| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-21页 |
| 1.1 研究背景与意义 | 第8-12页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 国内外研究现状分析 | 第12-19页 |
| 1.2.1 国内研究现状 | 第12-17页 |
| 1.2.2 国外研究现状 | 第17-18页 |
| 1.2.3 国内外研究现状评析 | 第18-19页 |
| 1.3 研究内容及研究方法 | 第19-20页 |
| 1.3.1 研究内容 | 第19页 |
| 1.3.2 研究方法 | 第19-20页 |
| 1.4 本文创新点 | 第20-21页 |
| 第2章 相关理论概述 | 第21-27页 |
| 2.1 互联网信用信息 | 第21页 |
| 2.2 信用信息管理 | 第21-24页 |
| 2.3 信息处理模型 | 第24-26页 |
| 2.3.1 定性评分模型 | 第24-25页 |
| 2.3.2 定量评分模型 | 第25页 |
| 2.3.3 神经网络模型 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 互联网个人信用信息的获取与利用 | 第27-41页 |
| 3.1 信息的特征与分类 | 第27-29页 |
| 3.1.1 信息的特征 | 第27-29页 |
| 3.1.2 信息的分类 | 第29页 |
| 3.2 互联网信用信息的获取 | 第29-31页 |
| 3.2.1 信息获取的可行性分析 | 第29-30页 |
| 3.2.2 信息的获取方式 | 第30-31页 |
| 3.3 信用信息处理指标体系 | 第31-38页 |
| 3.3.1 指标体系的构建 | 第31-33页 |
| 3.3.2 指标体系量化标准 | 第33-38页 |
| 3.4 互联网信用信息的应用领域 | 第38-40页 |
| 3.4.1 信用借贷和信用消费 | 第38-39页 |
| 3.4.2 信用担保 | 第39页 |
| 3.4.3 其他应用 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 神经网络信息处理模型的构建 | 第41-49页 |
| 4.1 BP神经网络模型 | 第41-45页 |
| 4.1.1 BP神经网络模型简介 | 第41-42页 |
| 4.1.2 BP神经网络模型的算法介绍 | 第42-43页 |
| 4.1.3 BP神经网络模型在信用信息处理的适用性分析 | 第43-45页 |
| 4.2 BP神经网络模型结构设计 | 第45-46页 |
| 4.2.1 确定输入层节点数量 | 第45页 |
| 4.2.2 确定隐含层节点数量 | 第45-46页 |
| 4.2.3 确定输出层节点数量 | 第46页 |
| 4.3 BP神经网络模型的学习训练 | 第46-47页 |
| 4.3.1 确定初始权值 | 第46页 |
| 4.3.2 确定期望误差 | 第46-47页 |
| 4.3.3 确定训练次数 | 第47页 |
| 4.4 BP神经网络模型的处理步驟 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 互联网个人信用信息管理实证分析 | 第49-60页 |
| 5.1 芝麻信用信息获取 | 第50-54页 |
| 5.1.1 信息来源 | 第50-52页 |
| 5.1.2 数据收集 | 第52-54页 |
| 5.2 芝麻信用信息处理模型 | 第54-57页 |
| 5.2.1 模型结构 | 第54页 |
| 5.2.2 模型训练 | 第54-56页 |
| 5.2.3 仿真结果 | 第56-57页 |
| 5.3 芝麻信用应用领域 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 研究结论及展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-74页 |
| 致谢 | 第74-75页 |