证券信息推送系统中用户兴趣模型研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇证券信息推送系统中用户兴趣模型研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：推送技术根据用户的兴趣来搜索、过滤信息，将用户感兴趣的信息主动推给用户，帮助用户高效率地发掘有价值的信息。本文主要研究证券信息智能推送系统中用户兴趣模型的建立，提出通过分析具有相似需求的用户的定制行为来主动给用户进行推荐的机制，建立全面的用户兴趣模型，发掘用户的兴趣信息，为用户提供个性化的服务策略和服务内容。

关键词：证券；信息推送；用户兴趣模型

中图分类号：TP391.3 文献标识码：A文章编号：1007-9599 (2011) 14-0000-02

User Interest Mode Study of Securities Information Push System

Xiao Guorong,Lin Shusheng

(Department of Computer Science and Technology,GuangDong University of Finance,Guangzhou510521,China)

Abstract:Push technology according to the user's interest to search,filter information,the user information of interest to take the initiative to move onto the user,to help users efficiently explore the valuable information.This paper studies the security of information systems in the smart push user interest model,proposed by analyzing the needs of users with similar behavior to take the initiative to the user customize the recommended mechanism to establish a comprehensive model of user interest,to explore the user's interest information for provide personalized service strategy and services.

Keywords:Securities;Information push;User interest model

一、概论

证券市场中，影响股票股价波动的因素有很多，比如国家经济情况、宏观经济政策、上市公司基本面情况、股票的技术形态和技术指标等因素。其中，国家宏观经济政策主要包括财政政策、货币政策、产业政策、收入政策等等，货币政策的宽松程度，利率的高低、存款准备金率高低这些因素都将影响整个股市的运行情况。而上市公司基本面情况主要包括上市公司的经营财务状况、行业情况、公司经营管理水平和人才构成等信息。其中，公司的行业地位和赢利前景以及基本面是否有提升将影响公司股价的走势。这些信息能否获取以及获取的快速程度，对于股票的交易决策有着非常重要的影响。

二、信息推送系统的功能

在互联网高速发展的今天，互联网上拥有海量实时更新的有价值的信息，目前，用户可以通过搜索引擎查找自己感兴趣信息。不过搜索引擎获取信息的方式是被动的，它们无法主动发掘用户感兴趣的信息，因此不会主动推送这些用户感兴趣的内容给用户，用户必须告诉搜索引擎希望搜索什么内容。也就是说，包括国家宏观经济政策的信息以及企业基本面信息等资料，这些都要用户自己手动去搜索。

随着信息化的发展，用户有希望主动获取信息的需求，比如用户希望主动获取新收到的邮件，用户期望了解最新的某只股票的价格，用户希望了解能影响某只股票波动的所有最新信息等等。因此，从海量网络信息中实时、定向、有选择地抓取信息到本地，然后把采集到的信息进行组织分类、加工处理，使其成为规范的、有序的信息资源，根据用户定制的关键词进行实时推送。用户可以根据自己的兴趣定制信息关键词，达到“信息找人”的目的。这些是当前智能推送系统需要解决的问题。

三、证券信息推送用户兴趣模型分析

推送技术作为一种主要的信息获取技术，它可以主动将用户感兴趣的信息推送到用户面前，帮助用户高效率地发掘有价值的信息。在具体的证券信息推送服务应用中，用户可以主动定制自己的信息需求，比如定制“加息”，“存款准备金”，“经济数据”等宏观政策相关的关键词。当系统采集检索到跟用户定制的关键词相关的信息时，系统可以主动推送给定制用户。

不过这种依靠主动定制的信息，有时候会存在信息准确性较差的问题，而且仅仅通过关键词无法准确地把握用户的真正的信息需求，以致推送的信息和用户的需求之间存在一定的差异。

我们举个简单的例子，比如用户持有了“浪潮信息”这个股票，那么用户感兴趣的内容首先包括上市公司的所有公告及新闻信息内容，那么用户会订阅“浪潮信息”这样的关键词，然后由于“浪潮信息”属于软件行业个股，因此大部分用户都会很自然想到定制“软件”这个关键词信息，这样，用户就可以同时得到关于“浪潮信息”的公司动态和软件行业发展动态方面的信息内容。然而目前市场可能赋予了“浪潮信息”这个股票云计算方面的概念题材，这个方面的题材是影响目前阶段股价波动的关键词，所有云计算的相关新闻和政策都可能会影响“浪潮信息”这个股票的走势，那么其实用户也需要定制“云计算”方面的信息，只不过由于认识的局限性，他可能自己未能主动考虑到这点。这就是主动定制推送系统的局限性，用户容易忽略某些影响上市公司股价的关键信息。因此，为了更准确地表达用户的信息需求，这就需要建立一个用户兴趣模型，通过发掘用户的自身行为以及分析具有相似需求的用户的相关定制行为来给用户进行主动推荐。

四、启发式用户兴趣模型的构建

用户兴趣模型就是系统根据其获得的一切跟用户有关的信息所构造的用于表示用户信息需求的模型，用户的兴趣模型主要包括两方面的内容：（1）主动定制信息：基于用户的定制的关键词数据，如“加息”、“准备金”、“经济政策”等等。（2）推荐定制信息：根据其他具有相似需求的用户的行为由系统主动推荐用户定制，用户具有定制与否的选择权，这个主要是弥补用户认识的局限性，把具有相似需求的用户行为反馈给其他用户，提供个性化的服务策略和服务内容。

主动定制的模式比较简单，这个模式根据用户的信息（用户定制的关键词），形成对用户兴趣的描述，把用户信息存入用户兴趣数据库中。

推荐定制的模式相对比较复杂，这个模式需要分析其他用户的定制行为，找出具有相似需求的用户进行分类，接着对具有相似需求的用户进行启发推荐。这里，我们是基于这样一个启发推荐原理：和你定制的关键词相同越多的用户喜欢的关键词，你也很有可能喜欢；大家都定制的关键词，你也就很有可能需要定制。

我们要实验的是一个财经类的网站数据，数据格式如下：

用户..关键词A..关键词B

这个数据表示此用户定制了跟该关键词有关的新闻，这里要注意一点，那就是对数据要进行必要的清理，可以采用对用户和关键词分别计数，过滤掉一些超不活跃的用户定制信息和超冷门的关键词。