×
个性化股票推荐理论与方法

包邮个性化股票推荐理论与方法

1星价 ¥60.0 (6.8折)
2星价¥60.0 定价¥88.0
暂无评论
图文详情
  • ISBN:9787509698501
  • 装帧:暂无
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:202
  • 出版时间:2024-08-01
  • 条形码:9787509698501 ; 978-7-5096-9850-1

内容简介

本书结合用户画像技术,围绕“股票投资者个性化需求的关键推荐算法”问题展开研究。首先,针对股票投资者的投资目的和过程进行解析,构建了投资者建模模块、股票对象建模模块、推荐算法模块的研究思路。在此基础上,构建股票投资者智能投顾的用户画像,设计了用户画像的事实标签、分类模型标签和评价模型标签体系,采用XGBoost算法构建了投资者的用户分类模型,并采取TOPSIS法对股票投资者标签进行了评价。其次,通过基于关联规则、基于文本内容和深度协同过滤视角,构建了3种情景下的个性化推荐子模型,采用关联规则实现股票行业推荐,在股票行业推荐的基础上实现了个股推荐,从基于股票评论及金融事件的文本内容视角,构建文本数据的金融事件词典,提出基于结构化信息股票盈利预估模型和多任务股票盈利预估模型,进而进行股票盈利计算及结合用户画像筛选符合用户偏好的股票。*后,设计了数据预处理层、子推荐算法层、推荐算法融合层和模型效果评价层的混合推荐框架,在LZ-Apriori、MSEEM和FCM子模型分析的基础上,构建了混合多专家网络的股票推荐融合算法,并采用算例实验对模型算法的有效性进行了验证。

目录

**章 绪论 节 研究背景 第二节 研究目的及研究意义 第三节 研究内容与研究方法 第四节 本书框架 第二章 理论基础与文献综述 节 投资顾问与智能投顾 第二节 用户画像的相关研究 第三节 个性化推荐算法的相关研究 第四节 股票个性化推荐的相关研究 第五节 研究述评 第三章 股票投资者的用户画像标签体系设计和模型构建 节 引言 第二节 股票投资者用户画像构建流程 第三节 股票投资者的用户画像构建 第四节 股票投资者用户分类标签模型构建 第五节 股票投资者评价标签模型构建 第六节 基于FNS-LDA2vec的股票投资者股吧话题偏好挖掘 第七节 本章小结 第四章 基于关联规则的行业 和股票 模型构建 节 引言 第二节 基于关联规则的行业 和股票智能 模型 第三节 数据准备与预处理 第四节 股票行业关联规则挖掘与 第五节 股票财务指标关联规则挖掘与 第六节 本章小结 第五章 基于文本内容分析的股票 模型构建 节 引言 第二节 基于股票评论及金融事件的股票 算法 第三节 Stock Earmings Estimation(SEE)模型构建 第四节 基于内容的股票 算法实现 第五节 本章小结 第六章 基于深度协同过滤的股票 模型构建 节 引言 第二节 股票投资者的股票智能选择 第三节 股票投资者的股票智能 第四节 本章小结 第七章 股票混合 算法模型 节 引言 第二节 基于关联规则的行业和股票 算法分析 第三节 基于文本内容的股票 子算法分析 第四节 基于深度协同过滤的股票 子算法分析 第五节 基于混合多专家网络的股票 融合算法 第六节 效果评价 第七节 本章小结 第八章 结论与展望 节 主要结论 第二节 主要创新 第三节 主要局限与展望 参考文献 附录 后记
展开全部

作者简介

段刚龙,西安理工大学经济与管理学院管理科学与工程系副教授、硕士生导师。曾入选西安理工大学第二批 青年教师,现任经济与管理学院实验中心主任,兼任中国科学学与科技政策研究会创业创新专委会委员、陕西省大数据平台产品评审专家。先后主持各类项目18项,其中省部级项目4项;在 外重要中英文学术期刊上发表论文30余篇,其中SCI、EI检索20篇。获得科技成果奖4项、申报软件著作权8项;获得省级教学成果奖3项、校级教学成果奖6项、陕西省“ 课程”1门、省级创新创业课程1门、校级在线课程2门。主编和参编教材2部。2014年获得西安理工大学本科教学 奖,2016年获得西安理工大学本科教学二等奖。指导学生竞赛获得省级以上奖项60余项, 竞赛获奖2项。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航