技術領域

本發明屬于證券資訊技術領域，更具體地說，尤其涉及一種基于大數據的證券資訊個性化服務系統。

背景技術

從技術上看，大數據與云計算的關系就像一枚硬幣的正反面一樣密不可分。大數據必然無法用單臺的計算機進行處理，必須采用分布式計算架構。它的特色在于對海量數據的挖掘，但它必須依托云計算的分布式處理、分布式數據庫、云存儲和/或虛擬化技術。近年來，隨著“大數據”概念的普及，在許多領域，服務提供商開始有意識的對海量用戶數據進行實時采集與分析，從而提取有價值的信息。再將有價值的信息綜合利用后，推送給目標群體較為精準的個性化信息，是一項以數據挖掘、自然語言處理以及互聯網技術為基礎的綜合性方法體系。將合適的信息推送給合適的人，是一項極具挑戰的工作。這個過程需要對信息作充分的分析，同時對人的興趣、行為做細致的刻畫，并將兩者進行有效匹配。

近年來，人們對證券市場的關注度越來越高。證券公司每天向證券用戶提供的資訊信息較多，動輒幾千條，缺乏針對性，給用戶帶來很大的困擾，而且推送效率低下，缺少一種基于大數據的證券資訊個性化服務系統。

發明內容

本發明的目的是為了解決現有技術中存在的缺點，而提出的一種基于大數據的證券資訊個性化服務系統。

為實現上述目的，本發明提供如下技術方案：一種基于大數據的證券資訊個性化服務系統，包括大數據處理系統，所述大數據處理系統連接有統計分析模塊、個性化理財產品推薦模塊、個性化資訊推薦模塊和個性化股票池推薦模塊，所述統計分析模塊通過數據預處理模塊連接有數據庫，所述個性化理財產品推薦模塊、個性化資訊推薦模塊和個性化股票池推薦模塊通過算法接口模塊連接有集成學習模塊、推薦算法模塊、機器學習算法模塊和文本分析模塊。

優選的，所述個性化理財產品推薦模塊、個性化資訊推薦模塊和個性化股票池推薦模塊通過算法接口模塊去調用集成學習模塊、推薦算法模塊、機器學習算法模塊和文本分析模塊，經過大數據處理系統的處理，向用戶推送個性化理財產品、個性化資訊和個性化股票池。

優選的，所述算法接口模塊還連接有參數控制模塊，所述參數控制模塊用于控制算法接口模塊中的各個起始參數。

優選的，所述統計分析模塊可對推薦結果進行過濾、篩選工作。

優選的，所述數據預處理模塊用于判斷數據和文本的有效性，剔除無效數據，對用戶行為數據進行向量化、歸一化操作。

優選的，所述數據庫包括存儲模塊，所述數據庫采用SQL Server 2000，SQL Server 2000是Windows平臺可靠性較好的數據庫管理軟件，所述數據庫主要包括需求分析、概念結構設計、邏輯結構設計、數據庫實施和運行維護。

本發明的技術效果和優點：本發明一種基于大數據的證券資訊個性化服務系統，個性化理財產品推薦模塊、個性化資訊推薦模塊和個性化股票池推薦模塊通過算法接口模塊去調用集成學習模塊、推薦算法模塊、機器學習算法模塊和文本分析模塊，經過大數據處理系統的處理，通過個性化理財產品推薦模塊、個性化資訊推薦模塊和個性化股票池推薦模塊向用戶推送個性化理財產品、個性化資訊和個性化股票池，從而避免盲目推送，具有針對性，提高推送質量，同時減少傳統的海量推送對證券用戶的困擾。

附圖說明

圖1為本發明的系統框圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合具體實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明?；诒景l明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

本發明提供如圖1所示的一種基于大數據的證券資訊個性化服務系統，包括大數據處理系統，所述大數據處理系統連接有統計分析模塊、個性化理財產品推薦模塊、個性化資訊推薦模塊和個性化股票池推薦模塊，所述統計分析模塊通過數據預處理模塊連接有數據庫，所述個性化理財產品推薦模塊、個性化資訊推薦模塊和個性化股票池推薦模塊通過算法接口模塊連接有集成學習模塊、推薦算法模塊、機器學習算法模塊和文本分析模塊。