企业人工智能-年报73个词频、文本统计（2000-2022年）
会员限领
| 来源：巨潮资讯网、上市公司年报
参考《管理世界》中姚加权（2024）的做法，团队根据上市年报文本内容，对73个人工智能的相关词频进行统计，并计算上市公司-人工智能水平，包括精确词汇、扩展词汇两种方式
相关数据：上市公司年报原文数据，数字化转型词频数据，MD&A数字化词频数据
数据名称：企业人工智能-年报73个词频、文本统计
数据范围：5331家上市公司
数据年份：2000-2022年
样本数量：55613条，84个变量
年报来源：巨潮资讯网
数据整理：马克数据网
数据说明：内含人工智能73个词频、精确和扩展词汇两种方式
更新时间：2024年3月
二、整理说明➤从巨潮资讯网下载2000-2022年上市公司年报
➤将原始报告文本整理为面板数据
➤统计年报全文的文本长度
➤统计全文中，中英文部分的文本长度
➤构建人工智能术语词典，将词汇扩充到python的jieba库
➤去除停顿词，统计精确词汇、扩展词汇数目
➤计算两种方式下的人工智能水平
| 股票代码 | 股票简称 | 年份 |
| 行业名称 | 行业代码 | 人工智能水平_精确词汇 |
| 人工智能水平_扩展词汇 | 人工智能词频和_精确词汇 | 人工智能词频和_扩展词汇 |
| 人工智能 | 计算机视觉 | 图像识别 |
| 知识图谱 | 智能教育 | 增强现实 |
| 智能政务 | 特征提取 | 商业智能 |
| 智能养老 | 支持向量机（SVM） | 知识表示 |
| 模式识别 | 物联网 | 人机对话 |
| AI产品 | 人机交互 | 数据挖掘 |
| 智慧银行 | 智能客服 | 虚拟现实 |
| 自动驾驶 | 无人驾驶 | 智慧金融 |
| 大数据营销 | 长短期记忆（LSTM） | 智能芯片 |
| 边缘计算 | 云计算 | 深度神经网络 |
| AI芯片 | 深度学习 | 特征识别 |
| 智能保险 | 智能零售 | 智能医疗 |
| 智能运输 | 智能家居 | 循环神经网络 |
| 大数据风控 | 机器人流程自动化 | 可穿戴产品 |
| 大数据平台 | 增强智能 | 大数据运营 |
| 机器翻译 | 神经网络 | 语音合成 |
| 人机协同 | 智能农业 | 智能音箱 |
| 卷积神经网络 | 问答系统 | 强化学习 |
| 大数据分析 | 自然语言处理 | 大数据管理 |
| 智能计算 | 语音交互 | 机器学习 |
| 生物识别 | 语音识别 | 智能监管 |
| 智能投顾 | 智能语音 | 声纹识别 |
| 人脸识别 | 智能体 | 大数据处理 |
| 分布式计算 | 智能传感器 | 智能搜索 |
| 智能环保 |
企业数目
数据概览-excel明细
数据概览-stata统计
注：该数据为马克社区高级会员-附赠数据
需要登录后查看 点击登录
扩展词汇是哪些？
人工智能水平怎么计算的？比如两个公司的词频都是2，但年报文本总长度不一样，为什么计算出来的人工智能水平是相等的？
1、人工智能水平 = ln(人工智能词频和+1)；2、两种方式的年报文本总长度是一样的，只是扩展词汇计算时，统计的词频更多；3、扩展词汇只显示精确的词语，没有额外具体扩展的词，是条件下的模糊匹配、语料库的同义词
扩展词汇是用jieba的全模式获取的吗
扩展词汇不是用jieba的全模式获取。需要建立一个语料库，是一定条件下的模糊匹配、语料库的同义词
请问这里面包括代码的吗
里面包括每个词频的统计明细。不包括代码
客服一：372574023（QQ）
客服二：
macrodatas@163.com
macrodatas@163.com 
- Copyright 马克数据网
- 渝ICP备2020011838号-1