旧版本｜2001～2023 年上市公司年报中包含研发的句子情感分析

994 字 约 3 分钟 数据资料 上市公司文本数据旧版本

新版本在这里：https://rstata.duanshu.com/#/course/c885c20951954e6b8fef42f16db2f69b

最近有培训班的小伙伴提出了这样一个问题：

老师，我需要对上市公司年报中包含“研发”的句子进行情感分析，从而找出积极和消极词频的数量，该怎么处理呢？

考虑到上市公司年报爬取和情感分析是个很困难的事情，于是我就直接帮大家计算好了 2001~2023 年上市公司年报中包含“研发”的句子情感分析结果。

数据概览

我用了三种情感词典进行分析，分别是：知网 Hownet 情感词典、清华大学李军中文褒贬义词典、台湾大学 NTUSD 简体中文情感词典。最终得到了如下数据集：

  • 根据清华大学李军中文褒贬义词典情感分析结果.xlsx

  • 根据台湾大学 NTUSD 简体中文情感词典情感分析结果.xlsx

  • 根据知网 Hownet 情感词典情感分析结果.xlsx

处理方法

具体处理方法可以学习平台上的课程：

R 语言文本分析：https://rstata.duanshu.com/#/course/bf37cf50eef04d38b43541cc52114c96

我还绘制了一幅图来展示 2001~2023 年上市公司年报中包含“研发”的句子情感分析：

绘图代码如下：

library(tidyverse)
readxl::read_xlsx("根据清华大学李军中文褒贬义词典情感分析结果.xlsx") -> df1
readxl::read_xlsx("根据台湾大学NTUSD简体中文情感词典情感分析结果.xlsx") -> df2
readxl::read_xlsx("根据知网Hownet情感词典情感分析结果.xlsx") -> df3

bind_rows(
  df1 %>% mutate(class = "清华大学李军中文褒贬义词典"),
  df2 %>% mutate(class = "台湾大学NTUSD简体中文情感词典情感"),
  df3 %>% mutate(class = "知网Hownet情感词典情感")
) -> df

df %>%
  group_by(year, class) %>%
  summarise(中性 = mean(中性), 消极 = mean(消极), 积极 = mean(积极)) %>%
  select(-中性) %>%
  ungroup() %>%
  gather(消极, 积极, key = "key", value = "value") %>%
  type_convert() %>%
  ggplot(aes(x = year, y = value, color = key,
             linetype = class, shape = class), linewidth = 2, size = 4) +
  geom_point() +
  geom_line() +
  scale_color_manual(values = c("#c40003", "#00c19b")) +
  labs(x = "年份", y = "积极/消极词频平均数量", color = "情感分类",
       linetype = "使用的情感词典", shape = "使用的情感词典",
       title = "2001~2023 年上市公司年报中包含“研发”的句子情感分析",
       caption = "数据来源：巨潮资讯网上市公司历年年报（2000 和 2023 的年报文件较少）",
       subtitle = "数据计算 & 绘图：微信公众号 RStata") +
  theme(legend.position = c(0.3, 0.7),
        plot.background = element_rect(fill = "white")) +
  scale_x_continuous(breaks = seq(2000, 2022, by = 2))

上市公司年报爬取

在对上市公司年报中包含“研发”的句子进行情感分析之前，需要先爬取上市公司年报。上市公司年报可以从巨潮资讯网爬取，爬取方法可以参考平台上的课程：

使用 R 语言爬取全部上市公司的年报数据：https://rstata.duanshu.com/#/course/6e8f8a1c6b2e4784974b1087fcbfc52c

使用 Stata 爬取上市公司年报合集：https://rstata.duanshu.com/#/course/701bc76a7bca4be193c81ac9aeaee60b

由于巨潮资讯网只提供了 2000 年之后的年报文件，所以我只爬取了 2000 年之后的。全部上市公司年报的爬取结果可以查看平台上的资料：

2001~2023 年上市公司年报 PDF & TXT 文件合集：https://rstata.duanshu.com/#/course/505d26bd7c694c5eb9e86c7e2b6766e8

数据引用格式

在论文中使用该数据请声明数据来源于RStata 数据中心，或者 RStata Data Center，并使用下述的格式引用：

RStata 数据中心: 2001～2023年上市公司年报中包含研发的句子情感分析. 2025. https://tidyfriday.cn/rsdb2/

RStata Data Center: Emotional Analysis of Sentences Containing R&D in Annual Reports of Listed Companies from 2001 to 2023. 2025. https://tidyfriday.cn/rsdb2/

另外也建议在说明数据来源的同时，根据本文的介绍在论文中描述数据的详细处理方法。

点击这里跳转到 RStata 短书平台获取附件：旧版本｜2001～2023 年上市公司年报中包含研发的句子情感分析

相关文章

评论