基于深度神经网络的股票推荐系统的研究与开发

作     者：高启龙 

作者单位：首都经济贸易大学 

学位级别：硕士

导师姓名：杨一平

授予年度：2020年

学科分类：02[经济学] 0202[经济学-应用经济学] 020204[经济学-金融学（含∶保险学）] 08[工学] 081104[工学-模式识别与智能系统] 081203[工学-计算机应用技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：金融行业 股票推荐 热点信息 自然语言处理 图数据库 

摘      要：中国的改革开放和互联网多年的快速发展,网络成为了大部分人发布和获取信息的渠道。金融行业更是如此,越来越多的机构发布新闻信息和数据,越来越多的分析师对经济进行分析。并且随着投资者投资需求的多样化,对于更多样的信息的获取需求也在增加。对于某个投资者而言,网络上海量的金融信息很多都无法对其产生投资帮助,但投资者又需要当下值得投资的热点股票和其他热点信息。因此,如何从大量的金融文本信息中有效的获取到当下热点股票和其他热点信息,是金融行业为满足用户需求必须要解决的难题。传统的金融类网站在对热点股票和热点信息进行推荐的时候更偏向于数据的展示,用户在密密麻麻的数字和文本中寻找热点股票往往需要花费大量的精力和时间代价,且热点股票的推荐和热点信息的展示基本是基于统计计数的方法,具备比较低的可参考性。本文针对以上的问题,利用自然语言处理技术对当下热点股票、热点板块、热点地域等进行搜寻,利用Django框架搭建Web系统,提供热点股票的推荐和一些具体信息的查询功能。本系统主要通过命名实体识别模型识别出文本中的实体,根据规则建立实体间关系,利用图论的方法找到关键实体作为热点,对其中的热点股票进行推荐。使用图数据库对数据进行存储,利用图数据库对实体复杂关系高效的处理,应对用户对于相关内容的查询。本文后面的部分对股票推荐系统进行和测试和展示,其中主要包括股票推荐和信息查询等系统核心功能的展示。本文利用当下工业界应用广泛的自然语言处理技术和图论对热点进行搜寻和判定。使用图数据库对关系错综复杂的金融行业信息进行处理,将信息展示给用户。在实现的功能上具有可信度。所以,测试表明:本文利用自然语言处理算法实现了一个结果可靠的股票推荐系统,在金融领域会有很广泛的实际应用能力。