一、引言

随着数字技术的持续发展与广泛应用，经济社会中的数据总量以及计算机数据分析能力均呈现指数增长态势。与此同时，非结构化数据已成为当前数据生态系统的主要组成部分（Liuetal.，2020）。IDC的调查报告显示：企业中80%的数据都是非结构化数据。然而，这些复杂的包括文本数据在内的非结构化数据却极具信息价值（Gentzkowetal.，2019）。现有研究发现，企业定期报告的文字部分透露出的信息在预测企业破产（Mayewetal.，2015）、信用评级（Donovanetal.，2021）和资本市场收益（Musluetal.，2015）等方面发挥了重要作用。文本信息逐渐受到经济学、管理学领域研究者的广泛关注。2017年，诺奖得主罗伯特·席勒（RobertJ.Shiller）在美国经济学会的主题演讲中，提出应将“叙事”作为经济学研究的核心要素，他强调对经济行为的研究不应仅局限于理性客观的数据信息，还应重视社会、文化及政治等叙述性信息，在这些叙述性信息中，文本作为叙事的重要组成部分，具有不可忽视的作用（Bochkayetal.，2022）。

作为重要叙事的文本大数据具有来源多样化、数据量增长快和高频等特征，为经济学和社会学的研究提供了新的分析视角（沈艳等，2019），为使用计算机领域自然语言处理方法（naturallanguageprocessing，NLP）相关的算法提供了各种应用场景（如：Li，2010;Das，2014;Loughranamp;McDonald，2016;Gentzkowetal.，2019;Bochkayetal.，2023）。尽管非结构化文本大数据的运用极大地拓宽了经济学和社会学的实证研究领域，但也带来了新的问题和挑战。其局限性主要体现在以下两个方面：其一，当前的NLP算法在处理非结构化文本数据时，往往忽略了语法和词序，导致难以结合上下文情景对文本信息进行系统性的理解。……