基于BP神经网络与半监督学习的网贷平台信用评估模型

发布时间：2017-09-19 05:15

  本文关键词：基于BP神经网络与半监督学习的网贷平台信用评估模型

  更多相关文章： 网贷平台 信用评估 BP神经网络 半监督学习 协同训练

【摘要】：中国互联网金融网贷平台增长势头继续高歌猛进,与此同时,爆出问题的“跑路”平台越来越多,网贷平台自身的信用成为阻碍其发展的最大障碍。现有的网贷平台征信与信用评估服务主要面向用户,而缺乏平台自身的信用评估体系。本文的目标是针对网贷平台建立科学有效的信用评估体系。对此,本文根据网贷平台评估指标数据获取人工和时间成本过高的现状,提出了基于自动化抓取网络公开数据的信用评估指标体系,包括基本信息指标、动态数据指标、访问平台数据指标。基于网贷平台信用标签数据缺失并且难以获取权威结果的现状,本文提出用半监督学习的方法代替以往线性回归和监督学习的方法,充分利用无标签数据来提高评估模型的预测准确性。本文自动化抓取了169家网贷平台的31个指标数据,将其作为模型的输入,选取中国社科院金融研究所发布的23家平台评级结果作为标签,并将其作为模型的输出。运用协同训练的方法,首先初始化两个不同参数的BP神经网络回归模型,找到标记置信度最高的无标签对象,即染上标签后能减小预测模型的均方误差,然后将其染上标签并放入对方回归模型的训练集中以便更新模型,不断迭代直到循环结束,最后综合两个回归模型作为最终的预测模型。实验结果表明,与直接用回归模型相比,协同训练式半监督学习的回归模型利用了大量的无标签数据,提高了预测结果的准确性,可以为网贷行业提供一种科学有效的平台信用评估方法。
【关键词】：网贷平台 信用评估 BP神经网络 半监督学习 协同训练
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F724.6;F832.4;TP183
【目录】：

• 摘要4-5
• Abstract5-11
• 第1章 绪论11-23
• 1.1 课题背景11-15
• 1.1.1 互联网金融借贷平台概况11-12
• 1.1.2 网贷平台信用问题爆发12-13
• 1.1.3 网贷行业信用风险及产生原因13-15
• 1.2 信用评估研究现状15-19
• 1.2.1 国外研究现状15-18
• 1.2.2 国内研究现状18-19
• 1.3 研究目标和内容19-22
• 1.3.1 研究目标和思路19-21
• 1.3.2 本文内容21-22
• 1.4 本章小结22-23
• 第2章 平台信用评估相关技术与研究23-43
• 2.1 互联网金融网贷平台信用评估体系23-32
• 2.1.1 信用评估体系构建原则23-24
• 2.1.2 现有网贷平台信用评估模型24-32
• 2.2 相关理论体系与技术32-42
• 2.2.1 BP神经网络32-35
• 2.2.2 K-近邻算法35-37
• 2.2.3 半监督学习37-40
• 2.2.4 协同训练算法40-42
• 2.3 本章小结42-43
• 第3章 基于半监督学习算法的平台信用评估43-56
• 3.1 互联网金融网贷平台信用评估指标43-46
• 3.1.1 现有信用评估指标分析43-44
• 3.1.2 网贷平台信用评估指标体系的建立44-46
• 3.2 利用半监督学习方法进行平台信用评估的优越性46-47
• 3.3 基于BP神经网络的协同训练式半监督回归算法47-55
• 3.3.1 协同训练式半监督学习回归算法定义与过程47-53
• 3.3.2 协同训练式半监督学习回归算法可靠性53-55
• 3.4 本章小结55-56
• 第4章 实验与分析56-73
• 4.1 数据集的抓取和处理56-58
• 4.2 协同训练式半监督回归实验58-65
• 4.2.1 实验方案58
• 4.2.2 评价标准58-59
• 4.2.3 参数训练59-63
• 4.2.4 实验性能对比63-65
• 4.3 网贷平台信用评分结果65-70
• 4.4 实验结果分析70-72
• 4.5 本章小结72-73
• 第5章 总结与展望73-75
• 5.1 论文主要创新点和工作73-74
• 5.1.1 信用评估体系指标的选择和获取73
• 5.1.2 BP神经网络回归结合协同训练式半监督学习的应用73-74
• 5.2 将来的工作展望74-75
• 参考文献75-80
• 攻读硕士学位期间主要的研究成果80-81
• 致谢81

【参考文献】

中国期刊全文数据库 前1条

1 陈云;石松;;基于PSO-BP集成的国内外企业信用风险评估[J];计算机应用研究;2014年09期

，

本文编号：879695