基于上市公司企业年报和MD&A数据实现企业数智化转型测度，主要工作如下：
—— 1.数据挖掘 ——
从巨潮资讯网（cninfo）爬取A股上市公司PDF年报
过滤非年报内容（摘要，英文版，公告等）
—— 2.PDF文件处理 ——
将PDF转换为TXT格式
使用pdfminer提取文本内容
批量处理多个年份的PDF文件
—— 3.文本预处理与分词 ——
使用jieba进行中文分词，并去除停用词
过滤单字词和无关词汇
按句子分割文本，构建训练语料
—— 4.关键词扩展与语义建模 ——
使用Word2Vec模型训练词向量
基于初始数智化关键词，扩展相似词汇
通过词向量相似度筛选相关词汇
构建扩展后的数智化关键词库
—— 5.数智化测度 ——
统计六类关键词词频：人工智能，大数据，云计算，区块链技术，数字技术应用，智能化应用
计算总词频，词频占比及对数化指标
按年份和公司输出结果
其实思路类似于企业数字化转型的测度方法~
#论文写作 #统计学 #计量经济学 #数据挖掘 #爬虫 #Python #量化 #大模型 #大语言模型 #企业数字化
—— 1.数据挖掘 ——
从巨潮资讯网（cninfo）爬取A股上市公司PDF年报
过滤非年报内容（摘要，英文版，公告等）
—— 2.PDF文件处理 ——
将PDF转换为TXT格式
使用pdfminer提取文本内容
批量处理多个年份的PDF文件
—— 3.文本预处理与分词 ——
使用jieba进行中文分词，并去除停用词
过滤单字词和无关词汇
按句子分割文本，构建训练语料
—— 4.关键词扩展与语义建模 ——
使用Word2Vec模型训练词向量
基于初始数智化关键词，扩展相似词汇
通过词向量相似度筛选相关词汇
构建扩展后的数智化关键词库
—— 5.数智化测度 ——
统计六类关键词词频：人工智能，大数据，云计算，区块链技术，数字技术应用，智能化应用
计算总词频，词频占比及对数化指标
按年份和公司输出结果
其实思路类似于企业数字化转型的测度方法~
#论文写作 #统计学 #计量经济学 #数据挖掘 #爬虫 #Python #量化 #大模型 #大语言模型 #企业数字化
