一、数据简介
数据名称：上市公司年报词频与数据资产共享关键词原始数据
时间跨度：2000-2024年
数据层级：上市公司-年度面板
核心字段：年报总词数（排除英文和数字）、29个数据资产共享相关关键词词频
识别变量：证券代码（6位字符型）、年份（字符型）
文件格式：.dta（Stata格式）、.xlsx（Excel格式）
样本规模：67944条观测，覆盖5729家A股上市公司


本数据通过对A股上市公司年报全文进行文本挖掘，统计年报总词数（排除英文和数字）以及29个数据资产共享相关关键词在各年度年报中的出现频次，是计算企业数据资产共享水平指标（Ds）的基础原始数据。关键词基于Word2Vec语义相似度从种子词"数据共享"扩展而来，涵盖信息共享、数据交换、互联互通、协同等多个维度。


二、变量说明
序号    变量名称                        变量类型    变量说明
1       证券代码                        字符型      上市公司6位证券代码（如000001）
2       年份                            字符型      年报所属年份（2000-2024）
3       年报总词数（排除英文和数字）    数值型      年报正文中文词汇总数（不含英文单词和数字），用作Ds指标的分母
4       信息共享                        数值型      关键词"信息共享"在年报中的出现次数（语义权重0.7961）
5       数据交换                        数值型      关键词"数据交换"在年报中的出现次数（语义权重0.7168）
6       互联互通                        数值型      关键词"互联互通"在年报中的出现次数（语义权重0.6761）
7       信息交换                        数值型      关键词"信息交换"在年报中的出现次数（语义权重0.6690）
8       资源共享                        数值型      关键词"资源共享"在年报中的出现次数（语义权重0.6491）
9       信息资源                        数值型      关键词"信息资源"在年报中的出现次数（语义权重0.6404）
10      协同工作                        数值型      关键词"协同工作"在年报中的出现次数（语义权重0.6218）
11      互操作                          数值型      关键词"互操作"在年报中的出现次数（语义权重0.6104）
12      实时数据                        数值型      关键词"实时数据"在年报中的出现次数（语义权重0.5995）
13      数据资源                        数值型      关键词"数据资源"在年报中的出现次数（语义权重0.5917）
14      共享平台                        数值型      关键词"共享平台"在年报中的出现次数（语义权重0.5839）
15      互通                            数值型      关键词"互通"在年报中的出现次数（语义权重0.5671）
16      交互                            数值型      关键词"交互"在年报中的出现次数（语义权重0.5606）
17      鉴权                            数值型      关键词"鉴权"在年报中的出现次数（语义权重0.5480）
18      信息流                          数值型      关键词"信息流"在年报中的出现次数（语义权重0.5473）
19      决策支持系统                    数值型      关键词"决策支持系统"在年报中的出现次数（语义权重0.5437）
20      实时处理                        数值型      关键词"实时处理"在年报中的出现次数（语义权重0.5422）
21      数据流                          数值型      关键词"数据流"在年报中的出现次数（语义权重0.5342）
22      协同                            数值型      关键词"协同"在年报中的出现次数（语义权重0.5341）
23      连接起来                        数值型      关键词"连接起来"在年报中的出现次数（语义权重0.5313）
24      信息分享                        数值型      关键词"信息分享"在年报中的出现次数（语义权重0.5217）
25      管理信息                        数值型      关键词"管理信息"在年报中的出现次数（语义权重0.5216）
26      多用户                          数值型      关键词"多用户"在年报中的出现次数（语义权重0.5198）
27      接口                            数值型      关键词"接口"在年报中的出现次数（语义权重0.5192）
28      数据检索                        数值型      关键词"数据检索"在年报中的出现次数（语义权重0.5150）
29      互享                            数值型      关键词"互享"在年报中的出现次数（语义权重0.5134）
30      数据挖掘                        数值型      关键词"数据挖掘"在年报中的出现次数（语义权重0.5127）
31      可视化                          数值型      关键词"可视化"在年报中的出现次数（语义权重0.5121）
32      信息处理                        数值型      关键词"信息处理"在年报中的出现次数（语义权重0.5093）


三、关键词来源与权重
29个关键词由种子词"数据共享"通过Word2Vec模型扩展得到，每个关键词的语义权重为其与种子词"数据共享"的余弦相似度。权重越高表示该关键词与"数据共享"概念越接近。关键词按权重从高到低排列：信息共享(0.7961)、数据交换(0.7168)、互联互通(0.6761)、信息交换(0.6690)、资源共享(0.6491)、信息资源(0.6404)、协同工作(0.6218)、互操作(0.6104)、实时数据(0.5995)、数据资源(0.5917)、共享平台(0.5839)、互通(0.5671)、交互(0.5606)、鉴权(0.5480)、信息流(0.5473)、决策支持系统(0.5437)、实时处理(0.5422)、数据流(0.5342)、协同(0.5341)、连接起来(0.5313)、信息分享(0.5217)、管理信息(0.5216)、多用户(0.5198)、接口(0.5192)、数据检索(0.5150)、互享(0.5134)、数据挖掘(0.5127)、可视化(0.5121)、信息处理(0.5093)。


四、数据用途
本原始数据是计算上市公司数据资产共享水平指标（Ds）的输入数据。计算公式为：Ds = Σ(关键词i词频 × 权重i) / 年报总词数（排除英文和数字），i = 1, 2, ..., 29。计算代码会在此基础上新增证券代码数值型编码（stkcd）、年份数值型编码（year），并合并行业与地区信息、上市公司基本信息数据，最终输出多版本计算结果文件。