置顶推荐 | 社科(经管)文本分析资料汇总

文献类

个人感觉本文的精华就在这里了，读几篇文章就能对文本分析在社科（经管）的应用有深刻的了解。

• 读完本文你就了解什么是文本分析

• 叙事经济学：揭示经济中的叙事

• 管理世界 | 政府与市场心理因素的经济影响及其测度

• 管理世界 | 使用LM中文金融词典对年报进行语调分析

• 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

• 管理世界（付费） | 使用md&a数据中计算 「企业融资约束指标」

• 管理世界（付费） | 使用md&a数据中计算 「企业融资约束指标」

• 管理科学学报(付费) | 使用「软余弦相似度」测量业绩说明会「答非所问程度」

• 语言相对性论 | 语言是否决定/影响人的思维和认知

• JM2022综述 | 黄金领域: 为营销研究(新洞察)采集网络数据

• 转载 | 金融学文本大数据挖掘方法与研究进展

• 基于词嵌入技术的心理学研究: 方法及应用

• 词嵌入技术在社会科学领域进行数据挖掘常见39个FAQ汇总

• JCR2021 | 计算文本的语言具体性

• 文本相似 | Lazy Prices公司年报内容变动预示重大风险

• 中国工业经济（付费） | MD&A信息含量指标构建代码实现

• 金融研究 | 央行货币政策文本相似度计算与可视化

• 金融研究(付费) | 使用Python构建「关键审计事项信息含量」

• 使用 Word2Vec 和 TF-IDF 计算五类企业文化

• PNAS | 14000+篇心理学顶刊论文可复现性调研

• 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

• PNAS | 使用语义距离测量一个人的创新力(发散思维)得分

• PNAS | 历史文本中的语言积极性反映了动态的环境和心理因素(含Python代码)

• 词嵌入测量不同群体对某概念的态度(偏见)

• 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

• 转载 | 从符号到嵌入：计算社会科学的两种文本表示

• 文献汇总 | 词嵌入 与 社会科学中的偏见(态度)

• Management Science | 使用网络算法识别创新的颠覆性与否

• 可视化 | 词嵌入模型用于计算社科领域刻板印象等信息（含代码）

• 转载 | 大数据时代的「计算文化心理学」

• 转载 | 大数据驱动的「社会经济地位」分析研究综述

• 转载 | 国外会计文本信息实证研究述评与展望

• 文献汇总 | 量化历史学与经济学研究

• 视频分享 | 文本分析在经济管理研究中的应用

• 视频分享 | 会计领域中的Python文本分析

• 视频分享 | Python数据挖掘与金融科技

• 文本分析在市场营销研究中的应用

• 近年《经济研究》中「文本分析」相关论文

• 近年《管理世界》《管理科学学报》使用文本分析论文

• 营销研究中文本分析应用概述(含案例及代码)

• 文本可读性研究及应用清单

• 多维度、细粒度情感词库的核心思想与建设过程概述

• 使用 textstat库计算文本可读性

• 转载 | 社会计算驱动的社会科学研究方法

代码类

本部分选取了与社科相关性较强的文本分析代码或第三方库。

• 网络爬虫(付费) | 使用Python采集B站弹幕和评论数据

• B站 | “高铁互殴"视频词云图绘制

• 网络爬虫 | 使用Python披露采集 Up 主视频列表详情信息

• 网络爬虫 | 使用Python采集豆瓣「全职儿女」小组组员信息

• 网络爬虫 | 知乎热门话题「全职儿女」

• 网络爬虫 | 批量采集话题「如何评价淄博烧烤？」的回答

• 从3571w条专利数据集「匹配」上市公司的专利信息

• 实验 | 互联网黑话与MD&A

• 如何用 Poetry 创建并管理 Python 虚拟环境

• 借助chatGPT更高效地学习「Python实证指标构建与文本分析」

• word_in_context | 查看某类词的上下文，更好的理解文本数据

• 文本分析 | 词典法的两种代码实现

• 如何用图嵌入(网络思维和嵌入思维)表征企业，表征高管的职业经历

• 可视化 | 99-21年地方政府报告关键词变化趋势

• 可视化 | 睡前消息的科学社会、科学技术、社会化抚养话题可视化

• 可视化 | 使用PyPlutchik库可视化文本的情绪轮(情绪指纹)

• 可视化 | 使用pynimate库绘制动态可视化图

• 可视化 | 使用whatlies库可视化词向量

• 可视化 | 绘制《三体》人物关系网络图

• 可视化 | 使用LovelyPlots库绘制科学论文、论文和演示文稿的可视化图形

• 可视化 | 使用 chatGPT 做词频统计&词云图

• 可视化 | 文本数据分成n等份、词云图、情绪变化趋势、相似度变化趋势

• 可视化 | 微博用户群体情绪随时间变化趋势

• prettymaps库 | 绘制绝美地图

• 数据分析 | 使用决策树分析小红书帖子数据(含代码)

• 数据清洗 | 借助 chatGPT 设计正则表达式

• CheatSheet | Python文本数据处理速查表

• 正则表达式 | 词频统计、情感分析、融资约束

• NiceGUI库 | 简单易懂的Web GUI开发包； 可开发数据标注工具、心理学实验工具等

• Python语法入门 | 含视频代码

• 如何在一行代码中实现if-elif-else三分支语句

• 12个优雅的python代码使用案例

• 使用 chatGPT 撰写 Python 文本分析代码

• Pandas库 | DataFrame类常用知识点总结

• Pandas库 | 使用 df.query 字符串表达式进行数据筛选

• 使用流水线pipeline模式设计并处理数据

• 训练&使用 Glove 语言模型， 可度量刻板印象等

• BERTopic库 | 使用预训练模型做话题建模

• BERTopic | 使用推特数据构建 动态主题模型模

• KeyBERT | 关键词发现库

• Top2Vec | 主题建模和语义搜索库

• 豆瓣影评 | 探索词向量妙处

• Python | 词移距离(Word Mover’s Distance)

