B2B电子商务平台欺诈用户识别研究--以中国制造网网站用户为例
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状分析 | 第10-12页 |
| ·研究内容 | 第12-14页 |
| ·论文研究框架 | 第12-13页 |
| ·论文的创新点 | 第13-14页 |
| 2 电子商务欺诈概述 | 第14-22页 |
| ·电子商务概述 | 第14-16页 |
| ·B2B电子商务发展历程 | 第14-15页 |
| ·B2B电子商务特征 | 第15-16页 |
| ·B2B电子商务主要业务模式 | 第16页 |
| ·网络欺诈研究 | 第16-20页 |
| ·电子商务中的信息不对称 | 第17-18页 |
| ·网络欺诈特征及表现形式 | 第18-19页 |
| ·网络在线欺诈影响因素研究 | 第19-20页 |
| ·网络欺诈对电子商务交易的影响 | 第20-22页 |
| 3 数据挖掘研究概述 | 第22-30页 |
| ·数据挖掘简介 | 第22-26页 |
| ·数据挖掘的定义及特点 | 第22-23页 |
| ·数据挖掘的任务 | 第23-24页 |
| ·数据挖掘的过程 | 第24-26页 |
| ·电子商务领域数据挖掘—Web数据挖掘 | 第26-28页 |
| ·Web数据挖掘的定义及特点 | 第26-27页 |
| ·Web数据挖掘的分类 | 第27页 |
| ·Web数据挖掘的流程 | 第27-28页 |
| ·数据挖掘技术在欺诈检测中的应用 | 第28-30页 |
| 4 面向欺诈识别的数据挖掘分类方法 | 第30-45页 |
| ·基于支持向量机分类 | 第30-32页 |
| ·基于神经网络分类 | 第32-33页 |
| ·基于决策树分类 | 第33-35页 |
| ·决策树分类算法 | 第33-34页 |
| ·从决策树到随机森林 | 第34-35页 |
| ·基于随机森林分类 | 第35-40页 |
| ·随机森林简介 | 第35-37页 |
| ·随机森林的原理及算法 | 第35-36页 |
| ·变量重要性评分 | 第36-37页 |
| ·随机森林的数学理论基础 | 第37-40页 |
| ·RF不会过度拟合的保证——大数定律 | 第37-38页 |
| ·泛化误差的内部估计、分类效能和相关性 | 第38-40页 |
| ·袋外数据估计 | 第40页 |
| ·数据挖掘分类方法性能比较 | 第40-44页 |
| ·小结 | 第44-45页 |
| 5 基于随机森林的中国制造网欺诈用户识别研究 | 第45-60页 |
| ·数据挖掘软件选择——R软件 | 第45-46页 |
| ·实验数据介绍 | 第46-48页 |
| ·实验数据来源 | 第46页 |
| ·数据属性说明 | 第46-48页 |
| ·实验平台搭建 | 第48-50页 |
| ·基于随机森林算法的分类模型构建 | 第50-59页 |
| ·随机森林算法对噪声的容忍能力 | 第50-51页 |
| ·随机森林的特征选择 | 第51-54页 |
| ·随机森林模型参数的选择 | 第54-57页 |
| ·随机森林分类模型构建 | 第57-58页 |
| ·随机森林分类模型的欺诈用户识别性能评价 | 第58-59页 |
| ·小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
