P2P（peer to peer lending）網(wǎng)貸平臺近年發(fā)展較快,但各種不良現(xiàn)象也不斷涌現(xiàn),問題平臺的數(shù)量越來越多,這很大程度地影響了網(wǎng)貸行業(yè)的發(fā)展以及人們的投資熱情,人們對平臺的風(fēng)險性會有很大擔(dān)憂。因此如何對網(wǎng)貸平臺的風(fēng)險性進(jìn)行合理準(zhǔn)確的評價是一個亟需解決的問題,本課題主要圍繞此問題展開研究。本文主要對P2P網(wǎng)貸平臺數(shù)據(jù)進(jìn)行分析,一方面,通過對網(wǎng)貸平臺評論文本的情感分析及主題分析來觀察用戶對于平臺的態(tài)度、用戶關(guān)注點(diǎn)以及平臺優(yōu)缺點(diǎn);另一方面,在相關(guān)網(wǎng)站上采集網(wǎng)貸平臺披露的指標(biāo)數(shù)據(jù),并對各解釋變量進(jìn)行特征選擇,進(jìn)而利用機(jī)器學(xué)習(xí)相關(guān)算法在數(shù)據(jù)集上建立多種分類模型,通過模型對比選擇最優(yōu)模型用來幫助客戶判斷平臺是正常平臺或問題平臺,從而防范平臺風(fēng)險。通過分析主要得出兩個結(jié)論:一是發(fā)現(xiàn)大部分用戶對平臺的情緒是正面的,并利用LDA（Latent Dirichlet Alocation）主題模型深入了解了網(wǎng)貸平臺的優(yōu)缺點(diǎn);二是發(fā)現(xiàn)梯度提升樹模型的預(yù)測效果相對更好,可以用于平臺風(fēng)險評價。本文的創(chuàng)新點(diǎn)主要在于以下三個方面:一是采用了文本分析這一全新的研究方法,通過非結(jié)構(gòu)化信息即用戶的評論內(nèi)容深入挖... 

【文章來源】：曲阜師范大學(xué)山東省

【文章頁數(shù)】：43 頁

【學(xué)位級別】：碩士

【部分圖文】：

問題平臺數(shù)量趨勢

第三章P2P網(wǎng)貸平臺風(fēng)險評價研究11第三章P2P網(wǎng)貸平臺風(fēng)險評價研究3.1基于文本分析的用戶情感挖掘3.1.1評論文本采集與處理首先，打開網(wǎng)貸之家首頁https://www.wdzj.com/，搜索網(wǎng)貸平臺數(shù)據(jù)，打開一個具體的平臺如宜人貸，可以從中看到有很多條評論，我們要做的就是爬取這些平臺的評論相關(guān)信息。圖3.1網(wǎng)貸之家首頁圖3.2宜人貸評論頁面接下來，利用R軟件進(jìn)行數(shù)據(jù)爬取，由于評論數(shù)量龐大，于是選取了發(fā)展指數(shù)排名前十的網(wǎng)貸平臺，其中有宜人貸、人人貸、小贏網(wǎng)金、微貸網(wǎng)、玖富普惠、翼龍貸、積木盒子、洋錢罐、PPmoney網(wǎng)貸、有利網(wǎng)，爬取這十個平臺

第三章P2P網(wǎng)貸平臺風(fēng)險評價研究11第三章P2P網(wǎng)貸平臺風(fēng)險評價研究3.1基于文本分析的用戶情感挖掘3.1.1評論文本采集與處理首先，打開網(wǎng)貸之家首頁https://www.wdzj.com/，搜索網(wǎng)貸平臺數(shù)據(jù)，打開一個具體的平臺如宜人貸，可以從中看到有很多條評論，我們要做的就是爬取這些平臺的評論相關(guān)信息。圖3.1網(wǎng)貸之家首頁圖3.2宜人貸評論頁面接下來，利用R軟件進(jìn)行數(shù)據(jù)爬取，由于評論數(shù)量龐大，于是選取了發(fā)展指數(shù)排名前十的網(wǎng)貸平臺，其中有宜人貸、人人貸、小贏網(wǎng)金、微貸網(wǎng)、玖富普惠、翼龍貸、積木盒子、洋錢罐、PPmoney網(wǎng)貸、有利網(wǎng)，爬取這十個平臺

【參考文獻(xiàn)】：
期刊論文
[1]P2P網(wǎng)貸平臺風(fēng)險甄別研究[J]. 師應(yīng)來,張冰潔,姜昊.  統(tǒng)計(jì)與決策. 2018(16)
[2]新經(jīng)濟(jì)業(yè)態(tài)P2P網(wǎng)絡(luò)借貸的風(fēng)險甄別研究[J]. 范超,王磊,解明明.  統(tǒng)計(jì)研究. 2017(02)

碩士論文
[1]基于LDA的國內(nèi)圖書情報學(xué)研究主題發(fā)現(xiàn)及其演化研究[D]. 林麗麗.曲阜師范大學(xué) 2019
[2]基于文本挖掘的筆記本電腦網(wǎng)評分析[D]. 李清鎮(zhèn).蘭州財(cái)經(jīng)大學(xué) 2019
[3]基于機(jī)器學(xué)習(xí)的P2P網(wǎng)貸平臺違約風(fēng)險預(yù)測實(shí)證研究[D]. 胡芳琴.安慶師范大學(xué) 2019
[4]基于邏輯回歸的P2P網(wǎng)絡(luò)借貸貸款評分測算研究[D]. 張奧淞.東北財(cái)經(jīng)大學(xué) 2018
[5]P2P網(wǎng)貸平臺風(fēng)險評價研究[D]. 崔炎炎.北方工業(yè)大學(xué) 2018
[6]基于機(jī)器學(xué)習(xí)的P2P個人網(wǎng)貸信用評估方法研究[D]. 高于舒.重慶大學(xué) 2018
[7]基于機(jī)器學(xué)習(xí)的P2P網(wǎng)絡(luò)借貸風(fēng)險預(yù)測[D]. 馬鳴宇.華中科技大學(xué) 2018
[8]基于隨機(jī)森林的P2P網(wǎng)貸借款人信用風(fēng)險評估研究[D]. 田桂英.湖南大學(xué) 2018
[9]P2P網(wǎng)貸信用風(fēng)險研究[D]. 孫航.浙江大學(xué) 2017
[10]P2P網(wǎng)絡(luò)平臺的風(fēng)險監(jiān)控[D]. 柏傳平.浙江大學(xué) 2017



本文編號：2974788