基于云模型的行業(yè)機(jī)構(gòu)信譽(yù)綜合評(píng)估模型研究

袁淑娟

摘? ?要：針對(duì)美容美發(fā)機(jī)構(gòu)這種信譽(yù)影響因素較為復(fù)雜的情況，文章在綜合評(píng)價(jià)云模型方法的基礎(chǔ)上引入層次性，逐級(jí)分析美容美發(fā)機(jī)構(gòu)的信譽(yù)影響因素，最終確定商家的信譽(yù)等級(jí)。利用云模型的逆向云發(fā)生器和云運(yùn)算原理，分層次逐級(jí)地對(duì)影響美容美發(fā)機(jī)構(gòu)信譽(yù)的因素進(jìn)行分析，得到一個(gè)信譽(yù)綜合評(píng)估模型。

關(guān)鍵詞：云模型;信譽(yù)評(píng)估;美容美發(fā)機(jī)構(gòu)

1? ? 信譽(yù)評(píng)估相關(guān)研究

隨著社會(huì)的發(fā)展，人們對(duì)美的追求也日漸強(qiáng)烈，美容美發(fā)機(jī)構(gòu)順勢(shì)大量出現(xiàn)，價(jià)格也大幅上漲。為了增強(qiáng)顧客的黏性，現(xiàn)在美容美發(fā)機(jī)構(gòu)普遍采取會(huì)員制，例如永琪美容美發(fā)機(jī)構(gòu)推出充值5 000元成為黃金會(huì)員，每次美容美發(fā)均享受5折優(yōu)惠等活動(dòng)。長(zhǎng)期來看，消費(fèi)者辦理會(huì)員是比較劃算的，但是又擔(dān)心美容美發(fā)機(jī)構(gòu)出現(xiàn)倒閉或服務(wù)質(zhì)量下降，而會(huì)員卡中的錢無法退回等情況。所以對(duì)美容美發(fā)機(jī)構(gòu)做信譽(yù)評(píng)估是需要解決的問題，信譽(yù)評(píng)估較好的商家，消費(fèi)者自然可以放心地成為其會(huì)員。

從現(xiàn)有文獻(xiàn)看，許多學(xué)者在信譽(yù)評(píng)估方面做了研究。魯耀斌等[1]給出了累加信譽(yù)模型和均值信譽(yù)模型，楊震[2]提出了基于協(xié)同過濾的信譽(yù)評(píng)價(jià)模型，韓中庚等[3]利用綜合模糊評(píng)判方法給出了中介服務(wù)機(jī)構(gòu)的信譽(yù)評(píng)估模型，劉杰等[4]提出了基于云模型的商家信譽(yù)綜合評(píng)價(jià)方法，該方法的優(yōu)勢(shì)在于利用云模型的模糊性和隨機(jī)性改進(jìn)了常規(guī)模糊綜合評(píng)價(jià)方法的權(quán)重矩陣和評(píng)價(jià)矩陣，進(jìn)而得到綜合評(píng)價(jià)云模型，能較好地體現(xiàn)出隨機(jī)性。針對(duì)美容美發(fā)機(jī)構(gòu)這種信譽(yù)影響因素較為復(fù)雜的情況，該模型并不適用。本文在此評(píng)價(jià)方法的基礎(chǔ)上引入層次性，逐級(jí)分析美容美發(fā)機(jī)構(gòu)的信譽(yù)影響因素，最終確定商家的信譽(yù)等級(jí)。

