[发明专利]一种基于口碑的P2P平台风险分析方法

说明书

本发明公开了一种基于口碑数据的P2P平台风险分析方法，包括：采集目标P2P平台口碑文本数据并进行预处理过程，用矩阵方式表示口碑文本数据的特征属性，记为第二特征属性集；采用文本主题发现算法，获取每一条口碑文本数据中包含的主题Ksubgt;n/subgt;，其中n表示所有口碑文本数据包含的主题总数；统计涉及主题Ksubgt;n/subgt;的口碑文本数据条数msubgt;n/subgt;，并对涉及主题Ksubgt;n/subgt;的msubgt;n/subgt;条口碑文本数据进行情感倾向分类，借助原有口碑文本数据的拓展文本数据集，降低原有口碑数据的特征稀疏性，提高主题挖掘精准度，在采用的主题发现算法模型中，λ矩阵根据当前的主题分配不断更新，进而优化口碑文本数据和扩展文本数据各自的狄利克雷先验值αsubgt;L/subgt;和αsubgt;S/subgt;，提高了口碑文本数据主题挖掘的准确性。

技术领域

本发明涉及金融风险分析领域，具体涉及一种基于口碑的P2P平台风险分析方法。

背景技术

新经济业态P2P网络借贷的风险甄别研究[J].范超,王磊,解明明中采用非结构信息探究口碑的情感分类是否可以区分正常平台和问题平台，但是缺乏利用文本挖掘的方法识别P2P平台风险的负面口碑特征研究。当买方根据其他买方的口碑信息形成他对卖方的信任程度时，负面口碑比正面口碑具有更大的反对效果[7]。负面口碑与正面口碑相比，其被消费者认为更加有用和可信，Lu et al.认为负面口碑占比对销售量会产生显著的影响。P2P负面口碑会增加投资者的风险感知，通过挖掘负面口碑风险知识在一定程度上会帮助投资者做决策，从而降低投资者的投资风险。负面口碑会给企业造成不良的影响，现有技术中通过构建在线评论特征属性挖掘模块，并提出了负面口碑网络预警模型。可见，从文本分析的视角研究企业风险较多的是提取关键词、特征属性挖掘、可视化等方法。

现有技术中主要从平台交易、治理、风控、营运和口碑等维度的信息研究平台风险，较少研究利用P2P平台口碑信息识别风险信息，仅仅探讨了基于粗粒度的网贷口碑的情感分析对平台风险的影响，未深入挖掘口碑中其他特征属性，如投资者抱怨的类型。通过挖掘网络负面口碑有助于投资者降低投资风险，有利于平台及时发现经营管理遇到的问题和政府进行平台治理，从而及时规避平台风险和改进服务。

由于口碑数据一般不会超过200字符，文本长度非常短小，口碑数据兼具内容少、信息量大、噪声大、书写不规范、特征过度稀疏等特点，在处理短文本时会因为数据问题而无法保证文本挖掘的准确性。

发明内容

针对上述现有技术存在的问题，本发明提供了一种基于口碑数据的P2P平台风险分析方法，包括：

(11)采集目标P2P平台口碑文本数据并进行预处理过程，用矩阵方式表示口碑文本数据的特征属性，记为第二特征属性集；

(12)采用文本主题发现算法，获取每一条口碑文本数据中包含的主题K_n，其中n表示所有口碑文本数据包含的主题总数；

(13)统计涉及主题K_n的口碑文本数据条数m_n，并对涉及主题K_n的m_n条口碑文本数据进行情感倾向分类。

作为上述方案的进一步优化，所述预处理过程包括分词过程和特征编码过程，所述分词过程采用Jieba分词方法对口碑文本数据分词，由词语组成的词集表示口碑文本数据，并对词集中的词语进行去噪处理；所述特征编码过程采用词袋模型对数据进行特征化，以包含文本特征信息的向量表示文本数据。

作为上述方案的进一步优化，所述预处理过程还包括特征选择过程，用于从分词过程后的词集中过滤掉没有实际意义的词语。

作为上述方案的进一步优化，所述步骤(12)中的文本主题发现算法，采用口碑文本数据特征扩展方法获取扩展文本数据，结合扩展文本数据集和原有口碑文本数据集获取口碑数据集的口碑主题-词语分布和口碑数据-主题分布。