P2P負(fù)面口碑特征屬性挖掘與風(fēng)險知識識別模型

王 平，夏火松

（武漢紡織大學(xué) 管理學(xué)院，湖北 武漢 430073）

0 引言

網(wǎng)貸之家發(fā)布的《2018年中國網(wǎng)絡(luò)借貸行業(yè)年報》數(shù)據(jù)顯示，2018年全年P(guān)2P網(wǎng)貸行業(yè)成交量達(dá)到了17948.01億元，相比2017年全年網(wǎng)貸成交量（28048.49億元）減少了36.01%。2018年，P2P行業(yè)不僅成交量下降，而且大量的平臺暴雷、退出，給行業(yè)帶來了巨大的風(fēng)險。究其原因，可分為三類：第一類由于P2P是一種創(chuàng)新金融模式，政府采取從混沌到有序的治理思路尚未適應(yīng)復(fù)雜的金融風(fēng)險；第二類是P2P平臺缺乏有效的治理，流程不規(guī)范以及金融市場的競爭壓力，產(chǎn)生了高息攬存和潛在欺詐行為等風(fēng)險；第三類是投資者和借貸者的“無知”（對金融科技的風(fēng)險缺乏知識素養(yǎng)）。中國銀監(jiān)會在2016年分別印發(fā)《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法》和《網(wǎng)絡(luò)借貸信息中介機構(gòu)備案登記管理指引》，在 2017年提出《網(wǎng)絡(luò)借貸資金存管業(yè)務(wù)指引》和《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動信息披露指引》，形成了網(wǎng)貸行業(yè)“1+3”監(jiān)管制度體系。但是對于后兩類原因的分析與治理，缺乏深入的理論研究與對策研究。

P2P進(jìn)入國內(nèi)市場引起的行業(yè)亂象，吸引了大量的學(xué)者關(guān)注到新金融風(fēng)險研究。葉青等[1]從平臺實力、標(biāo)的特征、風(fēng)控能力、治理水平等維度構(gòu)建模型，發(fā)現(xiàn)利率奇高是識別問題平臺的最重要變量，同時，實力薄弱、標(biāo)的類型單一、風(fēng)控能力欠缺是問題平臺的前兆。王茂光等[2]以C5.0決策樹算法構(gòu)建風(fēng)險預(yù)測模型，表明該模型具有較好的預(yù)測能力。范超等[3]利用文本挖掘技術(shù)提取網(wǎng)絡(luò)口碑的情感傾向，結(jié)合平臺的基本信息和交易信息，使用八個統(tǒng)計模型判定風(fēng)險。何光輝等[4]從道德風(fēng)險、公司治理、信用管理和營運風(fēng)險四個風(fēng)險維度，提出了假設(shè)檢驗和指標(biāo)體系，幵建立計量模型分析平臺風(fēng)險及決定因素，發(fā)現(xiàn)平臺基本為民營公司，四個風(fēng)險維度指標(biāo)越高，平臺出問題的可能性越大。古定威等[5]指出平臺競爭不利于平臺控制信用風(fēng)險，監(jiān)管風(fēng)險對控制P2P平臺信用風(fēng)險有較大的影響。可見，學(xué)者們對P2P平臺知識風(fēng)險研究大致可分為：平臺基本信息、交易信息、風(fēng)控信息、治理信息和口碑信息等視角分析。第一類是對包括注冊資本、注冊地、保障方式、平臺背景等平臺基本信息分析（葉青[1]、王茂光[2]、范超等[3]）；第二類是對包括成交量、平均利率、投資人數(shù)、平均借款期限、借款人數(shù)等交易信息分析（王茂光[2]、范超等[3]和何光輝等[4]）；第三類是對包括風(fēng)控措施、信用風(fēng)險、流動性風(fēng)險、系統(tǒng)性風(fēng)險等風(fēng)控信息分析（王茂光[2]、何光輝等[4]和古定成等[5]）；第四類是對包括高管背景、股東數(shù)目和董事人數(shù)等治理信息分析（葉青[1]和何光輝等[4]）；第五類是對包括評論情感傾向口碑信息分析（范超等[3]）。

