基于聲譽(yù)的C2C電子商務(wù)信用評(píng)價(jià)模型研究

摘 要：信用問(wèn)題是困擾電子商務(wù)發(fā)展的主要瓶頸。針對(duì)目前C2C電子商務(wù)網(wǎng)站采用的信用評(píng)價(jià)模型的不足，對(duì)評(píng)價(jià)指標(biāo)進(jìn)行了改進(jìn)，融入交易金額、評(píng)價(jià)可信度、反饋信息的離散程度和對(duì)非正常退貨的懲罰等多種影響因子，提出了一種新的C2C電子商務(wù)信用評(píng)價(jià)模型?；谡鎸?shí)數(shù)據(jù)的實(shí)驗(yàn)表明，所構(gòu)建的模型在性能上優(yōu)于目前的信用評(píng)價(jià)算法。

關(guān)鍵詞：C2C電子商務(wù)；信用評(píng)價(jià)模型；聲譽(yù)；信用度

一、引言

據(jù)第37次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告顯示，截至 2015年12月，我國(guó)網(wǎng)購(gòu)人數(shù)達(dá)到4.13億，增長(zhǎng)率為14.3%；手機(jī)網(wǎng)購(gòu)人數(shù)達(dá)到3.40億，增長(zhǎng)率為43.9%?？梢?jiàn)，電子商務(wù)包括近兩年異軍突起的移動(dòng)電子商務(wù)已成為公眾經(jīng)濟(jì)生活中一種不可替代的方式。然而，在電子商務(wù)迅速發(fā)展的同時(shí)，也暴露出很多問(wèn)題，雙11購(gòu)物狂歡節(jié)的高成交率背后隱藏著高退貨率。網(wǎng)絡(luò)交易的虛擬性和信息不對(duì)稱造成中國(guó)電子商務(wù)市場(chǎng)的檸檬問(wèn)題日益嚴(yán)重，我國(guó)電子商務(wù)的信用機(jī)制亟待加強(qiáng)。

本文針對(duì)現(xiàn)有信用評(píng)價(jià)模型的不足構(gòu)建了一種新的C2C信用評(píng)價(jià)模型。在該模型中，完善了交易評(píng)價(jià)及評(píng)價(jià)可信度的計(jì)算，綜合考慮了交易時(shí)間、交易金額、交易次數(shù)、節(jié)點(diǎn)反饋的離散程度和對(duì)非正常退貨的懲罰等多種影響因素，解決了現(xiàn)有信用評(píng)價(jià)機(jī)制存在的主要問(wèn)題。

二、現(xiàn)有C2C信用評(píng)價(jià)模型的不足

目前C2C電子商務(wù)網(wǎng)站采用的信用評(píng)價(jià)算法存在諸多問(wèn)題，歸納如下：

1.交易評(píng)價(jià)指標(biāo)過(guò)于簡(jiǎn)單。僅將交易評(píng)價(jià)設(shè)置為差中好評(píng)三個(gè)等級(jí)，采用簡(jiǎn)單的累加算法，以累計(jì)值作為節(jié)點(diǎn)的信用度。在此評(píng)價(jià)指標(biāo)設(shè)置下，消費(fèi)者完全憑個(gè)人當(dāng)時(shí)的主觀感受和判斷來(lái)評(píng)價(jià)，無(wú)法準(zhǔn)確反映出用戶的真實(shí)評(píng)價(jià)。

2.未考慮用戶評(píng)價(jià)的可信度。信譽(yù)高者和信譽(yù)低者的評(píng)價(jià)可信度顯然是不同的，其對(duì)被評(píng)價(jià)用戶的信用度貢獻(xiàn)也應(yīng)不同。然而，現(xiàn)有的累加信用評(píng)價(jià)模型使不同用戶的評(píng)分具有相同的信譽(yù)影響， 缺乏對(duì)評(píng)價(jià)用戶自身信用的考慮，導(dǎo)致信用欺詐的普遍存在。

3.沒(méi)有考慮交易金額的影響。交易雙方進(jìn)行信用評(píng)價(jià)時(shí)，小額交易與大額交易對(duì)用戶信用度的增減作用是一樣的。因此某些惡意用戶可能會(huì)先利用小額交易積累較高的聲譽(yù)，之后進(jìn)行大額交易欺詐來(lái)賺取不正當(dāng)利益。

