[发明专利]一种面向范围广的智能投顾的判断方法

权利要求书

1.一种面向范围广的智能投顾的判断方法，其特征在于：所述面向范围广的智能投顾的判断方法包括如下步骤：

首先建立用户的用户画像，所述用户画像包括：用户基本信息、用户财务信息、用户投资信息、用户偏好信息和用户行业信息，通过对所述用户基本信息、用户财务信息、用户投资信息、用户偏好信息和用户行业信息的样本数据提取出评估数据集；

根据所述评估数据集，并基于协同过滤推荐算法，向所述用户提供推荐产品；

然后通过网络爬虫的方式，获取文本信息、图片信息和视频信息，基于自然语言处理和图像识别技术，从所述文本信息、图片信息和视频信息中采取文本挖掘的方式提取金融信息进行挖掘；

最后根据机器学习算法挖掘的所述金融信息，整合市场数据，构建预测模型，判断资产在未来一段时间的走势并进行估算，结合用户画像，从而得出个性化的投资方案。

2.如权利要求1所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述文本挖掘通过分析互联网，并从大量文本数据中寻找其规律，所述文本挖掘包括内容采集、内容挖掘和行为分析三个步骤。

3.如权利要求1所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述协同过滤推荐算法是通过用户建立产品与产品之间的联系。

4.如权利要求2所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述内容采集包括页面内容爬取和页面垃圾过滤，所述页面内容爬取是将网页的内容通过爬虫获取的部分，分析页面代码格式，进行网页代码的编码转换，并获取所需信息；所述页面垃圾过滤是找出包括广告在内的段落以及其他对内容挖掘无效的部分，并将其清除，不进入内容挖掘部分。

5.如权利要求2所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述内容挖掘是对需要的特定信息进行提取。

6.如权利要求2所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述行为分析是进行分词和情感分析。

7.如权利要求1所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述机器学习算法包括监督学习、无监督学习和强化学习。

8.如权利要求7所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述监督学习通过有类标的训练数据构建模型，并可通过使用经训练得到的模型对未来数据进行预测。

9.如权利要求7所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述无监督学习用于在没有已知输出变量和反馈函数指导时，提取有效信息来探索数据的整体结构，从而发现数据的潜在规律。

10.如权利要求7所述的一种面向范围广的智能投顾的判断方法，其特征在于：所述强化学习是通过与环境的交互，使得正向反馈最大化。