首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于舆情分析与文本主题的P2P平台风险评估模型

摘要第4-5页
Abstract第5页
第1章 绪论第11-18页
    1.1 课题背景第11-13页
        1.1.1 P2P平台概况第11-12页
        1.1.2 P2P问题平台剧增第12-13页
    1.2 国内外研究现状第13-15页
        1.2.1 传统金融风险评估方法现状第13-14页
        1.2.2 P2P平台风险评估现状第14-15页
        1.2.3 现阶段问题第15页
    1.3 本文研究内容与思路第15-17页
    1.4 本文组织结构第17-18页
第2章 相关技术综述第18-28页
    2.1 舆情分析技术第18-22页
        2.1.1 文本表示技术第18-20页
        2.1.2 分词技术第20-21页
        2.1.3 Word2Vec第21-22页
        2.1.4 Doc2Vec第22页
    2.2 LDA主题生成模型第22-23页
    2.3 分类算法第23-27页
        2.3.1 BP神经网络模型第23-24页
        2.3.2 Logistic Regression模型第24页
        2.3.3 随机森林模型第24-25页
        2.3.4 支持向量机模型第25-27页
    2.4 本章小结第27-28页
第3章 P2P平台相关舆情分析第28-36页
    3.1 舆情分析流程第28-29页
    3.2 舆情的预处理第29-30页
    3.3 分词过程第30-31页
    3.4 生成舆情特征向量第31-34页
        3.4.1 舆情特征向量生成模型第31-32页
        3.4.2 参数训练第32-34页
    3.5 舆情分析的有效性证明第34-35页
    3.6 本章小结第35-36页
第4章 P2P平台文本处理第36-44页
    4.1 文本处理流程第36-38页
    4.2 平台文本的预处理第38-39页
    4.3 生成文本主题分布第39-41页
        4.3.1 文本主题模型流程第39-40页
        4.3.2 文本主题参数训练第40-41页
    4.4 文本信息的有效性证明第41-43页
    4.5 本章小结第43-44页
第5章 P2P平台风险评估模型第44-55页
    5.1 问题定义第44-45页
    5.2 平台指标的计算方法第45-49页
        5.2.1 平台指标计算原则第45-46页
        5.2.2 平台指标计算规则第46-49页
    5.3 模型描述第49-53页
        5.3.1 利用半监督学习进行平台风险评估的优越性第49-50页
        5.3.2 P2P平台风险评估过程第50-53页
    5.4 模型训练第53-54页
    5.5 本章小结第54-55页
第6章 实验与分析第55-65页
    6.1 数据集及预处理第55-56页
    6.2 实验设计第56-58页
        6.2.1 数据集划分第56-57页
        6.2.2 评价标准第57-58页
        6.2.3 参数训练第58页
    6.3 实验结果与分析第58-62页
        6.3.1 参数kd的分析第58-59页
        6.3.2 参数kl的分析第59-60页
        6.3.3 参数λd和λl的分析第60-62页
    6.4 对比实验第62-64页
    6.5 本章小结第64-65页
第7章 总结与展望第65-67页
    7.1 本文总结第65-66页
    7.2 未来工作展望第66-67页
参考文献第67-73页
攻读硕士学位期间主要的研究成果第73-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:基于区域分解的大规模网格编辑快速应力分析算法研究
下一篇:面向概念的描述词推荐算法研究及图书专题自动生成应用