CN110019851A - 一种个性化的交易员教学自动推荐方法和系统 - Google Patents
一种个性化的交易员教学自动推荐方法和系统 Download PDFInfo
- Publication number
- CN110019851A CN110019851A CN201710855957.8A CN201710855957A CN110019851A CN 110019851 A CN110019851 A CN 110019851A CN 201710855957 A CN201710855957 A CN 201710855957A CN 110019851 A CN110019851 A CN 110019851A
- Authority
- CN
- China
- Prior art keywords
- personalization
- personalized
- engine
- teaching material
- various dimensions
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000006399 behavior Effects 0.000 claims description 39
- 238000004088 simulation Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 3
- 206010034719 Personality change Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种个性化的交易员教学自动推荐方法,所述方法包括:特征引擎获得用户行为数据;特征引擎分析所述用户行为数据;特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎;搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎;多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。该方法可以通过特征引擎获得用户行为数据并对用户行为数据进行分析以最终通过多维度个性化排名引擎将个性化教材列表发送最优个性化教材至交易员处。
Description
技术领域
本发明涉及交易员教学领域,尤其涉及一种个性化的交易员教学自动推荐方法和系统。
背景技术
证券从业者需要对投资者(及广义的交易员)建立完整的教学知识库,并对其交易能力、风险偏好进行长期准确的教学,用户一般需要进行真实的投资、模拟投资和模拟游戏。
传统办法所依赖的往往是静态、低维数据,即现在的资产总额、流动性情况、风险问卷等,然后进行单一维度的分析,所评价的准确度低、主观性模糊性较强、无法综合考虑交易员多维度的信息以及针对交易员进行个性化的教学自动推荐。
发明内容
基于此,本发明有必要提供一种个性化的交易员教学自动推荐方法。
一种个性化的交易员教学自动推荐方法,所述方法包括:
特征引擎获得用户行为数据,
特征引擎透过训练模型S,分析用户行为数据,获得不同特征的评分;
特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎,其中,所述个性化为可以根据用户不同的特性行为:如风险承受能力、获利能力,获得对应的个性化查询词,如风险、下跌、胜率、成功率;不同的交易员因应不同的特征评分,会获得不同的查询词,而就评分的不同,各个查询会有权重的变更;
搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎,其中,教学知识库为海量内容的数据库,内容包括,教材,书籍,语音,图片,影片;
多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。
在其中一个实施例中,特征引擎获得用户行为数据之前,所述方法还包括:
交易员进行真实投资操作;
或者,交易员进行模拟投资操作;
或者,交易员进行模拟游戏操作。
在其中一个实施例中,多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序之后,所述方法还包括:
多维度个性化排名引擎将个性化教材列表发送至交易员;
交易员获得最优个性化教材。
在其中一个实施例中,所述用户行为数据包括做多、做空、平仓、获利、损失、查看教材、持仓时长的数据。
在其中一个实施例中,所述多维度个性化排名引擎包括个性化、教材质量、教材重要性、用户反馈、多样性和学习路径。
一种个性化的交易员教学自动推荐系统,所述系统包括特征引擎、搜索引擎和多维度个性化排名引擎;其中,
特征引擎获得用户行为数据;
特征引擎透过训练模型S,分析用户行为数据,获得不同特征的评分;
特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎,其中,所述个性化为可以根据用户不同的特性行为:如风险承受能力、获利能力,获得对应的个性化查询词,如风险、下跌、胜率、成功率;不同的交易员因应不同的特征评分,会获得不同的查询词,而就评分的不同,各个查询会有权重的变更;
搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎,其中,教学知识库为海量内容的数据库,内容包括,教材,书籍,语音,图片,影片;
多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。
在其中一个实施例中,所述系统中的交易员进行以下操作之一:
交易员进行真实投资操作;
或者,交易员进行模拟投资操作;
或者,交易员进行模拟游戏操作。
在其中一个实施例中,所述系统还进行以下操作:
多维度个性化排名引擎将个性化教材列表发送至交易员;
交易员获得最优个性化教材。
在其中一个实施例中,所述用户行为数据包括做多、做空、平仓、获利、损失、查看教材、持仓时长的数据。
在其中一个实施例中,所述多维度个性化排名引擎包括个性化、教材质量、教材重要性、用户反馈、多样性和学习路径。
有益效果:
本发明提供了一种个性化的交易员教学自动推荐方法,所述方法包括:特征引擎获得用户行为数据;特征引擎分析所述用户行为数据;特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎;搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎;多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。该方法可以通过特征引擎获得用户行为数据并对用户行为数据进行分析以最终通过多维度个性化排名引擎将个性化教材列表发送最优个性化教材至交易员处。
附图说明
图1是本发明的一种个性化的交易员教学自动推荐方法流程图。
图2是本发明的一种个性化的交易员教学自动推荐系统交互图。
