》一文。专利摘要凝练了专利的核心内容，体现了专利的技术知识基础，因此"当前专利与既有专利摘要之间的内容相异度"可作为衡量企业突破式创新程度的代理指标：相异度越高，说明企业当年专利在技术知识上越偏离既有积累，突破性越强；相异度越低，则属于在既有技术轨道内的渐进式创新。这一思路延续了"技术距离"与知识重叠度的测度传统，将创新的新颖性从专利数量层面推进到了专利文本语义层面。
构建企业层面突破式创新水平指标（CBI，Confounding Breakthrough Innovation）的具体步骤包括：
①专利摘要文本的编码和向量化：首先使用BERT模型的分词器（Tokenizer）处理每个专利的摘要文本，将其转换为模型可理解的格式；然后将编码后的数据输入BERT模型获取嵌入向量，得到每条专利摘要的文本向量，该向量刻画了摘要文本在向量空间中的位置；
②计算专利内容间的相似度：向量余弦值是度量向量相对位置的重要指标，因此通过基于余弦夹角的向量空间模型计算两两专利摘要文本间的向量距离，距离越小意味着专利间相似度越高、相异度越低；
③计算企业层面的突破式创新水平：将企业当前专利与前5年所有专利之间的相似度汇总，计算均值，并用1减去该均值得到相异度，作为企业突破式创新的测量（CBI）。为便于结果展示，将CBI乘以100。
企业突破性创新(CBI) = 100 × [1 − 企业当年专利与前五年专利的平均余弦相似度]
数据示例
1. 全样本口径：86592条观测、5699家公司，突破性创新均值9.354、中位数8.863；
2. 剔除金融与STPT口径：82984条观测、5641家公司，均值9.323、中位数8.846；
3. 剔除金融与STPT并已缩尾口径：82984条观测、5641家公司，均值9.289、中位数8.846。
