C2C電子商務(wù)動態(tài)信用評價模型

許紅冉，王鳳英

（山東理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院，山東淄博255091）

隨著我國互聯(lián)網(wǎng)的迅速普及和電子商務(wù)的蓬勃發(fā)展，越來越多的人開始在網(wǎng)絡(luò)上進行購物，特別是C2C交易的發(fā)展尤為迅速．然而，在我國C2C電子商務(wù)高速發(fā)展的同時，隱藏在其中的信用問題也逐漸暴露出來，成為阻礙其發(fā)展的主要問題之一．

本文從電子商務(wù)特別是C2C電子商務(wù)中存在的問題出發(fā)，通過查閱國內(nèi)外相關(guān)文獻［1－2]，并對我國幾大C2C門戶網(wǎng)站進行綜合比較，分析了我國C2C電子商務(wù)信用評價機制的現(xiàn)狀以及存在的問題．以我國淘寶網(wǎng)為案例進行分析，對C2C電子商務(wù)網(wǎng)站的信用評價機制進行了研究，分析了其信用評價模型存在的問題．本文主要在信用度計算方面提出了改進措施．考慮到多種因素對信用評價體系的影響，提出了一個C2C電子商務(wù)動態(tài)信用評價模型．C2C網(wǎng)站淘寶網(wǎng)在國內(nèi)占據(jù)了80%以上市場份額，具有一定的代表性，研究成果對國內(nèi)C2C網(wǎng)站的信用評價機制建設(shè)具有一定的參考價值，同時也是對我國電子商務(wù)信用評價標(biāo)準(zhǔn)的有益探討．

1 C2C電子商務(wù)動態(tài)信用評價模型

為了解決C2C電子商務(wù)評價模型的不足，需要考慮影響買賣雙方信任的諸多因素．

Xiong和Liu等人提出了一種PeerTrust信任機制［3]，雖然他們考慮了較全的信任因素，但卻沒有給出信任因素的度量方法．

1．1 評價因素

本文提出的動態(tài)信用評價模型，主要考慮了交易金額、交易時間、評價方信用度、未做評價交易以及相同用戶多次評價等因素的影響，并給出了相應(yīng)的度量方法．

1）交易金額．Trung Dong Huynh等人在文獻［4] 中提出了針對合伙欺騙的解決方法，即引入了評價者的可靠性因素．但是它忽略了買賣方雙在交易時涉及的金額，所以其應(yīng)用環(huán)境仍然具有一定的局限性．例如，在淘寶網(wǎng)上，進行一次幾元錢的交易與進行一次幾千元的交易獲得的評價機會一樣，而且信用值的增減也相同．一旦賣低價商品的人轉(zhuǎn)賣貴重商品，就造成了信用度的不對等，如果這個賣家惡意欺詐，那買家的風(fēng)險就增大了許多．為了防止類似行為的發(fā)生，本文提出的信用模型，設(shè)計為小額交易增加的信用度相對于大額交易較少，即所占的權(quán)重較?。?/p>

2）交易時間．目前淘寶的信用評價機制中，信用度是長期累積的結(jié)果，很久之前做出的評價和最近做出的評價對信用度的影響效果是相同的，這就會使一些賣家早期做誠信交易，然后利用累積的信用進行詐騙．由于交易時間距離計算信用值的時間越遠，交易評價對信用值的影響應(yīng)該越?。?]．因此，本文提出的信用模型，將交易時間作為其中的一重要參考因素．距離當(dāng)前時刻越近的交易的評價所占的權(quán)重越大，反之越小．

3）評價方信用度．淘寶的信用評價機制規(guī)定：每個自然月內(nèi)，評價不可以超過六次，超出六次的將無效．這樣的規(guī)定在一定程度上減少了信用炒作，但仍給不法分子留有可乘之機．因此，應(yīng)將評價者的信用度考慮到信用評價機制中．文獻［6]提出一種新的基于交易歷史的分布式信任機制，其提供的算法可以有效的抑制合謀攻擊，降低惡意交易概率．但是卻沒有考慮評價者的可信程度．本文提出的信用模型，通過比較單個評價值與整體的平均評價值之間的差距，來判斷評價者的可信程度，從而可以有效區(qū)分惡意用戶和誠信用戶．

4）未做評價交易．淘寶信用評價規(guī)則中，若賣方好評而買方未評，使用支付寶交易且交易成功的，在單方好評的有效期時間內(nèi)，系統(tǒng)將自動默認(rèn)給予評價方好評．而實際上，未做出評價的用戶并非對商品完全滿意．淘寶機制中，這樣得出的好評率和實際有較大懸殊，所以對于未做評價的交易也是一個值得思考的問題．