2? ? 美容美發(fā)機(jī)構(gòu)的信譽(yù)評(píng)估模型

2.1? 建立信譽(yù)評(píng)估指標(biāo)體系

影響美容美發(fā)機(jī)構(gòu)信譽(yù)的因素有很多，筆者認(rèn)為影響因素可以從法紀(jì)情況、業(yè)務(wù)情況和內(nèi)部情況3個(gè)方面進(jìn)行考慮。法紀(jì)情況包括遵紀(jì)守法情況、納稅情況、治安情況。業(yè)務(wù)情況包括履行合同情況、糾紛情況、服務(wù)質(zhì)量、客戶意見。內(nèi)部情況包括內(nèi)部管理、經(jīng)濟(jì)情況、服務(wù)項(xiàng)目。對(duì)于每一種情況，筆者再細(xì)致地衡量，比如遵紀(jì)守法情況可以從經(jīng)營(yíng)活動(dòng)和財(cái)務(wù)制度兩個(gè)方面來判斷。商品信譽(yù)因素集A={A1，A2，A3}={法紀(jì)情況，業(yè)務(wù)情況，內(nèi)部情況}，其中法紀(jì)情況A={A11，A12，A13}={遵紀(jì)守法情況，納稅情況，治安情況}，遵紀(jì)守法情況A11={A111，A211}{經(jīng)營(yíng)活動(dòng)，財(cái)務(wù)制度}等，具體如表1所示。

2.2? 建立信譽(yù)評(píng)估等級(jí)

設(shè)定信譽(yù)等級(jí)是信譽(yù)評(píng)估的前提，信譽(yù)等級(jí)需要和各因素的表現(xiàn)情況一致，本文對(duì)美容美發(fā)機(jī)構(gòu)的信譽(yù)評(píng)語設(shè)定為5個(gè)等級(jí)V={V1，V2，V3，V4，V5}={信譽(yù)差，信譽(yù)較差，信譽(yù)一般，信譽(yù)較好，信譽(yù)好}。為了便于研究，筆者將其量化，以區(qū)間來界定信譽(yù)評(píng)語等級(jí)。這里信譽(yù)值的取值范圍是[0，100]，劃分為5個(gè)區(qū)間：信譽(yù)差[0，20]、信譽(yù)較差[20，50]、信譽(yù)一般[50，70]、信譽(yù)較好[70，90]、信譽(yù)好[90，100]。在不同的實(shí)際應(yīng)用中，取值范圍可根據(jù)具體情況有所調(diào)整，以提高信譽(yù)判別的可靠程度。

本文采用基于云模型的綜合評(píng)價(jià)方法來評(píng)估美容美發(fā)機(jī)構(gòu)的信譽(yù)，所以需要建立商家信譽(yù)的評(píng)語云模型（Ex，En，He）。評(píng)語云模型的計(jì)算公式：

Ex（期望值）、En（熵）和He（超熵）是云模型的3個(gè)數(shù)字特征;[Cmin，Cmax]是信譽(yù)評(píng)語的取值范圍，Cmin，Cmax分別表示信譽(yù)評(píng)語取值范圍的最小邊界和最大邊界;He反映了信譽(yù)的隨機(jī)性，取值不宜過大，因?yàn)镠e越大，Ex的誤差越大，信譽(yù)評(píng)價(jià)結(jié)果難以確定，本文中取He=η=1。

當(dāng)美容美發(fā)機(jī)構(gòu)的信譽(yù)值在[0，20]時(shí)，其對(duì)應(yīng)的期望值、熵和超熵分別是Ex=10，En=3.33，He=1，故信譽(yù)差對(duì)應(yīng)的云模型為（10，3.33，1）;具體如表2所示。

2.3? 基于云模型的美容美發(fā)機(jī)構(gòu)信譽(yù)綜合評(píng)估方法

影響美容美發(fā)機(jī)構(gòu)信譽(yù)的因素分為一級(jí)因素、二級(jí)因素和三級(jí)因素，所對(duì)應(yīng)的權(quán)重值也只是對(duì)上一級(jí)的影響權(quán)重。所以對(duì)美容美發(fā)機(jī)構(gòu)信譽(yù)的綜合評(píng)估要分3層進(jìn)行，首先對(duì)三級(jí)因素作綜合評(píng)估，得到的評(píng)語云作為其所對(duì)應(yīng)的二級(jí)因素的綜合評(píng)價(jià)矩陣。然后，對(duì)二級(jí)因素作綜合評(píng)估，得到的評(píng)語云作為其所對(duì)應(yīng)的一級(jí)因素的綜合評(píng)價(jià)矩陣。最后，對(duì)一級(jí)因素作綜合評(píng)估，得到商家信譽(yù)的最終評(píng)語云，將最終評(píng)語云與評(píng)語集云模型中的各個(gè)評(píng)語云進(jìn)行相似度計(jì)算，與最終評(píng)語云相似度最接近的評(píng)語云模型即為最終的評(píng)估結(jié)果。

