基于信息源的電商交易中雙方信任度反饋系統(tǒng)設(shè)計

焦立名

摘? 要： 在傳統(tǒng)電商交易信任度反饋系統(tǒng)設(shè)計中，存在信息源劃分不明確、反饋能力不足等缺點，因此基于信息源，設(shè)計了一種電商交易雙方信任度反饋系統(tǒng)。該系統(tǒng)在原有硬件基礎(chǔ)上，替換原有微處理器，構(gòu)建系統(tǒng)化的反饋硬件結(jié)構(gòu)，提升系統(tǒng)的總體控制分析能力。在系統(tǒng)軟件方面，基于信息源、依靠信任度關(guān)聯(lián)曲線，劃分交易雙方的信任維度;依據(jù)信任向量與標(biāo)志向量之間的對照關(guān)系，建立分布式動態(tài)信任評估模型;設(shè)置系統(tǒng)三層隱式反饋模式，實現(xiàn)遞進(jìn)式的信任度反饋。實驗結(jié)果表明，與傳統(tǒng)的反饋系統(tǒng)相比，所設(shè)計的信任度反饋系統(tǒng)的反饋能力提升了42.83%。由此可見，該系統(tǒng)滿足電商交易發(fā)展需要。

關(guān)鍵詞： 電商交易; 信任度反饋; 系統(tǒng)設(shè)計; 信任維度劃分; 信任評估模型; 仿真實驗

Abstract： In allusion to the undefined information source partition and poor feedback capacity in the design of traditional e?commerce transaction credit feedback system， a both sides′ credit feedback system for e?commerce transaction is designed based on the information source， in which the most hardware of the original system is retained， but the original microprocessor is replaced and the systematic feedback hardware structure is built to improve the overall control and analysis capability of the system. In terms of system software， the credit dimensions of both sides of the transaction are partitioned based on the information source and credit correlation curve. A distributed dynamic credit evaluation model is established on the basis of the contrasting relation between credit vector and mark vector. The system three?layer implicit feedback mode is set to achieve the progressive credit feedback. The experimental results show that， in comparison with the traditional feedback system， the feedback ability of the designed credit feedback system is increased by 42.83%. It follows that the system meets the development needs of the e?commerce transactions.

Keywords： e?commerce transaction; credit feedback; system design; credit dimension partition; credit evaluation model; simulation experiment

0? 引? 言

在網(wǎng)絡(luò)技術(shù)日益發(fā)展的今天，越來越多的消費者都選擇通過網(wǎng)絡(luò)渠道購買商品，這種交易稱之為電商交易。電商交易的成功離不開交易雙方的相互信任，電商只有與消費者之間建立在線信任，才能將在線訪問的隱含價值，變?yōu)檎嬲摹⒊志眯缘默F(xiàn)實價值。因而，為了分析電商交易中雙方的信任程度，提出一套完整的信任度反饋系統(tǒng)，該系統(tǒng)可以了解商家與消費者之間的信任關(guān)系，及時滿足消費者的購買需求，最大程度地提升交易之間的信任度，促進(jìn)線上交易完成。傳統(tǒng)方法的設(shè)計反饋系統(tǒng)在硬件配置上存在功能缺失，軟件設(shè)計上存在計算漏洞，不能將所有消費者的基本信息應(yīng)用于該反饋系統(tǒng)，最終得到的反饋結(jié)果與實際結(jié)果相差甚遠(yuǎn)[1]。為此基于信息源，設(shè)計電商交易中交易雙方信任度反饋系統(tǒng)。該系統(tǒng)以原有反饋系統(tǒng)為基礎(chǔ)，更新硬件配置，重新設(shè)定軟件程序，最大程度上得出更加貼合實際的反饋信息。

1? 信任度反饋系統(tǒng)硬件設(shè)計

以原有信任度反饋系統(tǒng)硬件為基礎(chǔ)，將控制器替換成型號為STM32F103RBT6的微處理器，該處理器融合高性能的ARM Ccortex?M3 32 bit RISC內(nèi)核，運行頻率72 MHz，包含兩個12 bit模/數(shù)轉(zhuǎn)換器、三個通用16 bit計時器、一個PWN計時器。在該處理器的支持下，反饋系統(tǒng)硬件可以自動采集消費者基本信息源，將數(shù)據(jù)實時上傳到中央處理器，根據(jù)輸出結(jié)果，控制系統(tǒng)軟件做出信任反饋。該反饋系統(tǒng)的硬件結(jié)構(gòu)如圖1所示[2]。

