基于用户投资行为分析的金融知识服务研究与平台实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及相关技术介绍 | 第11-15页 |
| 1.2.1 数据挖掘相关技术研究现状 | 第11-13页 |
| 1.2.2 用户行为分析研究现状 | 第13-14页 |
| 1.2.3 知识服务系统发展现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 章节内容组织 | 第16-17页 |
| 第2章 异构信息获取和金融行情服务系统 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 多源异构信息获取 | 第17-23页 |
| 2.2.1 行情数据获取 | 第18-19页 |
| 2.2.2 债券基本信息获取 | 第19-20页 |
| 2.2.3 证券板块信息获取 | 第20-21页 |
| 2.2.4 用户投资数据获取 | 第21-23页 |
| 2.3 金融行情数据服务 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 用户投资行为分析与预测问题研究 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 用户投资行为分析与量化评价 | 第25-30页 |
| 3.2.1 用户投资行为的定义 | 第25页 |
| 3.2.2 量化评价指标研究 | 第25-28页 |
| 3.2.3 基于同义词表的交易字段识别 | 第28页 |
| 3.2.4 基于统计计算的投资行为量化 | 第28-29页 |
| 3.2.5 基于对比的用户问题行为判别 | 第29-30页 |
| 3.3 用户投资行为预测 | 第30-37页 |
| 3.3.1 问题描述 | 第30-31页 |
| 3.3.2 特征设计 | 第31-33页 |
| 3.3.3 基于逻辑回归模型的行为预测 | 第33页 |
| 3.3.4 基于决策树模型的行为预测 | 第33-36页 |
| 3.3.5 基于融合模型的行为预测 | 第36-37页 |
| 3.3.6 评价指标 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 用户投资群体发现问题研究 | 第38-46页 |
| 4.1 引言 | 第38页 |
| 4.2 问题描述 | 第38-39页 |
| 4.3 用户投资兴趣标签生成 | 第39-40页 |
| 4.4 基于k-均值的群体发现 | 第40-41页 |
| 4.5 基于谱聚类的群体发现 | 第41页 |
| 4.6 基于降维聚类的群体发现 | 第41-44页 |
| 4.6.1 线性降维聚类 | 第42-43页 |
| 4.6.2 非线性降维聚类 | 第43-44页 |
| 4.7 评价指标 | 第44-45页 |
| 4.8 本章小结 | 第45-46页 |
| 第5章 系统实现与实验分析 | 第46-66页 |
| 5.1 引言 | 第46页 |
| 5.2 在线金融知识服务系统 | 第46-54页 |
| 5.2.1 模拟投资系统框架及效果展示 | 第48-50页 |
| 5.2.2 用户投资行为分析系统框架及效果展示 | 第50-52页 |
| 5.2.3 系统评估 | 第52-54页 |
| 5.3 实验结果分析 | 第54-65页 |
| 5.3.1 实验内容与数据 | 第54-55页 |
| 5.3.2 用户投资行为预测实验结果 | 第55-60页 |
| 5.3.3 用户投资群体发现实验结果 | 第60-65页 |
| 5.3.4 个性化金融知识服务 | 第65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读学位期间发表的学术论文 | 第73-75页 |
| 致谢 | 第75页 |