2.4? 三級(jí)因素的綜合評(píng)估方法

二級(jí)因素一共有11個(gè)，將三級(jí)因素根據(jù)其所對(duì)應(yīng)的二級(jí)因素分成11組，分別計(jì)算其評(píng)語云。在基于云模型的綜合評(píng)價(jià)方法中，采用逆向云發(fā)生器生成的云模型代替隸屬度函數(shù)來計(jì)算相應(yīng)的權(quán)重矩陣及綜合評(píng)價(jià)矩陣。逆向云發(fā)生器[5]是生成云模型的方法，輸入端是相關(guān)數(shù)據(jù)，輸出端是云模型（Ex，En，He），如圖1所示。

逆向云發(fā)生器具體生成過程如下：

以第1組（遵紀(jì)守法情況所對(duì)應(yīng)的三級(jí)因素）為例，計(jì)算其評(píng)語云。遵紀(jì)守法情況包括經(jīng)營(yíng)活動(dòng)和財(cái)務(wù)制度兩個(gè)方面，故遵紀(jì)守法情況的因素集A11={A111，A211}，相應(yīng)的權(quán)重為W11={W111，W211}，相應(yīng)的評(píng)價(jià)矩陣為V11={V111，V211}。

權(quán)重的相關(guān)數(shù)據(jù)來自于專家打分，3位專家分別對(duì)各因素所占權(quán)重打分，分?jǐn)?shù)為十分制的數(shù)，然后，對(duì)權(quán)重分值利用逆向云發(fā)生器得出相應(yīng)的云參數(shù)（Ex，En，He）。以經(jīng)過調(diào)查的喬治美容美發(fā)機(jī)構(gòu)（化名）為例，3位專家對(duì)該商家經(jīng)營(yíng)活動(dòng)和財(cái)務(wù)制度的權(quán)重打分分別為（0.6，0.4），（0.5，0.5），（0.4，0.6），這里的權(quán)重值是指對(duì)上一級(jí)的影響權(quán)重。然后將經(jīng)營(yíng)活動(dòng)的權(quán)重統(tǒng)計(jì)數(shù)據(jù)x1=0.6，x2=0.5，x3=0.4和財(cái)務(wù)制度的權(quán)重統(tǒng)計(jì)數(shù)據(jù)x1=0.4，x2=0.5，x3=0.6分別代入逆向云發(fā)生器，得到權(quán)重矩陣W11：

評(píng)價(jià)的相關(guān)數(shù)據(jù)來自于實(shí)際調(diào)查數(shù)據(jù)和3位專家意見，參考已經(jīng)設(shè)定的信譽(yù)等級(jí)，對(duì)影響商家信譽(yù)的各因素進(jìn)行賦值打分，分?jǐn)?shù)[0，100]，然后對(duì)評(píng)價(jià)分?jǐn)?shù)利用逆向云發(fā)生器得出相應(yīng)的云參數(shù)（Ex，En，He）。例如，結(jié)合實(shí)際調(diào)查數(shù)據(jù)，3位專家對(duì)喬治給出經(jīng)營(yíng)活動(dòng)的評(píng)價(jià)分?jǐn)?shù)分別為100，95，90，財(cái)務(wù)制度的評(píng)價(jià)分?jǐn)?shù)分別為90，93，87，然后將評(píng)價(jià)分?jǐn)?shù)代入逆向云發(fā)生器，分別計(jì)算出V111和V211，得到評(píng)價(jià)矩陣V11：

然后利用模糊合成算子“”計(jì)算綜合評(píng)價(jià)結(jié)果，具體的云運(yùn)算原理參考Shi等6]提出的，得到評(píng)語云R11：

