上市公司-特质信息含量（2006-2025）
数据简介
本数据参考李四海、李震（2023）《企业社会责任报告特质信息含量的信号效应研究——基于自然语言处理技术的分析》（《中国工业经济》第1期），从企业社会责任报告中提取数量、时间、组织、人物和地点信息，衡量具体信息在全文中的相对密度。
具体指五类特质信息词是指：数量词包括数字、金额、百分比及带单位的数量表达，如“10万元”“100人”“20%”；时间类包括年份、日期、季度和半年，如“2025年”“第一季度”；组织机构类包括具有明确指向的企业、学校和其他机构名称，如“比亚迪”“西南交通大学”；人物类指具体人名；世界地区类指国家、城市等地点名称。这些词从报告全文中识别，时间和数量通过正则规则提取，组织、人名和地点则由BiLSTM-CRF命名实体识别模型结合上下文判断。
测算前，统一文本编码及全角英数字等字符，清理空字符和多余空白，合并中文换行。识别时，过滤“本公司”“集团”等缺少具体指向的泛称，以及单汉字、跨强标点的异常实体；遇到重叠表达，按时间、命名实体、数量的顺序保留，同一位置只计一次。总词频采用jieba精准模式统计，将识别出的特质信息词在原位置作为完整词保留，避免机构名称被拆开，其余文本正常分词，并剔除标点、空白和孤立单汉字。
特质信息含量水平＝（数量词＋时间类＋组织机构类＋人物类＋世界地区类）／总词频数，结果为比例，未乘100。数值越大，说明报告中这五类具体信息越密集。最终有效观测值19702条。
数据示例
