互聯網金融信息智能挖掘是一個涉及數據挖掘、計算智能、統計學、計算語言學、模式識別、金融學等多個學科的領域。 本書綜合了大量國內外的最新資料和作者的研究成果，系統而有選擇地介紹了互聯網金融信息智能挖掘問題。全書從結構上分為三篇。第1篇介紹了作者主持研發的一個互聯網金融信息挖掘系統平台。第2篇具體介紹了一些相關技術基礎，包括互聯網金融信息文本分析、神經網絡技術、支持向量機技術。第3篇主要介紹了互聯網金融信息挖掘領域的一些問題和基本應用，包括互聯網金融信息的相關分析，金融信息量、交易量和收益率時間序列的關聯研究，以及基于金融信息量的交易量和收益率的控制問題。 本書的讀者可以是對模式識別、計算機智能感興趣的計算機專業人士，也可以是對互聯網金融信息智能挖掘感興趣的領域專家。它可供數據挖掘、機器智能、數據分析、金融等領域的科技人員和高校師生作研究的參考資料。

第1篇 系統平台 第1章 互聯網金融信息及其挖掘系統 1.1 互聯網金融信息概述 1.2 互聯網金融信息挖掘系統平台的總體結構 1.3 互聯網信息的計算機獲取 1.4 互聯網金融信息挖掘結果展示系統 1.5 展望 第2篇 技術基礎 第2章 互聯網金融文本處理技術 2.1 概述 2.2 基礎資源 2.3 詞法分析 2.4 句法分析 2.5 語義分析 第3章 神經網絡方法 3.1 學習的分類 3.2 群和正交群 3.3 前饋神經網絡誤差超曲面的復雜性 3.4 最小二乘擬和與廣義逆矩陣 3.5 結構壓縮的通用算法 第4章 支持向量機技術（Ⅰ） 4.1 數學準備︰線性空間和線性算子 4.2 SVC和SVR 4.3 將多項式核分解為到單項式空間的映射� 第5章 支持向量機技術（Ⅱ） 5.1 支持向量機的結構壓縮 5.2 支持向量機的增量學習算法 5.3 支持向量機超曲面不均分兩類 第6章 支持向量機技術（Ⅲ） 6.1 H和U及K空間的一些關系 6.2 通過在U中訓練第2個SVM調整分隔超平面� 第3篇 基礎應用 第7章 金融信息量和交易量及收益率時間序列的關聯 7.1 概述 7.2 基于神經網絡的金融信息量建模 7.3 基于支持向量機的金融信息量建模 7.4 NN和SVM在挖掘新聞量和交易量關系的比較研究 第8章 基于金融信息量的股市收益率的控制問題 8.1 概述 8.2 控制系統分析 8.3 使用金融信息量控制收益率波動率的實驗 8.4 展望 參考文獻