| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题背景 | 第11-15页 |
| 1.1.1 互联网金融借贷平台概况 | 第11-12页 |
| 1.1.2 网贷平台信用问题爆发 | 第12-13页 |
| 1.1.3 网贷行业信用风险及产生原因 | 第13-15页 |
| 1.2 信用评估研究现状 | 第15-19页 |
| 1.2.1 国外研究现状 | 第15-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 研究目标和内容 | 第19-22页 |
| 1.3.1 研究目标和思路 | 第19-21页 |
| 1.3.2 本文内容 | 第21-22页 |
| 1.4 本章小结 | 第22-23页 |
| 第2章 平台信用评估相关技术与研究 | 第23-43页 |
| 2.1 互联网金融网贷平台信用评估体系 | 第23-32页 |
| 2.1.1 信用评估体系构建原则 | 第23-24页 |
| 2.1.2 现有网贷平台信用评估模型 | 第24-32页 |
| 2.2 相关理论体系与技术 | 第32-42页 |
| 2.2.1 BP神经网络 | 第32-35页 |
| 2.2.2 K-近邻算法 | 第35-37页 |
| 2.2.3 半监督学习 | 第37-40页 |
| 2.2.4 协同训练算法 | 第40-42页 |
| 2.3 本章小结 | 第42-43页 |
| 第3章 基于半监督学习算法的平台信用评估 | 第43-56页 |
| 3.1 互联网金融网贷平台信用评估指标 | 第43-46页 |
| 3.1.1 现有信用评估指标分析 | 第43-44页 |
| 3.1.2 网贷平台信用评估指标体系的建立 | 第44-46页 |
| 3.2 利用半监督学习方法进行平台信用评估的优越性 | 第46-47页 |
| 3.3 基于BP神经网络的协同训练式半监督回归算法 | 第47-55页 |
| 3.3.1 协同训练式半监督学习回归算法定义与过程 | 第47-53页 |
| 3.3.2 协同训练式半监督学习回归算法可靠性 | 第53-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第4章 实验与分析 | 第56-73页 |
| 4.1 数据集的抓取和处理 | 第56-58页 |
| 4.2 协同训练式半监督回归实验 | 第58-65页 |
| 4.2.1 实验方案 | 第58页 |
| 4.2.2 评价标准 | 第58-59页 |
| 4.2.3 参数训练 | 第59-63页 |
| 4.2.4 实验性能对比 | 第63-65页 |
| 4.3 网贷平台信用评分结果 | 第65-70页 |
| 4.4 实验结果分析 | 第70-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第5章 总结与展望 | 第73-75页 |
| 5.1 论文主要创新点和工作 | 第73-74页 |
| 5.1.1 信用评估体系指标的选择和获取 | 第73页 |
| 5.1.2 BP神经网络回归结合协同训练式半监督学习的应用 | 第73-74页 |
| 5.2 将来的工作展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间主要的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
