本书结合用户画像技术，围绕“股票投资者个性化需求的关键推荐算法”问题展开研究。首先，针对股票投资者的投资目的和过程进行解析，构建了投资者建模模块、股票对象建模模块、推荐算法模块的研究思路。在此基础上，构建股票投资者智能投顾的用户画像，设计了用户画像的事实标签、分类模型标签和评价模型标签体系，采用XGBoost算法构建了投资者的用户分类模型，并采取TOPSIS法对股票投资者标签进行了评价。其次，通过基于关联规则、基于文本内容和深度协同过滤视角，构建了3种情景下的个性化推荐子模型，采用关联规则实现股票行业推荐，在股票行业推荐的基础上实现了个股推荐，从基于股票评论及金融事件的文本内容视角，构建文本数据的金融事件词典，提出基于结构化信息股票盈利预估模型和多任务股票盈利预估模型，进而进行股票盈利计算及结合用户画像筛选符合用户偏好的股票。最后，设计了数据预处理层、子推荐算法层、推荐算法融合层和模型效果评价层的混合推荐框架，在LZ-Apriori、MSEEM和FCM子模型分析的基础上，构建了混合多专家网络的股票推荐融合算法，并采用算例实验对模型算法的有效性进行了验证。

第一章 绪论
第一节 研究背景
第二节 研究目的及研究意义
第三节 研究内容与研究方法
第四节 本书框架
第二章 理论基础与文献综述
第一节 投资顾问与智能投顾
第二节 用户画像的相关研究
第三节 个性化推荐算法的相关研究
第四节 股票个性化推荐的相关研究
第五节 研究述评
第三章 股票投资者的用户画像标签体系设计和模型构建
第一节 引言
第二节 股票投资者用户画像构建流程
第三节 股票投资者的用户画像构建
第四节 股票投资者用户分类标签模型构建
第五节 股票投资者评价标签模型构建
第六节 基于FNS-LDA2vec的股票投资者股吧话题偏好挖掘
第七节 本章小结
第四章 基于关联规则的行业推荐和股票推荐模型构建
第一节 引言
第二节 基于关联规则的行业推荐和股票智能推荐模型
第三节 数据准备与预处理
第四节 股票行业关联规则挖掘与推荐
第五节 股票财务指标关联规则挖掘与推荐
第六节 本章小结
第五章 基于文本内容分析的股票推荐模型构建
第一节 引言
第二节 基于股票评论及金融事件的股票推荐算法
第三节 Stock Earmings Estimation（SEE）模型构建
第四节 基于内容的股票推荐算法实现
第五节 本章小结
第六章 基于深度协同过滤的股票推荐模型构建
第一节 引言
第二节 股票投资者的股票智能选择
第三节 股票投资者的股票智能推荐
第四节 本章小结
第七章 股票混合推荐算法模型
第一节 引言
第二节 基于关联规则的行业和股票推荐算法分析
第三节 基于文本内容的股票推荐子算法分析
第四节 基于深度协同过滤的股票推荐子算法分析
第五节 基于混合多专家网络的股票推荐融合算法
第六节 推荐效果评价
第七节 本章小结
第八章 结论与展望
第一节 主要结论
第二节 主要创新
第三节 主要局限与展望
参考文献
附录
后记