電子商務評價模型構造與優化論文
0引言
電子商務突破了傳統商務交易中對于時間和空間的限制，極大地豐富人們的商務交流活動的范圍，為人們的日常商務活動提供了新的模式。伴隨著電子商務為人們帶來便利的同時，一些欺詐糾紛現象也應引起人們的警覺。電子商務環境中，和傳統交易相比，我們很難簡單地通過網絡好友就可得到交易對象的信用客觀評價。現在大多數電子商務網站的交易評價模型是基于聲譽的評價模型，只是簡單的對之前所有交易完成后給出的信任評價值進行加權處理，并沒有考慮評價用戶的信用度等因素，難以消除商家利用小額交易提升信用額度等問題。如何通過歷史交易數據給出交易對象的合理評價信息對于電子商務交易模式的完善有著重要和深遠的意義[1-3]。
1研究現狀
近些年來電子商務評價模型的研究受到了研究學者的廣泛的關注。陳建剛等人提出了基于模糊數學的信任評價模型，通過建立基于模糊網絡的評價信任關系，在一定程度上解決了信任評價中信任欺詐等問題，但是并沒有考慮時間復雜度和空間復雜度將隨著電子商務網絡中交易實體的增加而成指數級增加的特點[5]。王家昉等人在對于Agent系統中對于基于認知的信任框架進行了研究，通過對認知推理和模糊推理的研究，給出一種動態的信用評價規則，但并沒有對模糊因子的進行深入討論，最終評價的可靠性有待提高[6]。Clifoord等學者把信用之間的關系刻畫成太陽系行星之間的關系，提出一種SolarTrustModel信用模型，在處理大規模復雜的信任網絡關系時卻又顯得力不從心[7]。本文借鑒了傳統商務交易特點，構建了交易實體之間的網絡模型，考慮網絡實體與實體之間的關系，設計一套相對合理的評價模型。
2評價模型的信任關系
傳統商務交易中，買家對賣家的信用評價一般是基于買家的社會關系網絡中的朋友、親戚、同事之間的推薦以及口碑相傳的方式獲得的，并且給出的信用評價是買家在以往所有相似店鋪交易過中的一個相對評價。而在虛擬的電子商務系統中，人們在獲得商家的信用評價中忽略了傳統商務交易中的社會關系網對于評價機制的積極作用，這里我們嘗試構建類似傳統商務交易中的評價機制的評價模型[8]。現實生活中，人與人的信息交互可以看作是實體與實體之間的信息交互，當把實體作為網絡環境中的節點時，就是節點與節點之間的信息交互。因此構建基于傳統交易模式的網絡框架，對評價機制進行分析。對于網絡框架中的任意節點，記作m，所有網絡節點的集合，記作M，m∈M。在某次隨機的電子商務交易中，網絡框架下有發起信任請求的源節點n，目標節點c，源節點的在網絡框架下所有相關節點集合W，稱為源節點的朋友節點集合。目標節點的相似類節點集合P。陌生及不相關節點集合R。定義1：朋友節點的定義[8]。朋友節點分為直接朋友節點和間接朋友節點。直接朋友節點是節點i在網絡中已經標識的節點j，記為i→j。所有具有朋友關系的集合記作F={i，j│i，j∈W}。間接朋友節點是節點i的朋友節點j的朋友節點k。如果i→j，j→k，則i～k。具有間接朋友關系的集合記作G={i，j，k│i，j，k∈W}。朋友節點具有傳遞性，所以對于源節點i在網絡框架下任意可以連通的兩個節點都是間接朋友節點。間接朋友的節點關系隨著之間存在的網絡節點數的增加而松散。定義2：相似類節點的定義。相似類節點是與待評價的目標節點c的屬性相似的節點。屬性相似是指它們在交易活動中可以提供與源節點相同的需求目標。定義3：陌生節點和不相關節點的定義。陌生節點與不相關節點是指在交易活動中不影響或者影響價值可以忽略的節點。是在集合M中，除了源節點，目標節點，朋友節點和相似類節點之外的所有節點。源節點n向目標節點c發出信用請求，網絡框架生成源節點的朋友節點集合W和目標節點的相似類節點集合P。抽取朋友節點集合W的各個節點對目標節點c和相似類節點集合P中的各個節點的歷史評價數據，經過計算后反饋目標節點對源節點的相對評價結果。
3評價模型計算
這里遇到的第一個挑戰，怎么在繁雜而大量的朋友節點中選取有用的節點數據。第一個原則是所有選取的節點必須與目標節點或目標節點的相似類節點有過歷史交易的評價數據。所有朋友節點中的直接朋友節點是選取的首要目標節點，因為直接朋友節點的社會屬性與源節點的社會屬性是相似與相近的，可以為源節點提供相當有價值的信任評價的參考數據[7]。對于間接朋友節點，本文借鑒了社會學的一般人際關系模型，給定幾點特定關鍵要素作為抽取數據的條件。例如，年齡、地域、學歷等。這里需要考慮信任的傳遞性問題。朋友節點之間的信任程度是隨著中間朋友節點數的增加而呈現弱化趨勢[9]。假設節點A對于目標節點c的信任程度為0.8，節點A與源節點n之間存在著3個朋友節點，距離為4；節點B對于目標節點擦的信任程度為0.8，節點B與源節點n為直接朋友，距離為1。并不能認為節點A和節點B對于源節點的信任評價影響等同。規定朋友節點與源節點之間距離大于6的朋友節點是陌生節點。
4簡單應用舉例
通過對表中數據的獲得，得到相對源節點的10組朋友節點的5維數據。運用公式（2），計算每個節點相對源節點的概率距離。得到與源節點最近的5個節點分別是w10，w1，w6，w7，w2。通過數據獲取得到目標節點的4個相似類節點并生成評價矩陣U。運用公式（3），得到相對評價比例系數T值為0.974。所以相對于源節點來說，目標節點為一般信任。
5總結
本文提出了一種基于傳統交易的評價機制的評價模式，充分考慮了社會關系網在評價模型中的積極作用。通過對社會關系網的網絡描述，獲得最終結果。這里得到的目標信任評價并不是一個準確值，而是通過給出目標實體在其社會屬性相似的實體范圍中的一個相對評價位置，進而得到的客觀合理的評價信息。本文在提出的網絡框架計算中還有一些問題需要進一步研究。在獲得網絡節點要素的相對概率數據時，雖然進行查表運算可以解決當前問題，但是沒有考慮在不同交易環境下不同要素對于信任評價影響的權重比的問題，抽取的朋友節點有可能并不是最優節點，所以怎樣動態地確定網絡節點要素的相對概率數據是接下來要研究的方向。
【電子商務評價模型構造與優化論文】相關文章：
構造性數學及其哲學意義論文08-13
電子商務的論文05-29
電子商務論文06-14
電子商務論文08-30
關于電子商務的論文12-18
電子商務與物流論文11-08
學習電子商務論文11-06
電子商務安全論文05-15
(必備)電子商務的論文07-24
跨境電子商務論文08-27