【摘 要】
：
随着金融理财的关念日益深入人心，人们对金融信息的需求也日益增大。人们通过网络获取金融信息的方式一种是用户主动搜索，另一种是系统的主动推荐，而如何向用户进行精准的信息推荐则是各大金融资讯平台的最重要目标之一。但是目前在推荐领域存在着诸多问题，如被推荐内容同质化程度高、数据量庞大、非格式化信息处理效率低、当前的静态推荐系统不能很好的捕捉用户偏好的变化而导致推荐精度低。 本文在前人研究的基础上提出了基
论文部分内容阅读
随着金融理财的关念日益深入人心，人们对金融信息的需求也日益增大。人们通过网络获取金融信息的方式一种是用户主动搜索，另一种是系统的主动推荐，而如何向用户进行精准的信息推荐则是各大金融资讯平台的最重要目标之一。但是目前在推荐领域存在着诸多问题，如被推荐内容同质化程度高、数据量庞大、非格式化信息处理效率低、当前的静态推荐系统不能很好的捕捉用户偏好的变化而导致推荐精度低。
本文在前人研究的基础上提出了基于深度强化学习的推荐算法模型，用以解决当下推荐算法所存在的一些问题。首先本文选择神经网络来进行数据特征的提取，神经网络强大的特征抽取能力和计算能力能够更好地表达数据特征信息。其次本文以深度Q网络来构建本文的推荐模型Dueling-Double DQN，在深度Q网络的基础上，引入Double Q learning的思想，即对Q值最大的动作的选择和目标Q值的计算进行解耦；另外对深度Q网络的神经网络结构进行优化，引入了Dueling Network的思想，将值函数转换成由状态值函数和优势函数的组合表达。
并且在对神经网络的损失函数进行优化时，选择效率更高效果更好的Adam算法。最后本文在由财新网公开的新闻数据集上和传统推荐算法进行了对比实验，结果表明本文所提出的Dueling-Double DQN模型的推荐结果准确性更高、推荐内容更丰富且在长期推荐时能够跟随用户的兴趣转移而推荐。并且本文的Dueling-Double DQN模型和优化前的模型进行对比时，本文模型表现效果更好性能更稳定。
本文研究为解决当前推荐算法所存在的问题提供了一种新的解决思路，有助于后续的进一步研究。虽然通过实验证明了本文模型的有效性，但是在深度Q网络的性能提升方面仍有很大的改进空间。而后续可以对其他的深度强化学习框架与推荐系统的结合进行探索。
其他文献
2005年是中国资产证券化元年，资产证券化在我国的发展经历了萌芽期、初步探索期、停滞期之后进入了现如今的高速发展阶段，截至2019年12月31日，中国资产证券化市场累计发行规模已达到79528.82亿元，存量规模达39070.23亿元，发行单数达4088单。整个市场的蓬勃发展对监管方、融资方以及投资方都有着极大的积极意义，也为本文的研究提供了充足的数据。 本文梳理了国内外关于资产证券化的文献，从
我国电影产业已经蓬勃发展十多年，现今已经进入到了一个百花齐放的阶段，也成为了许多风险投资爱好者目光聚集的行业。在中国电影逐渐金融化，电影逐渐成为一种新形式金融产品的态势下，电影投资收益的重要性与受关注度愈发凸显，而电影投资回报却难以预测。如何将电影投资收益的影响因素纳入研究课题，从而将电影投资风险降低就变得越来越重要。对中国电影投资收益影响因素展开深入研究，不仅可以帮助电影投资者规避风险，帮助电影
鉴于银行业在维持金融秩序、调节宏观经济等方面发挥的重要作用，银行治理问题一直是推进金融体系改革的关键。随着政府逐渐加强监督与管控，我国银行治理机制的运行已得到明显改善，但诸如道德风险、激励机制不健全等问题仍然突出。由于我国特有的政企人才双向流动制度，使得处于政府控制下的银行高管兼具行政官员与职业经理人的双重身份，可以参与地方官员的晋升锦标赛，由此形成了对银行高管的特殊激励形式——政治晋升激励。限薪
