面向C2C電子商務(wù)信任預(yù)測(cè)探究

1、面向c2c電子商務(wù)信任預(yù)測(cè)探究摘要針對(duì)c2c電子商務(wù)領(lǐng)域的信任問題，本文提 出了一種信任預(yù)測(cè)方法。該方法首先通過信任模型計(jì)算出商 家在以往各交易時(shí)刻的信任值，得到的信任值可被視作時(shí)間 序列；然后結(jié)合馬爾科夫理論進(jìn)行預(yù)測(cè)，得到了商家在下一 交易時(shí)刻處于各信任等級(jí)的概率，選擇其中的概率最大值作 為預(yù)測(cè)結(jié)果。關(guān)鍵詞c2c電子商務(wù)信任預(yù)測(cè)馬爾科夫模型中圖分類號(hào)：f062.4文獻(xiàn)標(biāo)識(shí)碼：a近年來，不管是電子商務(wù)的理論研究者還是實(shí)踐擁護(hù) 者，都一致認(rèn)為信任缺失是影響電子商務(wù)發(fā)展的巨大障礙， 信任問題因而成為電子商務(wù)領(lǐng)域研究的熱點(diǎn)。目前，有關(guān) 電子商務(wù)信任的研究主要集中在兩個(gè)方面：第一，電子商務(wù) 信任的影響

2、因素分析；第二，電子商務(wù)信任模型研究。電 子商務(wù)信任預(yù)測(cè)是從信任模型研究基礎(chǔ)上發(fā)展而來的，信任 模型提供信任值的計(jì)算方法，而信任預(yù)測(cè)則可以提供成功進(jìn) 行下次交易的概率。目前，關(guān)于電子商務(wù)信任預(yù)測(cè)的文獻(xiàn)大 多采用貝葉斯網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，算法較為復(fù)雜。因此，簡(jiǎn)化預(yù) 測(cè)方法同時(shí)提高預(yù)測(cè)準(zhǔn)確性成為我們研究電子商務(wù)信任預(yù) 測(cè)問題的關(guān)鍵。本文主要研究的是c2c電子商務(wù)環(huán)境下的信 任預(yù)測(cè)問題，首先建立了 c2c電子商務(wù)信任模型，計(jì)算出商 家在各次交易之后獲得的信任值，該信任值可被視作一個(gè)時(shí) 間序列，然后將馬爾科夫理論與信任值序列相結(jié)合來預(yù)測(cè)商 家下一次交易之后的信任等級(jí)。馬爾科夫的無后效性使得該 電子商務(wù)信任預(yù)

3、測(cè)法相比于貝葉斯網(wǎng)絡(luò)預(yù)測(cè)法而言，算法復(fù) 雜度低，具有一定的優(yōu)越性。一、c2c電子商務(wù)信任模型的建立本文借鑒文獻(xiàn)中的基于多影響因素的信任模型來計(jì)算 c2c電子商務(wù)中商家的信任值。該模型相比其他信任模型更 加簡(jiǎn)單易用。通過對(duì)國內(nèi)外相關(guān)文獻(xiàn)的研究，本文總結(jié)提出 了 c2c電子商務(wù)環(huán)境下影響消費(fèi)者對(duì)商家信任的因素：店鋪 規(guī)模（scale）、店鋪布局（layout）、服務(wù)態(tài)度（attitude）、 信息公開度（openness）、交易金額（amount）、商品質(zhì)量 （quality）、發(fā)貨速度（rapid）、售后服務(wù)（afterservice）、 交易時(shí)間（time）。將交易之后顧客對(duì)商家的以上各個(gè)要素

