پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 25 |
| تعداد شماره‌ها | 967 |
| تعداد مقالات | 8,010 |
| تعداد مشاهده مقاله | 13,573,664 |
| تعداد دریافت فایل اصل مقاله | 9,616,332 |
تحلیل محتوای متنی گزارش های مالی بارویکرد شناسایی موجودیت نامدار: مطالعه علم‌سنجی و مصورسازی | ||
| پژوهش های تجربی حسابداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 21 اردیبهشت 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22051/jera.2025.50272.3524 | ||
| نویسندگان | ||
| ملیحه فرجامی* 1؛ ابراهیم عباسی2 | ||
| 1مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران | ||
| 2مدیریت، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران. | ||
| چکیده | ||
| شناسایی موجودیت نامدار از زیرشاخه های پردازش زبان طبیعی و پدیده ای کاملا نوظهور در پژوهش های مالی و حسابداری است. این تکنیک مبتنی بر هوش مصنوعی، با استخراج خودکار اطلاعات کلیدی همچون نام اشخاص، سازمان‌ها و مکان‌ها از متون مالی، امکان تحلیل جامع‌تری از وضعیت شرکت را فراهم می‌کند. هدف این پژوهش، بررسی علم سنجی تولیدات علمی مرتبط با کاربرد شناسایی موجودیت نامدار در حوزه مالی و حسابداری، جهت آشنایی بیشتر پژوهشگران این حوزه است. در این پژوهش، ابتدا ضمن برشمردن اهمیت بخش متنی گزارش های مالی شرکت‌ها، روش شناسایی موجودیت نامدار معرفی شده و کارکرد آن در تحلیل محتوای متنی گزارش هاتشریح می‌شود. سپس از پایگاه علمی اسکوپوس روند پژوهشی، پر استنادترین مقالات و مرتبط ترین مقالات مالی و حسابداری موضوع پژوهش شناسایی می شود. در ادامه با استفاده از خروجی های اسکوپوس و با کمک نرم افزار vosviewer ، شبکه همکاری نویسندگان و کشورها و اصلی ترین و به روزترین کلیدواژه ها شناسایی می شوند. نتایج نشان می‌دهد که طی سال‌های اخیر، با وجود چالش های فراوان، توجه به شناسایی موجودیت نامدار در این حوزه به‌طور فزاینده‌ای افزایش یافته است و بیشترین تولیدات علمی مربوط به کشور چین و تمرکز مطالعات بر استخراج اطلاعات و شناسایی روابط است. | ||
| کلیدواژه‌ها | ||
| تحلیل محتوای متنی؛ گزارش مالی؛ شناسایی موجودیت نامدار؛ علم‌سنجی | ||
| عنوان مقاله [English] | ||
| Textual Content Analysis of Financial Reports Using Named Entity Recognition: A Bibliometric Study and Visualization | ||
| نویسندگان [English] | ||
| malihe farjami1؛ Ebrahim Abbasi2 | ||
| 1management faculty of social and economic sciences alzahra university Tehran Iran | ||
| 2Department of management, Faculty of social and economic sciences, alzahra University, Tehran, Iran | ||
| چکیده [English] | ||
| Named Entity Recognition (NER) a subfield of Natural Language Processing (NLP), is an emerging approach in financial and accounting research. This AI-based technique enables automatic extraction of key information—such as the names of individuals, organizations, and locations from financial texts, providing a more comprehensive analysis of corporate disclosures. The aim of this study is to conduct a Bibliometric review of scholarly output related to the application of NER in the financial and accounting domains, in order to familiarize researchers with its potential. First, the significance of the textual sections of corporate financial reports is outlined, followed by an introduction to NER and its role in textual content analysis. Using data from the Scopus database, this study identifies research trends, the most cited publications, and the most relevant finance and accounting articles. Furthermore, with the aid of VOSviewer software, co-authorship authors, co-authorship countries, and co-accurrence keywords are visualized and analyzed. The findings reveal a growing academic interest in this area in recent years, despite existing challenges, with China emerging as the leading contributor. Most studies focus on information extraction and entity relationship identification within financial texts. | ||
| کلیدواژه‌ها [English] | ||
| Textual content analysis, Financial reporting, Named Entity Recognition(NER), Bibliometric Study | ||
|
آمار تعداد مشاهده مقاله: 24 |
||