专利数据集：从专利中抓取氧化物玻璃成分与性能
数据库
2025-11-21 v1 材料科学
摘要
本文提出从专利表格中提取信息的网页抓取技术，用于清洗和结构化数据，以供未来用于预测性机器学习模型开发新玻璃。我们提取了成分和三个与新玻璃开发相关的性能指标，并将其结构化为数据库，可与来自其他可用数据集的信息一起使用。我们还分析了所获取信息的一致性以及它对现有数据库的贡献。提取的液相温度数据包括 5,696 种成分；第二个子集包含 4,298 个折射率；最后，1,771 种成分具有阿布纳数。此处所做的提取为液相温度提供约 10.4% 的新增信息，为折射率提供约 6.6% 的新增信息，为阿布纳数提供约 4.9% 的新增信息。影响超越数量：新提取的数据引入了比现有数据库中更具多样性的性能值，从而扩展了玻璃建模应用可达的组成空间和性能空间。我们强调，新数据库中成分的组成相对于现有基准包含更比例的钛酸盐、镁盐、锆盐、 niobium 盐、铁盐、锡盐和铱盐。
引用
@article{arxiv.2511.16366,
title = {From Patents to Dataset: Scraping for Oxide Glass Compositions and Properties},
author = {Gustavo Laranja Thomaello and Thomaz Yeiden Busnardo Aguena and Eric Trevelato Costa and Rafael Baságlia Rosante and Thiago Rodrigo Ramos and Daiane Aparecida Zuanetti and Edgar Dutra Zanotto},
journal= {arXiv preprint arXiv:2511.16366},
year = {2025}
}