本文關(guān)鍵詞：B2B電子商務(wù)平臺欺詐用戶識別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：B2B電子商務(wù)是一個“機會與風險”并存的市場,它給企業(yè)帶來重大商機的同時,也帶來了更大的信用風險。根源就在于電子商務(wù)交易的信息不對稱性。由于B2B交易數(shù)額較大,眾多企業(yè)用戶不愿意通過電子商務(wù)平臺與陌生的交易者進行交易,網(wǎng)絡(luò)交易中信任的缺失成為了制約B2B電子商務(wù)發(fā)展的主要原因。而網(wǎng)絡(luò)欺詐正是引發(fā)這種信任缺失的重要因素。網(wǎng)絡(luò)對所發(fā)布信息的制約性小,以及其虛擬性、隱蔽性等特點,使得一般消費者對信息判斷不準,甚至在察覺到信息的錯誤以后,也很難向發(fā)布信息的企業(yè)進行追究。因此,一些企業(yè)便肆意在網(wǎng)上發(fā)表各種虛假信息,或者制造出各種各樣的新聞,來吸引消費者,以擴大自己的商業(yè)影響,謀求經(jīng)濟效益。虛假信息的泛濫,在一定程度上影響了消費者對網(wǎng)上交易的信任。電子商務(wù)使社會信用問題更加突出,欺騙與欺詐行為時有發(fā)生,制約了電子商務(wù)的發(fā)展,成為急需解決的問題。因而,有效地識別網(wǎng)絡(luò)欺詐就顯得尤為重要。 本文對電子商務(wù)欺詐的研究現(xiàn)狀、特征等進行了分析。介紹了數(shù)據(jù)挖掘的方法、技術(shù)及其在欺詐監(jiān)測領(lǐng)域的應(yīng)用。重點分析了數(shù)據(jù)挖掘分類方法,并通過實例分析選擇了分類性能較好的隨機森林方法進行實證研究,結(jié)合中國制造網(wǎng)電子商務(wù)平臺的用戶數(shù)據(jù),構(gòu)建用戶分類模型,以實現(xiàn)對中國制造網(wǎng)B2B電子商務(wù)平臺欺詐用戶的有效識別。本文的創(chuàng)新之處在于采用R統(tǒng)計分析軟件結(jié)合隨機森林方法構(gòu)建用戶分類模型,并驗證模型的有效性,有效地識別欺詐用戶,解決實際問題。
【關(guān)鍵詞】：B2B 欺詐 隨機森林 數(shù)據(jù)挖掘
【學位授予單位】：南京理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：F724.6;TP311.13
【目錄】：