以上研究較多運用結(jié)構(gòu)化信息分析平臺風(fēng)險，范超等采用非結(jié)構(gòu)信息探究口碑的情感分類是否可以區(qū)分正常平臺和問題平臺[3]，但是缺乏利用文本挖掘的方法識別P2P平臺風(fēng)險的負(fù)面口碑特征研究。Rinchins[6]界定負(fù)面口碑為告訴熟悉人有感產(chǎn)品的不滿意經(jīng)驗。當(dāng)買方根據(jù)其他買方的口碑信息形成他對賣方的信任程度時，負(fù)面口碑比正面口碑具有更大的反對效果[7]。負(fù)面口碑與正面口碑相比，其被消費者認(rèn)為更加有用和可信[8]，Lu et al.認(rèn)為負(fù)面口碑占比對銷售量會產(chǎn)生顯著的影響[9]。P2P負(fù)面口碑會增加投資者的風(fēng)險感知，通過挖掘負(fù)面口碑風(fēng)險知識在一定程度上會幫助投資者做決策，從而降低投資者的投資風(fēng)險[10]。Chervalier等[11]發(fā)現(xiàn)負(fù)面口碑會給企業(yè)造成不良的影響。Zhu et al.[12]發(fā)現(xiàn)某些產(chǎn)品（例如利基產(chǎn)品），只有一個也是不利的。此外，已有研究從非結(jié)構(gòu)化信息（在線評論、公司財報、公司招股說明書、公司披露的信息等文本信息）中提取風(fēng)險信息，如胡小榮等[13]從文本分析的視角，通過統(tǒng)計詞頻、主題分析和可視化風(fēng)險知識，發(fā)現(xiàn)上市公司的風(fēng)險信息。李金海等[14]基于大數(shù)據(jù)處理引擎MapReduce構(gòu)建了在線評論特征屬性挖掘模塊，幵提出了負(fù)面口碑網(wǎng)絡(luò)預(yù)警模型?？梢?，從文本分析的視角研究企業(yè)風(fēng)險較多的是提取關(guān)鍵詞、特征屬性挖掘、可視化等方法。

綜上所述，已有文獻(xiàn)主要從平臺交易、治理、風(fēng)控、營運和口碑等維度的信息研究平臺風(fēng)險，較少研究利用P2P平臺口碑信息識別風(fēng)險信息，僅僅探討了基于粗粒度的網(wǎng)貸口碑的情感分析對平臺風(fēng)險的影響，未深入挖掘口碑中其他特征屬性，如投資者抱怨的意見和抱怨的程度。通過挖掘網(wǎng)絡(luò)負(fù)面口碑有助于投資者降低投資風(fēng)險，有利于平臺及時發(fā)現(xiàn)經(jīng)營管理遇到的問題和政府進(jìn)行平臺治理，從而及時規(guī)避平臺風(fēng)險和改進(jìn)服務(wù)。負(fù)面口碑不僅會影響投資者行為，而且挖掘其特征是企業(yè)識別風(fēng)險的方法。因此，在虛擬性互聯(lián)網(wǎng)平臺的新金融模式中利用負(fù)面口碑來識別風(fēng)險知識是一種新的探索，如何挖掘負(fù)面口碑中的特征是值得研究的問題。

基于以上的討論，文章從文本分析的視角解決以下三個問題彌合這一差距：

（1）利用文本挖掘方法，分析P2P負(fù)面口碑的內(nèi)容能否發(fā)現(xiàn)影響平臺風(fēng)險的因素？

（2）在問題（1）的研究背景下，P2P負(fù)面口碑中不同維度的影響因素呈現(xiàn)的風(fēng)險程度？

（3）利用可視化方法比較P2P負(fù)面口碑與正面口碑的差異性？

文章主要的價值：第一，關(guān)于負(fù)面口碑的P2P平臺風(fēng)險研究不多見但有研究的必要性，拓展了P2P風(fēng)險知識研究的路徑；第二，設(shè)計了基于負(fù)面口碑的P2P平臺風(fēng)險知識識別模型，利用文本挖掘和機器學(xué)習(xí)方法將投資者抱怨意見和抱怨程度從海量的負(fù)面口碑中轉(zhuǎn)化為關(guān)鍵的風(fēng)險特征信息彌合研究的差距。

