基于主觀邏輯方法的消費者多源信任融合模型

尹 進，胡祥培，鄭 毅

大連理工大學(xué) 系統(tǒng)工程研究所，遼寧 大連 116023

管理科學(xué)

基于主觀邏輯方法的消費者多源信任融合模型

尹 進，胡祥培，鄭 毅

大連理工大學(xué) 系統(tǒng)工程研究所，遼寧 大連 116023

社會化商務(wù)中，消費者依賴在線口口相傳建立感知信任，其本質(zhì)是復(fù)雜網(wǎng)絡(luò)上的多源信任融合問題。國內(nèi)外學(xué)者對多源信任融合問題進行了大量研究，并以主觀邏輯方法為代表形成了信任融合方法的研究體系。然而，由于社交網(wǎng)絡(luò)中消費者感知信任的多源性和高度主觀性以及用戶生成內(nèi)容的海量化，給多源信任融合模型帶來量化難、實時處理難和融合難等問題。

針對上述難題，提出“先聚類、后融合”的研究思路，先對海量推薦信息進行聚類，再融入感知信任的主觀因素構(gòu)建多源信任融合模型。首先，將推薦信息間的相似性作為節(jié)點關(guān)系，從社交網(wǎng)絡(luò)中抽取出推薦信息相似性網(wǎng)絡(luò)，用譜平分方法對聚簇進行劃分，實現(xiàn)對推薦信息的聚類；其次，用網(wǎng)絡(luò)屬性度量感知信任的影響因素，從復(fù)雜網(wǎng)絡(luò)視角出發(fā)，提出消費者感知信任定性因素的量化方法；再次，以多屬性決策方法為基礎(chǔ)，改進主觀邏輯方法構(gòu)建多源信任融合模型，從而將感知信任的影響因素融入主觀邏輯方法，突破主觀邏輯方法只考慮推薦信息和網(wǎng)絡(luò)路徑的局限性；最后，通過仿真實驗對推薦信息實驗數(shù)據(jù)進行聚類，并分析主觀因素對感知信任意見空間的調(diào)節(jié)作用，驗證模型的可行性。

研究結(jié)果表明，研究模型能夠快速劃分推薦信息相似性網(wǎng)絡(luò)，客觀地量化感知信任的影響因素，使其融入信任度計算之中，且能夠體現(xiàn)消費者感知信任的主觀性和異質(zhì)性。從仿真實驗結(jié)果看，該模型能夠有效解決大規(guī)模社會網(wǎng)絡(luò)中推薦信息海量化問題，權(quán)威程度、從眾行為和主體間親密度等影響因素對信任度計算結(jié)果起調(diào)節(jié)作用。該模型將信任融合模型擴展到社會化商務(wù)領(lǐng)域，可以幫助商家評價已有消費群體對新消費者感知信任的影響力，為大規(guī)模網(wǎng)絡(luò)中消費者感知信任的度量和預(yù)測提供新視角，為商家實時分析消費者感知信任意向和制定營銷策略提供方法支持。對于難以建立新消費者信任的商家，可以通過制定激勵機制來提高用戶生成內(nèi)容量，培養(yǎng)或引入權(quán)威人士作為明星節(jié)點，建立有主題的小社區(qū)等形式來促進主體間交流，增強消費者之間的親密度，從而提高消費者感知信任。

社會化商務(wù)；感知信任；多源信任融合；信任傳遞；主觀邏輯方法

引言

社會化商務(wù)在中國剛剛興起，并正以迅猛的勢頭發(fā)展[1]。以社會化媒體為依托的社會化商務(wù)營銷模式已成為中國電子商務(wù)的重要組成部分[2]，為“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”提供了新的平臺，越來越多的小微商家參與到社會化商務(wù)交易中[3]。然而，由于買賣雙方不能見面、信息不對稱、進入門檻低、支付無擔(dān)保等問題，導(dǎo)致眾多小微商家難以建立消費者信任，帶來社會化商務(wù)信任危機問題，導(dǎo)致社會化商務(wù)交易額偏低。信任能夠有效降低消費者感知風(fēng)險和交易成本，促進交易[4-5]，如何利用社交網(wǎng)絡(luò)預(yù)測并快速建立消費者感知信任，是社會化商務(wù)商家面臨的新難題。

通過在線口口相傳建立感知信任是社會化商務(wù)與傳統(tǒng)電子商務(wù)的重要區(qū)別，根據(jù)網(wǎng)絡(luò)中的推薦信息建立感知信任是典型的信任融合問題[6]。然而與傳統(tǒng)電子商務(wù)相比，社會化商務(wù)中消費者的感知信任具有關(guān)系導(dǎo)向性和來源多樣性等特點[7]，對傳統(tǒng)信任融合方法提出新的挑戰(zhàn)。即①社會化商務(wù)中消費者感知信任的形成機制復(fù)雜[8-11]，感知信任的高度主觀性導(dǎo)致量化難；②用戶生成內(nèi)容的海量化和動態(tài)性導(dǎo)致多源融合模型實時處理難；③消費者感知信任的產(chǎn)生源于“熟人”的推薦、社會關(guān)系強度、推薦者特點等多種因素的影響，感知信任的多源性帶來融合難的問題。

針對以上難點問題，本研究提出“先聚類，后融合”的研究思路，從復(fù)雜網(wǎng)絡(luò)視角抽取意見相似性網(wǎng)絡(luò)并劃分聚簇，量化感知信任的關(guān)鍵影響因素，并借鑒多屬性決策思想改進主觀邏輯方法，構(gòu)建多源信任融合模型。在保證計算實時性的基礎(chǔ)上，為社會化商務(wù)背景下消費者感知信任的度量和預(yù)測奠定基礎(chǔ)，為商家快速分析消費者感知信任意向、制定基于消費者感知信任的營銷策略提供新方法。