具体实施方式
为使本领域的普通技术人员更加清楚地理解本发明所要解决的技术问题、技术方案和有益技术效果,以下结合附图和实施例对本发明做进一步的阐述。
请参照图1,一种个性化的交易员教学自动推荐方法,所述方法包括:
S100:特征引擎获得用户行为数据;
需要说明的是,在一个实施例中,用户行为数据包括用户评价数据、用户评估数据和用户学习路径数据,当然,在其他的实施例中,用户行为数据还可以包括其他数据。
S200:特征引擎透过训练模型S,分析用户行为数据,获得不同特征的评分。
S300:特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎,其中,所述个性化为可以根据用户不同的特性行为:如风险承受能力、获利能力,获得对应的个性化查询词,如风险、下跌、胜率、成功率;不同的交易员因应不同的特征评分,会获得不同的查询词,而就评分的不同,各个查询会有权重的变更;
S400:搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎,其中,教学知识库为海量内容的数据库,内容包括,教材,书籍,语音,图片,影片;
需要说明的是,在一个实施例中,搜索引擎获得个性化查询词可以通过教学知识库获得,当然,在其他的实施例中,也可以通过其他的教学知识库获得。
S500:多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。
需要说明的是,在对个性化教材列表进行排序后,还需要将个性化教材列表发送至交易员,交易员获得最优个性化教材。
在其中一个实施例中,特征引擎获得用户行为数据之前,所述方法还包括:
交易员进行真实投资操作;
或者,交易员进行模拟投资操作;
或者,交易员进行模拟游戏操作。
在其中一个实施例中,多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序之后,所述方法还包括:
多维度个性化排名引擎将个性化教材列表发送至交易员;
交易员获得最优个性化教材。
在其中一个实施例中,所述用户行为数据包括做多、做空、平仓、获利、损失、查看教材、持仓时长的数据。
在其中一个实施例中,所述多维度个性化排名引擎包括个性化、教材质量、教材重要性、用户反馈、多样性和学习路径这多维度。
需要说明的是,个性化为根据特征引擎区分不同交易员的特征,找出该交易员的弱项及权重,提供个性化教材;
教材质量为根据海量教材评分训练模型M,对各教材进行评分。教材评分训练模型M,可以为不同的教材进行评分,以具分教材的质量;
教材重要性为根据交易员的特性,学习路径,交易员行为纪录,配对教材对不同交易员的重要程度,给予教材重要性的评分;
用户反馈为根据交易员查看教材的纪录,如查看次数,查看时长,查看篇幅,最后查看位置,为教材列表进行分析、重新排序及评分;
多样性为根据交易员的特性,提供不相同的教材,以丰富弱项以外的能力;
学习路径,多维度个性化排名引擎设有不同的学习路径、根据交易员的学习纪录、特征及评分,将交易员区分为不同等级,比如被评定为资深等级的交易员不会获得初阶的教材。
本发明提供了一种个性化的交易员教学自动推荐方法,所述方法包括:
特征引擎获得用户行为数据;特征引擎分析所述用户行为数据;
特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎;
搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎;多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。该方法可以通过特征引擎获得用户行为数据并对用户行为数据进行分析以最终通过多维度个性化排名引擎将个性化教材列表发送最优个性化教材至交易员处。
请参照图2,一种个性化的交易员教学自动推荐系统,所述系统包括特征引擎100、搜索引擎200和多维度个性化排名引擎300;其中,
特征引擎获得用户行为数据;
特征引擎透过训练模型S,分析用户行为数据,获得不同特征的评分;
特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎,其中,所述个性化为可以根据用户不同的特性行为:如风险承受能力、获利能力,获得对应的个性化查询词,如风险、下跌、胜率、成功率;不同的交易员因应不同的特征评分,会获得不同的查询词,而就评分的不同,各个查询会有权重的变更;
搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎,其中,教学知识库为海量内容的数据库,内容包括,教材,书籍,语音,图片,影片;
多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。
其中一个实施例中,所述所述用户行为数据包括做多、做空、平仓、获利、损失、查看教材、持仓时长的数据。
在其中一个实施例中,所述多维度个性化排名引擎包括个性化、教材质量、教材重要性、用户反馈、多样性和学习路径这多维度。
本发明的一种个性化的交易员教学自动推荐系统,所述系统包括特征引擎、搜索引擎和多维度个性化排名引擎;其中,特征引擎获得用户行为数据;特征引擎分析所述用户行为数据;特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎;搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎;多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
以上所述仅为本发明的优选实施例,而非对本发明做任何形式上的限制。本领域的技术人员可在上述实施例的基础上施以各种等同的更改和改进,凡在权利要求范围内所做的等同变化或修饰,均应落入本发明的保护范围之内。
Claims (10)
1.一种个性化的交易员教学自动推荐方法,其特征在于,所述方法包括:
特征引擎获得用户行为数据;
特征引擎透过训练模型S,分析用户行为数据,获得不同特征的评分;
特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎,其中,所述个性化为可以根据用户不同的特性行为:如风险承受能力、获利能力,获得对应的个性化查询词,如风险、下跌、胜率、成功率;不同的交易员因应不同的特征评分,会获得不同的查询词,而就评分的不同,各个查询会有权重的变更;
搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎,其中,教学知识库为海量内容的数据库,内容包括,教材,书籍,语音,图片,影片;
多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。
2.根据权利要求1所述的方法,其特征在于,特征引擎获得用户行为数据之前,所述方法还包括:
交易员进行真实投资操作;
或者,交易员进行模拟投资操作;