1 P2P負(fù)面口碑的風(fēng)險識別知識模型構(gòu)建

1.1 有限注意力理論與eWOM

有限注意力理論是Kahneman于1973年提出來的。有限注意力理論認(rèn)為：個人或團體注意力很重要但有限，因此強烈程度、新奇程度或吸引力更強的能夠吸引眼球幵采取行動[15]。P2P作為一種創(chuàng)新的投融資模式，吸引了大量的投資者。

網(wǎng)絡(luò)口碑（eWOM）是一種典型的有限注意力集中的投融資行為的展現(xiàn)形式。在線用戶的潛在人格特征是否加強或削弱了WOM在社交媒體平臺中的效果，如基于深度學(xué)習(xí)模型控制潛在用戶同質(zhì)性和網(wǎng)絡(luò)結(jié)構(gòu)角色，通過將理論上影響WOM有效性的特征[16]。當(dāng)消費者退貨時，他們更可能填寫比未退貨的口碑更負(fù)面的在線口碑[17]。有限注意力理論、負(fù)面口碑及網(wǎng)絡(luò)口碑對于P2P口碑的風(fēng)險分析適合其理論思想。

1.2 P2P風(fēng)險知識識別模型構(gòu)建

知識模型是將知識進(jìn)行形式化和結(jié)構(gòu)化的抽象表示，包括知識的獲取方法、表達(dá)模式、實現(xiàn)技術(shù)等。文章根據(jù)評論挖掘任務(wù)設(shè)計負(fù)面口碑風(fēng)險知識模型，包括特征抽取、評論觀點抽取、觀點的極性判斷、評論結(jié)果匯總與排序[13，18]，以及產(chǎn)品評論主題提取[19]和關(guān)注點分析。具體而言，分析口碑觀點極性，篩選負(fù)面極性口碑，深入挖掘評論特征、評論主題與評論結(jié)果匯總。圖1展示了基于負(fù)面口碑的P2P風(fēng)險知識識別模型。從流程上將P2P風(fēng)險識別模型分為口碑下載與預(yù)處理、口碑情感分類、負(fù)面口碑信息挖掘。通過挖掘P2P平臺負(fù)面口碑的屬性特征，幵對屬性特征的重要程度進(jìn)行排序，及時發(fā)現(xiàn)平臺風(fēng)險知識。

圖1 基于負(fù)面口碑的P2P風(fēng)險知識識別模型

2 模型驗證與實驗流程

2.1 數(shù)據(jù)來源

網(wǎng)貸天眼是國內(nèi)最大的P2P行業(yè)綜合門戶網(wǎng)站之一，其包含資訊、評級、數(shù)據(jù)、檔案、社區(qū)、P2P理財?shù)劝鍓K，收錄了大量的P2P平臺數(shù)據(jù)信息，幵且信息比較齊全。通過平臺檔案欄，可以獲取子版塊各平臺口碑?dāng)?shù)據(jù)。文章從天眼下載所有平臺的口碑?dāng)?shù)據(jù)，共計 162071條。數(shù)據(jù)預(yù)處理，包括去除重復(fù)數(shù)據(jù)和同義詞合幵等，最終用于實驗的數(shù)據(jù)140094條。

2.2 情感分類

首先借助爬蟲軟件爬取了網(wǎng)貸天眼的 14萬多條口碑作為語料庫。在分析理解口碑信息基礎(chǔ)上，構(gòu)建了自定義詞表用于分詞。采用Python中文分詞組件Jieba中文分詞庫幵導(dǎo)入自定義詞表進(jìn)行分詞處理，去除停用詞。在此基礎(chǔ)上，隨機選取“正向”、“中立/噪音”、“負(fù)向”口碑?dāng)?shù)據(jù)各1000條標(biāo)記作為訓(xùn)練集，然后利用Python機器學(xué)習(xí)庫SciKit-Learn進(jìn)行特征提取、文本表示，且將數(shù)據(jù)集按照9：1的比例隨機劃分為訓(xùn)練集與測試集，通過比較Xgboost、SVM、NB和LR四種分類算法，多次實驗調(diào)參比較分類算法的準(zhǔn)確度，其中LR算法表現(xiàn)較好，準(zhǔn)確率可達(dá)76%，最終選擇LR算法對所有口碑進(jìn)行情感傾向判斷，分類結(jié)果顯示負(fù)向口碑33824條。

