发帖
雷达卡
文本分析
—关键词提取/关键句输出/指标数值提取
2007-2022
上市公司年报/管理层分析与讨论
（功能持续更新）
可实现功能：
1.提取关键词频并输出excel文档（输出含有文件名的词频面板数据）
2.提取关键词所在的句子并生成所有相关句子的txt文档（输出所有含关键词的句子）
3.提取某个关键指标后的数值（如研发费用：11111，便可以直接提取并输出）
1.提供的文本类型：
- 上市公司年报2007-2022 txt版本
- 上市公司年报管理层分析与讨论部分MD&A 2000-2022 txt版本
2.提供的代码：
- 词频爬取代码（代码说明里有详细介绍）
- 关键词所在句子输出（此代码直接输出该公司所有包括该关键词的句子）
- 提取某指标数值（比如研发费用，会直接输出公司-年份-数值的面板）（由于不同企业可能指标名称不一，因此还需要多尝试多个指标）
- python相关软件（提供下载）
- 超详细使用教程（手把手教学，小白可做）
- 常用的停用词列表
4.代码说明:
①关于词频提取代码：
本数据集提供两个类型的词频爬取代码：
第一，基于jieba库进行爬取的代码，该代码也是文章使用文本分析最为常用的代码
第二，直接提取代码，此代码常用于爬取较长的词汇，如工业互联网，数字化转型平台等长词
②关于年报：
本数据集提取了A股上市公司年报，通过pdf转换成了txt，但其中包含转码失败，请知悉
③关于教程
基本上每个步骤都有使用的说明，包括软件的操作以及代码的基本解释以及常见的问题说明
④关于结果
会输出股票代码以及年份的面板数据
5.部分数据展示:
文本分析—关键词提取
(76 Bytes, 需要: RMB 100 元)
京公网安备 11010802022788号
