基于SNS的證券公司客戶交流管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

1、 基于SNS的證券公司客戶交流管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)姓名：姓名： 鄭平鄭平專業(yè)：專業(yè)： 軟件工程軟件工程 指導(dǎo)教師：鄭巖指導(dǎo)教師：鄭巖2目錄3研究背景研究背景（1）證券公司所面臨的競爭日趨激烈。這場競爭使得證券公司由原來的“以資金為中心”轉(zhuǎn)變?yōu)椤耙钥蛻魹橹行摹?，以個(gè)性化服務(wù)和一對一營銷為爭奪客戶和擴(kuò)大市場份額的主要手段。（2）隨著互聯(lián)網(wǎng)的推進(jìn)與發(fā)展，上網(wǎng)群體的壯大，以及傳統(tǒng)的面對面交流方式的打破，將信息傳播、人際交往融為一體，SNS網(wǎng)站打破了傳統(tǒng)面對面的交流方式，蘊(yùn)涵了巨大的商業(yè)傳播價(jià)值。為企業(yè)提供了一個(gè)與目標(biāo)消費(fèi)者進(jìn)行互動(dòng)交流、深度溝通的品牌傳播平臺。4研究目的及意義研究目的及意義（1）搶占先

2、機(jī)?？梢宰鳛樘厣珷I銷的一部分，招攬更多喜歡SNS網(wǎng)站的大、小投資者。（2）改變戰(zhàn)略。網(wǎng)站定位是面向熟悉互聯(lián)網(wǎng)的、喜歡依靠互聯(lián)網(wǎng)挖掘信息增進(jìn)交流的中青年投資者，通過SNS商務(wù)交流的模式，將大家緊密的聯(lián)系起來。（3）創(chuàng)新經(jīng)營。改變以往陳舊的守株待兔似的營銷，主動(dòng)去挖掘客戶，根據(jù)不同需求，精準(zhǔn)營銷。（4）加強(qiáng)企業(yè)與客戶、客戶與客戶間的交流，通過深化溝通渠道，提高企業(yè)品牌知名度與客戶的忠誠度。5SSH框架系統(tǒng)B/S架構(gòu)MVC設(shè)計(jì)模式BP神經(jīng)網(wǎng)絡(luò)Bootstrap前端框架Oracle數(shù)據(jù)庫6研究過程研究過程繼續(xù)未完成的工作論文論文撰寫撰寫測試測試改進(jìn)改進(jìn)了解研了解研究現(xiàn)狀究現(xiàn)狀需求需求分析分析設(shè)計(jì)設(shè)計(jì)實(shí)

3、現(xiàn)實(shí)現(xiàn)7系統(tǒng)總體需求系統(tǒng)總體需求8系統(tǒng)邏輯層次系統(tǒng)邏輯層次9系統(tǒng)總體結(jié)構(gòu)系統(tǒng)總體結(jié)構(gòu)10數(shù)據(jù)庫總體結(jié)構(gòu)設(shè)計(jì)數(shù)據(jù)庫總體結(jié)構(gòu)設(shè)計(jì)相對于其他的管理系統(tǒng)而言，證券公司在系統(tǒng)性能的要求較高，而且系統(tǒng)數(shù)據(jù)量較大?；谶@樣的特點(diǎn)，本文決定分布式數(shù)據(jù)庫寫作的方式來構(gòu)建數(shù)據(jù)庫的總體結(jié)構(gòu)。11數(shù)據(jù)庫總體結(jié)構(gòu)設(shè)計(jì)數(shù)據(jù)庫總體結(jié)構(gòu)設(shè)計(jì) 本文采用了先垂直，后水平的拆分方案，水平拆分采用Hash取模法。拆分方案如下：12數(shù)據(jù)庫實(shí)體關(guān)系數(shù)據(jù)庫實(shí)體關(guān)系 本系統(tǒng)中所用到的實(shí)體抽象出功能、菜單項(xiàng)、角色、用戶、討論組、消息、活動(dòng)、日志、評論9個(gè)實(shí)體。實(shí)體關(guān)系如下所示：13數(shù)據(jù)庫邏輯結(jié)構(gòu)數(shù)據(jù)庫邏輯結(jié)構(gòu)14用戶界面設(shè)計(jì)用戶界面設(shè)計(jì) 由于

4、本系統(tǒng)為證券相關(guān)的產(chǎn)品，眾所周知，我國證券系統(tǒng)顯示，紅色為上漲，綠色、藍(lán)色為下跌（香港正好相反）。界面設(shè)計(jì)竟可能簡潔方便，盡可能的提高用戶體驗(yàn)。整體效果如右圖所示。15系統(tǒng)實(shí)現(xiàn)系統(tǒng)實(shí)現(xiàn) （1）表示層：采用Bootstrap框架構(gòu)建前臺頁面，相應(yīng)用戶消息，并采用Bootstrap提供的數(shù)據(jù)交互方式和業(yè)務(wù)層各模塊的Action類進(jìn)行數(shù)據(jù)交互。（2）邏輯層：在各模塊中根據(jù)業(yè)務(wù)邏輯的需求，設(shè)計(jì)多個(gè)Action類，來處理業(yè)務(wù)邏輯，并在對應(yīng)的方法中實(shí)現(xiàn)各邏輯之間的數(shù)據(jù)交互。（3）數(shù)據(jù)訪問層：該層包含多個(gè)Model類，負(fù)責(zé)各個(gè)數(shù)據(jù)庫表進(jìn)行數(shù)據(jù)對接，Model類的屬性與數(shù)據(jù)庫表字段一一對應(yīng)，Model類的方法

