基于BP神經(jīng)網(wǎng)絡(luò)與半監(jiān)督學(xué)習(xí)的網(wǎng)貸平臺(tái)信用評(píng)估模型.pdf

1、中國(guó)互聯(lián)網(wǎng)金融網(wǎng)貸平臺(tái)增長(zhǎng)勢(shì)頭繼續(xù)高歌猛進(jìn)，與此同時(shí)，爆出問題的“跑路”平臺(tái)越來越多，網(wǎng)貸平臺(tái)自身的信用成為阻礙其發(fā)展的最大障礙?，F(xiàn)有的網(wǎng)貸平臺(tái)征信與信用評(píng)估服務(wù)主要面向用戶，而缺乏平臺(tái)自身的信用評(píng)估體系。本文的目標(biāo)是針對(duì)網(wǎng)貸平臺(tái)建立科學(xué)有效的信用評(píng)估體系。
　　對(duì)此，本文根據(jù)網(wǎng)貸平臺(tái)評(píng)估指標(biāo)數(shù)據(jù)獲取人工和時(shí)間成本過高的現(xiàn)狀，提出了基于自動(dòng)化抓取網(wǎng)絡(luò)公開數(shù)據(jù)的信用評(píng)估指標(biāo)體系，包括基本信息指標(biāo)、動(dòng)態(tài)數(shù)據(jù)指標(biāo)、訪問平臺(tái)數(shù)據(jù)指標(biāo)?；?/p>

2、網(wǎng)貸平臺(tái)信用標(biāo)簽數(shù)據(jù)缺失并且難以獲取權(quán)威結(jié)果的現(xiàn)狀，本文提出用半監(jiān)督學(xué)習(xí)的方法代替以往線性回歸和監(jiān)督學(xué)習(xí)的方法，充分利用無(wú)標(biāo)簽數(shù)據(jù)來提高評(píng)估模型的預(yù)測(cè)準(zhǔn)確性。本文自動(dòng)化抓取了169家網(wǎng)貸平臺(tái)的31個(gè)指標(biāo)數(shù)據(jù)，將其作為模型的輸入，選取中國(guó)社科院金融研究所發(fā)布的23家平臺(tái)評(píng)級(jí)結(jié)果作為標(biāo)簽，并將其作為模型的輸出。運(yùn)用協(xié)同訓(xùn)練的方法，首先初始化兩個(gè)不同參數(shù)的BP神經(jīng)網(wǎng)絡(luò)回歸模型，找到標(biāo)記置信度最高的無(wú)標(biāo)簽對(duì)象，即染上標(biāo)簽后能減小預(yù)測(cè)模型的均方誤