C2C電子商務(wù)平臺(tái)下的用戶投票激勵(lì)算法*

楊波威 ，宋廣華 ，鄭 耀

（1.浙江大學(xué)工程與科學(xué)計(jì)算中心 杭州310027；2.浙江大學(xué)計(jì)算機(jī)學(xué)院 杭州310027；3.浙江大學(xué)航空航天學(xué)院 杭州310027）

1 引言

C2C電子商務(wù)平臺(tái)下沒(méi)有特定的資源提供主體或資源消費(fèi)主體，任何用戶均可既擔(dān)任資源提供者，亦擔(dān)任資源消費(fèi)者，具有完全的自主性和平等的地位，使得C2C電子商務(wù)平臺(tái)具有靈活、自組織、可擴(kuò)展性強(qiáng)以及對(duì)用戶有很強(qiáng)的吸引性等特點(diǎn)，越來(lái)越受到學(xué)術(shù)界和工業(yè)界的關(guān)注。

隨著國(guó)內(nèi)最大的C2C電子商務(wù)平臺(tái)淘寶網(wǎng)的大力發(fā)展，2009年上半年淘寶網(wǎng)完成營(yíng)業(yè)額809億元人民幣，注冊(cè)會(huì)員1.45億人，占中國(guó)網(wǎng)民總數(shù)的43%，同時(shí)網(wǎng)購(gòu)用戶數(shù)量同比年增長(zhǎng)101%，已經(jīng)遠(yuǎn)遠(yuǎn)超出了零售巨頭沃爾瑪在華銷(xiāo)售額。伴隨著淘寶網(wǎng)成立之初所引入的簡(jiǎn)單的“好評(píng)、中評(píng)、差評(píng)”評(píng)價(jià)體系亦無(wú)法承受如此龐大而快速的用戶數(shù)量增長(zhǎng)，信譽(yù)評(píng)價(jià)體系的參考價(jià)值由于空投票、刷信譽(yù)、店家的線下威脅用戶等原因而逐漸失去其應(yīng)有的意義。因此，淘寶網(wǎng)在保持了原有的最簡(jiǎn)單的“好評(píng)、中評(píng)、差評(píng)”評(píng)價(jià)體系的同時(shí)，亦發(fā)展了“寶貝與描述相符”、“賣(mài)家的服務(wù)態(tài)度”、“賣(mài)家的發(fā)貨速度”等三項(xiàng)評(píng)價(jià)指標(biāo)，同時(shí)也引入了同行業(yè)的平均排名以供用戶參考，在一定程度上給予了用戶更全面、更精確且更直觀的參考評(píng)估。但是，淘寶網(wǎng)上依舊存在著大量的“評(píng)價(jià)方未及時(shí)做出評(píng)價(jià),系統(tǒng)默認(rèn)好評(píng)!”、“本店恕不接受中評(píng)、差評(píng)”等情況。無(wú)意義的空投票與被賣(mài)家脅迫的假投票嚴(yán)重地影響到了淘寶網(wǎng)信譽(yù)系統(tǒng)的良好運(yùn)行。

同時(shí)，由于相比C2C平臺(tái)具有更高的開(kāi)放性，P2P領(lǐng)域亦有較多的研究人員在研究與C2C類(lèi)似的信譽(yù)[1]與激勵(lì)模型[2]，希望通過(guò)附加計(jì)算組件規(guī)范各結(jié)點(diǎn)的行為。本文就鼓勵(lì)買(mǎi)家進(jìn)行合理、準(zhǔn)確的投票展開(kāi)研究，引入了目前P2P領(lǐng)域研究較多的可信計(jì)算理論與技術(shù)，以期通過(guò)附加一些計(jì)算與要求，協(xié)助C2C平臺(tái)建立一個(gè)更加完善、合理且值得用戶信任的信譽(yù)系統(tǒng)。

2 基于用戶投票激勵(lì)模型的信譽(yù)系統(tǒng)

現(xiàn)實(shí)生活中，信譽(yù)廣泛存在于各種市場(chǎng)行為中，信譽(yù)系統(tǒng)使萬(wàn)千買(mǎi)家與賣(mài)家受惠：賣(mài)家通過(guò)信譽(yù)系統(tǒng)在買(mǎi)家中建立良好的商家信譽(yù)，因此帶來(lái)更多的買(mǎi)家；買(mǎi)家通過(guò)信譽(yù)系統(tǒng)獲知信譽(yù)良好的商家，獲取更加優(yōu)質(zhì)的服務(wù)。自計(jì)算機(jī)網(wǎng)絡(luò)引入商品交易以來(lái)，大量的數(shù)據(jù)存儲(chǔ)與快速訪問(wèn)變成了可能，買(mǎi)家不僅能夠通過(guò)熟識(shí)的朋友獲取賣(mài)家相應(yīng)的信譽(yù)，還能夠借助于海量的非熟識(shí)朋友的經(jīng)驗(yàn)來(lái)協(xié)助他們進(jìn)行交易。

