环球简讯:支持开票 | Python实证指标构建与文本分析

在科学研究中，数据的获取及分析是最重要的也是最棘手的两个环节！

(资料图)

在前大数据时代，一般使用实验法、调查问卷、访谈或者二手数据等方式，将数据整理为结构化的表格数据，之后再使用各种计量分析方法，对这些表格数据进行分析。但大数据时代，网络数据成为各方学者亟待挖掘的潜在宝藏，大量商业信息、社会信息以文本等非结构化、异构型数据格式存储于海量的网页中。那么对于经管为代表的人文社科类专业科研工作者而言，通过Python可以帮助学者解决使用Web数据进行科研面临的两个问题：

Python跟英语一样是一门语言

数据类型之字符串

数据类型之列表元组集合

数据类型之字典

数据类型之布尔值、None

逻辑语句(if&for&tryexcept)

列表推导式

理解函数

常用的内置函数

内置库文件路径pathlib库

内置库csv文件库

内置库正则表达式re库

初学python常出错误汇总

网络爬虫原理

网络访问requests库

网页解析pyquery库

案例豆瓣读书

案例Boss直聘

如何解析json数据

案例豆瓣电影

案例京东商城

案例用爬虫下载文档及多媒体文件

案例上市公司定期报告pdf批量下载

案例上交所招股说明pdf批量下载

案例深交所招股说明pdf批量下载

爬虫知识点总结

从编码/解码视角重新理解文本

读取不同格式文件中的数据

如何将多个txt文件整理到一个excel中

案例中文分词及数据清洗

案例词频统计&词云图

案例共现法扩展情感词典(领域词典)

案例词向量word2vec扩展领域词典

案例中文情感分析(词典法)

cntext库 情感分析代码操作

案例对excel中的文本进行情感分析 91

案例 语言具体性与心理距离 | 以JCR2021论文为例

案例 使用MD&A数据测量企业数字化| 以管理世界2021、财经研究2022论文为例

了解机器学习ML

使用机器学习做文本分析的流程

scikit-learn机器学习库简介

文本特征抽取(特征工程)

案例在线评论文本分类

使用标注工具对数据进行标注

案例计算文本情感分析(有权重)

案例 文本相似性计算

案例 使用文本相似性识别变化(政策连续性)

案例 Kmeans聚类算法

案例 LDA话题模型

使用机器学习从图片中提取文本信息

词嵌入原理及应用概述

案例 豆瓣影评-训练词向量&使用词向量

案例 使用词向量做话题建模

案例 认知指标(态度、偏见等)的测量

总结-文本分析在社科(经管)领域中的应用

在这里我把技术细分为词频、词袋、w2v建词典、w2v认知变迁四个维度，整理了经管7篇论文。大家可以阅读这7篇论文，掌握文本分析的应用场景。

[1]沈艳,陈赟,&黄卓.(2019).文本大数据分析在经济学和金融学中的应用:一个文献综述.经济学(季刊),18(4),1153-1186.[2]王伟,陈伟,祝效国,王洪伟.众筹融资成功率与语言风格的说服性-基于Kickstarter的实证研究.*管理世界*.2016;5:81-98.[3]胡楠,薛付婧,王昊楠.管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习[J].管理世界,2021,37(05):139-156+11+19-21.[4]KaiLi,FengMai,RuiShen,XinyanYan,MeasuringCorporateCultureUsingMachineLearning,*TheReviewofFinancialStudies*,2020[5]LoughranT,McDonaldB.Textualanalysisinaccountingandfinance:Asurvey[J].*JournalofAccountingResearch*,2016,54(4):1187-1230.AuthorlinksopenoverlaypanelComputationalsocioeconomics[6]Berger,Jonah,AshleeHumphreys,StephanLudwig,WendyW.Moe,OdedNetzer,andDavidA.Schweidel."Unitingthetribes:Usingtextformarketinginsight."*JournalofMarketing*84,no.1(2020):1-25.[7]Cohen,Lauren,ChristopherMalloy,andQuocNguyen."Lazyprices."*TheJournalofFinance*75,no.3(2020):1371-1415.[8]孟庆斌,杨俊华,鲁冰.管理层讨论与分析披露的信息含量与股价崩盘风险——基于文本向量化方法的研究[J].*中国工业经济*,2017(12):132-150.[9]Wang,Quan,BeibeiLi,andParamVirSingh."Copycatsvs.OriginalMobileApps:AMachineLearningCopycat-DetectionMethodandEmpiricalAnalysis."*InformationSystemsResearch*29.2(2018):273-291.[10]Packard,Grant,andJonahBerger.“Howconcretelanguageshapescustomersatisfaction.”_JournalofConsumerResearch_47,no.5(2021):787-806.[11]冉雅璇,李志强,刘佳妮,张逸石.大数据时代下社会科学研究方法的拓展——基于词嵌入技术的文本分析的应用[J].南开管理评论:1-27.[12]曾庆生,周波,张程,陈信元.年报语调与内部人交易:“表里如一”还是“口是心非”?[J].管理世界,2018,34(09):143-160.[13]彭红枫,&林川.(2018).言之有物:网络借贷中语言有用吗?——来自人人贷借款描述的经验证据[J].金融研究,461(11),133-153.[14]吴非,胡慧芷,林慧妍,and任晓怡.“企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].”管理世界(2021).

