本書結(jié)合用戶畫像技術(shù)，圍繞“股票投資者個性化需求的關(guān)鍵推薦算法”問題展開研究。首先，針對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)計了用戶畫像的事實標(biāo)簽、分類模型標(biāo)簽和評價模型標(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法對股票投資者標(biāo)簽進(jìn)行了評價。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種情景下的個性化推薦子模型，采用關(guān)聯(lián)規(guī)則實現(xiàn)股票行業(yè)推薦，在股票行業(yè)推薦的基礎(chǔ)上實現(xiàn)了個股推薦，從基于股票評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價層的混合推薦框架，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，并采用算例實驗對模型算法的有效性進(jìn)行了驗證。