数据集源自公开的广东省河源市商标申请数据。我们采用专业的统计分析与数据建模方法，对原始描述性数据进行了深度加工和价值挖掘。核心处理方法是基于已有明确结果（已注册、已驳回、已消亡）的历史商标数据，构建了一个二元逻辑回归（Binary Logistic Regression）预测模型。通过此模型，我们成功地为数据集中的每一条商标申请记录，生成了多个具有分析价值的新字段。其中，最具核心价值的是“Success_Probability（成功概率）”字段，它以0到1的数值，量化了每项商标申请未来的注册成功可能性。此数据集旨在将静态的商标信息转化为动态的、可用于决策的风险评估依据，为知识产权领域的专业服务、企业战略规划及政策分析提供强有力的数据支持。

本数据集基于历史商标申请数据，采用二元逻辑回归模型（Binary Logistic Regression）进行深度加工分析，生成具有预测价值的新数据字段。数据处理流程如下： １.特征工程与分区：对原始数据进行清洗，创建了ApplicantType_Binary（申请人类型二值化）、HasAgent_Binary（有无代理机构二值化）以及商品组别数量等多个新字段以量化关键特征，并根据法律状态将原始数据划分为训练数据集和应用数据集。 2.模型训练：利用训练数据集数据，以注册结果（成功或失败）作为因变量，选择多个特征字段作为自变量，包括申请人类型、是否委托代理机构、商品组别数量等关键因素，通过回归分析求解各影响因素的系数，并构建预测模型。 3.评分与预测：通过计算每条记录的对数几率并经由Sigmoid函数转换，生成核心的新数据字段——Success_Probability（成功概率）。该字段以数值精确量化每条商标申请未来的注册成功可能性。同时，对训练集数据进行回测评分，通过比较预测结果与实际结果来验证模型的准确性和可靠性。 4.数据脱敏：本数据集已对核心商业主体信息进行重新编码的脱敏处理。

本数据集的核心价值在于其预测能力，可广泛应用于以下场景： 1.知识产权代理机构精准服务：代理机构可将本数据集作为内部风险评估工具。在接受客户委托前，通过查询或匹配模型，快速评估新申请的成功概率。对于预测概率较低的申请，可向客户提供数据驱动的专业建议，如修改商品/服务项、优化商标名称等，从而提升服务质量与客户满意度，降低业务风险。 2.企业品牌战略与IP布局：企业在规划新产品或新品牌时，可利用此数据集进行前瞻性分析。通过评估不同商标大类的注册难度和自身申请特征的成功概率，优化品牌命名和知识产权保护策略，避免因商标驳回而导致的时间与资金损失，提高品牌战略的成功率。 3.政府及产业园区政策优化：政府相关部门或高新产业园区管理者，可利用此数据集进行宏观分析。通过识别那些预测成功率高的申请所共有的特征（如特定行业、申请人类型等），洞察区域内最具创新活力的产业领域和市场主体，从而制定更具针对性的扶持政策，优化营商环境，促进区域经济发展。

商标名称 商标注册号 商标大类 商标申请人 申请人类型 所属区县 法律状态 代理机构 有无代理机构 商品组别 商品组别数量 OutcomeSuccess ApplicantType_Binary HasAgent_Binary Log_Odds Success_Probability 数据类型 视茶似友 76096531 第43类-住宿餐饮 HY_001 个人 东源县 已注册 DL_001 有 [4301, 4303] 2 1 0 1 5.293 0.994998483 训练数据集 顺天印象 76089839 第33类-酒精饮料 HY_002 个人 东源县 已注册 DL_002 有 [3301] 1 1 0 1 5.21 0.994567994 训练数据集 邝氏渔业 76088254 第35类-广告贸易 HY_003 企事业单位 东源县 已注册 DL_002 有 [3501, 3502, 3503, 3506, 3508] 5 1 1 1 4.666 0.990677886 训练数据集

字段名称 字段类型 字段说明 商标名称 TEXT 商标名称 商标注册号 VARCHAR(20) 商标官方注册号 商标大类 VARCHAR(10) 商标国际分类 商标申请人 VARCHAR(20) 商标申请人脱敏名称 申请人类型 VARCHAR(10) 申请人类型 所属区县 VARCHAR(50) 申请人所属区县 法律状态 VARCHAR(10) 商标法律状态 代理机构 TEXT 商标代理机构脱敏名称 有无代理机构 VARCHAR(5) 是否有代理机构 商品组别 TEXT 申请的具体商品组别 商品组别数量 INTEGER 商品组别总数 OutcomeSuccess DECIMAL(3,2) 由原始字段转换的二元结果变量 ApplicantType_Binary DECIMAL(3,2) 由原始字段转换的二值化变量 HasAgent_Binary DECIMAL(3,2) 由原始字段转换的有无代理的值化变量 Log 0dds FLOAT 通过模型计算的对数几率 Success Probability DECIMAL(5,5) 商标注册成功概率 数据类型 VARCHAR(10) 数据用途