基于FOA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)網(wǎng)站評(píng)價(jià)研究

秦艷華

(蘭州財(cái)經(jīng)大學(xué)長(zhǎng)青學(xué)院，蘭州 730020)

引言

電子商務(wù)近幾年得到了快速發(fā)展，競(jìng)爭(zhēng)也日趨激烈。對(duì)于電子商務(wù)網(wǎng)站而言，充分地評(píng)估和了解自身所具有的競(jìng)爭(zhēng)力，有利于加強(qiáng)網(wǎng)站建設(shè)，改善其網(wǎng)站的質(zhì)量，也是電子商務(wù)企業(yè)提升競(jìng)爭(zhēng)力和營(yíng)運(yùn)水平等需要亟待解決的一個(gè)問題［1］。從現(xiàn)有參考文獻(xiàn)可知，電子商務(wù)網(wǎng)站評(píng)價(jià)研究方法主要有四種:問卷調(diào)查法［2］、網(wǎng)站流量指標(biāo)統(tǒng)計(jì)法［3］、專家評(píng)分法［4］、綜合評(píng)價(jià)法［5］。問卷調(diào)查法具有簡(jiǎn)單易行和操作性強(qiáng)的優(yōu)點(diǎn)，但其評(píng)價(jià)結(jié)果容易受到問卷設(shè)計(jì)水平、抽樣分布和數(shù)量等因素的影響;網(wǎng)站流量指標(biāo)統(tǒng)計(jì)法具有實(shí)現(xiàn)更新排名的優(yōu)點(diǎn)，但其指標(biāo)統(tǒng)計(jì)的方法目前尚無統(tǒng)一的標(biāo)準(zhǔn)，無法保證排名的準(zhǔn)確性和真實(shí)性;專家評(píng)分法具有權(quán)威性強(qiáng)、無需收集大量樣本數(shù)據(jù)的優(yōu)點(diǎn)，評(píng)價(jià)時(shí)間短，但其評(píng)價(jià)結(jié)果過分依賴專家的經(jīng)驗(yàn)和水平;綜合評(píng)價(jià)法綜合了專家評(píng)分法和問卷調(diào)查法的優(yōu)點(diǎn)，但整個(gè)評(píng)價(jià)過程費(fèi)時(shí)、費(fèi)力。

針對(duì)傳統(tǒng)的電子商務(wù)網(wǎng)站評(píng)價(jià)方法存在泛化能力弱和所需樣本量大的缺點(diǎn)，本文結(jié)合電子商務(wù)網(wǎng)站的特性和各種指標(biāo)屬性，在專家評(píng)分法的基礎(chǔ)上，構(gòu)建出基于FOA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)評(píng)價(jià)的數(shù)學(xué)模型。

1 電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)評(píng)價(jià)研究

1.1 電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)

電子商務(wù)網(wǎng)站類型很多，不過不論是哪種電子商務(wù)網(wǎng)站，影響其網(wǎng)站運(yùn)營(yíng)效果和競(jìng)爭(zhēng)力的主要因素是基本相同的。因此，在結(jié)合文獻(xiàn)研究和實(shí)際經(jīng)驗(yàn)的基礎(chǔ)上，提出本文電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)衡量電子商務(wù)網(wǎng)站的競(jìng)爭(zhēng)力和營(yíng)運(yùn)水平［6］。

1.2 電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)的指標(biāo)體系

通過較為詳實(shí)的文獻(xiàn)研究，本文運(yùn)用綜合評(píng)價(jià)方法建立電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)的評(píng)價(jià)指標(biāo)體系。通過文獻(xiàn)研究和大量電子商務(wù)網(wǎng)站的調(diào)查分析，最后選擇20個(gè)典型的二級(jí)指標(biāo)作為評(píng)價(jià)對(duì)象。電子商務(wù)網(wǎng)站評(píng)價(jià)的指標(biāo)體系包括一級(jí)指標(biāo)和二級(jí)指標(biāo)，其中一級(jí)指標(biāo)包括網(wǎng)站內(nèi)容、用戶服務(wù)、易用性、網(wǎng)站技術(shù)和網(wǎng)站功能五個(gè)指標(biāo)，在此基礎(chǔ)上，細(xì)分成二級(jí)評(píng)價(jià)指標(biāo)，其評(píng)價(jià)指標(biāo)體系見表 1［3］。