由圖1可知，該處理器將獲取的消費者信息與電商信息之間進(jìn)行匹配，通過脈沖調(diào)變，將信息通過驅(qū)動器、數(shù)字信號處理器轉(zhuǎn)化，經(jīng)中央處理器分析，生成控制指令，利用上位機(jī)負(fù)責(zé)反饋系統(tǒng)的數(shù)據(jù)生成任務(wù)，通過串口通信硬件，實現(xiàn)信息的有效通信，完成對電商交易雙方的信任數(shù)據(jù)采集、處理[3]。利用處理器實現(xiàn)對信任程度的分類規(guī)劃，通過控制功能，將驅(qū)動器、數(shù)字信號處理器、電源、端口等硬件及硬件結(jié)構(gòu)之間，串聯(lián)成一個一體化的處理系統(tǒng)，確保信息源在各硬件的處理過程中不失真，實現(xiàn)更加完善化、系統(tǒng)化、自動化的反饋系統(tǒng)硬件設(shè)計[4]。

2? 基于信息源設(shè)計信任度反饋系統(tǒng)軟件

為保證系統(tǒng)硬件的平穩(wěn)運行，輸出結(jié)果真實可靠，需要在系統(tǒng)硬件設(shè)計的基礎(chǔ)上，依據(jù)信息源，設(shè)計信任反饋系統(tǒng)軟件。

2.1? 基于信息源劃分信任維度

影響信任度動態(tài)變化的因素多維、復(fù)雜，因此從信息源的不同內(nèi)容來劃分信任維度。假設(shè)[F]表示電商線上交易中消費者在某一環(huán)境對商家的信任度，其中[X=x1，x2，…，xn]為影響消費者信任度的[n]個交易環(huán)境信息源;[H]表示線上交易中，電商在消費者購買時，對于消費者本人的消費信任，其中[Y=y1，y2，…，yn]是與消費者影響因素相對應(yīng)的，[n]為交易環(huán)境信息源個數(shù)，二者之間的關(guān)系[5]見圖2。

圖2中，縱坐標(biāo)中的正值為信息源對消費者的影響;負(fù)值為信息源對電商的影響。由信任曲線走向可知，[h1=h2]，信息源的影響力度與雙方信任度之間成反比，交易雙方的信任度之間成正比[6]。根據(jù)該描述得出信任維度d：

式中：[Δc]為初始信任與持續(xù)信任之間的基準(zhǔn)差值;[e]表示信任維度分離指數(shù);[En]為在信息源的影響下，消費者與電商之間的信任傾向;[Fxn]為對消費者信任的信息源分析函數(shù);[Hyn]為對電商信任的信息源分析函數(shù)。根據(jù)信任維度，描述消費者信息數(shù)據(jù)、電商信息數(shù)據(jù)之間的映射關(guān)系。

2.2? 建立分布式動態(tài)信任評估模型

依據(jù)信任維度，建立分布式動態(tài)信任評估模型。將信息源數(shù)據(jù)以節(jié)點形式量化處理，形成多路徑反饋信任鏈結(jié)構(gòu)。為區(qū)分信任狀態(tài)，用圖3的賦值為信任向量與標(biāo)志向量之間的關(guān)系，其中，1為信息向量對應(yīng)的交易結(jié)果;0為初始階段的信任加值[7]。

根據(jù)數(shù)據(jù)在系統(tǒng)中的傳遞過程，消費者與電商結(jié)束每次交易后，信任向量向右移動一個位數(shù)。根據(jù)此過程建立分布式動態(tài)信任評估模型，如下：

式中：[pij]為對[i]個信息源的[j]個有效影響估值;[Q]為信任反饋函數(shù);[Rc]表示對映射關(guān)系為[c]的反饋處理數(shù)據(jù)集合;[k]為加權(quán)系數(shù);[e]為信任評價指標(biāo);[d]表示所求維度;[dnext]為該維度的動態(tài)變化常量。根據(jù)上述評估模型，處理、估計、評價采集到的信息信任值，為下一步反饋機(jī)制提供數(shù)據(jù)支撐[8]。

2.3? 分層隱式算法實現(xiàn)信息反饋

根據(jù)上述評估模型，得出信任度的具體數(shù)值，引入新的分層隱式算法，利用該算法將信任數(shù)據(jù)分為三層：弱反饋[q]、強(qiáng)反饋[p]以及極弱反饋[o]。三層反饋的區(qū)別如圖4所示。

式中：[λ]為反饋層內(nèi)的具體信息總量;[a]為同類型信息源信任;[i]，[j]為任意兩層反饋;[zai]為在[i]層的交互行為量;[zaj]為[j]層的交互行為數(shù)據(jù)量;[εij]為兩層之間的分化系數(shù);[μ]為極大似然參數(shù);[“⊕”]為反饋分解估計值[9]。利用反饋代碼分析反饋結(jié)果，獲取反饋數(shù)據(jù)，通過數(shù)據(jù)傳送單元上傳到反饋頁面。