2.3 基于TF-IDF的特征屬性提取

TFIDF是計算特征項的函數(shù)，采用相對詞頻作為特征權(quán)重，用來刻畫特征詞在文本內(nèi)容的重要程度。一般情況下，做特征提取和主題聚類會過濾掉沒有實際意義的詞性，以名詞為主，但P2P對于時間的響應(yīng)程度要求更高，涉及關(guān)于資金操作方面的詞匯，故文章選擇名詞、動詞、時間三種詞性的詞語作為關(guān)鍵詞提取的語料庫。選取前50的特征詞進(jìn)行展示（見表1）。從表1可知，平臺、提現(xiàn)、客服是投資者抱怨的前3位的特征詞。其次是存管、回款、逾期，說明資金管理和風(fēng)險控制是平臺的詬病。再者，充值、投資、APP等特征詞，體現(xiàn)了平臺技術(shù)實力薄弱。

2.4 P2P負(fù)面口碑的主題聚類

針對口碑文本的特征稀疏性，選取 LDA主題模型，實現(xiàn)負(fù)面口碑聚類。利用 Python的機器學(xué)習(xí)庫SciKit-Learn，設(shè)置主題數(shù)為8，最大迭代次數(shù)為1000，提取主題排名前10的詞。從表2中可以看出，LDA主題模型將負(fù)面口碑分為8類主題域：主題K1顯示的是投資者情緒，包括垃圾、雷了、打不開、賬戶、客服、提現(xiàn)等；主題K2顯示的是交易信息，包括提現(xiàn)、不到、體現(xiàn)等；主題K3顯示的是服務(wù)態(tài)度和技術(shù)，包括客服、電話、APP；主題K4顯示的是收費信息，包括手續(xù)費、提現(xiàn)費等；主題K5顯示的是資金安全，包括提現(xiàn)、充值、到賬等；主題K6是風(fēng)控信息，包括跑路、逾期、存管、提現(xiàn)等；主題K7是項目信息，包括退出、項目、無法、投資人等；主題K8是收益信息，包括收益、利息、利率、紅包等。

表1 基于TF-IDF的P2P負(fù)面口碑特征詞

表2 基于LDA的P2P負(fù)面口碑主題-詞語分布

2.5 基于領(lǐng)域知識特征屬性的P2P負(fù)面口碑評分

從表2可知，P2P負(fù)面口碑的主題分別是投資者情緒、交易信息、服務(wù)態(tài)度、技術(shù)實力、資金安全、風(fēng)控信息、項目信息、收益信息。結(jié)合TFIDF值、LDA主題模型和領(lǐng)域知識，構(gòu)建了投資者抱怨指標(biāo)，設(shè)計了P2P負(fù)面口碑多維特征評分表。具體而言，選取TFIDF值前100的特征詞，人工挑選將每個詞放在不同的指標(biāo)中。由于每個維度的特征詞數(shù)量不相同，采用同一維度特征詞相加取平均數(shù)的方式計算不同維度特征詞的平均TFIDF值依次排序，見公式1和表3。從表3可知，資金信息、服務(wù)體驗和風(fēng)控信息是關(guān)鍵風(fēng)險，反應(yīng)了投資者對于資金安全的緊張程度。其次，服務(wù)體驗對于P2P平臺的影響較大，當(dāng)平臺客服回應(yīng)比較緩慢時，會增加投資者的風(fēng)險感知。再者，風(fēng)控信息直接反應(yīng)了投資者對于資金安全性的感知程度。最后，技術(shù)信息是抱怨的內(nèi)容，但相對資金信息、服務(wù)體驗等方面，抱怨程度較低。

