随着金融大数据技术的发展和投资者个性化、多样化的需求,金融知识服务面临着更大的挑战。投资者如何获取及时准确的实时数据,如何估计某一只债券的未来价格和未来收益,如何在收益相当的债券中选择风险最低的债券,如何在最短的时间内使得收益最大化等等,都是投资者关心的热点问题。以上问题亟需异构信息处理技术、数据挖掘方法的技术支持,因此,本文主要研究从海量金融信息中发现、挖掘出更有价值信息的方法和策略,应用于企业债券知识服务。债券信息的获取是知识服务的基础。为了保证知识服务的准确性和高效性,首先需要获取全面而准确的数据,其次,通过进一步去噪、优化等处理,将金融数据处理为结构化数据,为整个服务过程中的推荐策略和趋势预测提供准确的数据保障。为了使投资者投入更少的精力而获得相对较高的收益,提出具有针对性的同类益高债券推荐策略。从债券投资者的角度出发,深入分析、研究了投资过程中影响债券收益率的关键特征组合,从而为用户提供更高效的、个性化的投资策略。债券趋势预测为投资者提供了债券价格和收益变化趋势的参考。利用机器学习的方法基于债券价格时间序列、行业、公司新闻等信息对债券未来趋势进行预测,综合多个影响债券价格走势的特征因素及多种特征形式,提高了预测的准确性。综上所述,本文利用自然语言处理技术、数据挖掘方法从海量金融数据中获取数据信息,并处理为结构化数据,进一步发现、挖掘更有价值的信息,利用债券推荐策略和趋势预测方法为用户提供个性化、多样化且高效的金融知识服务。