但是，信譽(yù)系統(tǒng)顯然并沒(méi)有對(duì)海量信譽(yù)數(shù)據(jù)與快速訪問(wèn)這一巨大變化進(jìn)行較為合理的優(yōu)化，大量的空評(píng)價(jià)和欺騙性評(píng)價(jià)以及賣(mài)家脅迫下的假評(píng)價(jià)充斥著C2C交易平臺(tái)，以致大量信譽(yù)看似良好的賣(mài)家卻依舊在銷(xiāo)售著他們的劣質(zhì)產(chǎn)品。

現(xiàn)實(shí)生活中運(yùn)行良好的信譽(yù)系統(tǒng)之所以在遷移至互聯(lián)網(wǎng)時(shí)沒(méi)有利用到其海量數(shù)據(jù)存儲(chǔ)和快速訪問(wèn)的優(yōu)勢(shì)，反被大量的垃圾信譽(yù)所害的主要原因在于：實(shí)體市場(chǎng)中的信譽(yù)往往通過(guò)朋友等關(guān)系進(jìn)行傳播，在信譽(yù)傳播過(guò)程中有額外的附加責(zé)任，信譽(yù)傳播者通常對(duì)其傳播行為負(fù)責(zé)，信譽(yù)傳播呈現(xiàn)小而精的態(tài)勢(shì)；電子市場(chǎng)中的買(mǎi)家與買(mǎi)家并不熟識(shí)，信譽(yù)傳播過(guò)程相對(duì)較隨意，出于對(duì)打“差評(píng)”可能帶來(lái)的賣(mài)家糾纏的憂慮或懶于評(píng)價(jià)，電子市場(chǎng)記錄了大批的“無(wú)用的好評(píng)信譽(yù)記錄”。

本文將實(shí)體市場(chǎng)中有責(zé)任的信譽(yù)傳播機(jī)制引入C2C電子交易市場(chǎng)，使用戶在放棄評(píng)價(jià)與濫評(píng)價(jià)時(shí)承擔(dān)一定的責(zé)任，以期鼓勵(lì)用戶進(jìn)行主動(dòng)、客觀的評(píng)價(jià)。實(shí)驗(yàn)表明在設(shè)計(jì)良好的信譽(yù)系統(tǒng)下，C2C平臺(tái)可以較大限度地提高用戶的主動(dòng)評(píng)價(jià)率，遏制虛假評(píng)價(jià)。

3 用戶投票激勵(lì)算法

激勵(lì)信譽(yù)系統(tǒng)由完全獨(dú)立于平臺(tái)的各種表征用戶性質(zhì)的數(shù)值組成，本文將定義如下4個(gè)激勵(lì)信譽(yù)系統(tǒng)的重要概念。

Vr：買(mǎi)家評(píng)價(jià)，單次事務(wù)中，買(mǎi)家對(duì)賣(mài)家的商品及服務(wù)的評(píng)價(jià)。

Rr：賣(mài)家累積信譽(yù)，即賣(mài)家從過(guò)去的買(mǎi)家評(píng)價(jià)中所獲取的累積分值的指征。

Pu：買(mǎi)家累積信譽(yù)積分，即信譽(yù)系統(tǒng)評(píng)估買(mǎi)家歷次的Vr，系統(tǒng)累積計(jì)算出來(lái)反映其準(zhǔn)確程度的指征。

Rp：商品信譽(yù)價(jià)格，即賣(mài)家為調(diào)節(jié)商品可用程度，屏蔽部分低Pu買(mǎi)家的工具。

較之傳統(tǒng)的信譽(yù)系統(tǒng)，本文中所述的激勵(lì)信譽(yù)系統(tǒng)引入了Pu與Rp兩個(gè)重要概念：Pu指標(biāo)衡量買(mǎi)家評(píng)價(jià)的準(zhǔn)確程度，Rp指標(biāo)由賣(mài)家針對(duì)商品進(jìn)行自主調(diào)控，主要目的是在引入Pu信譽(yù)積分的前提下，賣(mài)家有權(quán)力自主選擇合適的買(mǎi)家進(jìn)行消費(fèi)，進(jìn)一步限制惡意買(mǎi)家對(duì)優(yōu)質(zhì)資源的影響。

