[发明专利]一种基于社交大数据的基金推荐系统及方法

权利要求书

1.一种基于社交大数据的基金推荐方法，其特征在于，包括如下步骤：

(1)采集、处理用户的投资偏好信息及爬取金融社交网站用户的行为与舆情数据；

(2)构建动态的社交拓扑网络结构，设计自适应的用户影响力度量算法，对金融社交网站中热门的基金产品进行热度分析，具体步骤如下：

(2.1)在社交用户网络拓扑结构中加入背景节点Ground Node，并使该Ground node与图中所有节点实现双向互连，将原始的N节点M边的网络G(N,M)转换成拥有N+1个节点M+2N条边的强连通网络；

引入GroundNode节点后，节点影响力的迭代公式如下：

其中，i,j＝1,2,…,N+1，当节点i与节点j直接相连，则a_ij＝1，反之为a_ij＝0，表示节点j的出度，表示节点i随机游走到节点j的概率；除背景节点外，所有节点初始值为LR_i＝1，背景节点g初始值为LR_g＝0；

稳定状态下节点i的影响力值公式如下：

上式中，t_c表示收敛次数，LR_g(t_c)为稳定状态下节点g的LR值，迭代结束后，每个节点获得一个稳定的影响力值；

(2.2)将自适应用户影响力度量算法引入了自适应权重因子，所述自适应权重因子包括节点间影响力、用户行为影响力以及基金热度话题影响力；

所述节点间影响力的计算公式如下：

上式中，w_n(i,j)表示节点间影响力，其值位于0和1之间，i、j分别为图中节点，n(i)_in和n(j)_in分别为指向i、j的节点数，n(i)_out和n(j)_out分别为i、j指向的节点数；

所述用户行为影响力的计算公式如下：

上式中，w_u(i)表示用户行为影响力，Fans(i)表示粉丝数，A_i为用户i在统计周期内的发博频率，即其在统计周期内的活跃度，其中M_i为用户i在T周期内的发博数，T为统计周期，T_i表示用户i在指定周期内的传播能力，其中m_j表示在周期T内用户i所发的任一博文，表示博文m_j的转发率，分别为m_j的评论率和点赞率，T_i包括用户i在指定时间段T内的平均点赞数，平均评论数以及平均转发数，用户活跃度越高，帖子传播能力越强，该用户的影响力越大，M为关注i的用户中，拥有最多粉丝的用户的粉丝值，V(i)表示i用户是否为大V用户，若为大V则为1，否则为0；a、b、c分别为各自的权重；

所述基金热度话题影响力通过获取某基金的热度话题，该话题T下的新闻与用户所发博文间的余弦相似度，并将该值作为该用户的话题影响力w_t(i)，自适应权值因子计算公式如下：

其中j为i的邻居节点，w_u(j)、w_t(j)分别为用户j的用户行为影响力以及话题影响力，w_n(i,j)为用户i与用户j的节点间影响力，m、n、k分别为用户行为影响力、话题影响力以及节点间影响力的权值；

基于自适应权重因子的自适应用户影响力度量算法的迭代公式如下：

节点i与节点j直接相连，则a_ij＝1，否则为0；在用户迭代过程中，加入自适应权值因子w(i,j)，使得节点转移过程具有一定的节点、行为以及话题偏向性；

稳定状态下，节点i的基于自适应权重因子的AUIR值公式如下：

(3)根据当前市场平均市盈率值与历史高位、低位数值的比较来判断基金投资的风险大小；

(4)综合基金估值、市场风险分析及基金热度分析的结果，为客户及其社交圈好友筛选、推荐满足客户需求的基金产品。

2.根据权利要求1所述基于社交大数据的基金推荐方法，其特征在于：步骤(3)中，采集基金产品的实时净值估算、单位净值以及累计净值，并每日进行增量式爬取操作，根据当前市场平均市盈率值与历史高位、低位数值的比较来判断基金投资的风险大小。