新闻详情

新闻详情

首页 / 资讯中心 / 详情

2005-2024年 上市公司业绩说明会文本+情感语调数据 xlsx

发布时间:2026/9/25 19:17:55来源:尧图网络
2005-2024年 上市公司业绩说明会文本+情感语调数据 xlsx
1、数据介绍本数据集覆盖2005-2024年全部A股上市公司业绩说明会全量文本与情感语调指标依托自然语言处理技术完成全样本文本特征提取与量化编码。研究沿用领域通用的“净正面语调”核心指标计算公式为净正面语调正面词汇数−负面词汇数/正面词汇数负面词汇数指标取值范围为[-1,1]数值越高代表管理层发言的情感倾向越积极。该数据集覆盖国内业绩说明会制度从初步探索到全面规范化的完整周期可支撑资本市场信息披露、管理层语调与公司决策等多维度实证研究。如失效可联系博主获取下方有联系方式勿发私信2005-2024年上市公司业绩说明会文本情感语调数据xlsx资源-CSDN下载https://download.csdn.net/download/2401_84585615/934839002、核心数据指标数据集包含两大维度指标体系其一为生产性服务相关指标基于上市公司财务报表经营范围文本将主营业务关联的生产性服务划分为技术支持服务、销售服务、咨询服务、培训服务、租赁服务、研发与信息服务、金融服务、物流服务八大类通过关键词检索识别企业服务布局加总得到企业服务业务种类变量同步匹配对应服务业收入万元与服务业收入占比数据。其二为业绩说明会交互与语调指标涵盖问题序号、提问内容、提问时间、回答人、回答时间、回答内容、正面词汇数量、负面词汇数量、正面词汇数比例、负面词汇数比例、净正面语调共11项细分指标其中净正面语调取值范围为(-1,1)数值越大表明管理层回复的用词倾向越积极。全量数据经过多轮交叉校验指标口径与国内主流资本市场研究范式保持一致可直接用于学术研究与量化分析场景。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

Atlas 300V 24G推理卡部署YOLO全流程:从环境搭建到性能优化 2026/9/25 19:47:12

Atlas 300V 24G推理卡部署YOLO全流程:从环境搭建到性能优化

1. 先搞清楚它是什么卡:Atlas 300V 24G的真实定位1.1 "300V"和"24G"背后的产品身份"Atlas"这个名字在不同领域出现过很多次,有做数据库中间件的,有做机器人控制的,但在AI部署这个圈子里&#xff0c…

阅读更多 →
中医AI辅助诊断系统四诊合参精准辩证体会——一例老年女性湿疮患者治疗实录 2026/9/25 19:47:12

中医AI辅助诊断系统四诊合参精准辩证体会——一例老年女性湿疮患者治疗实录

慢性湿疹是皮肤科常见顽疾,以皮损多形、剧烈瘙痒、反复发作为特征,病程动辄几月至数年。中医认为其病位在肌腠,其本在脾,其标湿、热、痰、燥和瘀错杂。本文依托知医邦中医AI辅助诊疗系统四诊合参,以一例老年女性湿疮患…

阅读更多 →
2024数学建模A题板凳龙:运动学模型、欧拉法代码与论文排版全解析 2026/9/25 19:47:05

2024数学建模A题板凳龙:运动学模型、欧拉法代码与论文排版全解析

简介:这份资源是2024年全国大学生数学建模竞赛A题“板凳龙”的完整参赛成果,包含一篇Word论文与配套源代码,面向具备数学建模与编程基础的高校学生及研究人员,尤其适合关注运动学建模、路径优化与数值求解的群体。压缩包内共1个do…

阅读更多 →
nono如何实现内核级沙箱:Landlock与Seatbelt实现原理详解 2026/9/25 19:46:46

nono如何实现内核级沙箱:Landlock与Seatbelt实现原理详解

nono如何实现内核级沙箱:Landlock与Seatbelt实现原理详解 【免费下载链接】nono agent runtime security - zero trust, zero setup, zero latency. 项目地址: https://gitcode.com/gh_mirrors/non/nono nono 是一个面向 AI Agent 的零信任沙箱执行框架&…

阅读更多 →
AWQ、MinMax、GPTQ 三大校准算法原理与选型指南:Model Optimizer 量化精度怎么选 2026/9/25 19:46:46

AWQ、MinMax、GPTQ 三大校准算法原理与选型指南:Model Optimizer 量化精度怎么选

AWQ、MinMax、GPTQ 三大校准算法原理与选型指南:Model Optimizer 量化精度怎么选 【免费下载链接】Model-Optimizer A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative…

阅读更多 →
【YOLO26多模态融合改进】| SDFM 表层细节融合模块,利用通道-空间注意力机制,实现跨模态特征融合,抑制噪声干扰 2026/9/25 19:46:40

【YOLO26多模态融合改进】| SDFM 表层细节融合模块,利用通道-空间注意力机制,实现跨模态特征融合,抑制噪声干扰

一、本文介绍 本文记录的是利用SDFM 模块改进 YOLO26 的多模态融合部分。 SDFM模块(Surface Detail Fusion Module,表层细节融合模块) 通过在特征提取网络的浅层引入通道-空间注意力机制,动态生成跨模态特征融合权重。该模块可自适应保留不同模态中的独特信息,抑制背景噪…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