1 相關(guān)研究評述

社會化商務(wù)中，消費者感知信任的影響因素是信任融合模型的重要組成部分。隨著社會化商務(wù)迅速發(fā)展，越來越多國內(nèi)外學(xué)者開始研究社會化商務(wù)背景下的信任問題。本研究從社會化商務(wù)中消費者感知信任影響因素和信任融合模型兩方面，對國內(nèi)外相關(guān)研究進行評述。

1.1消費者感知信任的關(guān)鍵影響因素

國內(nèi)外學(xué)者對電子商務(wù)環(huán)境下消費者感知信任的影響因素進行了大量研究，而在社會化商務(wù)背景下，消費者能夠獲得的信息來源更為豐富，因而感知信任的建立過程更加主觀和復(fù)雜。與電子商務(wù)相比，社交網(wǎng)絡(luò)中主體間關(guān)系、口口相傳相關(guān)行為[10]、用戶生成內(nèi)容[12]、購買經(jīng)歷[13]和網(wǎng)絡(luò)結(jié)構(gòu)特性等因素對消費者感知信任產(chǎn)生了重要影響，其中關(guān)鍵的影響因素如下。

(1)推薦者權(quán)威程度

推薦者的權(quán)威程度是衡量其推薦信息影響力的重要指標(biāo)，社交網(wǎng)絡(luò)中的權(quán)威人士是一類具有較高影響力的主體[14]，其推薦信息直接影響消費者的購買行為[15]。消費者在決策過程中更加注重專家的意見和建議，權(quán)威人士的意見能夠顯著降低消費者的感知風(fēng)險[16]，在信任傳遞中起重要作用。特別是在購買技術(shù)含量高的商品時，消費者更傾向于依賴專家的意見[17]。權(quán)威人士的專業(yè)性、產(chǎn)品涉入和交互性對接收其推薦的消費者感知信任有直接影響，并顯著影響消費者的購買意愿[18]。

(2)消費者從眾行為

從眾行為是一種常見的電子商務(wù)消費者行為[19]。由于電子商務(wù)交易中買賣雙方不見面，消費者無法接觸商品獲得直觀的信息，因而消費者的感知風(fēng)險較高。為了降低感知風(fēng)險，消費者常常效仿他人的決策[20]。根據(jù)其他消費者的評論建立感知信任的過程即產(chǎn)生了從眾行為[21]。

從眾行為可以進一步分為規(guī)范性社會影響和信息性社會影響。社會化商務(wù)中，人與人之間的交流和口口相傳的推薦是影響消費者信任感知的關(guān)鍵因素[22-25]，海量的用戶生成內(nèi)容中包含大量的商品評論、消費體驗和情感，具有顯著的信息性社會影響，使社會化商務(wù)中消費者從眾行為更為明顯[26]。

(3)主體間親密度

親密度指主體間關(guān)系的緊密程度，是衡量推薦信息影響力的重要指標(biāo)[27]。社交網(wǎng)絡(luò)中存在大量實時更新的用戶生成內(nèi)容，不同親密度的朋友提供的推薦信息往往會對消費者產(chǎn)生不同影響?？诳谙鄠鞯囊延醒芯拷Y(jié)果表明，越親密的關(guān)系在推薦過程中起到的作用越明顯，越親密的關(guān)系越讓人覺得放心和可靠，從而更容易促進信任傳遞的形成[28-29]，而通過親密度高的關(guān)系獲得的推薦信息對消費者的購買決策影響更大[7,30]。

以上3種消費者行為是社會化商務(wù)中消費者感知信任的關(guān)鍵影響因素，如果舍棄這些主觀因素，則問題退化為計算機網(wǎng)絡(luò)中節(jié)點間信任傳遞問題——根據(jù)節(jié)點間交互記錄判斷網(wǎng)絡(luò)中某一節(jié)點是否可信。傳統(tǒng)信任傳遞和融合模型將網(wǎng)絡(luò)中的主體視為同質(zhì)的節(jié)點，不考慮主體的屬性、行為因素和異質(zhì)性，無法體現(xiàn)消費者主觀的行為，難以應(yīng)用于社會化商務(wù)背景。而將定性影響因素融入定量模型，則面臨著定性因素難以度量和融合難等問題，是制約社會化商務(wù)背景下信任傳遞模型的關(guān)鍵性難題。

1.2信任融合方法

信任融合起源于網(wǎng)絡(luò)安全研究領(lǐng)域，是信任傳遞模型的重要組成部分，用于解決分布式網(wǎng)絡(luò)中節(jié)點身份認證和識別問題。當(dāng)網(wǎng)絡(luò)中的某個主體需要根據(jù)他人推薦判斷另一主體是否可信時，信任融合用于計算主體通過來自多條路徑上的推薦信息形成的信任[31-33]。國內(nèi)外學(xué)者對其進行了大量研究，以主觀邏輯方法為代表形成了信任融合方法的研究體系。

