基于投资者偏好的财经资讯智能推送

发布时间：2020-07-06 23:35

【摘要】：近年来,互联网上每天都产生海量的财经资讯信息,伴随着大数据、人工智能技术的蓬勃发展,财经新媒体行业不断出现新的商业模式,产品形态也不断推陈出新。各大移动端个性化财经服务类终端以及各类财经自媒体新面孔开始不断涌现,更多投资者习惯使用手机获取财经资讯服务,传统财经资讯媒体虽然拥有庞大的用户基础,但面临着如此激烈的市场竞争,必须借鉴新兴财经资讯平台的发展经验,借助先进的人工智能技术实现财经媒体平台服务再造,将受众投资者进行精准分类,创造有价值的内容互动,才能实现传统财经门户网站的流量突围。为了提高传统财经资讯服务网站的用户粘性、提高投资者资讯阅读效率,从而吸引流量,解决传统资讯平台目前面临的投资者流量降低的现实问题。本文从财经资讯平台及投资者个人偏好两个角度出发,首先运用先进的LDA主题挖掘模型对海量财经资讯进行有效率的主题挖掘,对每类投资者的兴趣主题进行描述分析。然后通过问卷调研的方法,获取投资者财经资讯阅读偏好数据,最后利用关联分析模型的Apriori算法对投资者的潜在偏好的财经资讯主题进行挖掘,发现投资者偏好偏好,进而对投资者进行精准的财经资讯智能推送,构建了基于投资者偏好的财经资讯智能推送方案。
【学位授予单位】：上海师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.51
【图文】：

技术路线图,财经,资讯,推送

61.4 本文的主要贡献本文将 LDA 财经资讯主题挖掘于关联分析模型相结合，中间采用问卷调研的方法将数据连接起来，构建了基于投资者偏好的财经资讯智能推送方案，深度挖掘投资者潜在偏好的资讯主题，以此不断优化财经新闻的用户体验，实现基于投资者偏好的财经资讯智能推送方案，主要有以下两方面的贡献：对财经资讯网站而言，本文结合大数据分析技术，将受众投资者进行精准分类，创造有价值的内容互动，深耕垂直领域，优化对财经资讯网站

算法流程图,频繁项目集,步骤

智能推送理论框架上海师范大学硕 k 阶候选项目集CK进行剪枝。由于频繁项集的任这一原理，假设CK 1是CK的任意一个（k-1）阶子LK，则该候目集肯定是非频繁项目集。环上述步骤二、步骤三，直至不能得到更高阶的中得出的全部频繁项目集中计算除满足数据要求程结束。以更直观的说明 Apriori 算法的具体挖掘步骤，流

文本数据,预处理

第 5 章财经资讯智能推送方案模型建立上海师范大学硕士学位论文必定要有一定的差异性。本文在文本挖掘前期数据处理的过程中，首先在网上下载了通用的停用词表，共计 1800 停用词数，再加上后期建模过程中不断地斟酌，进行人工补全停用词表处理，通过反复不断地更新去停用词表，进行去停用词处理，直到所有对本文 LDA 主题模型中财经类文本数据没有任何实际意义的词都被剔除后，才能得到更加精确的主题分类。最终使用的停用词库中所包含的停用词数约为 8253 个，对数据的初步预处理结果如图 5-1 所示。

【相似文献】