2023-2000年上市公司企业人工智能词频数据、人工智能数据

小木头333 · 发表于 2024-7-23 10:04:35

1.资料名称：2023-2000年上市公司企业人工智能词频数据、人工智能数据
2.测算方式：参考《管理世界》姚加权（2024）老师的研究，具体的大家可以看一下参考文献，（1）参考陈和斯里尼瓦桑（2020）提供的人工智能相关词语的中文翻译版、平安证券发布的《科创板系列——AI 产业链全景图》、中商产业研究院编制的《2019 年中国人工智能行业市场前景研究报告》、深圳前瞻产业研究院发布的《2019 年人工智能行业现状与发展趋势报告》等业界研究报告以及世界知识产权组织（World Intellectual Property Organization，WIPO）提供的人工智能词表，人工选取了“人工智能”、“机器学习”、“物联网”、“云计算”等 52 个词语作为种子词（Seed Words）。（2）参考李等（2021），使用Word2vec（米科洛夫等，2013）技术，采用 Skip-gram 模型，将年报和专利文本材料中的词语作为语料进行训练。根据种子词与输出词语之间的余弦相似度，针对每个种子词筛选出 10 个与该种子词语义程度最相近的词语。（3）将重复词语、与人工智能不相关的词语以及词频过低的词语剔除，人工智能关键词数量加1的自然对数作为企业人工智能的替代指标, 由于中文文字之间没有空格切分，而且词语才是能够独立运用的最小语言单位，因此需要对年报文本进行专门的分词处理。我们使用广泛运用的 Python 开源“jieba”中文分词模块对上市公司年报文本进行分词处理。中文文本分析存在 3 个难点，即切分颗粒度、歧义词识别以及新词的识别（姚加权等，2020）。例如，“机器学习”是人工智能的核心术语之一，但“jieba”分词模块会将其切分为“机器”和“学习”两个词语。为解决该问题，我们将生成的人工智能词典作为预设专有名词词典加入到“jieba”的分词模块并统计上市公司年报中人工智能词语的数量。采用上市公司年报中人工智能关键词数量加 1 的自然对数（Lnwords）作为企业人工智能指标
3.资料范围：6.2万个样本，5316家企业，包含原始年报、原始词频、Python词频提取代码及最终计算结果，大家可以验证真伪确保准确性！

最终指标为证券代码 stkcd year 人工智能（最终指标）总计（词频）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増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

4.参考文献：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(02):101-116+133+117-12.

2022年也是我整理的，无售后问题确保准确性，大家可以看一下！
https://www.caomeikeyan.com/forum.php?mod=viewthread&tid=4720
(出处: 草莓科研服务网——中国专业社科交流平台)