信任融合方法大多建立在概率論基礎(chǔ)之上，用概率來表示主體對其他主體的信任程度。如D-S證據(jù)理論是建立以Bayesian理論為基礎(chǔ)的不確定性推理方法，其證據(jù)合成規(guī)則可用于多個推薦信息的聚合計算[32-33]，該規(guī)則定義了合取算子，對不同焦元的可信度函數(shù)進行計算，再根據(jù)基本概率分配函數(shù)進行歸一化處理得到聚合后的信任值。田博等[34]用D-S合成規(guī)則融合消費者的推薦信任計算綜合信任度，應(yīng)用D-S證據(jù)理論構(gòu)建推薦信任評價模型；成堅等[35]應(yīng)用D-S證據(jù)理論計算多個間接信任值之間的距離來評估節(jié)點的信任度，并將該模型應(yīng)用于識別無線傳感器網(wǎng)絡(luò)中的惡意節(jié)點。

證據(jù)理論中Dempster組合規(guī)則對證據(jù)之間的獨立性要求比較嚴(yán)格，當(dāng)證據(jù)間沖突較大時意見融合不準(zhǔn)確[36]。J?SANG[37-38]針對上述問題進行改進，提出主觀邏輯方法(trust network analysis with subjective logic,TNA-SL)，將意見空間擴展為三維，加入不確定性維度來表達人的主觀信任感知，定義了融合算子，來融合多個推薦信任。該方法用意見空間三元組ω表示消費者感知信任，ω={b,d,u}，b為信任信念，d為不信任信念，u為感知的不確定性，且b+d+u=1。打破了只有信任和不信任兩個維度的傳統(tǒng)表示方法，更貼近人的思維方式[39]。

一些學(xué)者在主觀邏輯方法的基礎(chǔ)上進行改進，對主觀邏輯方法進行豐富和拓展。焦洪強[40]在主觀邏輯方法的基礎(chǔ)上加入時間因素和折扣算子，解決主觀邏輯方法不能動態(tài)變化和搜索路徑過長等問題；王進等[41]提出少數(shù)服從多數(shù)的信任聚合規(guī)則來改進主觀邏輯方法，并用樂觀因子刻畫主體的個性，體現(xiàn)了消費者的主觀性。主觀邏輯方法對感知信任的表達更貼近人的主觀意識，然而，該方法需要對每條信任傳遞路徑進行計算，在應(yīng)用于社會化商務(wù)背景時存在計算速度慢的問題。

1.3小結(jié)

信任融合模型研究源于計算機網(wǎng)絡(luò)安全領(lǐng)域，國內(nèi)外學(xué)者已經(jīng)在該領(lǐng)域取得了大量成果，但是由于其研究對象局限于計算機網(wǎng)絡(luò)背景，上述成果還無法直接應(yīng)用于社會化商務(wù)。存在的主要困難和問題有：①多源信任融合難：計算機網(wǎng)絡(luò)安全領(lǐng)域只考慮主體和主體間的信任關(guān)系，是單因素的信息融合模型，而在社會化商務(wù)中，消費者通過推薦者的屬性、與推薦者的關(guān)系[42]，甚至是網(wǎng)絡(luò)的結(jié)構(gòu)信息來形成感知信任，是典型的多源信任融合問題；②模型量化難：人的感知信任影響因素比較復(fù)雜且以定性研究為主，如何量化這些影響因素并使其融入信任融合模型中，是建模的難點問題；③難以保證實時性：傳統(tǒng)信任傳遞模型在計算過程中對每一條推薦信任路徑進行計算，適用于規(guī)模比較小的網(wǎng)絡(luò)，而規(guī)模龐大的社交網(wǎng)絡(luò)中，用戶生成內(nèi)容具有高動態(tài)性特點，原有信任融合方法難以滿足社會化商務(wù)的實時性要求。

綜上，如何處理海量推薦信息，將消費者感知信任的定性影響因素定量化，并將其融入模型中，是解決社會化商務(wù)中多源信任融合問題的兩個關(guān)鍵點。針對以上問題，本研究在主觀邏輯方法的基礎(chǔ)上進行改進，提出“先聚類，后融合”的學(xué)術(shù)思想，解決傳統(tǒng)信任傳遞方法在應(yīng)用于社會化商務(wù)時存在的上述3個難題。研究思路如下：①對推薦信息進行聚類：抽取推薦信任相似性網(wǎng)絡(luò)生成Normal矩陣，并用譜平分方法聚類；②量化感知信任關(guān)鍵影響因素：將感知信任實證研究結(jié)論與復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)屬性相聯(lián)系，從復(fù)雜網(wǎng)絡(luò)視角量化感知信任的關(guān)鍵影響因素；③構(gòu)建多源信任融合方法：借鑒多屬性決策方法的思路改進主觀邏輯方法，融入量化后的關(guān)鍵影響因素度量各聚類的感知信任，對多個聚類進行融合計算。

2 海量推薦信息的聚類和融合模型

2.1社會化商務(wù)中推薦信息的聚類

社會化網(wǎng)絡(luò)規(guī)模龐大，推薦信息具有海量化特征。而主觀邏輯方法對網(wǎng)絡(luò)中每條路徑都進行計算，計算量龐大，無法適應(yīng)網(wǎng)絡(luò)的實時性特點。對海量信息根據(jù)相似性進行聚類是解決該問題的有效途徑。

譜評分方法能夠融入網(wǎng)絡(luò)結(jié)構(gòu)信息，且不用事先指定聚類數(shù)量和中心[43]，適用于社會網(wǎng)絡(luò)背景并且劃分結(jié)果比較準(zhǔn)確，其核心問題是如何構(gòu)建Normal矩陣。社交網(wǎng)絡(luò)中大量的主體以用戶生成內(nèi)容為載體發(fā)布推薦信息，表達個體的感知信任意見。將推薦信息間的相似性作為節(jié)點關(guān)系，即可從社交網(wǎng)絡(luò)中抽取出推薦信息相似性網(wǎng)絡(luò)，在此基礎(chǔ)上構(gòu)建Normal矩陣，并用譜平分方法進行網(wǎng)絡(luò)劃分,可以將聚類問題轉(zhuǎn)化為復(fù)雜網(wǎng)絡(luò)聚簇劃分問題，實現(xiàn)復(fù)雜網(wǎng)絡(luò)視角下推薦信息的聚類。