4、的評(píng)價(jià)作為模 型的輸入變量，而輸出變量則是商家的信任值。信任值越高 表示商家的可信度越高。本模型中的信任值是以數(shù)值的形式 表現(xiàn)的，因此在計(jì)算時(shí)需要對(duì)定性變量做定量處理。對(duì)于定 性變量，顧客的評(píng)價(jià)值分為"好”、“中”、“差”，本文 將其分別映射為“1”、“0.5”、“0”。對(duì)于交易金額， 其值越大說明賣家承擔(dān)的風(fēng)險(xiǎn)越大，相應(yīng)的評(píng)價(jià)就越可信。 將交易金額轉(zhuǎn)換為0,1上的值：規(guī)定一個(gè)金額閾值，大于 該值的金額認(rèn)為是1 （大額），小于該閾值的金額則等于金額 值除以閾值。對(duì)于交易時(shí)間來說，由于時(shí)間越早的評(píng)價(jià)越缺 乏參照性，所以我們認(rèn)為信任值具有時(shí)間衰減性。將交易時(shí) 間變量也定義在0, 1之間：

5、規(guī)定一個(gè)時(shí)間間隔閾值a,與 當(dāng)前時(shí)間間隔在閾值內(nèi)的交易評(píng)價(jià)不做時(shí)間衰減，否則啟用 衰減因子：a/ （當(dāng)前時(shí)刻-評(píng)價(jià)時(shí)刻）。通過上述分析，我們 可以得到單一顧客的一條評(píng)價(jià)所體現(xiàn)的商家的信任值tr： 其中，wi表示各影響因素所占的權(quán)重。若t時(shí)刻之前， 單一顧客與商家有m次交易，則該顧客對(duì)商家的信任度為：。 那么，t時(shí)刻商家的總信任度為：。其中，n表示總的顧客數(shù)， 是某一顧客的交易總額。二、基于馬爾科夫模型的信任預(yù)測(cè)利用馬爾科夫模型預(yù)測(cè)c2c電子商務(wù)環(huán)境下商家的信任 值的步驟如下：（1）狀態(tài)劃分：依據(jù)信任模型可以獲得商家 在各交易時(shí)刻的信任值trust_curr （簡(jiǎn)寫為t）,根據(jù)需要 將信任值劃分

6、為m個(gè)狀態(tài)：tiwcli, c2i, i=l, 2,m。（2）構(gòu)造狀態(tài)轉(zhuǎn)移概率矩陣：由狀態(tài)ti經(jīng)過1步轉(zhuǎn)移到狀 態(tài)tj的原始樣本數(shù)為sij,狀態(tài)ti出現(xiàn)的次數(shù)記為si,則 由狀態(tài)ti經(jīng)過1步轉(zhuǎn)移到狀態(tài)tj的轉(zhuǎn)移概率為：pij=,進(jìn) 而，我們可以得到一個(gè)m階的狀態(tài)轉(zhuǎn)移概率矩陣p。（3）根 據(jù)轉(zhuǎn)移概率進(jìn)行預(yù)測(cè)：根據(jù)上一步得到的轉(zhuǎn)移概率矩陣，如 果目前商家的信任值處于狀態(tài)ti,這時(shí)，pij就描述了目前 狀態(tài)ti在未來將轉(zhuǎn)向狀態(tài)tj (j=l, 2, m)的可能性。一 般按最大可能性作為選擇的原則。三、實(shí)證分析及結(jié)果本文從淘寶網(wǎng)上選擇了一個(gè)經(jīng)營圖書業(yè)務(wù)的賣家，其在 淘寶上注冊(cè)的時(shí)間為2013年2月份，

7、至今已經(jīng)完成38筆交 易。每筆交易完成后都記錄下了買家給賣家在各方面的評(píng)價(jià) 以及每次交易發(fā)生的時(shí)間和交易金額。由于銷售的是圖書， 本文將金額大于100元的交易視為大額交易，同時(shí)取時(shí)間閾 值為7天。將各項(xiàng)記錄作相應(yīng)轉(zhuǎn)換后，我們將各影響商家信 任的因素作為輸入變量帶入信任模型中進(jìn)行計(jì)算。對(duì)于各信 任影響因素的權(quán)重，我們采用層次分析法得到，分別是： 0.08、0.03、0.05、0.06、0.3、0.1、0.12、0.14、0.12。 我們得到商家從開店到現(xiàn)在各個(gè)交易時(shí)刻的信任值，分別 是：0.507、0.546、0.521、0.622、0.642、0.576、0.691、 0. 520、0. 67