具體到一個(gè)交易事務(wù)，Rr與Rp在交易開(kāi)始之前展現(xiàn)給買(mǎi)家，若買(mǎi)家對(duì)于該賣(mài)家的Rr與資源的Rp及資源的其他描述滿意，則交易開(kāi)始：

·從買(mǎi)家Pu賬號(hào)上減去Rp的分值，如買(mǎi)家Pu賬號(hào)余額不足，則禁止交易；

·買(mǎi)家與賣(mài)家完成交易事務(wù)；

·若買(mǎi)家不對(duì)資源進(jìn)行評(píng)價(jià)，則系統(tǒng)無(wú)動(dòng)作，買(mǎi)家Pu賬號(hào)變動(dòng)為ΔPu=-Rp；若買(mǎi)家對(duì)資源進(jìn)行評(píng)價(jià)，則系統(tǒng)依據(jù)Vr的準(zhǔn)確程度，反饋 X（0

· 若買(mǎi)家對(duì)資源進(jìn)行評(píng)價(jià)，系統(tǒng)將Vr納入ΔRr計(jì)算，改變資源的Rr積分。

由上述交易場(chǎng)景可知：由于買(mǎi)家在交易前即已獲知賣(mài)家的Rr與資源的Rp，而且自動(dòng)化的信譽(yù)系統(tǒng)并沒(méi)有其他的評(píng)估賣(mài)家Rr的途徑，所以ΔRr與ΔPu的所有評(píng)估因子均來(lái)源于歷次買(mǎi)家的Vr。作為一個(gè)單純的信譽(yù)系統(tǒng)，Rr必須具有對(duì)買(mǎi)家一定的參考意義，協(xié)助買(mǎi)家進(jìn)行進(jìn)一步的決定；作為一個(gè)單純的激勵(lì)系統(tǒng)，Rr不能泄漏重要計(jì)算因子給后續(xù)買(mǎi)家，以免后續(xù)買(mǎi)家可以反推最佳Vr，以獲取高額的ΔPu。

在進(jìn)行計(jì)算算法設(shè)計(jì)之前，本文提出以下兩條主要用于簡(jiǎn)化用戶偏好所帶來(lái)的資源計(jì)算偏差的假設(shè)條件：

（1）為了簡(jiǎn)化C2C平臺(tái)下與激勵(lì)核心算法無(wú)關(guān)的因素，用戶對(duì)于資源的偏好程度被忽略，即所有的用戶在資源偏好上是不存在偏差的；

（2）在假設(shè)（1）的約束下，一個(gè)負(fù)責(zé)任的用戶針對(duì)某個(gè)資源所給出的評(píng)價(jià)與其他負(fù)責(zé)任的用戶針對(duì)該資源所給出的評(píng)價(jià)應(yīng)當(dāng)是大致近似的。

在如上兩個(gè)假設(shè)條件下，本文設(shè)計(jì)如下算法，分別計(jì)算 ΔRr與 ΔPu：

式（1）中，N為前期賣(mài)家所擁有的投票數(shù)，S為大于0的恒量縮放因子；式（2）中，pdf為標(biāo)準(zhǔn)正態(tài)概率密度函數(shù)，其中，μ為前期賣(mài)家所擁有的全部投票的平均值，σ為前期賣(mài)家所擁有的全部投票的標(biāo)準(zhǔn)差。

由以上ΔRr與ΔPu的公式可知，賣(mài)家信譽(yù)指數(shù)增量ΔRr當(dāng)且僅當(dāng)在Vr大于0.5時(shí)為正，且Vr越大，ΔRr越大，因此賣(mài)家信譽(yù)指數(shù)Rr隨著他所獲得的大于0.5的Vr的數(shù)量與Vr的分值的增加而升高；另一方面，買(mǎi)家信譽(yù)指數(shù)增量ΔPu則正比于Vr與前期賣(mài)家所擁有的全部投票的平均值μ，反比于前期賣(mài)家所擁有的全部投票的標(biāo)準(zhǔn)差σ。

