基于机器学习的P2P网贷平台风险评价研究

发布时间：2021-01-13 11:24

　　P2P（peer to peer lending）网贷平台近年发展较快,但各种不良现象也不断涌现,问题平台的数量越来越多,这很大程度地影响了网贷行业的发展以及人们的投资热情,人们对平台的风险性会有很大担忧。因此如何对网贷平台的风险性进行合理准确的评价是一个亟需解决的问题,本课题主要围绕此问题展开研究。本文主要对P2P网贷平台数据进行分析,一方面,通过对网贷平台评论文本的情感分析及主题分析来观察用户对于平台的态度、用户关注点以及平台优缺点;另一方面,在相关网站上采集网贷平台披露的指标数据,并对各解释变量进行特征选择,进而利用机器学习相关算法在数据集上建立多种分类模型,通过模型对比选择最优模型用来帮助客户判断平台是正常平台或问题平台,从而防范平台风险。通过分析主要得出两个结论:一是发现大部分用户对平台的情绪是正面的,并利用LDA（Latent Dirichlet Alocation）主题模型深入了解了网贷平台的优缺点;二是发现梯度提升树模型的预测效果相对更好,可以用于平台风险评价。本文的创新点主要在于以下三个方面:一是采用了文本分析这一全新的研究方法,通过非结构化信息即用户的评论内容深入挖... 

【文章来源】：曲阜师范大学山东省

【文章页数】：43 页

【学位级别】：硕士

【部分图文】：

问题平台数量趋势

第三章P2P网贷平台风险评价研究11第三章P2P网贷平台风险评价研究3.1基于文本分析的用户情感挖掘3.1.1评论文本采集与处理首先，打开网贷之家首页https://www.wdzj.com/，搜索网贷平台数据，打开一个具体的平台如宜人贷，可以从中看到有很多条评论，我们要做的就是爬取这些平台的评论相关信息。图3.1网贷之家首页图3.2宜人贷评论页面接下来，利用R软件进行数据爬取，由于评论数量庞大，于是选取了发展指数排名前十的网贷平台，其中有宜人贷、人人贷、小赢网金、微贷网、玖富普惠、翼龙贷、积木盒子、洋钱罐、PPmoney网贷、有利网，爬取这十个平台

第三章P2P网贷平台风险评价研究11第三章P2P网贷平台风险评价研究3.1基于文本分析的用户情感挖掘3.1.1评论文本采集与处理首先，打开网贷之家首页https://www.wdzj.com/，搜索网贷平台数据，打开一个具体的平台如宜人贷，可以从中看到有很多条评论，我们要做的就是爬取这些平台的评论相关信息。图3.1网贷之家首页图3.2宜人贷评论页面接下来，利用R软件进行数据爬取，由于评论数量庞大，于是选取了发展指数排名前十的网贷平台，其中有宜人贷、人人贷、小赢网金、微贷网、玖富普惠、翼龙贷、积木盒子、洋钱罐、PPmoney网贷、有利网，爬取这十个平台

【参考文献】：
期刊论文
[1]P2P网贷平台风险甄别研究[J]. 师应来,张冰洁,姜昊.  统计与决策. 2018(16)
[2]新经济业态P2P网络借贷的风险甄别研究[J]. 范超,王磊,解明明.  统计研究. 2017(02)

硕士论文
[1]基于LDA的国内图书情报学研究主题发现及其演化研究[D]. 林丽丽.曲阜师范大学 2019
[2]基于文本挖掘的笔记本电脑网评分析[D]. 李清镇.兰州财经大学 2019
[3]基于机器学习的P2P网贷平台违约风险预测实证研究[D]. 胡芳琴.安庆师范大学 2019
[4]基于逻辑回归的P2P网络借贷贷款评分测算研究[D]. 张奥淞.东北财经大学 2018
[5]P2P网贷平台风险评价研究[D]. 崔炎炎.北方工业大学 2018
[6]基于机器学习的P2P个人网贷信用评估方法研究[D]. 高于舒.重庆大学 2018
[7]基于机器学习的P2P网络借贷风险预测[D]. 马鸣宇.华中科技大学 2018
[8]基于随机森林的P2P网贷借款人信用风险评估研究[D]. 田桂英.湖南大学 2018
[9]P2P网贷信用风险研究[D]. 孙航.浙江大学 2017
[10]P2P网络平台的风险监控[D]. 柏传平.浙江大学 2017



本文编号：2974788