8、0、0. 852、0. 834、0. 753、0. 770、0. 427、0. 521、 0. 789、0. 733、0. 870、0. 702、0. 372、0. 492、0. 433、0. 555、 0. 660、0. 742、0. 717、0. 838、0. 805、0. 799、0. 760、0. 690、 0.676、0.750、0.551、0.646、0.74、0.827、0.724。使用 馬爾科夫模型進(jìn)行信任預(yù)測(cè)，首先就是劃分狀態(tài)，本文將信 任值劃分為5個(gè)狀態(tài)：為t5e0, 0.5不信任，t4丘05, 0.6為基本信任、t3w10.6, 0.7為比較信任、t2e0. 7, 0.8

9、為信任、tie 0.8, 1為非常信任。則可以得到38個(gè)狀態(tài)，分別是：t4、t4、t4、t3、t3、t4、t3、t4、t3、t1、tl、 t2、 t2、 t5、 t4、t3、 t2、 t2、 t、 t1、t2、 t2、 tl、 t2、 t5、 t5、 t5、 t4、t2、 t2、 t3、 t3、 t2、 t4、 t3、 t2、且一步轉(zhuǎn)移概率矩陣為:,由于目前，商家信任值tl、t2o可以統(tǒng)計(jì)出：信任值處于非常信任狀態(tài)的有6個(gè)， 即 |t1|=6,同理得到：|t2|二 12、|t3|二8、|t4|二8、|t5|二4。處于t2,且則我們預(yù)測(cè)商家在下次交易（即將進(jìn)行的交易） 之后的信任值為“信任” （

10、t2）。因此，我們得出的結(jié)論是:就目前而言，與商家進(jìn)行交易時(shí)可以的，交易之后商家的可 信度依然較高，說明在即將進(jìn)行的交易中商家不會(huì)欺騙買家 并且買家得到了滿意的服務(wù)。四、結(jié)論本文結(jié)合馬爾科夫理論和電子商務(wù)信任模型，提出了一 種用于預(yù)測(cè)c2c電子商務(wù)環(huán)境下商家下一時(shí)刻信任等級(jí)的模 型。與現(xiàn)存的其他預(yù)測(cè)模型相比，本文提出的模型，思路新 穎，算法簡(jiǎn)潔，可以很好地預(yù)測(cè)出買家即將交易的賣家下一 時(shí)刻的信任等級(jí)，幫助買家選擇最滿意的賣家。（作者：成君，南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院管 理科學(xué)與工程碩士研究生，主要研究方向：電子商務(wù)；竇萬 峰，南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇省信息安全 與保密技術(shù)工

11、程研究中心，博士，博士后，副教授；許敏， 南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院管理科學(xué)與工程碩士 研究生，主要研究方向：電子商務(wù)）注釋：嚴(yán)中華等.電子商務(wù)信任與風(fēng)險(xiǎn)的文獻(xiàn)綜述與評(píng)析 科技進(jìn)步與對(duì)策，2004, 21 (9)： 166-168hoffamn k l, novak t e, peralta m. building consumer trust onlinej association for computing machinery, communication of acm, 1999, 42 (4)： 80-103urban f sultan, w j qualls placing t

12、rust at the center of your internet strategyj strategies for e- business success, jossey-bass press, 1999 (7)： 153-177giorgos z. collaborative reputation mechanism in electronic marketplaces. decision support system， 2003, 33 (12)： 371-338manchala d w. trust metrics, models and protocols for electronic commerce transac