发帖
雷达卡
数据名称：上市公司数字技术风险句子情感识别明细数据
时间范围：2000-2024年
数据层级：上市公司-年度-年报句子层面
核心指标：sentence、risk_label
识别变量：id、stock_code、company、year、file_path
文件格式：.csv
本数据为上市公司年报文本中数字技术风险相关句子的情感识别明细，依据数字技术风险关键词从年报文本中抽取相关句子，并记录股票代码、公司名称、年份、原始年报路径、句子文本、情感标签和处理时间；数据共173,657条句子记录，覆盖2000-2024年、5,408个股票代码和45,780份公司-年度年报文件，risk_label均值为-0.999942、标准差为0.007588、中位数为-1，标签分布为负面句子173,647条、中性句子10条、正面句子0条，句子长度均值为29.510、标准差为15.012、中位数为27、最短2个字符、最长512个字符，主要用途是作为数字技术风险暴露、数据风险暴露和网络风险暴露指标计算的句子级输入数据。
二、计算说明
【sentence】该变量为从上市公司年报文本中提取的数字技术风险相关句子。计算代码根据关键词分类表进行文本匹配，保留包含数字技术风险关键词的句子，并将单句长度控制在模型可处理范围内。
【risk_label】该变量为句子情感识别标签，用于区分风险句子的情感方向。取值-1表示负面风险语句，取值0表示中性语句，取值1表示正面语句；在后续风险暴露计算中，负面句子的概率用于衡量风险暴露上升，正面句子的概率用于抵减风险暴露。
【stock_code】该变量为股票代码，用于将句子级记录汇总到上市公司层面，并与公司-年度核心指标结果进行对应。
【year】该变量为年报年份，用于将句子级记录汇总到年度层面，是公司-年度风险暴露计算的时间识别变量。
【file_path】该变量为原始年报文本文件路径，同一路径通常对应一份公司-年度年报，数据中共有45,780个唯一文件路径。
【process_time】该变量为句子识别或情感处理时间，用于记录过程数据生成批次和处理时间点。
三、变量说明
序号 变量名称 变量类型 变量说明
1 id int 句子级记录的顺序编号，范围为1至173657。
2 stock_code int 股票代码，用于识别上市公司，数据中共有5408个唯一股票代码。
3 company str 公司名称或证券简称，用于辅助识别上市公司，非空记录数为173653。
4 year int 年报年份，范围为2000-2024年。
5 file_path str 原始年报文本路径，用于定位句子来源文件，共45780个唯一路径。
6 sentence str 从年报文本中抽取的数字技术风险相关句子，最长512个字符。
7 risk_label int 情感识别标签，-1表示负面，0表示中性，1表示正面；当前文件中-1为173647条、0为10条。
8 process_time str 句子识别或情感识别处理时间，记录数据生成过程的时间戳。
上市公司数字技术风险句子情感识别明细数据.zip
(6.85 MB, 需要: RMB 20 元)
本附件包括：- 上市公司数字技术风险句子情感识别明细数据.csv
京公网安备 11010802022788号
