上市公司文本分析数据库1991-2025
中国社科投研数据平台（CNSSIRD数据库）经过长期规划与整理，系统性推出上市公司文本分析数据库，助力社科学者进一步拓展科研边界与学术创新。
一、数据介绍
上市公司年度报告作为核心的文本载体，集中体现了上市公司对外进行信息披露的重要性。基于上市公司年度报告进行的各类文本分析数据集，更是学术研究的重要依据。为了给社科学者提供更系统、更全面的数据支持，中国社科投研数据平台（CNSSIRD数据库）经过长期规划与整理，选取发布于上市公司1991年-2025年的年度报告作为本文语料，梳理了多篇文献给出的具体关键词典，系统性推出上市公司文本分析数据库，一次性提供数十份文本分析数据集，助力社科学者不断拓展科研边界与学术创新。
二、文本处理
为了更好构建上市公司文本分析数据库，中国社科投研数据平台（CNSSIRD数据库）对原始文本进行了深度处理。具体分为如下步骤：
首先、将原始的年度pdf文本转换为txt文本、其中部分扫描件或图片型的pdf文本采用OCR技术来进行识别。
其次、考虑到转换后得到的txt文本存在大量排版散乱的情况，可能影响正常的词频统计与句子分句的准确性，因此将全部txt文本中的全部空格与换行符全部删除。（例如：“公司大力发展人工智\n换行\n能技术”）。如果不删换行符，代码会把半句话当成一个完整的句子。删除换行符后，句子可以通过句号（。）正确连起来，这步操作在宏观上是正确的。
再者、还需要考虑到txt文本的特殊性情况，超长句强制熔断：如果两个句号之间的文本超过 200个字符，强制寻找次级标点（逗号 ，、分号 ；、冒号 ：）进行切断；如果连次级标点都没有，则按 200 字长度硬切断。噪音正则清洗：在分句前，自动剔除常见的连续页码、页眉页脚残留。英文/数字边界修复：在分词前，自动在英文/数字与中文之间“补回”一个虚拟空格，帮助 jieba正确识别“AI产品”等词汇。
最后、完成以上文本处理后再进行文本分析。
三、文本分析
完成文本预处理后，开始基于各位学者在其研究中给定的关键词典进行文本分析，主要统计文本总词数、文本总句数、关键词总词频、关键词总句频、关键词频占比，以及各个关键词语的在每一篇文本中的词频分布。需要注意的是，对于“关键词总句频”的统计，如果一个句子同时包含多个关键词（例如：“*公司大力发展人工智能与机器学习，并推出了AI产品”），只计算为一个1句子。
为了方便大家理解最终的数据结果，我们选取姚加权,张锟澎,郭李鹏,冯绪（2024）发表于《管理世界》的“人工智能如何提升企业生产效率？——基于劳动力技能结构调整的视角”给出了73个关键词语。经过处理后最终得到了如下所示的统计结果。
截图来自：中国社科投研数据平台
❶时间跨度：1991年-2025年｜❷数据样本：73987条｜❸样本分布：如下所示
上市公司文本分析数据库全程采用Python进行各个步骤的处理与分析，目前已全部处理完成，将陆续上传发布于CNSSIRD数据库-用户版专区。
相关文献
[1]余长林,张林杰,孟祥旭. 数据要素如何促进中国企业新质生产力发展[J].科研管理,2026,47(2)25-35.
[2]僧建芬,张立杰. 市场驱动型环境规制与企业绿色治理——基于ESG高评级的双重机器学习检验[J].统计研究,2025,42(11)86-101.
[3]杜勇,李金阳. 工业互联网应用与企业韧性——基于机器学习和文本分析技术[J].创新科技,2025,25(11)64-79.
[4]胡宗义,乔弘宇,喻胜华. 数字技术对地方政府环境治理能力现代化的影响研究[J].湖南大学学报(社会科学版),2025,39(5)64-74.
[5]吴剑辉,李文洁. 数据要素对企业新质生产力的影响——基于信息不对称与资源配置的视角[J].金融发展研究,2025,(6)22-31.
[6]杜剑,黎媛媛. 媒体关注度与上市公司气候风险信息披露[J].管理学刊,2025,38(3)1-16.
[7]彭家乐,谢伟,李习保. 技术封锁与并购：基于文本分析的实证研究[J].科学学研究,2025,43(3)449-461.
[8]姚加权,张锟澎,郭李鹏,等. 人工智能如何提升企业生产效率？——基于劳动力技能结构调整的视角[J].管理世界,2024,40(2)101-116+133+117-122.
[9]牛彪,于翔,苑泽明,等. 数据资产信息披露与审计师定价策略[J].当代财经,2024,(2)154-164.
[10]甄红线,王玺,方红星. 知识产权行政保护与企业数字化转型[J].经济研究,2023,58(11)62-79.
[11]黄磊,黄思刚,杨承佳. 金融科技对绿色信贷的影响及作用机制——基于商业银行金融科技视角[J].金融发展研究,2023,(7)73-82.
[12]周兰,吴慧君. 供应链金融与产品市场表现[J].金融经济学研究,2022,37(6)99-112.
[13]李亚兵,夏月,赵振. 高管绿色认知对重污染行业企业绩效的影响：一个有调节的中介效应模型[J].科技进步与对策,2023,40(7)113-123.
[14]胡楠,薛付婧,王昊楠. 管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习[J].管理世界,2021,37(5)139-156+11+19-21.
.......
四、CNSSIRD更多数据
..........
更多推荐
8
0- 0
已为社区贡献1条内容
所有评论(0)