4.沒(méi)有考慮交易時(shí)間的影響。交易者的信用情況是隨時(shí)間動(dòng)態(tài)變化的，簡(jiǎn)單的信用累積機(jī)制只能夠在一定程度上反映被評(píng)價(jià)用戶的歷史交易信用情況，難以真實(shí)反映其當(dāng)前實(shí)際信譽(yù)狀況，導(dǎo)致有些用戶可能會(huì)利用早期誠(chéng)信交易進(jìn)行信任詐騙。

5.缺乏對(duì)非正常退貨的有力懲罰。網(wǎng)絡(luò)交易的虛擬性加大了買賣雙方信息的不對(duì)稱，在這種情況下，個(gè)別賣家利用虛假信息欺瞞消費(fèi)者，損害消費(fèi)者的利益。對(duì)于非正常退貨，應(yīng)給予賣家嚴(yán)厲的懲罰。然而目前大多電子商務(wù)網(wǎng)站是將退貨成功的交易直接關(guān)閉，買賣雙方互不評(píng)價(jià)，這實(shí)際存在很大的弊端。

三、基于聲譽(yù)的C2C電子商務(wù)信用評(píng)價(jià)模型的構(gòu)建

基于以上幾點(diǎn)不足，本文以姜守旭提出的基于聲譽(yù)的信任機(jī)制為指導(dǎo)，構(gòu)建了一種新的C2C電子商務(wù)信用評(píng)價(jià)模型。為便于討論，將用戶i依據(jù)與用戶j之間的歷史交易評(píng)價(jià)而得出的對(duì)于j的信任程度稱為用戶j相對(duì)于用戶i的局部聲譽(yù)。將所有與j交易過(guò)的用戶都稱為j的鄰居用戶。而將基于j的所有鄰居用戶的歷史交易評(píng)價(jià)而得出的對(duì)j的信任程度稱為用戶j的全局聲譽(yù)?；诼曌u(yù)的C2C電子商務(wù)信用評(píng)價(jià)模型的基本框架如下：

1.局部聲譽(yù)的計(jì)算

局部聲譽(yù)是用戶i基于與用戶j的歷史交易評(píng)價(jià)所得出的對(duì)用戶j未來(lái)交易行為的信任程度，它相當(dāng)于人們通過(guò)直接交往所建立起來(lái)的對(duì)彼此的信任。它的主要影響因素為歷史交易評(píng)價(jià)，此外，還與交易金額、交易時(shí)間和交易次數(shù)有關(guān)。

（1）交易評(píng)價(jià)

以淘寶網(wǎng)為首的C2C電子商務(wù)網(wǎng)站目前所廣泛采用的信用評(píng)價(jià)機(jī)制主要從描述相符、物流服務(wù)和服務(wù)態(tài)度這三個(gè)方面進(jìn)行評(píng)價(jià)，但是累加信用計(jì)算并未用到上述三個(gè)指標(biāo)的評(píng)價(jià)，而是將交易評(píng)價(jià)設(shè)置為差、中、好評(píng)三個(gè)等級(jí)，對(duì)應(yīng)得分-1、0、1（其中默認(rèn)評(píng)價(jià)或未作評(píng)價(jià)的情況均作為“好評(píng)”處理），據(jù)此來(lái)計(jì)算賣家的信用度。對(duì)此，本文做出如下改進(jìn)。

假設(shè)用戶i與用戶j的第l次交易中描述相符指標(biāo)的得分為Uel，服務(wù)態(tài)度指標(biāo)的得分為Usl，物流服務(wù)指標(biāo)的得分為Uml。為了更確切地表達(dá)用戶的真實(shí)評(píng)價(jià)，將各指標(biāo)評(píng)價(jià)細(xì)分為{差評(píng)，較差，中評(píng)，較好，好評(píng)}五個(gè)等級(jí)，對(duì)應(yīng)分?jǐn)?shù){-2，-1，0，1，2}，則本次交易賣家的綜合得分Uijl可以表示為：

其中，λ1、λ2、λ3分別為三項(xiàng)得分占最后總得分的比例系數(shù)，

根據(jù)統(tǒng)計(jì)分析，依據(jù)消費(fèi)者對(duì)此三項(xiàng)指標(biāo)的重視程度取λ1=0.7，λ2=0.2，λ3=0.1。

（2）交易金額

消費(fèi)者往往對(duì)大額交易會(huì)更為仔細(xì)謹(jǐn)慎，故交易金額在一定程度上代表交易的重要性，因此交易金額越大的評(píng)價(jià)對(duì)局部聲譽(yù)的貢獻(xiàn)越大，反之則越小。

