OMNIRank：基于深度学习的P2P平台风险量化
计算机与社会
2017-05-11 v1 机器学习
摘要
P2P借贷作为传统借贷机构（如银行）的一种创新且灵活的替代方案而出现，其中贷款人和借款人直接进行交易并互惠互利，无需复杂的验证。然而，由于缺乏专门法律、委托监管和有效管理，P2P平台可能产生潜在风险，如提现失败、被调查介入甚至老板跑路，这给贷款人造成巨大损失，在中国尤为严重和臭名昭著。尽管互联网上有大量与P2P平台相关的公开信息和数据，但多源和异构性的挑战不容忽视。在本文中，我们提出一种新颖的深度学习模型OMNIRank，它理解P2P平台的多维特征以进行风险量化并生成排序得分。我们首先构建了一个大规模灵活爬虫框架，并从互联网获取了自2007年以来国内P2P平台的大量多源异构数据。应用去重、噪声去除、空值处理、格式统一和融合等净化操作以提高数据质量。然后我们通过文本理解、主题建模、知识图谱和情感分析提取P2P平台的深度特征，并将其作为OMNIRank的输入，OMNIRank是一个用于P2P平台风险量化的深度学习模型。最后，根据OMNIRank生成的排名，我们进行丰富的数据可视化和交互，为贷款人提供全面的信息支持、决策建议和安全保障。
引用
@article{arxiv.1705.03497,
title = {OMNIRank: Risk Quantification for P2P Platforms with Deep Learning},
author = {Honglun Zhang and Haiyang Wang and Xiaming Chen and Yongkun Wang and Yaohui Jin},
journal= {arXiv preprint arXiv:1705.03497},
year = {2017}
}
备注
9 pages, in Chinese, 7 figures, CCFBD2016