發(fā)布時間：2018-01-15 07:27

  本文關鍵詞：基于復雜網(wǎng)絡和機器學習的P2P用戶違約預測　出處：《北京師范大學學報(自然科學版)》2017年01期 　論文類型：期刊論文

  更多相關文章： 復雜網(wǎng)絡 互聯(lián)網(wǎng)金融 PP 機器學習

【摘要】：互聯(lián)網(wǎng)的發(fā)展不斷沖擊著各個行業(yè),P2P行業(yè)作為2013年開始興起的互聯(lián)網(wǎng)金融中的重要組成部分最近一段時間由于信用違約等原因,給許多用戶帶來了不小的財產損失.對于P2P行業(yè)來說,對用戶的信用預測及防范違約風險是事關公司利潤的核心問題.本文利用用戶手機通訊錄之間的包含關系構建社交網(wǎng)絡,并從復雜網(wǎng)絡的視角加以分析.通過將分析結果轉化為機器學習的輸入特征,我們用支持向量機的方法挖掘其內在的關聯(lián),從而利用用戶的社會網(wǎng)絡結構性質預測其信用情況.我們的模型基于知名互聯(lián)網(wǎng)金融公司閃銀所提供的大規(guī)模脫敏數(shù)據(jù),得到了很好的預測效果.
[Abstract]:The development of the Internet continues to impact the various industries P2P industry as an important component of Internet finance which began to rise in 2013 due to credit default and other reasons. To many users brought not small property losses. For the P2P industry. Credit prediction and default risk prevention are the core issues of corporate profit. This paper uses the inclusion relationship between mobile phone address book to build social network. By transforming the analysis results into the input features of machine learning, we use the support vector machine (SVM) method to mine their internal relations. The model is based on the large-scale desensitization data provided by the well-known Internet finance company Flash Bank, and gets a good prediction effect.
【作者單位】： 北京師范大學系統(tǒng)科學學院;
【分類號】：F724.6;F832.4
【正文快照】： 現(xiàn)代社會是一個建立在信用基礎之上的社會,尤其是對于金融機構,客戶的信用評估直接關系到公司的盈利和風險.傳統(tǒng)商業(yè)銀行對于個人信用評估的研究已有逾百年歷史,形成了一套比較完善的方法[1-3].近年來,由于互聯(lián)網(wǎng)的興起,互聯(lián)網(wǎng)金融作為一個新興產業(yè)在中國正處于早期快速發(fā)展階

【相似文獻】

相關期刊論文 前10條

1 賀英杰;葉宗民;金吉學;;機器學習在入侵檢測中的應用綜述[J];計算機安全;2010年03期

2 袁鼎榮;;淺談《機器學習》的課程教學方法[J];廣西經(jīng)濟管理干部學院學報;2010年04期

3 李航;;機器學習正在改變我們的工作與生活[J];中國科技財富;2011年15期

4 井田;朱玉琴;;多側面遞進算法在機器學習中的應用[J];科技創(chuàng)新導報;2012年11期

5 ;“第12屆中國機器學習會議”征文[J];科技導報;2009年19期

6 ;傳漾:AdPlace[J];成功營銷;2013年03期

7 白朝陽;;美國國安局:防不勝防的“信息竊賊”[J];中國經(jīng)濟周刊;2013年24期

8 ;“第12屆中國機器學習會議”征文[J];科技導報;2009年21期

9 井超;陳立潮;;機器學習在科技成果評估專家系統(tǒng)中的應用[J];科技情報開發(fā)與經(jīng)濟;2006年07期

10 丁未;;機器學習為代表的人工智能在儀器儀表工業(yè)中的應用展望[J];中國儀器儀表;2014年08期

相關會議論文 前10條

1 王玨;;歸納機器學習[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王昊;李銀波;紀志梁;;利用機器學習方法預測嚴重藥物不良反應-呼吸困難[A];中國化學會第28屆學術年會第13分會場摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機器學習的新領域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術年會文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機器學習串級結構的初步探討[A];1998年中國控制會議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學習法相結合的蛋白質名識別[A];大連理工大學生物醫(yī)學工程學術論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機器學習在中醫(yī)計算機診斷識別系統(tǒng)中的應用思考[A];第一屆全國中西醫(yī)結合診斷學術會議論文選集[C];2006年