定義1 設(shè)網(wǎng)絡(luò)中共有n個節(jié)點，其中任意兩個節(jié)點i和j的三維推薦意見向量分別為ωi和ωj，ωi={bi,di,ui}，ωj={bj,dj,uj}，i=1,2,…,n,j=1,2,…,n，計算其夾角余弦cosθij得到兩者相似度srij，即

(1)

其中，k為ωi中的第k個元素，k∈{1,2,3}。

由此得到感知推薦信息的相似性矩陣SR，即

(2)

將相似性矩陣進一步轉(zhuǎn)化為Normal矩陣N，即

N=K-1(SR-E)

(3)

其中，K為各節(jié)點的度構(gòu)成的對角矩陣，E為單位矩陣。有

K=diag[deg(1),deg(2),…,deg(n)]

(4)

其中，deg(i)為第i個節(jié)點的度數(shù)。繼續(xù)求解Normal矩陣的第一或第二特征值及其特征向量，通過觀察特征向量的階梯狀分布情況，實現(xiàn)對網(wǎng)絡(luò)中聚簇的劃分。

(5)

其中，ωq為第t個聚簇中任一節(jié)點的意見向量，q=1,2,…,|Vt|。

2.2社會化商務(wù)中消費者信任關(guān)鍵影響因素的量化

(1)推薦者權(quán)威程度

推薦信息相似性網(wǎng)絡(luò)的聚簇中是否包含權(quán)威人士以及權(quán)威人士的影響力，反映了該聚簇感知信任意見對新消費者的影響力。社交網(wǎng)絡(luò)中度數(shù)越高的節(jié)點受到越多用戶的關(guān)注，或者與越多的用戶之間存在關(guān)聯(lián)，即該主體居于相對中心的地位[44]，其推薦信息往往具有更高的影響力，因而主體的權(quán)威程度可以用網(wǎng)絡(luò)中節(jié)點的絕對點度中心度數(shù)來測量。

設(shè)社交網(wǎng)絡(luò)圖為G，V為網(wǎng)絡(luò)圖中節(jié)點的集合，E為網(wǎng)絡(luò)圖中邊的集合，則

G=C1∪C2∪…∪

Cg

(6)

(7)

聚簇的相對權(quán)威程度為pt，即

(8)

(2)消費者從眾行為

聚簇規(guī)模指聚簇中包含的節(jié)點數(shù)量，某一類推薦信息形成的聚簇規(guī)模越大，說明持某類推薦意見的個體數(shù)量越多，則該聚簇具有較大的從眾影響力，因而可以用聚簇中節(jié)點的數(shù)量來衡量聚簇規(guī)模帶來的影響力。

定義4 聚簇的相對從眾系數(shù)為ht，即

(9)

(3)主體間親密度

復(fù)雜網(wǎng)絡(luò)的聚類系數(shù)表示朋友關(guān)系網(wǎng)絡(luò)中任意三元組閉合的概率，也就是某一主體與其朋友的朋友成為朋友的可能性，反映了朋友關(guān)系的親密度和信任傳遞路徑的有效性。因此，對于信任的接收方節(jié)點v0與任一聚簇Ct形成的子圖Gt來說，Gt的聚類系數(shù)體現(xiàn)了聚簇Ct對v0的影響力。

t=1,2,…,g

(10)

圖Gt的集聚系數(shù)為δ(Ct)，即

t=1,2,…,g

(11)

定義5 任一聚簇Ct的相對親密度系數(shù)為ct，即

(12)

2.3多源信任融合方法

傳統(tǒng)的信任融合方法只考慮節(jié)點間信任關(guān)系，無法融入消費者的多種心理因素，不適用于社會化商務(wù)背景。消費者根據(jù)多種因素形成自己的感知信任是一個對多源信息的主觀處理過程，其問題本質(zhì)與多屬性決策方法有相通之處。將主觀邏輯方法與多屬性決策方法思路相結(jié)合，能夠彌補主觀邏輯方法無法融合多種感知信任影響因素的不足，同時將消費者的個體差異性融入到模型中。本研究用多屬性決策方法的研究思路將權(quán)威程度、從眾系數(shù)和相對親密度系數(shù)以及個體的感知信任主觀賦權(quán)整合，再融入主觀邏輯方法，調(diào)整意見空間的分配并進行融合計算，提出一種解決多源信任融合問題的新方法。

定義6 設(shè)聚簇影響力的要素集為U，U={P,H,C}，P為權(quán)威程度，H為從眾行為，C為親密度；聚簇影響力矩陣為Rt，Rt=(pt,ht,ct),t=1,2,…,g；消費者對權(quán)威程度的主觀賦權(quán)為a1，對從眾行為的主觀賦權(quán)為a2，對親密度的主觀賦權(quán)為a3，則主觀賦權(quán)向量為A,A=(a1,a2,a3)，且有a1+a2+a3=1。

則融合值為F，即

F=RAT=(φ1,φ2,…,φg)T

(13)