表1 電子商務(wù)網(wǎng)站評(píng)價(jià)指標(biāo)體系

2 專家評(píng)分法

2.1 專家評(píng)分法

專家評(píng)分法主要采用專家訪談和問卷調(diào)查，在專家評(píng)分的基礎(chǔ)上，運(yùn)用層次分析法計(jì)算出各個(gè)指標(biāo)的權(quán)重，實(shí)現(xiàn)電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)的評(píng)價(jià)。專家評(píng)分的規(guī)則為:將電子商務(wù)服務(wù)網(wǎng)站評(píng)價(jià)指標(biāo)體系的20個(gè)二級(jí)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，對(duì)照評(píng)分表進(jìn)行專家評(píng)分，量化評(píng)價(jià)指標(biāo)結(jié)果見表2［5］。

表2 網(wǎng)站評(píng)價(jià)指標(biāo)體系分值表

2.2 層次分析法結(jié)果

按照層次分析法，本文建立電子商務(wù)網(wǎng)站每一層指標(biāo)的判斷矩陣，計(jì)算得到每一層指標(biāo)的相對(duì)權(quán)重值，經(jīng)過一致性檢驗(yàn)得出電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系的各項(xiàng)指標(biāo)的權(quán)重，從而最終構(gòu)造出一個(gè)完整的適合電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力的評(píng)價(jià)指標(biāo)體系［6］。由此類推，可算出各二級(jí)指標(biāo)在所屬層次的權(quán)值，計(jì)算權(quán)值見表3。

表3 二級(jí)指標(biāo)在所屬層次的權(quán)值

分值越高的網(wǎng)站，說明網(wǎng)站的綜合質(zhì)量越好。根據(jù)分值的不同，將網(wǎng)站分為優(yōu)秀、良好、較好、較差、很差5個(gè)等級(jí)，其劃分結(jié)果見表4。

表4 網(wǎng)站評(píng)價(jià)等級(jí)分值說明

3 FOA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法

3.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)由Rumelhart和McCelland 1986年研究提出［7-8］，是一種誤差逆向傳播的網(wǎng)絡(luò)，其結(jié)構(gòu)模型如圖1所示。

圖1 BP網(wǎng)絡(luò)結(jié)構(gòu)圖

圖1中，X=(X1，X2，…，Xn)表示 BP神經(jīng)網(wǎng)絡(luò)的輸入值;Y=(Y1，Y2，...，Ym)表示神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值。

BP神經(jīng)網(wǎng)絡(luò)算法的具體流程如下:

Step1:初始化網(wǎng)絡(luò)。根據(jù)神經(jīng)網(wǎng)絡(luò)的輸入X=(X1，X2，...，Xn)和輸出 Y=(Y1，Y2，...，Ym)確定神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)n、隱含層節(jié)點(diǎn)數(shù)l、輸出層節(jié)點(diǎn)數(shù)m;初始化輸入層、隱含層和輸出層神經(jīng)元之間的連接權(quán)值wij，wjk;初始化隱含層閾值和輸出層閾值，分別為a、b，設(shè)定學(xué)習(xí)速率和神經(jīng)元激勵(lì)函數(shù)。

Step2:計(jì)算隱含層輸出。依據(jù)輸入變量X，輸入層、隱含層的連接權(quán)值wij和隱含層閾值a，計(jì)算隱含層輸出H。

式(1)中，l表示隱含層節(jié)點(diǎn)數(shù);f表示隱含層激勵(lì)函數(shù)，本文取f(x)

Step3:計(jì)算輸出層輸出。根據(jù)隱含層輸出H，連接權(quán)值wjk和閾值b，計(jì)算BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值O:

Step4:計(jì)算誤差e:

Step5:更新權(quán)值:

式(4)和式(5)中，η表示學(xué)習(xí)速率。

Step6:更新閾值;

Step7:算法停止條件是否滿足，若滿足，則停止;否則，返回Step2。

3.2 果蠅優(yōu)化算法

果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm，F(xiàn)OA)是一種模擬果蠅覓食的生物尋優(yōu)算法。該算法具有控制參數(shù)少和收斂速度快等優(yōu)點(diǎn)，被廣泛地應(yīng)用于工程優(yōu)化問題。其算法流程如下［9］:

(1)設(shè)置果蠅優(yōu)化算法的果蠅群體大小popsize和最大迭代次數(shù)Iteration，隨機(jī)初始化果蠅群體位置，初始化結(jié)果分別用X_begin和Y_begin表示。

(2)計(jì)算果蠅個(gè)體進(jìn)行尋優(yōu)的隨機(jī)方向和距離:

式中，Value表示果蠅的搜索距離;xi和yi分別表示果蠅個(gè)體的下一時(shí)刻的位置。

(3)估計(jì)果蠅個(gè)體和原點(diǎn)之間的距離di，計(jì)算果蠅個(gè)體的味道濃度si:

(4)味道濃度si代入味道濃度判定函數(shù)，計(jì)算出該果蠅個(gè)體當(dāng)前位置的味道濃:

(5)找到果蠅群體中最佳味道濃度值和最佳位置，最佳味道濃度由Smellb表示、最佳位置由xb和yb表示。

(6)保留并記錄果蠅最佳位置和最佳味道濃度，最佳味道濃度Smellbest=Smellb，果蠅初始位置X_begin=xb，Y_begin=yb，同時(shí)果蠅群體朝著該最佳位置搜尋過去。

(7)進(jìn)入迭代尋優(yōu)，重復(fù)迭代步驟(2)～(5)，同時(shí)判斷味道濃度是否好于前一迭代味道濃度;若成立，則執(zhí)行步驟(6)。

3.3 FOA－BP神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型

由于BP需要優(yōu)化的參數(shù)為權(quán)值和閾值，其適應(yīng)度函數(shù)為［10-11］:

通過FOA優(yōu)化公式(13)，在確保電子商務(wù)網(wǎng)站評(píng)分誤差最小的情況下，實(shí)現(xiàn)參數(shù)wij，bj的自適應(yīng)選擇。

4 基于FOA-BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)評(píng)價(jià)

基于FOA-BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)網(wǎng)站評(píng)價(jià)算法步驟如下［13］:

Step1:歸一化電子商務(wù)網(wǎng)站評(píng)價(jià)指數(shù)數(shù)據(jù)。

Step2:設(shè)定FOA算法的最大迭代次數(shù)maxgen，種群大小popsize。

Step3:將構(gòu)建出的訓(xùn)練樣本輸入BP，根據(jù)適應(yīng)度函數(shù)公式(14)計(jì)算果蠅個(gè)體的適應(yīng)度函數(shù)值，尋找果蠅個(gè)體和全局最優(yōu)果蠅的位置和最優(yōu)值。

Step4:果蠅速度和位置的更新。

Step5:計(jì)算評(píng)估適應(yīng)度大小并更新果蠅個(gè)體的位置和速度。

Step7:根據(jù)果蠅個(gè)體的最優(yōu)位置所對(duì)應(yīng)的最優(yōu)參數(shù)wij，bj，實(shí)現(xiàn)電子商務(wù)網(wǎng)站評(píng)價(jià)。

5 實(shí)證研究

5.1 數(shù)據(jù)來源

為驗(yàn)證本文算法的有效性和可靠性，以淘寶網(wǎng)、京東商城、蘇寧易購(gòu)、唯品會(huì)等100個(gè)電子商務(wù)網(wǎng)站為研究對(duì)象，選擇2015年3月～2005年6月的電子商務(wù)網(wǎng)站流通數(shù)據(jù)，通過專家評(píng)分的方式獲得上述電子商務(wù)網(wǎng)站的競(jìng)爭(zhēng)力指數(shù)數(shù)據(jù)［14］，并進(jìn)行歸一化處理。

5.2 評(píng)價(jià)指標(biāo)

為了驗(yàn)證FOA-BP和BP算法進(jìn)行電子商務(wù)網(wǎng)站評(píng)價(jià)研究的有效性，采用均方誤差用來評(píng)價(jià)電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力評(píng)價(jià)效果的評(píng)價(jià)指標(biāo)。均方誤差公式為:

式中，xi、分別表示電子商務(wù)網(wǎng)站的實(shí)際評(píng)分和電子商務(wù)網(wǎng)站的預(yù)測(cè)評(píng)分。

5.3 實(shí)證分析

將采集到的100組電子商務(wù)的競(jìng)爭(zhēng)力指數(shù)數(shù)據(jù)，分為2組:一組為訓(xùn)練樣本，共90組數(shù)據(jù)，用于建立BP神經(jīng)網(wǎng)絡(luò)模型;另一組作為測(cè)試樣本，共10組數(shù)據(jù)，用于測(cè)試樣本數(shù)據(jù)驗(yàn)證建立模型的正確性。

FOA算法參數(shù)設(shè)置為:最大迭代次數(shù)為100，種群大小為20;BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置為:誤差目標(biāo)goal=0.0001，最大迭代次數(shù)為10000。BP訓(xùn)練及擬合結(jié)果分別如圖2與圖3所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程圖