7 蔡健平;林世平;;基于機器學習的詞語和句子極性分析[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對高爐爐況評價模型參數(shù)的機器學習——一個三類線性模式分類器的實現(xiàn)[A];1995中國控制與決策學術年會論文集[C];1995年

9 程國建;蔡磊;潘華賢;;核向量機在大規(guī)模機器學習中的應用[A];第十一屆中國青年信息與管理學者大會論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計學習理論及其應用[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

相關重要報紙文章 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機器學習與智能化社會[N];中國郵政報;2003年

2 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;機器學習已成為大數(shù)據(jù)基石[N];網(wǎng)絡世界;2014年

3 本報記者 房琳琳;合久必分：分布式“機器學習”應運而生[N];科技日報;2014年

4 雨辰;機器學習類圖書為什么火爆[N];中華讀書報;2014年

5 百度公司技術副總監(jiān) 多媒體部負責人 余凱;深度學習與多媒體搜索技術演進[N];中國信息化周報;2013年

6 本報記者 余建斌;機器學習與互聯(lián)網(wǎng)搜索[N];人民日報;2011年

7 本報記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日報;2008年

8 記者　 彭德倩;機器學習精度提升近6個百分點[N];解放日報;2006年

9 本報記者 閔杰;大數(shù)據(jù)熱 高端人才缺[N];中國電子報;2013年

10 沈建苗 編譯;如何成為大數(shù)據(jù)科學家[N];計算機世界;2013年

相關博士學位論文 前10條

1 董春茹;機器學習中的權重學習與差分演化[D];華南理工大學;2015年

2 姚明臣;機器學習和神經(jīng)網(wǎng)絡學習中的若干問題研究[D];大連理工大學;2016年

3 趙玉鵬;機器學習的哲學探索[D];大連理工大學;2010年

4 胡巍;面向格結構的機器學習[D];上海交通大學;2009年

5 張義榮;基于機器學習的入侵檢測技術研究[D];國防科學技術大學;2005年

6 錢線;快速精確的結構化機器學習方法研究[D];復旦大學;2010年

7 梁錫軍;稀疏優(yōu)化在機器學習中的若干應用[D];大連理工大學;2013年

8 蔣剛;核機器學習方法若干問題研究[D];西南交通大學;2006年

9 陳慧靈;面向智能決策問題的機器學習方法研究[D];吉林大學;2012年

10 周偉達;核機器學習方法研究[D];西安電子科技大學;2003年

相關碩士學位論文 前10條

1 毛海斌;基于半監(jiān)督機器學習的情感分類領域適應問題研究[D];南京理工大學;2015年

2 安軍輝;基于微博數(shù)據(jù)的微博用戶性別判斷研究[D];華中師范大學;2015年

3 陳召陽;基于機器學習的改性麥槽吸附重金屬構效關系模型研究[D];江西理工大學;2014年

4 王成;基于半監(jiān)督機器學習的文本情感分析技術[D];南京理工大學;2015年

5 孫科;基于Spark的機器學習應用框架研究與實現(xiàn)[D];上海交通大學;2015年

6 劉江龍;基于機器學習的射頻指紋定位方法研究[D];電子科技大學;2015年

7 張蕾;基于機器學習的網(wǎng)絡輿情采集技術研究與設計[D];電子科技大學;2014年

8 施宇;基于數(shù)據(jù)挖掘和機器學習的木馬檢測系統(tǒng)設計與實現(xiàn)[D];電子科技大學;2014年

9 施應敏;基于機器學習的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學;2015年

10 張柯;基于機器學習的錯誤定位方法研究[D];南京航空航天大學;2015年

，

本文編號：1427376