基于社交网络的信用评估模型的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-26页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义和目的 | 第11-14页 |
| 1.2.1 研究目的 | 第11页 |
| 1.2.2 研究意义 | 第11-14页 |
| 1.3 可行性分析 | 第14-15页 |
| 1.4 研究对象 | 第15页 |
| 1.5 文献综述 | 第15-24页 |
| 1.5.1 国内外征信体系研究综述 | 第15-16页 |
| 1.5.2 国内外个人信用评估研究综述 | 第16-23页 |
| 1.5.3 国内外社交用户信用研究综述 | 第23-24页 |
| 1.6 研究内容 | 第24页 |
| 1.7 研究的创新点 | 第24-25页 |
| 1.8 本章小结 | 第25-26页 |
| 2 研究基础 | 第26-34页 |
| 2.1 相关概念 | 第26-28页 |
| 2.1.1 社交网络相关概念 | 第26页 |
| 2.1.2 网络诚信 | 第26页 |
| 2.1.3 微博研究基础 | 第26-28页 |
| 2.2 微博用户信用评估模型选择策略 | 第28-30页 |
| 2.2.1 定性和定量分析相结合 | 第28-29页 |
| 2.2.2 综合选取指标 | 第29页 |
| 2.2.3 依据场景构建信用评估模型 | 第29页 |
| 2.2.4 多种方法模型相结合 | 第29-30页 |
| 2.3 评估技术手段 | 第30-33页 |
| 2.3.1 Relief F特征选择算法 | 第30页 |
| 2.3.2 选择性集成学习 | 第30-31页 |
| 2.3.3 K-means聚类算法 | 第31-32页 |
| 2.3.4 萤火虫群优化算法 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 3 微博用户信用评估指标体系 | 第34-50页 |
| 3.1 指标体系设计原则 | 第34-35页 |
| 3.2 现有指标体系研究 | 第35-38页 |
| 3.2.1 研究概括 | 第35-37页 |
| 3.2.2 存在的问题 | 第37-38页 |
| 3.3 指标体系改进构建 | 第38-48页 |
| 3.3.1 总体思路 | 第38-39页 |
| 3.3.2 指标项说明及量化 | 第39-45页 |
| 3.3.3 特征选择 | 第45-48页 |
| 3.3.4 用户信用评估指标体系 | 第48页 |
| 3.4 指标体系性能评价 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 KGSO选择性集成算法 | 第50-56页 |
| 4.1 算法设计思路 | 第50-51页 |
| 4.2 算法设计 | 第51-52页 |
| 4.3 算法评价 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 基于KGSO选择性集成的微博用户信用评估模型 | 第56-66页 |
| 5.1 模型构建 | 第56-62页 |
| 5.1.1 技术层 | 第56-61页 |
| 5.1.2 数据层 | 第61-62页 |
| 5.1.3 应用层 | 第62页 |
| 5.2 模型评价 | 第62-64页 |
| 5.3 本章小结 | 第64-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 进一步研究展望 | 第66-68页 |
| 6.2.1 尝试对其它社交平台用户建模 | 第66-67页 |
| 6.2.2 尝试使用不同方法建模 | 第67页 |
| 6.2.3 用户信用动态评估 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第72-73页 |
| 致谢 | 第73-75页 |
