企业数据资产化221个词频统计（1999-2023年）

参考《中国工业经济》中何瑛（2024）的做法，团队统计了上市公司年报221个数据资产相关词频。以“信息”“网络”“数字”“数据”四个词作为种子词汇，构建相似词词集，并依据数据资产的具体用途，将其划分为自用型数据资产和交易型数据资产

一、数据介绍

数据名称：上市公司-数据资产化221个词频

数据范围：5630家上市公司

数据年份：1999-2023年

样本数量：63051条，233个变量

数据来源：上市公司年度报告

数据说明：内含数据资产化221个词频明细、文本统计面板

二、整理说明

➤爬取1999-2023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

➤构建数字化术语词典，将词汇扩充到python的jieba库

➤去除停顿词，统计各明细词汇数目

➤计算数据资产化词频和

➤保留数据资产化词频和、明细词频

三、指标说明

类别         年份         股票代码

公司简称         行业名称         行业代码

年报标题         全文-文本总长度   仅中英文-文本总长度

数据资产总词频     自用型数据资产总词频         交易型数据资产总词频

数字基础设施         数字设施         数字工厂

数字设备         数字经济         数字技术创新