=（92.5，11.202 2，7.366 2）。

同理，可求得其他10組的評(píng)語云R12，R13，R21，R22，R23，R24， R31，R32，R33，R34。

2.5? 二級(jí)因素的綜合評(píng)價(jià)方法

一級(jí)因素一共有3個(gè)，故將二級(jí)因素根據(jù)其對(duì)應(yīng)的一級(jí)因素分成3組，分別計(jì)算出每一組的評(píng)語云R1，R2，R3。每一組對(duì)應(yīng)的權(quán)重矩陣W1，W2，W3的計(jì)算方法和W11相同，但是對(duì)應(yīng)的評(píng)價(jià)矩陣V1，V2，V3卻是由三級(jí)因素的評(píng)語云構(gòu)成的，即：

V1=[R11 R12 R13]T，V2=[R21 R22 R23 R24]T，V3=[R31 R32 R33? R34]T。

評(píng)語云具體的計(jì)算結(jié)果如下：

W1=（96.966 7，17.621 4，8.932）

W2=（77.455 6，10.211 7，4.085 6）

W3=（78.577 8，11.524 6，5.630 8）

2.6? 一級(jí)因素的綜合評(píng)價(jià)方法

一級(jí)因素的綜合評(píng)價(jià)方法和二級(jí)因素的一樣，通過計(jì)算得到的評(píng)語云即為該美容美發(fā)機(jī)構(gòu)信譽(yù)的最終評(píng)語云W=（86.172 2，12.003，4.851 4 ）。

2.7? 評(píng)語云的相似度計(jì)算

通過以上的計(jì)算得到喬治美容美發(fā)機(jī)構(gòu)信譽(yù)的最終評(píng)價(jià)云，接下來，研究者采用文獻(xiàn)中提出的云模型相似度計(jì)算方法[7]，分別計(jì)算最終評(píng)語云和每個(gè)評(píng)語集云模型的相似度，相似度最高的評(píng)語集云模型對(duì)應(yīng)的信譽(yù)等級(jí)就是該商家的信譽(yù)等級(jí)。具體計(jì)算結(jié)果如表3所示。

根據(jù)表3中云模型的相似度計(jì)算結(jié)果，可以得出信譽(yù)較好所對(duì)應(yīng)的評(píng)語集云模型與最終評(píng)語云相似度最大。所以，喬治美容美發(fā)機(jī)構(gòu)的信譽(yù)等級(jí)為信譽(yù)較好。

3? ? 結(jié)語

文章利用云構(gòu)建權(quán)重矩陣和評(píng)價(jià)矩陣能夠充分表征信譽(yù)影響因素的模糊性和隨機(jī)性，減少了主觀判斷等因素對(duì)評(píng)估結(jié)果的影響，采用逐層分析多重影響因素的方式，可以應(yīng)對(duì)復(fù)雜情況下的信譽(yù)評(píng)估，最終得到更加符合實(shí)際的評(píng)估結(jié)果。

[參考文獻(xiàn)]

[1]魯耀斌，周濤.電子商務(wù)信任[M].武漢：華中科技大學(xué)出版社，2007.

[2]楊震.網(wǎng)絡(luò)拍賣信譽(yù)反饋系統(tǒng)的優(yōu)化研究[D].青島：中國海洋大學(xué)，2009.

[3]韓中庚，張彥肖.中介服務(wù)機(jī)構(gòu)的信譽(yù)評(píng)估模型[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2001（5）：517-518.

[4]劉杰，王宇，李文立.基于云模型的商家信譽(yù)綜合評(píng)價(jià)方法[J].大連理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017（1）：88-93.

[5]YAN W，NIU J，SU H.A study on program evaluation and review technology based on cloud model[C].Roma：IEEE International Conference，2007.

[6]SHI Y，ZHANG A，GAO X，et al.Cloud model and its application in effective evaluation[C].Beijing：15th Annual Conference Proceeding，International Conference，2008.

[7]張仕斌，許春香，安宇俊.基于云模型的風(fēng)險(xiǎn)評(píng)估方法研究[J].電子科技大學(xué)學(xué)報(bào)，2013（1）：92-97.