伴随科技金融的发展和居民可支配收入的增加，我国互联网理财市场繁荣发展，并产生了较为成熟的市场细分格局。互联网金融门户作为互联网理财的配套服务，以其整合的产品信息、丰富的功能设计和用户交流空间吸引了大量的用户。但是其本身也存在产品良莠不齐、用户运营能力差和操作流程复杂的问题，阻碍了其进一步的发展和普及。同时，投资者在使用互联网金融门户进行理财产品购买时，其实际行为往往与传统金融学的“理性人”假设相违
自2016年以来，国务院先后颁布了一系列文件，从宏观层面提出了要求降低企业融资成本的基本政策，如何降低融资成本成为国家和企业普遍关注的重点问题。因此在我国以银行贷款为主要融资渠道的背景下，研究信贷契约中影响贷款成本的因素具有重大的现实意义。基于高层梯队理论，高管因认知能力和价值观不同进而影响其行为决策，而这些背景特征差异是否会向银行传递不同的信号，这些信号是否会影响信贷契约中银行对公司的风险判断，
本文采用准自然实验研究方法，以中国全部上市公司为研究对象，基于国家铁路局、国家统计局、国泰安数据库和wind数据库手动收集的2006-2018年中高速铁路开通站点匹配上市公司面板数据，利用双重差分模型展开以下研究：1）高铁开通对企业多元化投资的直接影响作用。本文将企业多元化投资形式按照行业和区域划分，分别研究高铁开通对企业行业拓展及地域拓展的影响程度；2）企业所在宏观环境差异及自身异质性对高铁开通
大数据时代，数据量激增，给数据处理能力提出了新的要求。金融业是与数据息息相关的行业，银行作为我国金融体系的重要组成部分，掌握着海量的客户个人资料和交易信息等。近年来随着竞争的加剧，只有有效利用手中的信息，将其“物尽其用”，才能有效实现客户管理，为决策提供指导，增加市场竞争力。科技变革的深入为金融业数据处理能力的提高提供了技术支持，运用机器学习、数据挖掘等技术服务于金融发展已成为大势所趋。 极限学
近年来互联网金融行业发展迅速，规模不断扩大，为广大消费者提供了便捷的借贷与支付渠道，不断满足消费者的借贷融资需求与便捷支付需求。但行业内暴露的相关问题会损害互联网金融消费者的权益，导致消费者进行在线投诉，互联网金融在线投诉处理效率是投诉处理参与各方共同关注的问题。 本文主要探究了以下问题：互联网金融行业在线投诉现状如何？影响互联网金融在线投诉处理效率的因素有哪些？这些因素是如何影响在线投诉处理效
随着知识图谱的迅速发展，面向知识图谱的中文领域问答系统已成为目前最新最热的研究方向之一，这对于提高专业领域服务智能化程度具有极高的意义和价值。知识图谱在金融领域的应用可以帮助金融业打通多方数据，及时识别主要关系并进行风险预警，从而帮助客户提高效率、增加收入、降低成本以及规避风险。针对中文口语语义表达多样化、不符合语法规范以及金融领域特殊性问题，研究出符合金融领域应用场景的基于知识图谱的问答系统成为
利率波动在金融市场上发挥着至关重要的杠杆作用。利率期限结构作为描述利率总体水平和变化趋势的工具，是投资者进行投资分析、政府参与宏观调控的参考依据。本文侧重于研究利率期限结构的动态模型理论。 金融市场的复杂性使得利率波动是一个充满不确定的过程，对这种不确定性进行刻画的传统工具是概率论。而本文引入不确定理论作为数理工具，将利率假设为一个不确定过程，用建立在不确定微分方程上的利率期限结构模型模拟短期瞬