5、包含了該數(shù)據(jù)庫表的增、刪、改、查操作。另一端和Action對接，完成業(yè)務(wù)邏輯的需求。16數(shù)據(jù)挖掘的過程數(shù)據(jù)挖掘的過程 （1）定義商業(yè)問題：一方面是根據(jù)用戶交流內(nèi)容將用戶分類，方便用戶加好友時(shí)進(jìn)行用戶推薦以及證券公司的產(chǎn)品推薦。主要可以按用戶關(guān)心的產(chǎn)品分類，或者按操作手法比如是長線還是短線進(jìn)行分類。另一方面是根據(jù)用戶的交流討論內(nèi)容，對熱點(diǎn)的產(chǎn)品進(jìn)行挖掘，方便證券公司進(jìn)行熱點(diǎn)產(chǎn)品推薦以及一些廣告的發(fā)布。（2）數(shù)據(jù)理解：文中數(shù)據(jù)理解過程在縱向上主要是對解決商業(yè)問題相關(guān)的數(shù)據(jù)庫表進(jìn)行橫向的數(shù)據(jù)過濾。比如對用戶的評論表、日志表、個(gè)人信息表等數(shù)據(jù)庫表做過濾，過濾對挖掘結(jié)果無意義的評論。17數(shù)據(jù)挖掘的過程數(shù)

6、據(jù)挖掘的過程 （3）數(shù)據(jù)預(yù)處理：以為處理評論為例，需要對評論內(nèi)容進(jìn)行分詞和關(guān)鍵字提取，根據(jù)用戶與不同的證券產(chǎn)品的相關(guān)性賦予權(quán)值v，其中v0，1，若v的值越接近1則表明用戶的某項(xiàng)操作與該產(chǎn)品的相關(guān)度越高。（4）建立模型：本文建立的分析模型主要是采用BP神經(jīng)網(wǎng)絡(luò)對客戶的評價(jià)、交流進(jìn)行訓(xùn)練和識別，構(gòu)建一個(gè)識別網(wǎng)絡(luò)根據(jù)用戶行為對用戶進(jìn)行識別和分類。網(wǎng)絡(luò)模型設(shè)計(jì)如下圖所示。18神經(jīng)網(wǎng)絡(luò)的模型神經(jīng)網(wǎng)絡(luò)的模型19神經(jīng)網(wǎng)絡(luò)權(quán)值修正公式神經(jīng)網(wǎng)絡(luò)權(quán)值修正公式隱含層I與輸出層J之間權(quán)值修正值：( )( )( )( )( )( )( )( )( )JjJJtjjjJtjjijunE nE nw nn vnw nunw

7、 n (1)( )( )ijijtjwnwnwn 輸入層M與隱含層I之間的全修正量：( )( )( )Imitkmwnn xn(1)( )( )mimimiwnwnwn收斂條件：12101=()2iimnmmiiijEty總初始最小誤差20數(shù)據(jù)挖掘的過程數(shù)據(jù)挖掘的過程 （5）評價(jià)與解釋：這一階段的主要任務(wù)是選擇并實(shí)現(xiàn)適當(dāng)?shù)臄?shù)據(jù)挖掘技術(shù)。建立一個(gè)真正適合挖掘算法的分析模型。本文主要采用了基于統(tǒng)計(jì)模型的離差來評估模型。一個(gè)統(tǒng)計(jì)模型g對于一個(gè)目標(biāo)模型f的離差可以用歐氏距離定義：21( ,)( ()()niiif pf xpx（6）解釋模型：經(jīng)過評估確定模型后，模型對樣本計(jì)算的結(jié)果仍然是使用挖掘系統(tǒng)的

8、用戶無法理解的輸出形式。所以需要將輸出結(jié)果進(jìn)行進(jìn)一步的解釋，轉(zhuǎn)化成用戶可以理解的形式。該部分只是一個(gè)抽象轉(zhuǎn)化的過程。21挖掘結(jié)果呈現(xiàn)挖掘結(jié)果呈現(xiàn)用戶用戶總相似度總相似度產(chǎn)品產(chǎn)品1相似度相似度產(chǎn)品產(chǎn)品2相似度相似度產(chǎn)品產(chǎn)品3相似度相似度用戶用戶4170.9370.7560.9250.987用戶用戶1260.9160.879 0.8740.765用戶用戶3320.8940.6750.7650.673用戶用戶470.8730.9590.7180.632用戶用戶5830.8490.8060.8420.715用戶用戶6750.8290.8940.7310.708用戶用戶7320.8200.7210.8210.770 我們以根據(jù)用戶參與某類證券品種的行為分析進(jìn)行用戶好友推薦為例。經(jīng)過模型的計(jì)算轉(zhuǎn)化，對用戶A的推薦結(jié)果如下：22總結(jié)總結(jié)（1）系統(tǒng)基本上完成了開題的預(yù)期，實(shí)