其中，φ為F中的元素。

推薦者的權(quán)威程度、消費者的從眾行為和消費者與推薦者間的親密關(guān)系能夠降低消費者的感知不確定性，加強消費者對推薦信息的堅定程度。用融合值調(diào)整聚簇意見空間的分配，將聚簇的推薦信息轉(zhuǎn)化為消費者主觀的感知信任意見空間，即

(14)

融合g個聚簇的感知推薦信息意見空間，多聚簇的意見空間為ωo，即

(15)

(16)

圖1 300個節(jié)點的隨機推薦信息相似性網(wǎng)絡(luò)特征向量分布圖Figure 1 Eigenvector Distribution Map of Random Recommendation Information Similarity Networks of 300 Nodes

3 算例分析

假設(shè)對于社會網(wǎng)絡(luò)中的商家X來說，某個商品的300個客戶在社交網(wǎng)絡(luò)上發(fā)表評論，并對可信程度進行描述和打分，為了分析現(xiàn)有300個客戶對商家的感知信任，預(yù)測新進入的消費者通過現(xiàn)有推薦信息產(chǎn)生的感知信任并據(jù)此制定營銷戰(zhàn)略，商家對這300個客戶的推薦信息和網(wǎng)絡(luò)結(jié)構(gòu)進行分析。以一個新進入客戶為例，通過仿真實驗進行算例分析對其感知信任進行預(yù)測。

(1)仿真實驗設(shè)計

步驟1 生成301個節(jié)點的隨機網(wǎng)絡(luò)，表示301個節(jié)點的社交網(wǎng)絡(luò)，取第301個點為潛在客戶，并對其他300個節(jié)點的推薦信息意見空間進行隨機賦值；

步驟2 根據(jù)(1)式計算推薦信息間的相似度作為節(jié)點間關(guān)系；以各主體的推薦信息作為主體，抽取推薦信息網(wǎng)絡(luò)，并根據(jù)(2)式生成Normal矩陣，采用譜平分方法對網(wǎng)絡(luò)進行劃分；按照(5)式計算聚簇中心；

步驟3 計算聚簇中節(jié)點的度數(shù)、節(jié)點數(shù)量和聚簇與第301個節(jié)點構(gòu)成的子網(wǎng)絡(luò)的集聚系數(shù)，根據(jù)(6)式～(12)式計算各個聚簇的權(quán)威程度、從眾系數(shù)和相對親密度系數(shù)；

步驟4 對主觀賦權(quán)向量A進行賦值，并根據(jù)(13)式～(16)式調(diào)整各聚簇的意見空間再進行融合，對潛在客戶的感知信任度進行預(yù)測。

(2)仿真實驗結(jié)果

對300個節(jié)點構(gòu)成的網(wǎng)絡(luò)進行劃分，求解生成的Normal矩陣第一特征值為0.894，求解對應(yīng)的特征向量，并對特征向量值進行排序和聚類，得到的分布見圖1，可以看到300個推薦信息按照相似性較為清晰地劃分為4個聚簇。

各聚簇的節(jié)點數(shù)量和聚簇中心的意見空間見表1。

根據(jù)(6)式～(12)式對各聚簇的3個屬性進行度量，對應(yīng)的屬性值見表2。

表1 推薦信息相似性網(wǎng)絡(luò)的聚簇劃分情況Table 1 Clustering Partition of Recommendation Information Similarity Networks

表2 推薦信息相似性網(wǎng)絡(luò)各聚簇屬性值Table 2 Attribute Value of Clustersin Recommendation Information Similarity Networks

對主觀賦權(quán)向量A進行隨機賦值，并根據(jù)(13)式計算融合值F，等同于對F中的元素進行隨機賦值：F={φ1,φ2,φ3,φ4}T={0.341,0.319,0.920,0.201}T。并根據(jù)表2給出的4個聚簇的屬性值和(14)式，對表1中聚簇中心的意見空間進行調(diào)整，得到調(diào)整后4個聚簇的意見空間為

根據(jù)(15)式和(16)式對4個聚簇調(diào)整后的意見空間進行融合，得到第301個客戶感知信任的預(yù)測值為

ωo={0.458,0.497,0.018}

通過算例分析，驗證了模型的可行性。從仿真結(jié)果看，第301個潛在消費者的感知信任意見空間為ωo={0.458,0.497,0.018}，不信任信念值為0.497，略高于信任信念值0.458，說明消費者傾向于認為商家不太可信，其信任空間中三維向量的分布與第3個聚簇的感知信任意見空間最相似，而第3個聚簇的屬性集合為R3={0.351,0.357,0.356}，是4個聚簇中屬性值最高的，說明權(quán)威程度、從眾系數(shù)和親密度對消費者感知信任具有較強的影響力。潛在消費者的感知不確定性為0.018，低于4個聚簇感知不確定性的值，說明聚簇的屬性起到調(diào)節(jié)作用，降低了消費者的感知不確定性。

4 結(jié)論

本研究對社會化商務(wù)中的多源信任融合問題進行研究，針對多源信任模型量化難、實時處理難和融合難等問題，提出“先聚類，后融合”的研究思路，從復(fù)雜網(wǎng)絡(luò)視角出發(fā)，將主觀邏輯方法、譜平分方法和多屬性決策研究思路相結(jié)合構(gòu)建模型。研究結(jié)果表明，本研究提出的模型能夠快速劃分推薦信息相似性網(wǎng)絡(luò)，有效解決大規(guī)模社會網(wǎng)絡(luò)中推薦信息海量化問題；社交網(wǎng)絡(luò)中權(quán)威消費者的推薦、用戶間關(guān)系和推薦者數(shù)量對新消費者的感知信任起到重要影響，將這3種因素融入模型中，使模型能夠體現(xiàn)消費者的主觀性和異質(zhì)性，這些影響因素對信任度計算結(jié)果起到調(diào)節(jié)作用。