或者,交易员进行模拟游戏操作。
3.根据权利要求1所述的方法,其特征在于,多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序之后,所述方法还包括:
多维度个性化排名引擎将个性化教材列表发送至交易员;
交易员获得最优个性化教材。
4.根据权利要求1所述的方法,其特征在于,所述用户行为数据包括做多、做空、平仓、获利、损失、查看教材、持仓时长的数据。
5.根据权利要求1所述的方法,其特征在于,所述多维度个性化排名引擎包括个性化、教材质量、教材重要性、用户反馈、多样性和学习路径。
6.一种个性化的交易员教学自动推荐系统,其特征在于,所述系统包括特征引擎、搜索引擎和多维度个性化排名引擎;其中,
特征引擎获得用户行为数据;
特征引擎透过训练模型S,分析用户行为数据,获得不同特征的评分;
特征引擎获得个性化查询词,并发送所述个性化查询词至搜索引擎,其中,所述个性化为可以根据用户不同的特性行为:如风险承受能力、获利能力,获得对应的个性化查询词,如风险、下跌、胜率、成功率;不同的交易员因应不同的特征评分,会获得不同的查询词,而就评分的不同,各个查询会有权重的变更;
搜索引擎查询所述个性化查询词,并将所述个性化教材列表发送至多维度个性化排名引擎,其中,教学知识库为海量内容的数据库,内容包括,教材,书籍,语音,图片,影片;
多维度个性化排名引擎接收所述个性化教材列表,并对所述个性化教材列表进行排序。
7.根据权利要求6所述的系统,其特征在于,所述系统中的交易员进行以下操作之一:
交易员进行真实投资操作;
或者,交易员进行模拟投资操作;
或者,交易员进行模拟游戏操作。
8.根据权利要求6所述的系统,其特征在于,所述系统还进行以下操作:
多维度个性化排名引擎将个性化教材列表发送至交易员;
交易员获得最优个性化教材。
9.根据权利要求6所述的系统,其特征在于,所述用户行为数据包括做多、做空、平仓、获利、损失、查看教材、持仓时长的数据。
10.根据权利要求6所述的系统,其特征在于,所述多维度个性化排名引擎包括个性化、教材质量、教材重要性、用户反馈、多样性和学习路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710855957.8A CN110019851A (zh) | 2017-09-19 | 2017-09-19 | 一种个性化的交易员教学自动推荐方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710855957.8A CN110019851A (zh) | 2017-09-19 | 2017-09-19 | 一种个性化的交易员教学自动推荐方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110019851A true CN110019851A (zh) | 2019-07-16 |
Family
ID=67186283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710855957.8A Pending CN110019851A (zh) | 2017-09-19 | 2017-09-19 | 一种个性化的交易员教学自动推荐方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110019851A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010048336A1 (en) * | 2008-10-21 | 2010-04-29 | Financial Finesse, Inc. | Method and system for personalized education |
CN102508846A (zh) * | 2011-09-26 | 2012-06-20 | 深圳中兴网信科技有限公司 | 一种基于网络的媒体课件的推荐方法和系统 |
CN103116657A (zh) * | 2013-03-11 | 2013-05-22 | 中国科学院自动化研究所 | 一种网络教学资源的个性化搜索方法 |
US20150206452A1 (en) * | 2008-10-21 | 2015-07-23 | Financial Finesse, Inc. | Method and system for personalized financial education |
US20160012538A1 (en) * | 2014-07-14 | 2016-01-14 | Rerankable LLC | Educational Decision-Making Tool |
CN105843909A (zh) * | 2016-03-24 | 2016-08-10 | 上海诺亚投资管理有限公司 | 金融信息的推送方法及装置 |
CN105868390A (zh) * | 2016-04-15 | 2016-08-17 | 乐视控股(北京)有限公司 | 个性化信息推荐方法及装置 |
US20160239918A1 (en) * | 2013-09-24 | 2016-08-18 | Openfolio Corporation | Systems and methods for presenting relevant data to users of a financial computer network |
CN106327227A (zh) * | 2015-06-19 | 2017-01-11 | 北京航天在线网络科技有限公司 | 一种信息推荐系统及信息推荐方法 |
CN106528693A (zh) * | 2016-10-25 | 2017-03-22 | 广东科海信息科技股份有限公司 | 面向个性化学习的教育资源推荐方法及系统 |
-
2017
- 2017-09-19 CN CN201710855957.8A patent/CN110019851A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010048336A1 (en) * | 2008-10-21 | 2010-04-29 | Financial Finesse, Inc. | Method and system for personalized education |
US20110225079A1 (en) * | 2008-10-21 | 2011-09-15 | Financial Finesse, Inc. | Method and system for personalized education |
US20150206452A1 (en) * | 2008-10-21 | 2015-07-23 | Financial Finesse, Inc. | Method and system for personalized financial education |