其中score代表不同維度的平均TFIDF值，xi代表第i個值的TFIDF值，N代表不同維度特征詞數(shù)量。

表3 基于領(lǐng)域知識的P2P負(fù)面口碑評分表

2.6 P2P正負(fù)向口碑關(guān)鍵特征屬性詞云圖

基于Python的WordCloud庫可視化分別呈現(xiàn)了P2P正面口碑與負(fù)面口碑TFIDF值在前100的特征詞，如圖2所示，其中左邊是正面口碑，右邊是負(fù)面口碑。左右兩圖相比之下，正面評論呈現(xiàn)的特征詞是合規(guī)、給力、朋友、準(zhǔn)時、車貸、透明度等積極的詞匯，負(fù)面口碑呈現(xiàn)的特征詞是逾期、搶標(biāo)、管理費、借款、APP、站崗、打不開等消極的詞匯。這一方面反應(yīng)了投資者對于合規(guī)、透明度高的平臺的信任，另一方面也反應(yīng)了投資者在搶標(biāo)、管理費等方面不滿。

圖2 P2P正面口碑與負(fù)面口碑的特征詞云圖

3 結(jié)語

文章梳理了P2P網(wǎng)絡(luò)借貸領(lǐng)域平臺風(fēng)險研究，在基于平臺風(fēng)險研究結(jié)構(gòu)化數(shù)據(jù)較多而網(wǎng)絡(luò)口碑的風(fēng)險研究較少的背景下，闡述了深入挖掘負(fù)面口碑中風(fēng)險點的必要性，提出了基于負(fù)面口碑的網(wǎng)絡(luò)借貸風(fēng)險識別知識模型。具體而言，首先，利用文本挖掘的方法分析P2P負(fù)面口碑，發(fā)現(xiàn)Top6的特征詞是平臺、提現(xiàn)、客服、存管、回款和逾期，其TFIDF值均大于0.09。其次，對比了基于結(jié)構(gòu)化信息的P2P平臺風(fēng)險研究與基于負(fù)面口碑的投資者角度風(fēng)險的差異性。P2P平臺風(fēng)險文獻(xiàn)主要集中在平臺基本信息、交易信息、風(fēng)控信息、治理信息等?；谪?fù)面口碑的風(fēng)險信息主要包括資金信息、服務(wù)體驗、投資者情緒、標(biāo)的特征、技術(shù)信息、用戶信息、收費信息等，其中資金信息、服務(wù)體驗、風(fēng)控信息是投資者抱怨程度較高。這表明基于負(fù)面口碑的P2P風(fēng)險知識識別模型，可以挖掘投資者情緒、技術(shù)信息、收費信息等風(fēng)險知識。最后，對比了正面口碑與負(fù)面口碑的差異性，投資者的正面口碑中主要從合規(guī)、透明度、給力、社交等方面，負(fù)面口碑集中在逾期、搶標(biāo)、管理費、技術(shù)等方面。因此，P2P負(fù)面口碑的特征屬性挖掘是識別風(fēng)險的有效路徑，能夠識別平臺的風(fēng)險知識。

文章對于P2P負(fù)面口碑分析，豐富了有限注意力理論和eWOM理論，對P2P平臺風(fēng)險分析與治理有參考價值。對于 P2P平臺，通過挖掘負(fù)面口碑知識有助于平臺找準(zhǔn)治理的方向；對于政府，可實時監(jiān)控P2P等平臺中的口碑，及早的防控平臺風(fēng)險，幵治理與監(jiān)管；對于投資者，應(yīng)密切關(guān)注P2P等金融科技平臺的負(fù)面口碑，加強借貸知識獲取與知識共享，以免由于金融科技的“無知”增加投資的風(fēng)險。

未來的研究方向：第一，利用深度學(xué)習(xí)方法提高文本分類算法精準(zhǔn)度和特征提取的完整性；第二，從大數(shù)據(jù)集成的視角，結(jié)合文本挖掘和計量方法分析P2P平臺等FinTech平臺風(fēng)險的因果效應(yīng)。