本書結(jié)合用戶畫像技術(shù)，圍繞“股票投資者個(gè)性化需求的關(guān)鍵推薦算法”問題展開研究。首先，針對(duì)股票投資者的投資目的和過程進(jìn)行解析，構(gòu)建了投資者建模模塊、股票對(duì)象建模模塊、推薦算法模塊的研究思路。在此基礎(chǔ)上，構(gòu)建股票投資者智能投顧的用戶畫像，設(shè)計(jì)了用戶畫像的事實(shí)標(biāo)簽、分類模型標(biāo)簽和評(píng)價(jià)模型標(biāo)簽體系，采用XGBoost算法構(gòu)建了投資者的用戶分類模型，并采取TOPSIS法對(duì)股票投資者標(biāo)簽進(jìn)行了評(píng)價(jià)。其次，通過基于關(guān)聯(lián)規(guī)則、基于文本內(nèi)容和深度協(xié)同過濾視角，構(gòu)建了3種情景下的個(gè)性化推薦子模型，采用關(guān)聯(lián)規(guī)則實(shí)現(xiàn)股票行業(yè)推薦，在股票行業(yè)推薦的基礎(chǔ)上實(shí)現(xiàn)了個(gè)股推薦，從基于股票評(píng)論及金融事件的文本內(nèi)容視角，構(gòu)建文本數(shù)據(jù)的金融事件詞典，提出基于結(jié)構(gòu)化信息股票盈利預(yù)估模型和多任務(wù)股票盈利預(yù)估模型，進(jìn)而進(jìn)行股票盈利計(jì)算及結(jié)合用戶畫像篩選符合用戶偏好的股票。最后，設(shè)計(jì)了數(shù)據(jù)預(yù)處理層、子推薦算法層、推薦算法融合層和模型效果評(píng)價(jià)層的混合推薦框架，在LZ-Apriori、MSEEM和FCM子模型分析的基礎(chǔ)上，構(gòu)建了混合多專家網(wǎng)絡(luò)的股票推薦融合算法，并采用算例實(shí)驗(yàn)對(duì)模型算法的有效性進(jìn)行了驗(yàn)證。