Question 1

「人工智能技术应用(四类AI技术词频)」是什么数据集？

Accepted Answer

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。基于年报文本统计机器学习/自然语言处理/计算机视觉/知识表示与推理四类AI技术关键词词频，取ln(词频+1)度量企业人工智能技术应用水平，参考李玉花等(2024

Question 2

该数据集的时间范围是？

Accepted Answer

覆盖 1992-2025 年。

Question 3

包含哪些变量/指标？

Accepted Answer

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」。

Question 4

数据频率和层级是怎样的？

Accepted Answer

频率为年度，上市公司层级。

Question 5

样本量有多大？

Accepted Answer

约 67,311 条观测。

Question 6

数据是如何测算/获取的？

Accepted Answer

指标定义与计算方法

人工智能技术应用（AITechnologyApplication）刻画企业在生产经营中对人工智能技术的实际采用与运用深度。与衡量企业"数字化转型"战略意图的宽口径热词指数不同，本指标聚焦于具体的人工智能技术名词，将人工智能技术依据是否侧重数据驱动的学习划分为四类：机器学习（ML）、自然语言处理（NLP）、计算机视觉（CV）以及知识表示与推理（KRR）。其中，机器学习、自然语言处理与计算机视觉强调从数据中学习规律并优化决策，合称为"基于学习的人工智能技术"；知识表示与推理依赖预定义规则与符号逻辑进行知识整合与推理，称为"基于逻辑的人工智能技术"。

人工智能技术词库的构建遵循"种子词 + 词向量扩充 + 人工研判"的流程。首先，依据上述四类技术，参考权威人工智能产业研究报告与国际机构发布的人工智能术语表，确定每一类的标准技术种子词（如机器学习类的深度学习、卷积神经网络、支持向量机，自然语言处理类的语音识别、机器翻译、大语言模型，计算机视觉类的图像识别、人脸识别、光学字符识别，知识表示与推理类的知识图谱、专家系统、逻辑推理等）。随后，在大规模上市公司年度报告语料上训练 Skip-gram 词向量模型，基于种子词与候选词的余弦相似度挖掘语义相近的扩展词，作为人工研判的提示；再经人工领域研判，剔除通用泛义词（如"算法""模型""数据""识别"等高频但语义宽泛的词）与分词碎片，将词库收紧为构念清晰的窄口径技术术语，以保证测度的构念效度。

在度量层面，对每一份年度报告全文执行多模式字符串匹配，分类统计四类技术关键词的出现频次 $Freq{ML}$、$Freq{NLP}$、$Freq{CV}$、$Freq{KRR}$，并对存在子串包含关系的关键词（如"神经网络"与"深度神经网络"）执行最长匹配去重，避免双重计数；对以英文缩写形式出现的技术词（如 NLP、OCR）施加单词边界约束，避免其作为子串嵌入更长英文单词时造成误计。四类频次之和构成人工智能关键词总频次 $FreqTotal = Freq{ML} + Freq{NLP} + Freq{CV} + Freq{KRR}$。企业人工智能技术应用水平定义为总频次加一取自然对数：

$$AIutilize = \ln\left(1 + FreqTotal\right)$$

取对数旨在缓解词频分布的右偏。在此基础上，进一步构造分维度度量：基于学习的人工智能技术 $LearningBased = \ln(1 + Freq{NLP} + Freq{CV} + Freq{ML})$，基于逻辑的人工智能技术 $LnKRR = \ln(1 + Freq{KRR})$，以及机器学习、自然语言处理、计算机视觉各自的对数度量 $LnML$、$LnNLP$、$LnCV$。作为稳健性替代度量，另以人工智能关键词占年度报告中文字符数的比重 $AIratio = FreqTotal / TotalChars$ 刻画相对强度。
补充说明

样本覆盖全部 A 股上市公司可获得的年度报告，按企业与年度匹配，主键为股票代码与年份；剔除正文字符数过少（不足 500）的无效报告文本。词库刻意采用窄口径设计，仅纳入具体的人工智能技术名词，因此一家在年报中反复宣称"拥抱人工智能""智能化升级"但不点名任何具体技术的企业，其取值可能为零——本指标度量的是技术词汇的实际出现，而非战略意图的修辞表达，这一口径与基于宽泛热词的数字化转型指数存在本质区别。零值随年份单调下降，与人工智能技术在企业中的真实扩散趋势一致。需要说明的是，知识表示与推理（基于逻辑）维度在年度报告中出现较为稀疏，单独作为解释变量时统计功效有限，宜与总量度量配合使用或仅作稳健性分析；占比度量 $AIratio$ 对篇幅过短的报告较为敏感，亦建议仅作稳健性替代。由于原始文献未公开完整词表，本指标的词库系基于公开标准人工智能术语种子词的词向量近似扩充与人工研判，并非原文词库的完整复原。
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.
- 姚加权, 张锟澎, 郭李鹏, 冯绪. 人工智能如何提升企业生产效率?——基于劳动力技能结构调整的视角[J]. 管理世界, 2024, 40(2): 101-116.

Question 7

如何获取该数据集？

Accepted Answer

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。

时间跨度	1992-2025 年
数据频率	年度
层级	上市公司
变量数	24
样本量	67,311
是否可合并	可与同主体数据集合并

人工智能技术应用(四类AI技术词频)

字段字典

常见问题