人工智能技术应用(四类AI技术词频)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 上市公司证券简称
• Year [年份] — 年报对应年度
• Province [省份] — 公司注册地所在省份
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• City [城市] — 公司注册地所在城市
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• County [区县] — 公司注册地所在区县
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
• IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
• FreqML [机器学习关键词频次] — 参考李玉花等（2024），年报全文中冻结词典的机器学习类完整词出现次数，单位为次；加入专名后分词计数，同一完整词不作嵌套重复统计；有效文本无命中为0，不可读或不足500汉字为缺失。
• FreqNLP [自然语言处理关键词频次] — 参考李玉花等（2024），年报全文中冻结词典的自然语言处理类完整词出现次数，单位为次；加入专名后分词计数；有效文本无命中为0，不可读或不足500汉字为缺失。
• FreqCV [计算机视觉关键词频次] — 参考李玉花等（2024），年报全文中冻结词典的计算机视觉类完整词出现次数，单位为次；加入专名后分词计数；有效文本无命中为0，不可读或不足500汉字为缺失。
• FreqKRR [知识表示与推理关键词频次] — 参考李玉花等（2024），年报全文中冻结词典的知识表示与推理类完整词出现次数，单位为次；该类属于基于逻辑的人工智能技术；有效文本无命中为0，不可读或不足500汉字为缺失。
• FreqTotal [AI关键词总频次] — 参考李玉花等（2024），四类人工智能技术关键词完整词频之和，公式为FreqML+FreqNLP+FreqCV+FreqKRR，单位为次，是核心对数指标的关键原始计数。
• TotalChars [年报中文字符数] — 完整可读年报中基本汉字字符的数量，单位为字；用于辅助相对强度AIratio的分母，不是分词后的总词数。文本无法可靠解码时缺失。
• AIutilize [人工智能技术应用] — 参考李玉花等（2024），人工智能技术应用相关披露强度，公式为ln(1+FreqTotal)；FreqTotal为四类技术关键词总词频，取自然对数；有效文本无命中为0，文本不可测时缺失，不直接等于实际采用数量。
• LearningBased [基于学习的AI技术] — 参考李玉花等（2024），基于学习的人工智能技术相关披露强度，公式为ln(1+FreqML+FreqNLP+FreqCV)，汇总机器学习、自然语言处理与计算机视觉三类词频后取自然对数。
• LnKRR [基于逻辑的AI技术] — 参考李玉花等（2024），基于逻辑的人工智能技术相关披露强度，公式为ln(1+FreqKRR)，FreqKRR为知识表示与推理类词频，取自然对数。
• LnNLP [自然语言处理技术应用] — 参考李玉花等（2024），自然语言处理技术相关披露强度，公式为ln(1+FreqNLP)，以该类完整词频加1取自然对数。
• LnCV [计算机视觉技术应用] — 参考李玉花等（2024），计算机视觉技术相关披露强度，公式为ln(1+FreqCV)，以该类完整词频加1取自然对数。
• LnML [机器学习技术应用] — 参考李玉花等（2024），机器学习技术相关披露强度，公式为ln(1+FreqML)，以该类完整词频加1取自然对数。
• AIratio [AI关键词占年报字数比] — 参考李玉花等（2024）印刷165页的稳健性比例度量，公式为FreqTotal/TotalChars，即人工智能技术关键词总词频除以完整年报基本汉字字符数，不乘100。原文未详述总字数的统计算法，本库明确采用中文字符分母；分母无效或技术词频不可测时缺失。

常见问题

「人工智能技术应用(四类AI技术词频)」是什么数据集？

人工智能技术应用(四类AI技术词频)，隶属数字化转型与人工智能。参考李玉花等（2024）的方法，依据机器学习、自然语言处理、计算机视觉、知识表示与推理四类技术词汇在上市公司年报全文中的出现频次，刻画人工智能技术应用相关信息的

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 24 个变量。核心指标包括：机器学习关键词频次、自然语言处理关键词频次、计算机视觉关键词频次、知识表示与推理关键词频次、AI关键词总频次、年报中文字符数、人工智能技术应用、基于学习的AI技术、基于逻辑的AI技术、自然语言处理技术应用、计算机视觉技术应用、机器学习技术应用、AI关键词占年报字数比。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，上市公司层级。