由圖4預(yù)測(cè)結(jié)果和原始數(shù)據(jù)對(duì)比圖可知，運(yùn)用FOA-BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)評(píng)價(jià)效果較好，優(yōu)于BP的評(píng)價(jià)結(jié)果。由圖5可知，采用FOA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行電子商務(wù)網(wǎng)站評(píng)價(jià)的相對(duì)誤差平均值在0.5%，效果較好。

由圖6可知，F(xiàn)OA-BP算法進(jìn)行尋優(yōu)的收斂速度較快，收斂性較好，優(yōu)于BP進(jìn)行電子商務(wù)網(wǎng)站評(píng)價(jià)的結(jié)果。

6 結(jié)束語

圖3 擬合結(jié)果圖

圖4 FOA－BP和BP評(píng)價(jià)結(jié)果對(duì)比

圖5 FOA－BP和BP評(píng)價(jià)誤差對(duì)比

針對(duì)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)存在泛化能力弱和所需樣本量大的缺點(diǎn)，提出運(yùn)用FOA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)進(jìn)行電子商務(wù)網(wǎng)站評(píng)價(jià)。結(jié)合電子商務(wù)網(wǎng)站的特性和各種指標(biāo)屬性，在專家評(píng)分法的基礎(chǔ)上，構(gòu)建出基于FOA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)評(píng)價(jià)的數(shù)學(xué)模型。實(shí)驗(yàn)結(jié)果表明，F(xiàn)OA-BP算法在測(cè)算和評(píng)價(jià)電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)上明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)算法，從而驗(yàn)證了FOA-BP進(jìn)行電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力指數(shù)評(píng)價(jià)的有效性和可靠性，該方法可以推廣到其他領(lǐng)域，便于其他類似問題的解決。

圖6 收斂迭代對(duì)比圖

[1] 范佳佳,葉繼元.21世紀(jì)以來網(wǎng)站評(píng)價(jià)研究進(jìn)展與趨勢(shì)[J].中國(guó)圖書館學(xué)報(bào),2014,40(2):11-15.

[2] 王小品.基于BP神經(jīng)網(wǎng)絡(luò)的林業(yè)電子商務(wù)服務(wù)網(wǎng)站評(píng)價(jià)研究[D].北京:北京林業(yè)大學(xué),2013.

[3] 鄭浩然.基于內(nèi)容分析法的國(guó)內(nèi)奢侈品購(gòu)物網(wǎng)站營(yíng)銷效果研究[D].上海:上海外國(guó)語大學(xué),2014.

[4] 徐琳.電子商務(wù)網(wǎng)站競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系研究[D].大連:東北財(cái)經(jīng)大學(xué),2010.

[5] 姚瑤.基于顧客滿意度的團(tuán)購(gòu)網(wǎng)站評(píng)價(jià)體系研究[D].西安:西安電子科技大學(xué),2013.

[6] 劉友華,戚愛華,杜佳,等.學(xué)術(shù)網(wǎng)站評(píng)價(jià)指標(biāo)體系的構(gòu)建與應(yīng)用[J].情報(bào)科學(xué),2008,26(1):64-68.

[7] 周濤,魯耀斌.層次分析法在B2C電子商務(wù)網(wǎng)站評(píng)價(jià)中的應(yīng)用[J].圖書情報(bào)工作,2005,49(12):111-114.

[8] 張勇,夏樹發(fā),唐冬生.果蠅優(yōu)化算法對(duì)多峰函數(shù)求解性能的仿真研究[J].暨南大學(xué)學(xué)報(bào):自然科學(xué)與醫(yī)學(xué)版,2014,35(1):82-87.

[9] Pan W T.A new fruit fly optimization algorithm:Taking the financial distress model as an example[J].Knowledge-Based Systems,2012,26:69-74.

[10] 朱歡歡,王裕明,鄒志杰,等.基于層次分析及模糊綜合評(píng)價(jià)的電子政務(wù)網(wǎng)站評(píng)價(jià)[J].上海管理科學(xué).2011,33(5):104-108.

[11] 李超.神經(jīng)網(wǎng)絡(luò)在高校門戶網(wǎng)站評(píng)價(jià)中的應(yīng)用研究[D].合肥:安徽大學(xué),2012.

[12]李君君,陳海敏.基于因子分析和對(duì)應(yīng)分析的電子商務(wù)網(wǎng)站評(píng)價(jià)[J].情報(bào)科學(xué),2008,26(8):1252-1256.

[13] 余暉,呂忠民.電子商務(wù)網(wǎng)站評(píng)估方法與應(yīng)用研究[J].情報(bào)雜志,2008,27(8):140-142.