• 摘要5-6
• Abstract6-9
• 1 緒論9-14
• 1.1 研究背景及意義9-10
• 1.2 研究現(xiàn)狀分析10-12
• 1.3 研究內(nèi)容12-14
• 1.3.1 論文研究框架12-13
• 1.3.2 論文的創(chuàng)新點13-14
• 2 電子商務(wù)欺詐概述14-22
• 2.1 電子商務(wù)概述14-16
• 2.1.1 B2B電子商務(wù)發(fā)展歷程14-15
• 2.1.2 B2B電子商務(wù)特征15-16
• 2.1.3 B2B電子商務(wù)主要業(yè)務(wù)模式16
• 2.2 網(wǎng)絡(luò)欺詐研究16-20
• 2.2.1 電子商務(wù)中的信息不對稱17-18
• 2.2.2 網(wǎng)絡(luò)欺詐特征及表現(xiàn)形式18-19
• 2.2.3 網(wǎng)絡(luò)在線欺詐影響因素研究19-20
• 2.3 網(wǎng)絡(luò)欺詐對電子商務(wù)交易的影響20-22
• 3 數(shù)據(jù)挖掘研究概述22-30
• 3.1 數(shù)據(jù)挖掘簡介22-26
• 3.1.1 數(shù)據(jù)挖掘的定義及特點22-23
• 3.1.2 數(shù)據(jù)挖掘的任務(wù)23-24
• 3.1.3 數(shù)據(jù)挖掘的過程24-26
• 3.2 電子商務(wù)領(lǐng)域數(shù)據(jù)挖掘—Web數(shù)據(jù)挖掘26-28
• 3.2.1 Web數(shù)據(jù)挖掘的定義及特點26-27
• 3.2.2 Web數(shù)據(jù)挖掘的分類27
• 3.2.3 Web數(shù)據(jù)挖掘的流程27-28
• 3.3 數(shù)據(jù)挖掘技術(shù)在欺詐檢測中的應(yīng)用28-30
• 4 面向欺詐識別的數(shù)據(jù)挖掘分類方法30-45
• 4.1 基于支持向量機分類30-32
• 4.2 基于神經(jīng)網(wǎng)絡(luò)分類32-33
• 4.3 基于決策樹分類33-35
• 4.3.1 決策樹分類算法33-34
• 4.3.2 從決策樹到隨機森林34-35
• 4.4 基于隨機森林分類35-40
• 4.4.1 隨機森林簡介35-37
• 4.4.1.1 隨機森林的原理及算法35-36
• 4.4.1.2 變量重要性評分36-37
• 4.4.2 隨機森林的數(shù)學理論基礎(chǔ)37-40
• 4.4.2.1 RF不會過度擬合的保證——大數(shù)定律37-38
• 4.4.2.2 泛化誤差的內(nèi)部估計、分類效能和相關(guān)性38-40
• 4.4.2.3 袋外數(shù)據(jù)估計40
• 4.5 數(shù)據(jù)挖掘分類方法性能比較40-44
• 4.6 小結(jié)44-45
• 5 基于隨機森林的中國制造網(wǎng)欺詐用戶識別研究45-60
• 5.1 數(shù)據(jù)挖掘軟件選擇——R軟件45-46
• 5.2 實驗數(shù)據(jù)介紹46-48
• 5.2.1 實驗數(shù)據(jù)來源46
• 5.2.2 數(shù)據(jù)屬性說明46-48
• 5.3 實驗平臺搭建48-50
• 5.4 基于隨機森林算法的分類模型構(gòu)建50-59
• 5.4.1 隨機森林算法對噪聲的容忍能力50-51
• 5.4.2 隨機森林的特征選擇51-54
• 5.4.3 隨機森林模型參數(shù)的選擇54-57
• 5.4.4 隨機森林分類模型構(gòu)建57-58
• 5.4.5 隨機森林分類模型的欺詐用戶識別性能評價58-59
• 5.5 小結(jié)59-60
• 結(jié)論60-61
• 致謝61-62
• 參考文獻62-66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 潘勇;;電子商務(wù)市場中欺詐行為產(chǎn)生的內(nèi)在機理與規(guī)治[J];商業(yè)研究;2009年03期

2 李琪,張仙鋒;網(wǎng)上交易中的“檸檬”問題[J];財經(jīng)科學;2001年05期

3 潘勇;;淺析電子商務(wù)市場中的信任機制——基于“檸檬市場”理論的分析[J];財貿(mào)研究;2006年03期

4 張友仁;;信息不對稱與在線拍賣市場信譽構(gòu)建機制設(shè)計[J];當代經(jīng)濟;2005年11期

5 范建中;王福慶;;基于Web的數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用[J];電腦編程技巧與維護;2009年12期

6 王玉珍;Web數(shù)據(jù)挖掘的分析與探索[J];電腦開發(fā)與應(yīng)用;2003年04期

7 王桂芹;黃道;;數(shù)據(jù)挖掘技術(shù)綜述[J];電腦應(yīng)用技術(shù);2007年02期

8 張玲俠;王德兵;陸奎;;數(shù)據(jù)挖掘技術(shù)在電信CRM中的應(yīng)用[J];電腦知識與技術(shù)(學術(shù)交流);2007年11期

9 潘正高;;Web數(shù)據(jù)挖掘技術(shù)綜述[J];電腦知識與技術(shù);2009年15期

10 宋光興,楊德禮;電子商務(wù)中在線信譽管理系統(tǒng)設(shè)計的若干問題研究[J];系統(tǒng)工程;2004年09期

  本文關(guān)鍵詞：B2B電子商務(wù)平臺欺詐用戶識別研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：412072