| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 2 背景知识及相关工作 | 第13-25页 |
| 2.1 互联网与社交网络 | 第13-16页 |
| 2.1.1 互联网的发展 | 第13-14页 |
| 2.1.2 社交网络的发展 | 第14-16页 |
| 2.1.3 在线社交网络介绍 | 第16页 |
| 2.2 异常账户和异常检测 | 第16-18页 |
| 2.2.1 异常账户危害 | 第16-17页 |
| 2.2.2 异常检测背景 | 第17-18页 |
| 2.2.3 异常检测技术介绍 | 第18页 |
| 2.3 信任风险评估 | 第18-22页 |
| 2.3.1 信任风险评估发展 | 第19页 |
| 2.3.2 新型信用风险量化方案介绍 | 第19-20页 |
| 2.3.3 信任度量模型介绍 | 第20-21页 |
| 2.3.4 信任风险度量模型对比 | 第21-22页 |
| 2.4 KMV模型 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 KMV模型在在线社交网络中的应用 | 第25-31页 |
| 3.1 数据源说明 | 第25页 |
| 3.2 特征提取 | 第25-29页 |
| 3.2.1 线性判别法（LDA） | 第26页 |
| 3.2.2 局部保持投影法（LPP） | 第26-27页 |
| 3.2.3 主成分分析法（PCA） | 第27-29页 |
| 3.3 KMV模型映射 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于KMV模型的在线社交网络中异常账户检测设计 | 第31-40页 |
| 4.1 架构设计 | 第31-32页 |
| 4.2 数据分类 | 第32-36页 |
| 4.2.1 即时通讯数据 | 第32-33页 |
| 4.2.2 社区数据 | 第33-35页 |
| 4.2.3 账户交互数据 | 第35页 |
| 4.2.4 账户操作数据 | 第35-36页 |
| 4.3 实时数据清理 | 第36-37页 |
| 4.4 账户预期违约率计算 | 第37-39页 |
| 4.5 本章小结 | 第39-40页 |
| 5 实验及结果分析 | 第40-50页 |
| 5.1 开发环境 | 第40页 |
| 5.2 测试数据集 | 第40-43页 |
| 5.3 测试流程 | 第43-45页 |
| 5.4 测试结果展示及分析 | 第45-49页 |
| 5.5 本章小结 | 第49-50页 |
| 6 总结及展望 | 第50-52页 |
| 6.1 全文工作总结 | 第50页 |
| 6.2 未来工作展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56页 |
| A. 攻读学位期间发表的论文目录： | 第56页 |