5）相同用戶多次評價．如果網(wǎng)上大多數(shù)的交易是真實的，那么老顧客的光顧則正好說明這個賣家誠實可信、商品質(zhì)量可靠．淘寶網(wǎng)的措施雖然能把“回頭客”的評價計入信用度，但同時也存在虛增信用的問題．對于同一筆交易的多次評價問題，本文借鑒eBay的信用評價機制：若好評數(shù)大于差評數(shù)，則只記1分：若好評數(shù)等于差評數(shù)，則計為0分：若好評數(shù)小于差評數(shù)，則只記－1分．

1．2 信用評價算法

若在某段時間內(nèi)有k個買家B1，B2，B3，…，Bk和賣家S進行交易．這里，假設(shè)買家Bk和賣家S在此時間段內(nèi)進行了n次交易，用一個五元組表示為（Bk，S，Ti，Mi，Ri）．其中，Ti表示第i次交易的時間，Mi表示第i次交易的金額，Ri表示Bk和S第i次交易成功完成后，所做出的評價值（好評則為1，中評則為0，差評則為－1）．在完成n次交易后，通過加權(quán)均值的方式求Bk對S的信用評價值Pk，具體計算公式如下．

式中，T0為初始交易的時間；ωi為每次交易Bk對S所做的評價的權(quán)重，它受交易時間和交易金額的共同影響，交易時間距離初始時間越長或者交易金額越大，那么本次交易的評價值的權(quán)重就越大．例如，在分別距離T0為20天和30天時進行了兩次交易，交易金額分別為200元、50元，那么這兩次交易的權(quán)重分別為4 000和1 500．一些賣家為了虛增信用，可能會利用相同用戶進行多次評價．而依據(jù)時間設(shè)置權(quán)重，實現(xiàn)了信用度的動態(tài)計算，可以減少這種行為對信用度評價的不良影響．

前面的假設(shè)是有k個買家，并且第k個買家對賣家S的信用評價值為Pk．同樣的，依據(jù)以上公式，可以分別計算出其余k－1個買家對S的信用評價值，并依次計為P1，2，P3，…Pk－1．然后，由以下式子求所有買家對S的總的信用評價值．

式中，lj為第j個買家的好評率為所有買家對賣家S信用評價值的平均值．σj為第j個買家所做評價的可信度，其大小由lj和的共同決定．考慮到買家信用度對賣家信用度評價的影響，買家做出的評價值與均值差距越大，其所做評價的可信度應(yīng)該越?。试SPj和存在一定的差距，θ即為該允許差距．當(dāng)Pj和ˉP的差距超出θ時，第j個買家所做的評價將受到質(zhì)疑，應(yīng)該減弱其可信度，β即為衰減因子．θ和β的值應(yīng)預(yù)先設(shè)定，表1中將其分別設(shè)為了0．15和0．9．當(dāng)然，經(jīng)過分析大量的交易歷史數(shù)據(jù)，還可以依據(jù)實際情況調(diào)整θ和β的值．如果數(shù)據(jù)顯示，評價值的區(qū)分度不明顯，那么可以適當(dāng)減小θ的值；如果希望更大程度的降低可疑評價的權(quán)重，那么可以適當(dāng)增加β的值．

由于信用度還受評價率的一定影響，交易成功后不做評價的現(xiàn)象時有發(fā)生．為了減小評價率對信用度的影響，本文通過乘評價率對P進行了修正．最終，買家B1，B2，B3，…Bk對賣家S的信用度Q的計算如下：

2 實驗與分析

2．1 仿真實驗

假設(shè)要對某一賣家的信用度進行模擬計算，交易時間為1～60天的任意值，交易金額為1～3000元的任意值，其他模擬參數(shù)見表1，買賣雙方交易的具體信息見表2．

表1 模擬參數(shù)

表2 交易信息

2．2 結(jié)果分析

通過實驗可以看出，本文提出的信用評價模型，在綜合考慮交易金額、交易時間、評價方信用度、未做評價交易以及相同用戶多次評價等因素的影響基礎(chǔ)上，可以有效區(qū)分惡意用戶和誠信用戶．當(dāng)惡意用戶做出不誠實評價時，可以減小它對賣家信用度評價的影響．而且，還可以根據(jù)實際交易數(shù)據(jù)，適當(dāng)?shù)恼{(diào)整特定參數(shù)，使信用度的計算更加靈活．文獻［7]中提出的信用評價模型，雖然可以有效地減少信譽榨取行為的損害程度，但是沒有考慮評價差異的影響．文獻［8]，提出了一種基于聲譽的信任機制，它較為全面地考慮了影響信任度量的信任因素，可以有效地對抗共謀和誣陷等攻擊，但若用于淘寶，將是一個巨大的挑戰(zhàn)．而本文提出的信用模型，主要建立在淘寶現(xiàn)有的信用評價基礎(chǔ)之上．總之，該信用評價模型可以減少信用欺詐等行為，提高C2C電子商務(wù)的安全性，同時，為買家挑選商品提供了可靠的依據(jù)．