如圖1所示，Rc對(duì)Rr造成的變化并不受到此前評(píng)價(jià)的用戶的影響，一定的Rc即對(duì)應(yīng)于一定的ΔRr。

圖2描述了3位賣(mài)家在初始Rr均為0，分別經(jīng)歷過(guò)2、4、4輪買(mǎi)家評(píng)價(jià)后Rr最終達(dá)到同一數(shù)值的情況，則他們的第3、5、5位買(mǎi)家面對(duì)的賣(mài)家由系統(tǒng)所給出來(lái)的提示Rr均相同，但是由于各賣(mài)家的前期買(mǎi)家對(duì)資源的評(píng)價(jià)完全不同，所以后續(xù)買(mǎi)家在給出相應(yīng)的Vr時(shí)，系統(tǒng)將依據(jù)前期買(mǎi)家對(duì)資源給出的評(píng)價(jià)作出如圖3所示的ΔPu反饋。

（1）(a)號(hào)資源的前期買(mǎi)家對(duì)資源作出了較高的μ與較低的σ的評(píng)價(jià)，使(a)號(hào)資源僅僅經(jīng)過(guò)較少的買(mǎi)家評(píng)價(jià)即已經(jīng)達(dá)到了一定的資源信譽(yù)，說(shuō)明(a)號(hào)資源得到了一定數(shù)量的達(dá)到共識(shí)的買(mǎi)家的高度評(píng)價(jià)，因此圖3中代表該資源后續(xù)買(mǎi)家得分分布的實(shí)線曲線相對(duì)較窄而且偏向右邊的高分區(qū)。

（2）(b)號(hào)資源的與(a)號(hào)資源所展示給后續(xù)買(mǎi)家的 Rr完全一致，但是(b)號(hào)資源是經(jīng)歷過(guò)相對(duì)較多輪數(shù)的買(mǎi)家評(píng)價(jià)達(dá)到目前的資源信譽(yù)的，說(shuō)明(b)號(hào)資源得到了較多買(mǎi)家的一般認(rèn)可，由于廣泛買(mǎi)家的認(rèn)可，一般資源的質(zhì)量也是相對(duì)較高的，因此圖3中代表該資源后續(xù)買(mǎi)家得分分布的虛線曲線與實(shí)線曲線相比偏向中間分值區(qū)。

（3）(c)號(hào)資源相比于(a)、(b)號(hào)資源，前期買(mǎi)家的評(píng)價(jià)分歧較大，所以系統(tǒng)認(rèn)為該資源可能存在不穩(wěn)定情況，因此圖3中代表該資源后續(xù)買(mǎi)家得分分布的點(diǎn)劃線曲線的得分區(qū)間寬度明顯放大。

因此，由圖2、圖3可知，在引入Pu激勵(lì)機(jī)制后，可以合理地引導(dǎo)買(mǎi)家進(jìn)行評(píng)價(jià)，從一定程度上防止空投票和亂投票現(xiàn)象，提高了Rr對(duì)于后續(xù)買(mǎi)家的參考價(jià)值；同時(shí)，引入Rp機(jī)制亦保證了賣(mài)家可以針對(duì)自身資源的情況選擇買(mǎi)家，一定程度上遏制了惡意買(mǎi)家的交易與評(píng)價(jià)行為。

4 實(shí)驗(yàn)與分析

本節(jié)對(duì)上述算法作出模擬實(shí)驗(yàn)以仿真真實(shí)的C2C平臺(tái)用戶交易，實(shí)驗(yàn)條件如下：

（1）共計(jì)30個(gè)常規(guī)資源及1個(gè)不受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)的參照資源和1個(gè)受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)但不受激勵(lì)機(jī)制限制的參照資源被部署在C2C平臺(tái)里，它們的期望用戶平均評(píng)價(jià)分值均為質(zhì)量一般0.4的；

（2）包括 300名（20%）不負(fù)責(zé)任的買(mǎi)家在內(nèi)的共計(jì)1 500名買(mǎi)家隨機(jī)選擇以上30個(gè)賣(mài)家資源進(jìn)行評(píng)價(jià)；

（3）不負(fù)責(zé)任的買(mǎi)家在進(jìn)行評(píng)價(jià)時(shí)，總是選擇“1.0”的評(píng)價(jià)，而普通用戶的投票行為在本實(shí)驗(yàn)中設(shè)定為符合以資源的期望用戶平均評(píng)價(jià)分值為均值，0.3為方差的正態(tài)分布。

