在大数据的时代背景下,零售、金融和医疗等传统行业开始向“数据驱动型企业”转型,他们意识到,对用户在线行为的记录以及对其意图和偏好的挖掘可以为企业的运营和营销提供强有力的支持。证券行业自身的业务形态产生了大量质量高、价值大的数据,具有极大的挖掘价值。随着人们理财意识的加强,对于用户理财行为特征的研究也逐渐受到更多关注。随着科技的迅猛发展,证券用户可以获取的信息量爆炸性的增长,但我们选择信息的能力有限,如何通过个性化推荐技术解决证券用户遭遇的信息过载现象,成为了证券公司和理财用户急需解决的问题。本文既是在此背景下,通过分析证券理财产品用户的行为模式,研究适用于理财产品的个性化推荐方式,进而形成一个完整的证券理财个性化推荐系统。本文的主要工作可以概括为以下三点:(1)分析了用户购买理财产品的数据,统计了用户购买次数、理财产品销售情况和用户的活跃性,并从人类动力学的角度挖掘了用户购买理财产品的行为特征,同其他人类行为一样,主要表现为“强阵发弱记忆”的特性。(2)研究了常用的协同过滤和混合扩散算法,并将这些算法应用于证券理财产品的个性化推荐中,同时根据证券理财用户的使用场景,提出了基于用户聚类的热门推荐和基于用户实时行为的个性化推荐两种扩展的推荐策略。(3)参与设计并实现了基于证券理财产品的个性化推荐系统,详细说明了个性化理财产品营销子模块的框架设计,以及离线分析和在线推荐的处理流程,通过增量推荐的方式达到秒级内的响应时间,并从算法和营销两个角度,实现了个性化推荐算法在推荐效果上的提升。