本研究提出的多源信任融合模型創(chuàng)新點在于：①提出“先聚類，后融合”的研究思路，能夠有效減少計算量，將信任融合模型拓展到動態(tài)性較強的社交網(wǎng)絡(luò)中，為消費者感知信任實時分析提供新視角。②提出主觀因素定量化度量方法，為消費者感知信任的主觀因素度量提供支持，使模型適用于處理主觀性和差異性較強的消費者感知信任。③借鑒多屬性決策方法的思路改進主觀邏輯方法來構(gòu)建多源信任融合模型，突破主觀邏輯方法只考慮推薦信息和網(wǎng)絡(luò)路徑的局限。

該模型可以幫助商家評價已有消費群體對新消費者感知信任的影響力，為大規(guī)模網(wǎng)絡(luò)中消費者感知信任的度量和預(yù)測提供新方法，為商家實時分析消費者感知信任意向和制定營銷策略提供支持。對于難以建立新消費者信任的商家來說，可以通過制定激勵機制提高用戶生成內(nèi)容量，培養(yǎng)或引入權(quán)威人士作為明星節(jié)點，建立有主題的小社區(qū)促進主體間交流，增強消費者之間的親密度，從而提高消費者感知信任。

與傳統(tǒng)電子商務(wù)相比，社會化商務(wù)中消費者異質(zhì)性和個性化更為凸顯，人際關(guān)系成為影響消費者感知信任的關(guān)鍵因素，因此，能夠融入消費者主觀因素及社會網(wǎng)絡(luò)結(jié)構(gòu)屬性的信任傳遞與融合模型，是社會化商務(wù)信任管理的重要研究方向。在未來的研究工作中，我們將針對聚簇間意見沖突處理機制進行深入研究，完善社交網(wǎng)絡(luò)中消費者感知信任的融合方法，豐富社會化商務(wù)中消費者信任及交易決策機制研究體系，并將研究結(jié)果與微博和微信營銷實際數(shù)據(jù)相結(jié)合，進一步驗證本研究提出的模型并拓展應(yīng)用研究，為社會化商務(wù)商家制定有針對性的營銷策略提供方法支持。

[1]盧云帆,魯耀斌,林家寶,等.社會化商務(wù)中顧客在線溝通研究:影響因素和作用規(guī)律.管理評論,2014,26(4):111-121.

LU Yunfan,LU Yaobin,LIN Jiabao,et al.An empirical study:the impact of online communication on purchase intention in social commerce.ManagementReview,2014,26(4):111-121.(in Chinese)

[2]STEPHEN A T,TOUBIA O.Deriving value from social commerce networks.JournalofMarketingResearch,2010,47(2):215-228.

[3]中國電子商務(wù)研究中心.2015年第一季度微店報告.(2015-05-28)[2016-01-23].http:∥b2b.toocle.com/detail-6253698.html.

China e-Commerce Research Center(CECRC).Microshopreportforthefirstquarterof2015.(2015-05-28)[2016-01-23].http:∥b2b.toocle.com/detail-6253698.html.(in Chinese)

[4]李建標(biāo),李朝陽.信任的信念基礎(chǔ):實驗經(jīng)濟學(xué)的檢驗.管理科學(xué),2013,26(2):62-71.

LI Jianbiao,LI Chaoyang.An experimental economics test on belief as the basis of trust.JournalofManagementScience,2013,26(2):62-71.(in Chinese)

[5]徐彪,張媛媛,張珣.負面事件后消費者信任受損及其外溢機理研究.管理科學(xué),2014,27(2):95-107.

XU Biao,ZHANG Yuanyuan,ZHANG Xun.A study on mechanism of consumer trust damage and its spillover after negative events.JournalofManagementScience,2014,27(2):95-107.(in Chinese)

[6]J?SANG A.The consensus operator for combining beliefs.ArtificialIntelligence,2002,141(1/2):157-170.

[7]YAN S R,ZHENG X L,WANG Y,et al.A graph-based comprehensive reputation model:exploiting the social context of opinions to enhance trust in social commerce.InformationSciences,2015,318:51-72.

[8]ZHOU L,ZHANG P,ZIMMERMANN H D.Social commerce research:an integrated view.ElectronicCommerceResearchandApplications,2013,12(2):61-68.

[9]BROWN J J,REINGEN P H.Social ties and word-of-mouth referral behavior.JournalofConsumerResearch,1987,14(3):350-362.

[10] KIM S,PARK H.Effects of various characteristics of social commerce(s-commerce) on consumers′ trust and trust performance.InternationalJournalofInformationManagement,2013,33(2):318-332.

[11] CHEN J,SHEN X L.Consumers′ decisions in social commerce context:an empirical investigation.DecisionSupportSystems,2015,79:55-64.

[12] HAJLI M N.A study of the impact of social media on consumers.InternationalJournalofMarketResearch,2014,56(3):387-404.

[13] WEISBERG J,TE′ENI D,ARMAN L.Past purchase and intention to purchase in e-commerce:the mediation of social presence and trust.InternetResearch,2011,21(1):82-96.

[14] 劉志明,劉魯.微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識別及分析.系統(tǒng)工程,2011,29(6):8-16.

