【www.0413xx.com--电子商务】

　　0引言

　　电子商务突破了传统商务交易中对于时间和空间的限制，极大地丰富人们的商务交流活动的范围，为人们的日常商务活动提供了新的模式。伴随着电子商务为人们带来便利的同时，一些欺诈纠纷现象也应引起人们的警觉。电子商务环境中，和传统交易相比，我们很难简单地通过网络好友就可得到交易对象的信用客观评价。现在大多数电子商务网站的交易评价模型是基于声誉的评价模型，只是简单的对之前所有交易完成后给出的信任评价值进行加权处理，并没有考虑评价用户的信用度等因素，难以消除商家利用小额交易提升信用额度等问题。如何通过历史交易数据给出交易对象的合理评价信息对于电子商务交易模式的完善有着重要和深远的意义[1-3]。

　　1研究现状

　　近些年来电子商务评价模型的研究受到了研究学者的广泛的关注。陈建刚等人提出了基于模糊数学的信任评价模型，通过建立基于模糊网络的评价信任关系，在一定程度上解决了信任评价中信任欺诈等问题，但是并没有考虑时间复杂度和空间复杂度将随着电子商务网络中交易实体的增加而成指数级增加的特点[5]。王家昉等人在对于Agent系统中对于基于认知的信任框架进行了研究，通过对认知推理和模糊推理的研究，给出一种动态的信用评价规则，但并没有对模糊因子的进行深入讨论，最终评价的可靠性有待提高[6]。Clifoord等学者把信用之间的关系刻画成太阳系行星之间的关系，提出一种SolarTrustModel信用模型，在处理大规模复杂的信任网络关系时却又显得力不从心[7]。本文借鉴了传统商务交易特点，构建了交易实体之间的网络模型，考虑网络实体与实体之间的关系，设计一套相对合理的评价模型。

　　2评价模型的信任关系

　　传统商务交易中，买家对卖家的信用评价一般是基于买家的社会关系网络中的朋友、亲戚、同事之间的推荐以及口碑相传的方式获得的，并且给出的信用评价是买家在以往所有相似店铺交易过中的一个相对评价。而在虚拟的电子商务系统中，人们在获得商家的信用评价中忽略了传统商务交易中的社会关系网对于评价机制的积极作用，这里我们尝试构建类似传统商务交易中的评价机制的评价模型[8]。现实生活中，人与人的信息交互可以看作是实体与实体之间的信息交互，当把实体作为网络环境中的节点时，就是节点与节点之间的信息交互。因此构建基于传统交易模式的网络框架，对评价机制进行分析。对于网络框架中的任意节点，记作m，所有网络节点的集合，记作M，m∈M。在某次随机的电子商务交易中，网络框架下有发起信任请求的源节点n，目标节点c，源节点的在网络框架下所有相关节点集合W，称为源节点的朋友节点集合。目标节点的相似类节点集合P。陌生及不相关节点集合R。定义1：朋友节点的定义[8]。朋友节点分为直接朋友节点和间接朋友节点。直接朋友节点是节点i在网络中已经标识的节点j，记为i→j。所有具有朋友关系的集合记作F={i，j│i，j∈W}。间接朋友节点是节点i的朋友节点j的朋友节点k。如果i→j，j→k，则i～k。具有间接朋友关系的集合记作G={i，j，k│i，j，k∈W}。朋友节点具有传递性，所以对于源节点i在网络框架下任意可以连通的两个节点都是间接朋友节点。间接朋友的节点关系随着之间存在的网络节点数的增加而松散。定义2：相似类节点的定义。相似类节点是与待评价的目标节点c的属性相似的节点。属性相似是指它们在交易活动中可以提供与源节点相同的需求目标。定义3：陌生节点和不相关节点的定义。陌生节点与不相关节点是指在交易活动中不影响或者影响价值可以忽略的节点。是在集合M中，除了源节点，目标节点，朋友节点和相似类节点之外的所有节点。源节点n向目标节点c发出信用请求，网络框架生成源节点的朋友节点集合W和目标节点的相似类节点集合P。抽取朋友节点集合W的各个节点对目标节点c和相似类节点集合P中的各个节点的历史评价数据，经过计算后反馈目标节点对源节点的相对评价结果。

　　3评价模型计算

　　这里遇到的第一个挑战，怎么在繁杂而大量的朋友节点中选取有用的节点数据。第一个原则是所有选取的节点必须与目标节点或目标节点的相似类节点有过历史交易的评价数据。所有朋友节点中的直接朋友节点是选取的首要目标节点，因为直接朋友节点的社会属性与源节点的社会属性是相似与相近的，可以为源节点提供相当有价值的信任评价的参考数据[7]。对于间接朋友节点，本文借鉴了社会学的一般人际关系模型，给定几点特定关键要素作为抽取数据的条件。例如，年龄、地域、学历等。这里需要考虑信任的传递性问题。朋友节点之间的信任程度是随着中间朋友节点数的增加而呈现弱化趋势[9]。假设节点A对于目标节点c的信任程度为0.8，节点A与源节点n之间存在着3个朋友节点，距离为4；节点B对于目标节点擦的信任程度为0.8，节点B与源节点n为直接朋友，距离为1。并不能认为节点A和节点B对于源节点的信任评价影响等同。规定朋友节点与源节点之间距离大于6的朋友节点是陌生节点。

　　4简单应用举例

　　通过对表中数据的获得，得到相对源节点的10组朋友节点的5维数据。运用公式（2），计算每个节点相对源节点的概率距离。得到与源节点最近的5个节点分别是w10，w1，w6，w7，w2。通过数据获取得到目标节点的4个相似类节点并生成评价矩阵U。运用公式（3），得到相对评价比例系数T值为0.974。所以相对于源节点来说，目标节点为一般信任。

　　5总结

　　本文提出了一种基于传统交易的评价机制的评价模式，充分考虑了社会关系网在评价模型中的积极作用。通过对社会关系网的网络描述，获得最终结果。这里得到的目标信任评价并不是一个准确值，而是通过给出目标实体在其社会属性相似的实体范围中的一个相对评价位置，进而得到的客观合理的评价信息。本文在提出的网络框架计算中还有一些问题需要进一步研究。在获得网络节点要素的相对概率数据时，虽然进行查表运算可以解决当前问题，但是没有考虑在不同交易环境下不同要素对于信任评价影响的权重比的问题，抽取的朋友节点有可能并不是最优节点，所以怎样动态地确定网络节点要素的相对概率数据是接下来要研究的方向。

本文来源：http://www.0413xx.com/biyelunwen/210000.html