| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 研究意义 | 第16-17页 |
| 1.2.1 理论意义 | 第16-17页 |
| 1.2.2 现实意义 | 第17页 |
| 1.3 研究的目标、思路和方法 | 第17-19页 |
| 1.3.1 研究目标 | 第17页 |
| 1.3.2 研究思路 | 第17-18页 |
| 1.3.3 研究方法 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 信用借贷研究综述与分析 | 第21-31页 |
| 2.1. 国内外信用借贷平台特点综述与分析 | 第21-22页 |
| 2.2. 国内外信用借贷影响因素综述与分析 | 第22-24页 |
| 2.3. 国内外信用借贷监管综述与分析 | 第24-25页 |
| 2.4. 国内外信用借贷评估方法综述与分析 | 第25-29页 |
| 2.5. 小结 | 第29-31页 |
| 第三章 互金行业中用户信用借贷特征综合分析 | 第31-42页 |
| 3.1. 用户信用借贷优势分析 | 第31-33页 |
| 3.1.1. 用户抵押借贷的不足 | 第31-32页 |
| 3.1.2. 用户信用借贷的优势 | 第32-33页 |
| 3.2. 基于现实世界的用户信用借贷特征分析 | 第33-37页 |
| 3.2.1. 基于车辆的用户信用借贷特征分析 | 第33-34页 |
| 3.2.2. 基于房产的用户信用借贷特征分析 | 第34-35页 |
| 3.2.3. 基于信用卡的的用户信用借贷特征分析 | 第35-37页 |
| 3.2.4. 基于通讯记录的的用户信用借贷特征分析 | 第37页 |
| 3.3. 基于虚拟世界的用户信用借贷特征分析 | 第37-41页 |
| 3.3.1. 以微博为例分析用户信用借贷 | 第38页 |
| 3.3.2. 微博用户的使用行为特征分析 | 第38-39页 |
| 3.3.3. 微博用户的关注推荐特征分析 | 第39-40页 |
| 3.3.4. 基于虚拟世界用户信用的借贷优势 | 第40-41页 |
| 3.4. 小结 | 第41-42页 |
| 第四章 互金行业中借贷用户信用的计算模型 | 第42-55页 |
| 4.1. 基于同质性原理的用户信用状态 | 第42-44页 |
| 4.2. 基于小世界模型的用户信用状态 | 第44-45页 |
| 4.3. 基于虚拟语义社区的用户信用状态 | 第45-46页 |
| 4.4. 基于虚实空间演化的用户信用状态 | 第46-48页 |
| 4.5. 基于信息互补原理的用户信用状态 | 第48-49页 |
| 4.6. 互金行业中借贷用户信用的计算模型 | 第49-54页 |
| 4.6.1. 用于刻画用户画像的虚拟空间模型 | 第49-51页 |
| 4.6.2. 用于构造用户资产能力的现实空间模型 | 第51-52页 |
| 4.6.3. 为虚实空间提供信息互补机制和信息交互的虚实结合模型 | 第52-54页 |
| 4.7. 小结 | 第54-55页 |
| 第五章 基于内容、行为和情感的借贷用户评级模型 | 第55-79页 |
| 5.1. 互金行业借贷用户信用评级模型总体框架 | 第55-58页 |
| 5.2. 基于内容的互金行业借贷用户评级模型 | 第58-63页 |
| 5.2.1. 问题说明与模型构建 | 第58-60页 |
| 5.2.2. 参数估计和采样过程 | 第60-61页 |
| 5.2.3. 标签预测 | 第61-63页 |
| 5.3. 基于行为的互金行业借贷用户评级模型 | 第63-70页 |
| 5.3.1. 问题说明与模型构建 | 第63-68页 |
| 5.3.2. 用户信用等级划分 | 第68-70页 |
| 5.4. 基于情感的互金行业借贷用户评级模型 | 第70-78页 |
| 5.4.1. 问题说明与模型构建 | 第70-73页 |
| 5.4.2. 基于Gibbs采样的用户侧面和情感计算模型求解 | 第73-77页 |
| 5.4.3. 标签预测 | 第77-78页 |
| 5.5. 小结 | 第78-79页 |
| 第六章 借贷用户信用的内容、行为和情感模型实验 | 第79-104页 |
| 6.1. 借贷用户信用的主题划分和用户信用度评级实验 | 第79-86页 |
| 6.1.1. 数据集描述 | 第79页 |
| 6.1.2. 实验过程与结果分析 | 第79-86页 |
| 6.2. 借贷用户信用的行为网络划分和用户信用度评级实验 | 第86-93页 |
| 6.2.1 评价指标 | 第87-88页 |
| 6.2.2 实验过程 | 第88-92页 |
| 6.2.3 实验结果 | 第92-93页 |
| 6.3. 借贷用户信用的情感划分和用户信用度评级实验 | 第93-102页 |
| 6.3.1. 情感计算结果的准确率分析 | 第93-96页 |
| 6.3.2. 根据用户情感对用户信用度评级分析 | 第96-102页 |
| 6.4. 基于内容、行为和情感的bagging信用贷款评级模型 | 第102-103页 |
| 6.5. 小结 | 第103-104页 |
| 第七章 虚拟映射模型在信用贷款风险评估中的应用 | 第104-114页 |
| 7.1. 实例企业的传统信用风控评分模型 | 第104-106页 |
| 7.2. 实例企业的虚实映射信用风控模型 | 第106-112页 |
| 7.3. 传统信用风控模型与引入虚实映射信用风控模型的用户分类比较 | 第112-113页 |
| 7.4. 小结 | 第113-114页 |
| 第八章 总结 | 第114-116页 |
| 8.1. 结论 | 第114页 |
| 8.2. 本文的创新和不足 | 第114-116页 |
| 参考文献 | 第116-126页 |
| 在攻读博士学位期间公开发表的论文 | 第126-127页 |
| 作者在攻读博士学位期间所作的项目 | 第127-128页 |
| 致谢 | 第128页 |