样本量有多大？

约 69,425 条观测。

数据是如何测算/获取的？

指标定义与计算方法 人工智能技术应用反映企业年报中与人工智能技术有关的信息披露强度。本数据集参考李玉花等（2024），将技术词汇分为机器学习、自然语言处理、计算机视觉、知识表示与推理四类。其中，前三类合称基于学习的人工智能技术，知识表示与推理属于基于逻辑的人工智能技术。 首先，按照原文将“机器学习”“自然语言处理”“计算机视觉”“知识表示”设为四个种子词。以维基百科文本和随机抽取的20%上市企业年报为训练语料，使用Skip-gram词向量模型，按余弦相似度为每个种子提取10个最近邻候选。随后逐词审查候选的技术相关性，移除重复词和与技术类别不直接相关的词，并按照原文允许的相同或相似语义，对有明确依据的技术词项作适量补充，形成固定的四类技术词典。每个种子的候选数量与最终保留词数是不同概念；本次词典没有使用分类中心扩词，也没有将其他技术名词另作种子。 其次，对企业每份年报全文进行繁简规范化和英文大小写统一，将冻结词典加入专有名词词典后使用jieba分词。分词专名仅用于保证术语完整切分，不作为新增查询种子，也不自动进入最终计数词表。按完整词统计各类技术词汇的出现次数；存在包含关系的技术词，按照实际分出的完整词计数，不再重复计入其内部短词。英文词项施加字母及数字边界约束；中文名称与英文别名分别出现时，分别计入词频。四个类别的词汇互不重复，其频次分别记为 $F{ML}$、$F{NLP}$、$F{CV}$ 和 $F{KRR}$。人工智能技术关键词总频次为： $$FreqTotal=F{ML}+F{NLP}+F{CV}+F{KRR}$$ 企业人工智能技术应用指标以总词频加1取自然对数，缓解词频分布的右偏： $$AIutilize=\ln(1+FreqTotal)$$ 各技术类别的应用指标分别定义为： $$LnML=\ln(1+F{ML}),\quad LnNLP=\ln(1+F{NLP})$$ $$LnCV=\ln(1+F{CV}),\quad LnKRR=\ln(1+F{KRR})$$ 基于学习的人工智能技术先汇总机器学习、自然语言处理与计算机视觉三类词频，再取自然对数；基于逻辑的指标即为知识表示与推理的对数指标： $$LearningBased=\ln(1+F{ML}+F{NLP}+F{CV})$$ 上述指标同时提供四类原始词频及总词频，方便核对其构成。李玉花等（2024）在印刷165页的稳健性检验中，还使用人工智能技术关键词占年报总字数的比例，以控制年报篇幅差异。本库将其明确实现为关键词相对强度。设 $TotalChars$ 为年报全文中的基本汉字字符数，则： $$AIratio=\frac{FreqTotal}{TotalChars}$$ 原文未进一步披露总字数的统计算法。本库分母采用基本汉字字符数，并非分词后的总词数，也不乘100；这一实施细项不代表作者原始代码的完全还原。 补充说明 本次未取得作者最终词表及随机样本等细节，词典是按论文公开流程重建的本库版本，不保证与作者词表或原始数据逐值相同。训练语料固定为中文维基百科的2023年11月快照，以及从具有2009—2022年年报的企业中按固定随机种子抽取20%企业的窗内年报。词向量维数、上下文窗口及分词等未充分披露的细项采用固定实施设置并保留在计算代码中。年度测算沿用验收后冻结的词典，不通过逐年重训改变历史定义。 统一词典用于各年度，早期观测存在使用后期技术词汇界定概念的前视边界；冻结词典也可能漏识别此后出现的新术语。词表覆盖有限，不同时期的技术表述差异会影响检出率。研究时应结合所考察时期理解这些限制。 样本覆盖全部行业和板块的可得年报。有效文本无关键词命中时记0；不能可靠解码或不足500汉字的文本保留公司年，词频与应用指标记为缺失，不能解释为企业没有采用人工智能。500汉字是本库的最低可读条件。全文词频也会包括产品介绍、行业讨论和前瞻表述，不能直接视为实际采用次数或技术绩效。 严格解码和最低长度筛查无法消除原始文本的漏字、断行及识别错误，词频仍受原文质量影响。 逐词筛选与互斥归类包含本库的语义判断：不将“人工智能”“算法”等泛称直接分配到某一技术类别；序列到序列模型归入自然语言处理。图像处理可能包括传统非学习技术，知识表征等词也存在其他学科用法，因此单个词项命中仍须结合研究语境解释。 对指标及其构成项分别按年度进行1%和99%缩尾后，计数可能因分位点替换而出现小数，加总、对数及比例关系也可能不再逐项成立。公式复核应使用未经缩尾的原始值。 参考文献 李玉花，林雨昕，李丹丹．人工智能技术应用如何影响企业创新[J]．中国工业经济，2024(10)：155–173．DOI：10.19581/j.cnki.ciejournal.2024.10.009。

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。