3? 仿真實驗

為驗證所設(shè)計反饋系統(tǒng)的功能，設(shè)計仿真實驗，對比所設(shè)計的反饋系統(tǒng)和傳統(tǒng)設(shè)計下的反饋系統(tǒng)之間存在的功能差異。

3.1? 實驗準(zhǔn)備

實驗使用的服務(wù)器內(nèi)存為32 GB，硬盤大小為1 TB，操作系統(tǒng)為Windows Server 2018b。測試用機(jī)的服務(wù)器含有16 GB運行內(nèi)存，1 TB硬盤，操作系統(tǒng)版本為Windows 10，瀏覽器為IE 11.0。設(shè)置該仿真實驗的網(wǎng)絡(luò)節(jié)點數(shù)為2 000，節(jié)點IP為同一網(wǎng)絡(luò)中的16A類子網(wǎng)掩碼;數(shù)據(jù)是以分散形式儲存，實驗參數(shù)如表1所示。

根據(jù)上述參數(shù)配置進(jìn)行仿真實驗，分別將兩個反饋系統(tǒng)裝入計算機(jī)中，試運行20 min后開始實驗。

3.2? 結(jié)果分析

實驗測試分成兩組對某年度、某電商交易平臺的信任度數(shù)據(jù)同時進(jìn)行反饋分析。隨機(jī)選擇20個交易信息，分20個測試組，測試結(jié)果如圖5所示。

實驗測試中，第4，8，11組為低信任數(shù)據(jù)組;第10，12，19組為高信任數(shù)據(jù)組;其他組別的信任程度適中。由圖5可知，所設(shè)計系統(tǒng)，在20組實驗檢測中，其平均反饋程度為95.49%，且不論信任程度大小，每一組數(shù)據(jù)的反饋程度均超過90%;傳統(tǒng)反饋系統(tǒng)受信任數(shù)據(jù)強(qiáng)弱的影響，反饋程度大小不一，平均反饋程度為52.66%，比所設(shè)計系統(tǒng)的反饋能力低了42.83%。可見，所設(shè)計系統(tǒng)的反饋能力更強(qiáng)，運行分析效果更好。

4? 結(jié)? 語

基于信息源的反饋系統(tǒng)設(shè)計針對傳統(tǒng)設(shè)計中存在的問題，在系統(tǒng)硬件和軟件兩方面進(jìn)行了強(qiáng)化處理和操作升級，使系統(tǒng)的信任數(shù)據(jù)分析能力提升，得到的反饋信息更符合實際問題。

參考文獻(xiàn)

[1] 榮飛瓊，郭夢飛.基于大數(shù)據(jù)的跨境電商平臺供應(yīng)商信用評估研究[J].統(tǒng)計與信息論壇，2018，33（3）：100?107.

[2] 楊影，張杰鳴，徐國卿，等.轉(zhuǎn)速負(fù)反饋在伺服系統(tǒng)機(jī)械諧振抑制中的應(yīng)用研究[J].電工技術(shù)學(xué)報，2018，33（23）：5459?5469.

[3] 趙明，葉建華，李晨晶.基于短反饋分?jǐn)?shù)階PI～λD～μ的核電廠穩(wěn)壓器壓力優(yōu)化控制[J].核動力工程，2017，38（3）：99?103.

[4] 任士鑫，王衛(wèi)群，侯增廣，等.基于改進(jìn)共空間模式與視覺反饋的閉環(huán)腦機(jī)接口[J].機(jī)械工程學(xué)報，2019，55（11）：28?35.

[5] 王興野，張進(jìn)秋，劉義樂，等.一種改進(jìn)的有限頻域狀態(tài)反饋H_∞控制方法研究[J].振動與沖擊，2019，38（5）：135?141.

[6] 蔣沅，賈付金，代冀陽.一類非線性純反饋系統(tǒng)的預(yù)定性能控制器設(shè)計[J].控制與決策，2018，33（9）：1719?1724.

[7] 孫國法，田宇，王素珍.嚴(yán)格反饋非線性系統(tǒng)的自適應(yīng)神經(jīng)網(wǎng)絡(luò)輸出反饋控制[J].控制理論與應(yīng)用，2017，34（3）：375?382.

[8] 張果，王燕.一類模糊分散輸出反饋控制器的設(shè)計方法[J].模糊系統(tǒng)與數(shù)學(xué)，2018，32（4）：17?23.

[9] 徐毅，葉衛(wèi)根，戴鑫，等.融合用戶信任度與相似度的推薦算法研究[J].小型微型計算機(jī)系統(tǒng)，2018，39（1）：78?83.

[10] 方珍.基于B/S的信息調(diào)查反饋系統(tǒng)的設(shè)計與實現(xiàn)[J].內(nèi)蒙古民族大學(xué)學(xué)報（自然科學(xué)版），2019（2）：113?117.