LIU Zhiming,LIU Lu.Recognition and analysis of opinion leaders in microblog public opinions.SystemsEngineering,2011,29(6):8-16.(in Chinese)

[15] SUMMERS J O.The identity of women′s clothing fashion opinion leaders.JournalofMarketingResearch,1970,7(2):178-185.

[16] BANSAL H S,VOYER P A.Word-of-mouth processes within a services purchase decision context.JournalofServiceResearch,2000,3(2):166-177.

[17] FRIEDMAN H H,FRIEDMAN L.Endorser effectiveness by product type.JournalofAdvertisingResearch,1979,19(5):63-71.

[18] 夢非.社會化商務(wù)環(huán)境下意見領(lǐng)袖對購買意愿的影響研究.南京:南京大學(xué),2012:58-59.

MENG Fei.Researchofopinionleaders′impactonpurchaseintentionundersocialcommercecontext.Nanjing:Nanjing University,2012:58-59.(in Chinese)

[19] LUO B,LIN Z.A decision tree model for herd behavior and empirical evidence from the online P2P lending market.InformationSystemsande-BusinessManagement,2013,11(1):141-160.

[20] LIU Y,SUTANTO J.Buyers′ purchasing time and herd behavior on deal-of-the-day group-buying websites.ElectronicMarkets,2012,22(2):83-93.

[21] CHEN Y F.Herd behavior in purchasing books online.ComputersinHumanBehavior,2008,24(5):1977-1992.

[22] HAJLI M.Social commerce adoption model∥UKAcademyforInformationSystemsConferenceProceedings2012.Oxford,2012:1-26.

[23] SEE-TO E W K,HO K K W.Value co-creation and purchase intention in social network sites:the role of electronic word-of-mouth and trust:a theoretical analysis.ComputersinHumanBehavior,2014,31:182-189.

[24] HAJLI M,HAJLI M,KHANI F.Establishing trust in social commerce through social word of mouth.InternationalJournalofInformationScienceandManagement,2013(Special issue):39-53.

[25] CHEN J V,SU B,WIDJAJA A E.Facebook C2C social commerce:a study of online impulse buying.DecisionSupportSystems,2016,83:57-69.

[26] WANG Y,YU C.Socialinteraction-basedconsumerdecision-makingmodelinsocialcommerce:theroleofwordofmouthandobservationallearning.Auburn,Alabama:Auburn University,2015.

[27] SHIN D H.User experience in social commerce:in friends we trust.Behaviour&InformationTechnology,2013,32(11):1191-1192.

[28] BERGER J.Word of mouth and interpersonal communication:a review and directions for future research.JournalofConsumerPsychology,2014,24(4):586-607.

[29] YAN S R,ZHENG X L,WANG Y,et al.A graph-based comprehensive reputation model:exploiting the social context of opinions to enhance trust in social commerce.InformationSciences,2015,318:51-72.

[30] GRANOVETTER M,SOONG R.Threshold models of interpersonal effects in consumer demand.JournalofEconomicBehavior&Organization,1986,7(1):83-99.

[31] 鄢章華,滕春賢,劉蕾.供應(yīng)鏈信任傳遞機制及其均衡研究.管理科學(xué),2010,23(6):64-71.

YAN Zhanghua,TENG Chunxian,LIU Lei.Transfer mechanism of supply chain trust and its equilibrium.JournalofManagementScience,2010,23(6):64-71.(in Chinese)

[32] SHAFER G.Amathematicaltheoryofevidence.Princeton,NJ:Princeton University Press,1976:28-35.

[33] SHAFER G.Dempster′s rule of combination.InternationalJournalofApproximateReasoning,2016,79:26-40.

[34] 田博,覃正.B2C電子商務(wù)中基于D-S證據(jù)融合理論的推薦信任評價模型.管理科學(xué),2008,21(5):98-104.

TIAN Bo,QIN Zheng.Recommended trust evaluation model in business-to-consumer e-commerce based on D-S evidence fusion theory.JournalofManagementScience,2008,21(5):98-104.(in Chinese)

[35] 成堅,馮仁劍,許小豐,等.基于D-S證據(jù)理論的無線傳感器網(wǎng)絡(luò)信任評估模型.傳感技術(shù)學(xué)報,2009,22(12):1802-1807.

CHENG Jian,FENG Renjian,XU Xiaofeng,et al.Trust evaluation model based on D-S evidence theory in wireless sensor networks.ChineseJournalofSensorsandActuators,2009,22(12):1802-1807.(in Chinese)

[36] 梁昌勇,陳增明,黃永青,等.Dempster-Shafer合成法則悖論的一種消除方法.系統(tǒng)工程理論與實踐,2005,25(3):7-12,85.

LIANG Changyong,CHEN Zengming,HUANG Yongqing,et al.A method of dispelling the absurdities of Dempster-Shafer′s rule of combination.SystemsEngineering-Theory&Practice,2005,25(3):7-12,85.(in Chinese)

[37] J?SANG A.The consensus operator for combining beliefs.ArtificialIntelligence,2002,141(1/2):157-170.

[38] J?SANG A.A logic for uncertain probabilities.InternationalJournalofUncertainty,FuzzinessandKnowledge-BasedSystems,2001,9(3):279-311.

[40] 焦洪強.基于拓展主觀邏輯的電子商務(wù)信任問題研究.保定:河北大學(xué),2015:24-40.

JIAO Hongqiang.Researchofe-commercetrustproblembasedonexpandedsubjectivelogic.Baoding:Hebei University,2015:24-40.(in Chinese)

[41] 王進,孫懷江.基于J?sang信任模型的信任傳遞與聚合研究.控制與決策,2009,24(12):1885-1889.