3 信用評價系統(tǒng)實現(xiàn)

圖1展示了評價模型的電子商務(wù)網(wǎng)站功能模塊，從中可以體現(xiàn)出，是如何將提出的信用評價模型應(yīng)用到實際的電子商務(wù)中的．

圖1 C2C電子商務(wù)網(wǎng)站功能模塊

當(dāng)買家需要購買商品時，在看中一款商品的同時，還要到信用展示模塊查看賣家的信用度，這里可以顯示賣家信用度和評價率等信息．在確定該賣家誠信可靠的情況下，與其進行交易．商品交易完成，買家在交易評價模塊，給予賣家一個原始評價值，該值將在C2C電子商務(wù)動態(tài)信用評價模型中進行處理．同時，賣家也將對買家進行打分，給予一個原始評價值．雙方評價完成后，信用評價模型從商品交易管理模塊取得交易雙方的ID、交易金額、雙方交易次數(shù)、交易時間4個數(shù)據(jù)，利用交易雙方的ID從用戶管理中心模塊，取得與該賣家交易的買家數(shù)目、與該賣家交易的所有買家的總交易次數(shù)、以及買家對交易未評價的次數(shù)．從交易評價、商品交易管理、用戶管理中心3個模塊中取得上述數(shù)據(jù)之后，利用提出的信用評價模型進行計算，得到計算公式所需要的參數(shù)．然后，根據(jù)式（4）計算出每個買家對該賣家交易評價值的權(quán)重σ．最后，用（3）式、（6）式計算得到經(jīng)修正過的該賣家的信用度．計算完成后，將本次交易信用度、評價率和好評率發(fā)送給信用展示模塊，更新買賣雙方的信用信息．至此一次交易完成．

4 結(jié)束語

本文提出的C2C電子商務(wù)動態(tài)信用評價模型，綜合考慮了多種因素對最終信任值的影響，得出一種新的信用度計算方法，可以提供更準(zhǔn)確、更客觀的用戶信用度供交易雙方參考．該模型依據(jù)用戶信用的時間特性，動態(tài)計算信用度，可以有效地減小虛假交易等行為對信用度計算的影響．由于本模型考慮了交易金額的因素，使得交易金額和評價的權(quán)重成反比，從而提高了信用炒作的成本，在一定程度上降低了信用炒作的危害．在今后的工作中，將進一步提高模型的效率，并考慮針對電子商務(wù)中的惡意行為，開發(fā)有效地激勵機制，使模型具有較強的對抗惡意行為的能力．

［1] Zhang J，Cohen R．Trusting advice from other buyers in e－marketplaces：the problem of unfair ratings［C] ／／Proceedings of The Eighth International Conference on Electronic Commerce，ACM，2006：225－234．

［2] 薛海清．電子商務(wù)中信用與安全問題的研究［D] ．北京：北京交通大學(xué)，2006．

［3] Xiong L，Liu L．PeerTrust：supporting reputation－based trust for peer－to－peer electronic communities［J] ．IEEE Transactions on Knowledge and Data Engineering，Special Issue on Peer－to－Peer Based Data Management，2004，16（7）：843－857．

［4] Huynh T D，Jennings N R，Shadbolt N R．Certified reputation：how an agent can trust a stranger［C] ／／Hakodate，Japan：Proceedings of Fourth International Joint Conference on Autonomous Agents and MultiAgent Systems，2006：1 217－1 224．

［5] Yuan W，Li J S，Hong P L．Distributed peer－to－peer trust model and computer simulation［J] ．Journal of System Simulation，2006，18（4）：938－942．

［6] 彭冬生，林闖，劉衛(wèi)東．一種直接評價節(jié)點誠信度的分布式信任機制［J] ．軟件學(xué)報，2008，19（4）：946－955．

［7] Jia Y T，Yu H Q．Trustworthy credit reputation model based on C2C［J] ．Computer Engineering，2010，36（18）：256－258．

［8] Jiang S X，Li J Z．A reputation－based trust mechanism for P2P E－Commerce Systems［J] ．Journal of Software，2007，18（10）：2 551－2 663．