CN102508846A (zh) * | 2011-09-26 | 2012-06-20 | 深圳中兴网信科技有限公司 | 一种基于网络的媒体课件的推荐方法和系统 |
CN103116657A (zh) * | 2013-03-11 | 2013-05-22 | 中国科学院自动化研究所 | 一种网络教学资源的个性化搜索方法 |
US20160239918A1 (en) * | 2013-09-24 | 2016-08-18 | Openfolio Corporation | Systems and methods for presenting relevant data to users of a financial computer network |
US20160012538A1 (en) * | 2014-07-14 | 2016-01-14 | Rerankable LLC | Educational Decision-Making Tool |
CN106327227A (zh) * | 2015-06-19 | 2017-01-11 | 北京航天在线网络科技有限公司 | 一种信息推荐系统及信息推荐方法 |
CN105843909A (zh) * | 2016-03-24 | 2016-08-10 | 上海诺亚投资管理有限公司 | 金融信息的推送方法及装置 |
CN105868390A (zh) * | 2016-04-15 | 2016-08-17 | 乐视控股(北京)有限公司 | 个性化信息推荐方法及装置 |
CN106528693A (zh) * | 2016-10-25 | 2017-03-22 | 广东科海信息科技股份有限公司 | 面向个性化学习的教育资源推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220148275A1 (en) | Marker-based augmented reality authoring tools | |
Kawasaki | The art of the start 2.0: The time-tested, battle-hardened guide for anyone starting anything | |
Butticè et al. | Active backers, product commercialisation and product quality after a crowdfunding campaign: A comparison between first-time and repeated entrepreneurs | |
CN110163714A (zh) | 一种基于相似度算法挖掘隐藏风险商户的方法和装置 | |
CN108182634A (zh) | 一种借贷预测模型的训练方法、借贷预测方法和装置 | |
Grant | The business of giving: The theory and practice of philanthropy, grantmaking and social investment | |
Atkinson et al. | The Business Book: Big Ideas Simply Explained | |
Frank et al. | Code halos: How the digital lives of people, things, and organizations are changing the rules of business | |
Simpson | The rediscovery of classical economics: adaptation, complexity and growth | |
CN111782947A (zh) | 一种搜索内容展示方法、装置、电子设备及存储介质 | |
Kumar | Machine learning and cognition in enterprises: business intelligence transformed | |
CN107742217A (zh) | 基于商家的业务控制方法和装置 | |
Ahn et al. | What makes the difference between popular games and unpopular games? analysis of online game reviews from steam platform using word2vec and bass model | |
Yamakami | Gamification literacy: Emerging needs for identifying bad gamification | |
KR102146987B1 (ko) | 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 | |
Bailey et al. | Philosophy, politics, and economics of cryptocurrency I: Money without state | |
Chambers | Capitalist Economics | |
You et al. | Performance of online reputation mechanisms under the influence of different types of biases | |
Danielsson et al. | Dealing with systemic risk when we measure it badly | |
Sarvary | Gurus and Oracles: The Marketing of Information | |
CN110019851A (zh) | 一种个性化的交易员教学自动推荐方法和系统 | |
Hegel | Social Reading in the Digital Age | |
Holmes | The chameleon consultant: culturally intelligent consultancy | |
Zegners | Building an online reputation with free content: Evidence from the e-book market | |
CN114862636A (zh) | 一种金融智能授课与隐私保护方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |
|
RJ01 | Rejection of invention patent application after publication |