如圖4所示，本次測(cè)試后從全部30個(gè)常規(guī)資源中選出了一個(gè)資源為受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)影響且受激勵(lì)機(jī)制限制的代表，其Rr變化曲線繪制如圖4中的(a)號(hào)曲線；(b)號(hào)曲線反映的是不受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)影響的理想情況下的參照資源的Rr變化曲線；(c)號(hào)曲線反映的是受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)影響且不受激勵(lì)機(jī)制限制的現(xiàn)實(shí)情況下的參照資源的Rr變化典型線。

從圖4中可以明顯地看到在有大量的不負(fù)責(zé)任買(mǎi)家的評(píng)價(jià)且沒(méi)有激勵(lì)機(jī)制限制下的(c)號(hào)曲線的走勢(shì)明顯偏高，走向了0.9的評(píng)價(jià)好評(píng)度，這種情況正是目前大部分C2C平臺(tái)提供商所面臨的主要問(wèn)題：大量普通或劣質(zhì)資源由于用戶評(píng)價(jià)管理的松散性而使得其參考指標(biāo)Rr明顯高于正常范圍。而在有激勵(lì)機(jī)制發(fā)生作用、有限制的常規(guī)資源(a)的曲線走勢(shì)則更貼近理想走勢(shì)的(b)號(hào)曲線。

另外，圖4中以深線灰色 標(biāo)識(shí)的曲線則反映了同期被禁止交易的買(mǎi)家數(shù)量變化示意圖，明顯的是，在經(jīng)歷過(guò) 500個(gè)交易周期后，約有 67%（200/300）的不負(fù)責(zé)任買(mǎi)家被禁止交易，而僅約有5.8%（70/1 200）的常規(guī)買(mǎi)家被禁止交易。

經(jīng)過(guò)實(shí)驗(yàn)表明，本激勵(lì)算法在限制不負(fù)責(zé)任買(mǎi)家的評(píng)價(jià)行為、提高資源評(píng)價(jià)的參考指標(biāo)質(zhì)量上均有比較大的作用，同時(shí)，并沒(méi)有對(duì)負(fù)責(zé)任的買(mǎi)家造成較大的影響。

5 相關(guān)工作

目前，信譽(yù)系統(tǒng)在分布式環(huán)境中獲得了較多的科研人員的關(guān)注，Kamvar S D等[3]和Xiong L等[4]分別提出了兩個(gè)全局信譽(yù)系統(tǒng)：EigenTrust和PeerTrust。與此同時(shí)，我們也就分布式的信譽(yù)系統(tǒng)展開(kāi)過(guò)相關(guān)的研究[5]。但是，以上精確的信譽(yù)模型研究均假定了主動(dòng)的用戶評(píng)價(jià)，并未涉及激勵(lì)機(jī)制，因此依然會(huì)造成大量的空白或無(wú)用評(píng)價(jià)。

Antoniadis P[6]和Papaioannou T G等[7]則提出了一個(gè)簡(jiǎn)單的激勵(lì)模型：買(mǎi)家的評(píng)價(jià)直接與最近的前一位買(mǎi)家的評(píng)價(jià)進(jìn)行比較，如果一致，則認(rèn)為兩位買(mǎi)家的評(píng)價(jià)真實(shí)有效，否則認(rèn)為兩位買(mǎi)家至少有一方是不負(fù)責(zé)任的，系統(tǒng)判定兩次分值均無(wú)效。這種超輕量級(jí)的計(jì)算策略非常靈活、簡(jiǎn)單，但是它并不能真正區(qū)分哪一位買(mǎi)家在進(jìn)行不負(fù)責(zé)任的評(píng)價(jià)行為，無(wú)辜的人經(jīng)常被不負(fù)責(zé)任的人牽連，而且系統(tǒng)沒(méi)有自我學(xué)習(xí)與適應(yīng)功能。

Yang Mao[8]等人則在激勵(lì)與信譽(yù)機(jī)制方面將目前國(guó)內(nèi)外研究的重點(diǎn)內(nèi)容結(jié)合起來(lái)應(yīng)用在Maze系統(tǒng)中。然而，參考文獻(xiàn)[8]主要注重信譽(yù)機(jī)制的融合，對(duì)于相應(yīng)的激勵(lì)機(jī)制的描述相對(duì)簡(jiǎn)單，激勵(lì)機(jī)制僅僅作為信譽(yù)機(jī)制的一種簡(jiǎn)單的附加設(shè)施，面對(duì)各種各樣的惡意或?yàn)E用行為缺乏較完善的考量。Chang Junsheng[9]、Jin Yu[10]和 Li Haihua[11]等人主要針對(duì)P2P網(wǎng)絡(luò)中假投票或者偽投票的偵測(cè)與識(shí)別展開(kāi)了相關(guān)研究，其均假設(shè)結(jié)點(diǎn)擁有充足的投票數(shù)，且沒(méi)有對(duì)激勵(lì)展開(kāi)相關(guān)的研究。另外，Srivatsa等人在TrustGuard[12]中提出了信譽(yù)分值的時(shí)效性問(wèn)題，也沒(méi)有涉及激勵(lì)機(jī)制。

