-
公开(公告)号：CN117078359A
公开(公告)日：2023-11-17
申请号：CN202311329096.1
申请日：2023-10-16
申请人： 山东大学
IPC分类号： G06Q30/0601 , G06F18/2321 , G06F18/241 , G06F17/16
摘要： 本发明涉及数据分析技术领域，公开了基于用户群分类的产品推荐方法、系统、设备及介质，从所述投资交易平台中获取目标用户群的混合信息数据；根据目标用户群的混合信息数据，确定目标用户群的聚类标签：对混合信息数据进行预处理；对预处理后的混合信息数据进行粒化处理，生成第一粒向量集；通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式；对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊C均值聚类算法，得到粒聚类中心和粒隶属度矩阵；在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集；通过第二粒向量集，构建粒邻接矩阵；对粒邻接矩阵进行谱聚类，得到最终的聚类标签。可以有效处理混合信息，提高用户分类精度。
-
公开(公告)号：CN115205041B
公开(公告)日：2023-07-07
申请号：CN202210831962.6
申请日：2022-07-15
申请人： 山东大学
摘要： 本公开提供了一种基于区块链的金融大数据处理系统及方法，包括：金融数据应用节点，其用于向部署于区块链网络中的金融数据管控节点发送金融数据获取请求；同时，对接收到的金融数据解密，获得所需金融数据；金融数据管控节点，其用于接收金融数据获取请求，并将其发送至部署于区块链网络中的各个金融数据产生节点上；同时，接收各个金融数据产生节点提供的金融数据，并对金融数据进行相应处理，将最终得到的金融数据进行加密和可信存储，并将其通过可信通道发送至提交金融数据获取请求的金融数据应用节点；金融数据产生节点，其用于基于金融数据管控节点发送的金融数据获取请求收集数据，将收集到的金融数据通过可信通道发送至金融数据管控节点。
-
公开(公告)号：CN115205041A
公开(公告)日：2022-10-18
申请号：CN202210831962.6
申请日：2022-07-15
申请人： 山东大学
摘要： 本公开提供了一种基于区块链的金融大数据处理系统及方法，包括：金融数据应用节点，其用于向部署于区块链网络中的金融数据管控节点发送金融数据获取请求；同时，对接收到的金融数据解密，获得所需金融数据；金融数据管控节点，其用于接收金融数据获取请求，并将其发送至部署于区块链网络中的各个金融数据产生节点上；同时，接收各个金融数据产生节点提供的金融数据，并对金融数据进行相应处理，将最终得到的金融数据进行加密和可信存储，并将其通过可信通道发送至提交金融数据获取请求的金融数据应用节点；金融数据产生节点，其用于基于金融数据管控节点发送的金融数据获取请求收集数据，将收集到的金融数据通过可信通道发送至金融数据管控节点。
-
公开(公告)号：CN117078359B
公开(公告)日：2024-01-12
申请号：CN202311329096.1
申请日：2023-10-16
申请人： 山东大学
IPC分类号： G06Q30/0601 , G06F18/2321 , G06F18/241 , G06F17/16
摘要： 本发明涉及数据分析技术领域，公开了基于用户群分类的产品推荐方法、系统、设备及介质，从所述投资交易平台中获取目标用户群的混合信息数据；根据目标用户群的混合信息数据，确定目标用户群的聚类标签：对混合信息数据进行预处理；对预处理后的混合信息数据进行粒化处理，生成第一粒向量集；通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式；对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊C均值聚类算法，得到粒聚类中心和粒隶属度矩阵；在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集；通过第二粒向量集，构建粒邻接矩阵；对粒邻接矩阵进行谱聚类，得到最终的(56)对比文件蒋宗礼 等“.基于差分隐私保护的模糊C均值聚类推荐”《.计算机系统应用》.2018,第27卷(第10期),第189-195页.Rahul Katarya,et al..“Recommendersystem with grey wolf optimizer and FCM”.《Neural Comput & Applic》.2016,第30卷第1679-1687页.胡朝举 等.“基于用户模糊聚类的个性化推荐研究”《.软件导刊》.2018,第17卷(第2期),第31-34页.
-
公开(公告)号：CN115660855A
公开(公告)日：2023-01-31
申请号：CN202211395427.7
申请日：2022-11-09
申请人： 山东大学
IPC分类号： G06Q40/04 , G06Q10/04 , G06N3/0464 , G06F18/214
摘要： 本发明公开了一种融合新闻数据的股票收盘价预测方法，属于深度学习与大数据处理领域，包括如下步骤：获取股票历史交易日的数据信息，包括7个特征数据；爬取股票历史交易日各网站中与特定股票相关的文本信息；对文本进行情感分析，得到当天股民情绪与市场活跃状况的量化表达；将历史交易日的数据信息和文本信息的情感得分进行拼接组合，形成8维的特征数据；对特征数据进行归一化处理；构建CNN‑BiLSTM‑FCN深度神经网络模型，训练模型并保存；使用训练完成的模型对未来交易日的收盘价进行预测，为投资者提供参考意见。本发明能够有效的提高模型对未来收盘价的预测准确度和模型对股价走势发生转折的预测能力，预测结果也有更高的可信度。
-
公开(公告)号：CN115330541A
公开(公告)日：2022-11-11
申请号：CN202210945766.1
申请日：2022-08-08
申请人： 山东大学
摘要： 本发明属于金融技术领域，提供了基于区块链的基金信息推荐及交易安全保障系统及方法，该方法包括将获取的数据分区块存储，各区块按照数据对应的级别分类分布存储；根据用户的个人信息计算用户的风险承受能力，并将计算的结果对应标记到该用户ID对应的区块下；根据产品信息采集单元获取的信息计算得到所选基金的风险水平并将其计算结果对应标记到该产品标签的对应区块下；基于个人信息计算用户的风险承受能力和所选基金的风险水平，采用风险‑行业‑可信度三级匹配机制将可信度最高的基金产品推荐给用户。此外，对交易过程进行实时监测，极大的保证了用户交易的安全性；对不良交易信息进行标记处理，最大程度保证交易过程的安全性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.018 秒)