基于数据挖掘的互联网信用模型的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 图目录 | 第8-9页 |
| 第1章 绪论 | 第9-23页 |
| ·研究背景 | 第9-19页 |
| ·银行传统信贷业务和信用模型 | 第9-11页 |
| ·互联网信贷和信用模型背景 | 第11-15页 |
| ·数据挖掘应用于信用模型的创建 | 第15-17页 |
| ·数据挖掘概述 | 第17-19页 |
| ·研究内容 | 第19-20页 |
| ·研究目标 | 第20-21页 |
| ·论文的组织结构 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第2章 国内外相关技术介绍 | 第23-36页 |
| ·银行传统信贷业务中的信用模型 | 第23-24页 |
| ·信用的理论模型 | 第23-24页 |
| ·银行传统信贷中的信用模型 | 第24页 |
| ·互联网中的信用模型 | 第24-26页 |
| ·电子商务通用信用模型 | 第24-25页 |
| ·电子商务情景信用模型 | 第25-26页 |
| ·各种信用模型的对比分析 | 第26-27页 |
| ·四种典型信用模型的对比 | 第26-27页 |
| ·分析结论 | 第27页 |
| ·数据挖掘技术 | 第27-31页 |
| ·数据挖掘的定义和特点 | 第27-28页 |
| ·挖掘技术的分类以及其应用场景 | 第28-31页 |
| ·数据挖掘系统的步骤 | 第31页 |
| ·创建信用模型需要的数据挖掘技术的选择 | 第31-35页 |
| ·Apriori算法 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 挖掘潜在关联规则的关键技术的分析 | 第36-41页 |
| ·数据预处理 | 第36-38页 |
| ·数据清洗 | 第36-37页 |
| ·数据变换 | 第37-38页 |
| ·关联挖掘 | 第38-39页 |
| ·生成关联规则 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 创建信用模型的关键技术分析 | 第41-48页 |
| ·互联网卖家信用模型 | 第41-47页 |
| ·信用值模型 | 第41-43页 |
| ·信用趋势分析 | 第43-46页 |
| ·信用额度模型 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 信用模型基础上的互联网卖家信贷技术及实现 | 第48-59页 |
| ·系统框架设计 | 第48-56页 |
| ·概述 | 第48页 |
| ·信贷主业务流程 | 第48-50页 |
| ·系统架构 | 第50-51页 |
| ·硬件部署结构 | 第51-52页 |
| ·系统用例 | 第52-56页 |
| ·数据库设计和类的设计 | 第56页 |
| ·部分模块的设计 | 第56-58页 |
| ·签约 | 第56-57页 |
| ·异常监控 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·本文完成的主要研究工作 | 第59页 |
| ·本文的主要贡献以及创新点 | 第59-60页 |
| ·进一步的研究工作 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 作者简历 | 第65-66页 |
