声明
致谢
摘要
1.1.1 港口发展现状
1.1.2 研究背景
1.1.3 研究目的和意义
1.2 国内外研究现状
1.3 研究内容和结构
1.3.1 研究内容
1.3.2 论文结构
1.3.3 创新点
2 相关理论与方法
2.1 信用风险的理论分析
2.1.1 基于信息不对称理论的视角
2.1.2 基于重复博弈理论的视角
2.2 信用风险的评价方法
2.2.1 传统信用风险评价方法
2.2.2 现代高级信用风险评价方法
2.2.3 基于人工智能的信用风险评价方法
2.3 文本倾向分类方法
2.3.1 基于语义的文本倾向分类
2.3.2 基于人工智能的文本倾向分类
2.3.3 对两种方法的比较
2.3 本章小结
3 港口客户信用风险评价指标体系
3.1.1 港口客户信用风险的界定
3.1.2 港口客户信用风险的成因
3.1.3 港口客户信用风险的特点
3.2 港口客户信用风险评价指标体系的差异性分析
3.2.1 现有客户信用风险评价指标体系
3.2.2 港口客户信用风险评价指标体系的差异
3.3 港口客户信用风险评价指标体系构建的原则
3.4 港口客户信用风险评价指标体系
3.5 本章小结
4 针对港口外部信息的半监督文本倾向分类框架
4.1 相关研究
4.1.1 Tri-Training算法
4.1.2 标签传递算法
4.1.3 主动学习
4.1.4 带精英策略的非支配排序遗传算法
4.2 基于Tri-Training和标签传递算法的文本倾向分类框架
4.2.1 文本倾向分类框架LIT2
4.2.2 实验结果与分析
4.3 基于主动学习改进的LIT2
4.3.1 针对LIT2训练初期的主动学习优化
4.3.2 针对LIT2训练后期的主动学习优化
4.3.3 实验结果与分析
4.4 本章小结
5 港口客户信用风险评价的内外部信息融合模型
5.1 相关研究
5.1.1 信息融合
5.1.2 BP神经网络
5.2 基于多项改进的BP神经网络模型构建方法
5.3 M2C在港口客户信用风险评价模型中的应用
5.3.1 ETL和数据标准化
5.3.2 确定BP神经网络结构
5.3.3 确定初始权值和阂值
5.3.4 模型训练与结果
5.3.5 实验小结
5.4 本章小结
6 港口客户信用风险评价系统的设计与实现
6.1 系统的功能框架
6.2 技术框架和关键技术
6.3 原型系统实现
6.3.1 内部数据管理
6.3.2 外部信息管理
6.3.3 文本倾向分析
6.3.4 客户信用风险评价
6.4 本章小结
7.1 本文工作总结
7.2 未来研究展望
参考文献
附录
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集