設(shè)Ml表示用戶i與用戶j第l次交易的交易金額，則根據(jù)以上分析，可得交易金額因子Plij滿足。

（3）交易時(shí)間

聲譽(yù)的形成是一個(gè)隨時(shí)間動(dòng)態(tài)變化的累積過(guò)程，近期的交易評(píng)價(jià)越能反映節(jié)點(diǎn)當(dāng)前的實(shí)際信譽(yù)。研究表明在計(jì)算當(dāng)前聲譽(yù)時(shí)對(duì)歷史評(píng)價(jià)進(jìn)行衰減，能夠使聲譽(yù)收斂到穩(wěn)定狀態(tài)。因此在計(jì)算局部聲譽(yù)時(shí)，距離當(dāng)前時(shí)刻越近的交易評(píng)價(jià)所占權(quán)重越大，反之則越小。本模型引入交易時(shí)間因子Slij來(lái)表示用戶i與用戶j的第l筆交易評(píng)價(jià)在局部聲譽(yù)Lij中所占的權(quán)重。

其中，t表示局部聲譽(yù)Lij的計(jì)算時(shí)間，tl表示用戶i完成第l筆交易評(píng)價(jià)的時(shí)間。

（4）交易次數(shù)

為了提高信用度，相同用戶之間進(jìn)行多次非真實(shí)交易并且多次評(píng)價(jià)來(lái)炒作信譽(yù)。為了防止這種情況，本模型引入交易次數(shù)因子。隨著交易次數(shù)的增加，相同用戶的多次交易的評(píng)價(jià)對(duì)信譽(yù)度的影響越小。若用戶i與用戶j之間共發(fā)生過(guò)n筆交易，定義第l筆交易的交易次數(shù)因子為

綜上所述，用戶j相對(duì)于用戶i的局部聲譽(yù)Lij為：

2.全局聲譽(yù)的計(jì)算

用戶j的全局聲譽(yù)Rj是綜合用戶j的所有鄰居用戶對(duì)其的交易評(píng)價(jià)而得，用戶j的鄰居用戶數(shù)量越多且交易金額越大，其全局聲譽(yù)就越接近真實(shí)情況。此外，全局聲譽(yù)Rj還與鄰居用戶評(píng)價(jià)的可信度以及反饋信息的離散程度有關(guān)。

（1）評(píng)價(jià)的可信度。鄰居用戶評(píng)價(jià)的真實(shí)性直接影響到全局聲譽(yù)評(píng)估的準(zhǔn)確度，鄰居用戶評(píng)價(jià)的可信度越高，則對(duì)全局聲譽(yù)的貢獻(xiàn)越大，反之則越小。

設(shè)用戶hk是用戶j的鄰居用戶。若用戶i和用戶j的鄰居用戶hk發(fā)生過(guò)交易

其中，fm（-）表示用戶hk總交易評(píng)價(jià)中差評(píng)的次數(shù)；fm表示用戶hk總交易次數(shù)；fm（0）表示對(duì)交易未作評(píng)價(jià)的次數(shù)。此因子旨在排除惡意用戶對(duì)信用度評(píng)估的影響并激勵(lì)用戶對(duì)交易進(jìn)行評(píng)價(jià)，但因?yàn)槲醋髟u(píng)價(jià)的影響顯然要小于差評(píng)，故乘以系數(shù)1/2。

綜上所述，

（2）節(jié)點(diǎn)反饋的離散程度。陳愛(ài)國(guó)在基于節(jié)點(diǎn)數(shù)量和反饋信息離散度的全局信任模型中指出反饋信息的離散程度越小，則全局聲譽(yù)越可信。本文采用用戶評(píng)價(jià)的標(biāo)準(zhǔn)差來(lái)度量反饋信息的離散程度，其計(jì)算方法如下：

（3）全局聲譽(yù)期望。設(shè)用戶j相對(duì)于其鄰居用戶hk的局部聲譽(yù)為

（4）懲罰系數(shù)f（r）。對(duì)于因商家以次充好或虛假描述等不誠(chéng)信行為導(dǎo)致的退貨交易，應(yīng)給與賣家嚴(yán)厲的懲罰，以保護(hù)消費(fèi)者的利益，維護(hù)網(wǎng)絡(luò)交易市場(chǎng)的健康穩(wěn)定。對(duì)此，本文引入懲罰系數(shù)f（r），r為用戶j的累計(jì)非正常退貨次數(shù)，定義，可見(jiàn)隨著非正常退貨次數(shù)r的增加，懲罰系數(shù)也會(huì)隨之增大。

