| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状分析 | 第11-13页 |
| 1.2.1 基于空间关联规则的挖掘方法研究 | 第11-12页 |
| 1.2.2 大数据挖掘的现状和挑战 | 第12-13页 |
| 1.3 研究内容和技术路线 | 第13-14页 |
| 1.3.1 论文研究内容 | 第13页 |
| 1.3.2 论文研究的技术路线 | 第13-14页 |
| 1.4 论文主要创新和结构 | 第14-16页 |
| 1.4.1 论文创新点 | 第14-15页 |
| 1.4.2 论文组织结构安排 | 第15-16页 |
| 第二章 电商金融大数据价值提取 | 第16-32页 |
| 2.1 电商金融大数据特征及价值 | 第16-17页 |
| 2.2 基于Spark的分布式搜索引擎 | 第17-18页 |
| 2.2.1 基本工作原理 | 第17-18页 |
| 2.2.2 体系结构设计 | 第18页 |
| 2.3 网页搜集与信息提取 | 第18-24页 |
| 2.3.1 爬虫搜索策略 | 第18-23页 |
| 2.3.2 网页信息提取与存储 | 第23-24页 |
| 2.4 网页信息预处理 | 第24-26页 |
| 2.4.1 元数据过滤 | 第25-26页 |
| 2.4.2 中文分词模型 | 第26页 |
| 2.5 倒排文件建立 | 第26-30页 |
| 2.5.1 主题相关度判定 | 第27-28页 |
| 2.5.2 生成倒排表 | 第28-30页 |
| 2.6 二级索引 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于空间关联规则的企业风险信息挖掘与预警建模 | 第32-48页 |
| 3.1 空间关联规则基本概念与定义 | 第32页 |
| 3.2 数据分析与处理 | 第32-37页 |
| 3.2.1 基础数据分析 | 第33-34页 |
| 3.2.2 数据预处理 | 第34-37页 |
| 3.3 企业信用风险信息分析方法 | 第37-43页 |
| 3.3.1 信用风险分析流程 | 第37-38页 |
| 3.3.2 信用风险评价指标体系框架 | 第38-39页 |
| 3.3.3 候选指标集的确定及量化 | 第39-41页 |
| 3.3.4 相关性分析与风险定级 | 第41-43页 |
| 3.4 企业信用风险评估与智能预警模型构建 | 第43-47页 |
| 3.4.1 基于随机森林的风险特征选择 | 第43-44页 |
| 3.4.2 多级空间关联规则算法描述 | 第44-45页 |
| 3.4.3 模型建立与评价 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于Spark on YARN的电商金融大数据分析平台 | 第48-66页 |
| 4.1 技术架构设计 | 第48-51页 |
| 4.1.1 Spark on YARN框架 | 第48-50页 |
| 4.1.2 大数据分析平台云架构 | 第50-51页 |
| 4.2 实验环境与算法性能分析 | 第51-59页 |
| 4.2.1 Spark on YARN集群部署 | 第51-54页 |
| 4.2.2 实验数据 | 第54-57页 |
| 4.2.3 实验结果与分析 | 第57-59页 |
| 4.3 应用实例 | 第59-65页 |
| 4.3.1 淘宝店铺审批与授信 | 第60-62页 |
| 4.3.2 淘宝店铺实时分析与可视化 | 第62-64页 |
| 4.3.3 淘宝店铺贷后风控预警 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 论文研究成果总结 | 第66-67页 |
| 5.2 后续工作及展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间的研究成果 | 第72-73页 |