• 中文金融情感词典

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

• 如何正确读入文本数据不乱码(解决文本乱码问题)

• 30天Python编程学习挑战

• 预训练词向量模型的方法、应用场景、变体延伸与实践总结

• 天** | 使用selenium做数据采集

• 百度指数 | 使用qdata采集百度指数

• LIWC vs Python | 文本分析之词典词频法略讲(含代码)

• 欢迎各位向cntext库分享情感词典

• cntext库 | 关于DUTIR被污染解决办法

• EmoBank | 中文维度情感词典

• 文本分析 | 中国企业高管团队创新注意力

• 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

• 使用scipy实现层次聚类分析

• 推荐系统与协同过滤、奇异值分解

• cntext库 | 中文情感分析包

• Asent库 | 英文文本数据情感分析

• sentence-transformer库 | 句子语义向量化

• 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

• Pandas小案例 | 对某公司同年的某指标批量汇总

• Label-Studio|多媒体数据标注工具

• 使用Pandas处理文本数据

• doccano|为机器学习建模做数据标注

• WordBias库 | 发现偏见(刻板印象)的交互式工具

• 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！

• sklearnex库 | 让你的scikit-learn代码加速百倍

• nlp-roadmap | 文本分析知识点思维脑图

• Maigret库 | 查询某用户名在各平台网站的使用情况

• R语言 | 绘制文本数据情感历时趋势图

• R语言 | ggplot2简明绘图之散点图

• R语言 | ggplot2简明绘图之直方图

• R语言 | ggplot2简明绘图之动态图

• 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

• Latex | 将 .cls 更新到本地 Tex 发行版的搜索路径

• Faker库 | 生成实验数据

• 5个你或许不知道的pandas数据导入技巧

• 在巨型语言模型时代竞争：OpenAI vs 谷歌

• simpleT5 库 | 根据英文摘要内容生成标题

数据集

数据集这块比较少，各位如果有资源，欢迎留言分享或者邮箱thunderhit@qq.com联系我。

• 93G数据集(付费) | 中国裁判文书网(2010-2021)

• 数据集(付费) | 2001-2021年A股上市公司年报&管理层讨论与分析

• 预训练模型(付费) | 金融会计类word2vec， 可扩展或构建领域内概念情感词典

• 数据集(付费) | 2亿条中国大陆工商企业注册信息

• 数据集(付费) | 3.9G全国POI地点兴趣点数据集

• 数据集(付费) | 3571万条专利申请数据集(1985-2022年)

• 「问询函」数据集（付费）

• 实验数据集 | 上市公司高管违规数据(2008-2022)

• 实验数据 | 194城市楼市政策梳理(2010-2022)

• 数据集 | 哔哩哔哩 1 亿用户数据

• 单个csv文件体积大于电脑内存，怎么办

• 数据集 | 07-21年上市公司「委托贷款公告」

• 中文心理词典，含具体性、可成象性等指标

• Nature | 通用中英文六维语义情感词典

• 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

• 64w | 中国政府采购合同数据集

• 数据集 |马前卒工作室 睡前消息文稿汇总

• 数据集 | 80w知乎用户问答数据

• 数据集 | cctv新闻联播文稿数据集

• EDGAR | 25年数据的预训练词向量模型

• 数据集 | 90w条中国上市公司高管数据

• 400M数据集 | 上交所年报excel文件

• 数据集 | 585w企业工商注册信息

• 10G数据集 | YelpDaset酒店管理类数据集

• 17G数据集 | 企业社会责任报告数据集

• 27G数据集 | 使用Python对27G招股说明书进行文本分析

• 70G数据集 | 上交所定期报告数据集

• 14G数据集 | 2007-2021年A股上市公司年度报告（txt文件）

• ChineseSemanticKB | 中文语义常用词典

• DomainWordsDict | 领域词库构建方法与68领域、916万级专业词库分享

• 小规模金融并购、投资事件图谱设计概述与数据构成解析

• 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

• 数据集 | 多语言对齐词向量预训练模型

• Google Books Ngram Viewer显示英文词汇历史使用趋势

• 十万级 | 多领域因果事件对数据集对外开源

• 历时语料 | 新闻联播文字版等数据源分享

工具分享

• 免费可用的chatGPT镜像站点清单
• 在 Jupyter Notebook 内使用 ChatGPT 服务
• 借助chatGPT更高效地学习「Python实证指标构建与文本分析」
• 如何注册chatGPT账号
• 使用虚拟信用卡，国内用户升级为chatGPT plus会员
• 使用 chatGPT 写 Python 网络爬虫
• Rath | 自动化数据分析工具
• 科学上网工具v2net

广而告之

• 长期征稿
• 长期招募小伙伴
• 付费视频课程 | Python实证指标构建与文本分析
• 大邓每年会有4场直播，五一、十一、寒、暑假，如果时间点接近，可考虑报名参与直播课。
• 如果只意性价比，且已迫不及待想学，可以考虑直接报名大邓的录播课。
• 如果不想学，也可以考虑外包。更建议找淘宝，如果找我咨询，请先阅读有偿说明