（5）全局聲譽(yù)。根據(jù)用戶j的鄰居用戶數(shù)量n、交易總額M、節(jié)點(diǎn)反饋信息的離散程度θj和非正常退貨的懲罰系數(shù)f（r）對(duì)全局聲譽(yù)期望進(jìn)行修正，以使節(jié)點(diǎn)全局聲譽(yù)的評(píng)估更為準(zhǔn)確。

修正后，用戶j的全局聲譽(yù)Rj為：

是由節(jié)點(diǎn)數(shù)量、交易金額和反饋信息離散程度構(gòu)成的修正系數(shù)。因?yàn)猷従佑脩魯?shù)量越大，反饋信息的離散程度越小，交易金額越大，則全局聲譽(yù)的期望值就越真實(shí)，故應(yīng)滿足以下條件用戶j相對(duì)于用戶i的信用度Tij是用戶i決定是否和用戶j進(jìn)行交易的主要參考，而信用度Tij是通過(guò)整合局部聲譽(yù)Lij和全局聲譽(yù)Rj得來(lái)，故設(shè)α、β分別為局部聲譽(yù)Lij和全局聲譽(yù)Rj的置信因子，則信用度Tij可定義為：

4.實(shí)驗(yàn)分析

為驗(yàn)證C2C電子商務(wù)信用評(píng)價(jià)模型的有效性和準(zhǔn)確性，本文以淘寶網(wǎng)為例，對(duì)部分網(wǎng)店和消費(fèi)者將其銷售數(shù)據(jù)和評(píng)價(jià)數(shù)據(jù)從網(wǎng)上獲取后，按照改進(jìn)后的算法計(jì)算信用度，并與淘寶原有信用算法的計(jì)算結(jié)果進(jìn)行比較，得到如下結(jié)果。

如圖3所示，現(xiàn)有的淘寶評(píng)價(jià)機(jī)制評(píng)分較高，而且信用評(píng)價(jià)無(wú)明顯變化，不符合實(shí)際情況，而改進(jìn)的信用評(píng)價(jià)機(jī)制可以更好的體現(xiàn)出用戶的真實(shí)信用，更為準(zhǔn)確。

四、結(jié)束語(yǔ)

C2C是目前我國(guó)主要的電子商務(wù)模式，有效的信用評(píng)價(jià)模型是C2C電子商務(wù)健康發(fā)展的重要保障。本文針對(duì)現(xiàn)有的C2C電子商務(wù)信用評(píng)價(jià)模型的不足，構(gòu)建了一種新的信用評(píng)價(jià)模型，分別對(duì)局部聲譽(yù)模型和全局聲譽(yù)模型進(jìn)行了改進(jìn)，完善了交易評(píng)價(jià)和評(píng)價(jià)可信度的計(jì)算方法，融入了針對(duì)非正常退貨的獎(jiǎng)懲因子和反饋信息的離散程度，解決了現(xiàn)有信用評(píng)價(jià)算法存在的主要問(wèn)題。本文的不足之處在于僅通過(guò)數(shù)據(jù)分析初步驗(yàn)證了改進(jìn)模型的有效性，今后還需進(jìn)一步研究模型在真實(shí)系統(tǒng)中的作用效果。

參考文獻(xiàn)：

[1]第37次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告.中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心，2016.1.

[2]姜守旭，李建中.一種P2P電子商務(wù)系統(tǒng)中基于聲譽(yù)的信任機(jī)制[J].軟件學(xué)報(bào)，2007，18（10）：2551-2563.

[3]Yuan， W.， Li， J. S， & Hong， P. L. Distributed peer-to-peer trust model and computer simulation[J]. Journal of System Simulation， 2006，18（4）： 938-942.

[4]陳愛(ài)國(guó)，徐國(guó)愛(ài)，楊義先.P2P交易系統(tǒng)信任模型[J].電子科技大學(xué)學(xué)報(bào)，2010，39（3）：425-429.

[5]朱艷春，劉魯，張巍.基于評(píng)分用戶可信度的信任模型分析與構(gòu)建[J].管理工程學(xué)報(bào)，2007（4）：150-152.

[6]樸春慧，安靜，方美琪.C2C電子商務(wù)網(wǎng)站信用評(píng)價(jià)模型及算法研究[J].情報(bào)雜志，2007（8）：105-107.

作者簡(jiǎn)介：趙穎慧（1994- ），女，漢族，寧夏固原市人，本科在讀生，中南財(cái)經(jīng)政法大學(xué)信息與安全工程學(xué)院