WANG Jin,SUN Huaijiang.Trust transitivity and aggregation research based on J?sang′s trust model.ControlandDecision,2009,24(12):1885-1889.(in Chinese)

[42] NG C S P.Intention to purchase on social commerce websites across cultures:a cross-regional study.Information&Management,2013,50(8):609-620.

[43] CAPOCCI A,SERVEDIO V D P,CALDARELLI G,et al.Detecting communities in large networks.PhysicaA:StatisticalMechanicsandItsApplications,2005,352(2/4):669-676.

[44] 劉軍.社會網(wǎng)絡(luò)分析導(dǎo)論.北京:社會科學(xué)文獻出版社,2004:116-117.

LIU Jun.Anintroductiontosocialnetworkanalysis.Beijing:Social Sciences Academic Press(China),2004:116-117.(in Chinese)

FundedProject:Supported by the National Natural Science Foundation of China(71431002) and the Funds for Creative Research Groups of China(71421001)

Biography:YIN Jin is a Ph.D candidate in the Institute of Systems Engineering at Dalian University of Technology. Her research interest focuses on social commerce. Her representative paper titled “A trust transitivity model of farmers for purchasing agricultural means of production online” was published in theICICExpressLetters(Issue 3, 2014). E-mail：yinjin@mail.dlut.edu.cn

HU Xiangpei, doctor in engineering, is a Changjiang Scholar chair professor in the Institute of Systems Engineering at Dalian University of Technology. His research interests include e-commerce and logistics management, intelligent scheduling and optimization. He is the principal investigator for the research project titled “Information and logistics management under emerging electronic-business”, supported by the Funds for Creative Research Groups of China(71421001). E-mail：drhxp@dlut.edu.cn

ZHENG Yi is a Ph.D candidate in the Institute of Systems Engineering at Dalian University of Technology. His research interest focuses on intelligent medical. E-mail：zhengyi8807@163.com

Consumers′Multi-sourceTrustFusionModelBasedontheSubjectiveLogic

YIN Jin，HU Xiangpei，ZHENG Yi

Institute of Systems Engineering, Dalian University of Technology, Dalian 116023, China

In social commerce, consumers establish perceived trust through online word-of-mouth(WOM), whose essence is multi-source trust fusion which has been fully analyzed by scholars worldwide and an analysis system has been formed based on subjective logic. However, due to multi-sources and high subjectivity of consumers′ perceived trust as well as massive user-generated content(UGC), there still exist some key issues in trust fusion model development in relation to quantitative processing, real-time processing and information fusion given the context of social commerce.

We propose a method of “clustering before fusion” to establish the multi-source trust fusion model. First, this study takes similarity of recommendation as relationships between nodes to extract recommendation similarity network from social networks, and then partitions the recommendation similarity network with spectral bisection in order to cluster recommendation information. Second, we come up with the quantitative approach of perceived trust from the perspective of complex network. Third, we establish a multi-source trust fusion model by improving subjective logic based on multiple attribute decision making. The model integrates influential factors and breaks through the limits that subjective logic only takes into account the recommendations and network path. Finally, we verify the feasibility of the model. The data of recommendation experiments are clustered by simulation experiments and the mediating effects of subjective factors on perceived trust space are tested.

This study indicates that the recommendation can be modular in similarity network rapidly with the use of our model mentioned above. In addition, measuring the influential factors objectively and taking account into trust degree calculation will deliver the subjectivity and heterogeneity of consumers. Based on the simulation results, massive recommendation information in social networks has been effectively addressed by our model. Meanwhile, the influential factors such as authority, herd behavior and closeness act a mediating effect in the calculation result of trust degree.

Extending the use of trust fusion model into social commerce can evaluate the spreading effect from existing consumers to new consumers in perceived trust. Thus this model provides a new perspective for measuring and forecasting consumers′ perceived trust in massive social networks, and offers sellers a method in real-time analysis of consumers′ perceived trust intention and market strategy development. For the sellers with obstacles in new consumers′ trust establishing, raising the quantity of UGC will be a good choice. Developing stimulating mechanism, fostering or introducing authority as stars, building small communities to promote communication can be alternatives to finally enhance the closeness between consumers.

social commerce；perceived trust；multi-source trust fusion；trust transitivity；subjective logic

Date:March 7th, 2016

DateMarch 4th, 2017

F713

A

10.3969/j.issn.1672-0334.2017.03.007

1672-0334(2017)03-0075-08

2016-03-07修返日期2017-03-04

國家自然科學(xué)基金(71431002)；國家創(chuàng)新研究群體科學(xué)基金(71421001)

尹進，大連理工大學(xué)系統(tǒng)工程研究所博士研究生，研究方向為社會化商務(wù)等，代表性學(xué)術(shù)成果為“A trust transitivity model of farmers for purchasing agricultural means of production online”，發(fā)表在2014年第3期《ICIC Express Letters》，E-mail：yinjin@mail.dlut.edu.cn

胡祥培，工學(xué)博士，大連理工大學(xué)系統(tǒng)工程研究所長江學(xué)者特聘教授，研究方向為電子商務(wù)與物流管理、智能調(diào)度優(yōu)化等，主持國家創(chuàng)新研究群體科學(xué)基金“新興電子商務(wù)的信息與物流管理”(71421001)，E-mail：drhxp@dlut.edu.cn

鄭毅，大連理工大學(xué)系統(tǒng)工程研究所博士研究生，研究方向為智能醫(yī)療等，E-mail：zhengyi8807@163.com

□