公众号和博客积累了大量社会科学文本挖掘资料，涵盖文本分析概念、技术、代码、数据等。全部理清楚感兴趣的可以关注收藏。

https://hidadeng.github.io/blog/the_text_analysis_list_about_ms/

读完本文你就了解什么是文本分析

转载 | 金融学文本大数据挖掘方法与研究进展

视频 | Python文本分析与会计

视频 |文本分析在经管研究中的应用

视频| Python文本挖掘与金融科技

资料 | 量化历史学与经济学研究

近年《管理世界》《管理科学学报》使用文本分析论文

管理世界 | 使用中文LM金融词典做管理层语调分析

管理世界 | 使用文本分析&机器学习测量短视主义

管理世界 | 使用 经营讨论与分析 测量 企业数字化指标

文本分析在市场营销研究中的应用

营销研究中文本分析应用概述(含案例及代码)

计算文本的语言具体性 | 以JCR2021论文为例

文本分析方法在2021管理世界中的应用

转载 | 大数据时代下社会科学研究方法的拓展——基于词嵌入技术的文本分析的应用

文本可读性研究及应用清单

词嵌入测量不同群体对某概念的态度(偏见)

PNAS | 文本网络分析&文化桥梁Python代码实现

PNAS | 历史语言记录揭示了近几十年来认知扭曲的激增

PNAS | 情侣分手3个月前就有预兆！聊天记录还能反映分手后遗症

PNAS|词汇熟悉度对线上参与和资金筹集的预测性效用

MS | 使用网络算法识别创新的颠覆性与否

文本可读性研究及应用清单

Python语法入门 | 含视频代码

30天Python编程学习挑战

中文金融情感词典

在会计研究中使用Python进行文本分析

Python与文化分析入门

免费社科类Python编程课程列表

tomotopy库 | 速度最快的LDA主题模型

cntext库 | 中文情感分析包

认知的测量 | 向量距离vs语义投影

BERTopic主题建模库

doccano|为机器学习建模做数据标注

PyPlutchik库 | 可视化文本的情绪轮(情绪指纹)

WordBias库 | 发现偏见(刻板印象)的交互式工具

whatlies库 | 可视化词向量

KeyBERT | 关键词发现库

FinBERT | 金融文本BERT模型，可情感分析、识别ESG和FLS类型

Top2Vec | 主题建模和语义搜索库

tfidf有权重的情感分析

Shifterator库 | 词移图分辨两文本用词风格差异

使用Pandas处理文本数据

Label-Studio|多媒体数据标注工具

工具分享 | 正则表达式解析

EmoBank | 中文维度情感词典

Maigret库 | 查询某用户名在各平台网站的使用情况

百度指数 | 使用qdata采集百度指数

Asent库 | 英文文本数据情感分析

安装python包出现报错：Microsoft Visual 14.0 or greater is required. 怎么办？

Python | 词移距离(Word Mover"s Distance)

豆瓣影评| 探索词向量妙处

karateclub库 | 计算社交网络中节点的向量

causalinference库 | 使用Python做因果推断

机器学习实战 | 信用卡欺诈检测

实战 | 构建基于客户细分的 K-Means 聚类算法！

nlp-roadmap | 文本分析知识点思维脑图

R语言 | ggplot2简明绘图之散点图

R语言 | 使用posterdown包制作学术会议海报

R语言 | 使用ggsci包绘制sci风格图表

R语言 | ggpubr包让数据可视化更加优雅

R语言 | 让统计更easy的easystats集合包

R语言 | 使用shiny的reactive表达式写应用程序

R语言 | 使用stargazer包输出格式化回归结果

R语言 | 使用word2vec词向量模型

Latex | 为Rmarkdown配置tinytex环境

LovelyPlots库 | 格式化科学论文、论文和演示文稿的可视化图形

YelpDaset | 酒店管理类数据集10+G

70G上交所年报数据集

14G数据集 | 2007-2021年A股上市公司年度报告（txt文件）

17G资源 | 深交所企业社会责任报告

27G数据集 | 使用Python对27G招股说明书进行文本分析

1850万条 | 世界地图POI兴趣点数据集

1.5G数据集 | 200万条Indiegogo众筹项目信息

12G数据集 | 23w条Kickstarter项目信息

中文语义常用词典 | ChineseSemanticKB

中文词向量资源汇总 & 使用方法

NLP资源 | 汽车、金融等9大领域预训练词向量模型下载资源

Google Books Ngram Viewer显示英文词汇历史使用趋势

关键词：