6 結(jié)束語(yǔ)

本文提出了一個(gè)用于分布式電子商務(wù)環(huán)境下的新型的用戶投票激勵(lì)算法模型。該模型對(duì)系統(tǒng)有較小的侵入性，能在不增加用戶負(fù)擔(dān)、不改變系統(tǒng)結(jié)構(gòu)的情況下，為信譽(yù)系統(tǒng)增加針對(duì)用戶的激勵(lì)功能，鼓勵(lì)買(mǎi)家進(jìn)行真實(shí)、有效的評(píng)價(jià)活動(dòng)。該模型的引入在一定程度上提高了買(mǎi)家的責(zé)任心，提高了買(mǎi)家評(píng)價(jià)的準(zhǔn)確性和可用性，從而進(jìn)一步提高了信譽(yù)系統(tǒng)的可用性。

針對(duì)真實(shí)環(huán)境的模擬實(shí)驗(yàn)表明，本算法對(duì)買(mǎi)家的評(píng)價(jià)有較好的識(shí)別能力，可以自動(dòng)高效地判定買(mǎi)家類(lèi)別，并自動(dòng)過(guò)濾買(mǎi)家的不負(fù)責(zé)任的投票，使對(duì)賣(mài)家的評(píng)價(jià)更加接近真實(shí)。

1 Cohen B.Incentives build robustness in bitTorrent.In:The 1st Workshop on Economics of Peer-to-Peer Systems,Berkeley， CA，USA,2003

2 Freedman M J,Aperjis C,Johari R.Prices are right:managing resources and incentives in peer-assisted content distribution.In:The 7th International Workshop on Peer-to-Peer Systems,Toronto,Canada,2008

3 Kamvar S D,Schlosser M T,Molina H G.The eigen trust algorithm for reputation management in P2P networks.In:The 12th InternationalWorld Wide Web Conference(WWW),Budapest，Hungary,2003

4 Xiong L,Liu L.Peertrust:supporting reputation-based trust for peer-to-peer electronic communities. In: IEEE Trans on Knowledge and Data Engineering,2004(16)

5 Yang B W,Song G H,Zheng Y.Resourcedog:a trusted resource discovery and automatic invocation P2P framework.In:The 5th IFIP International Conference on Network and Parallel Computing,Shanghai，China,2008

6 Antoniadis P,Courcoubetis C,Mason R,Papaioannou T G,et al.Results of peer-to-peer market models,project IST MMAPPS,http://www.mmapps.org

7 Papaioannou T G,Stamoulis G D.An incentives’mechanism promoting truthful feedback in peer-to-peer systems.In:The 5th IEEE International Symposium on Cluster Computing and the Grid,Cardiff，UK,2005

8 Yang Mao,Feng Qinyuan,DaiYafei,Zhang Zheng.A multi-dimensional reputation system combined with trust and incentive mechanisms in P2P file sharing systems.In:The 27th InternationalConference on Distributed Computing Systems(ICDCS),Toronto,Ontario，Canada,2007

9 Chang Junsheng,Wang Huaimin,Yin Gang,Tang Yangbin.A new reputation mechanism against dishonest recommendations in P2P systems.In:The 8th International Conference on Web Information Systems Engineering(WISE),Nancy，F(xiàn)rance,2007

10 JinYu,GuZhimin,GuJinguang,ZhaoHongwu.A new reputation-based trustmanagementmechanism againstfalse feedbacks in peer-to-peer systems.In:The 8th International Conference on Web Information Systems Engineering(WISE),Nancy，F(xiàn)rance,2007

11 Li Haihua,Du Xiaoyong,Tian Xuan.A review-based reputation evaluation approach forweb services.JournalofComputer Science and Technology,2009

12 Srivatsa M,Xiong L,Liu L.Trustguard:countering vulnerabilities in reputation management for decentralized overlay networks.In:The 14th International World Wide Web Conference(WWW),Chiba，Japan,2005