張景安

（山西大同大學數學與計算機科學學院，山西 大同 037009）

B2C電子商務中信任評價機制研究

張景安

（山西大同大學數學與計算機科學學院，山西 大同 037009）

為了提高B2C電子商務交易的安全性及成功率，客觀地反映客戶對站點的信任度，提出了基于云模型的信任評價機制。從歷史交易評價、站點品牌、商品價格、物流和服務等方面分析B2C電子商務中的信任影響因素，通過信任云的定義來實現信任定性描述與定量表示的統(tǒng)一，基于逆向信任云生成算法、信任云合并算法以及信任云的相似度算法來建立信任評價模型。最后，通過計算結果結合主觀推斷實現了信任的決策。仿真實驗分析驗證了本方法的有效性及合理性。

B2C電子商務；倍任評價；云模型；倍任云

互聯網特別是移動互聯網應用的快速發(fā)展，電子商務成為網上應用的主要方式之一。據CNNIC第32次中國互聯網統(tǒng)計報告：截至2013年6月底，我國網絡購物網民規(guī)模達到2.71億人，網絡購物使用率提升至45.9％。傳統(tǒng)的C2C（Customer-to-Customer）交易方式（例如：淘寶、eBay）由于“非中心化”及交易的隨機性和靈活性，帶來的交易風險越來越大，導致交易投訴越來越多[1]。顧客對C2C交易的信賴度在降低，特別是涉及到大宗交易時，這種情況更為明顯。為改變這種現狀，近年來，天貓、京東、當當等一批成熟的B2C（Business-to-Customer）站點相繼推出。其較為嚴格的管理方式為顧客在網上交易特別是大宗交易時提供了更為可靠的選擇，但交易風險仍然是制約交易成功率的一個關鍵因素。為此，在B2C電子商務中建立有效的信任機制來保障商家提供真實的、可靠的服務，是解決該問題的一個重要手段。

1 信任及信任評價

信任是指相信并敢于托付，其本身是一種抽象的心理認知，具有不確定性和時間衰減性[2]。不同的研究者基于不同的目的，對信任的具體理解并不完全相同，在B2C電子商務中，信任可如下定義：

定義1在B2C電子商務中，信任是指交易雙方相信對方具有履行職責的能力，是交易雙方在特定的時間范圍及交互環(huán)境下的一種主觀信念。

在電子商務中，信任是雙方實現交易的基礎，可采用信任度來實現信任的定量化描述，其大小會影響交易雙方的交易額及交易成功率。

定義2在B2C電子商務中，交易的源節(jié)點依據交易的綜合屬性（交易額、物流、支付、售后等）要求，對交易的目標節(jié)點信任度進行綜合評判的過程稱為信任評價。

由于B2C電子商務的特點，通常交易行為一般都由客戶發(fā)起，而購物網站的信譽度往往決定了交易的成功率。因此，對購物網站的信任評價是交易的關鍵因素。而影響站點信任度的因素往往有很多，比如：其他用戶的評價、站點的品牌、商品價格、物流、售后服務、歷史交易的情況等。因此，信任評價也需要依據交易的上下文特征對這多個因素進行綜合評判，才能得到較為準確的評價結果。

2 信任評價模型的建立

2.1 相關工作

信任評價的結果有可能直接影響客戶對交易站點的選擇以及交易的成功率。為此，需要建立一套科學的信任評價機制來確保評價的可靠性和合理性。已有許多學者對信任評價機制進行了研究，傳統(tǒng)的信任評價模型按照其建立的數學思想可分為以下幾類[3]：

（1）基于概率統(tǒng)計的信任評價模型，其典型代表有BBK信任模型、基于貝葉斯理論的信任模型和基于D-S證據理論的信任模型等。該類模型主要強調信任的隨機性，而沒有客觀反映出信任本身具有的模糊性（不確定性）本質。

（2）基于模糊理論的信任評價模型，其典型代表有唐文、張仕斌等人提出的模糊信任模型。這類信任模型側重信任模糊性本質的研究，但又忽略了信任的隨機性本質。

正是由于上述兩類信任模型都存在一定的片面性，側重信任的一方面而忽略了另一方面，為此需要引進新的數學工具來更為全面、合理地進行信任研究。李德毅院士提出的云模型理論創(chuàng)造性地將概率論與模糊理論的思想融合在一起，客觀地反映出了實體所具有的模糊性和隨機性本質[4]。路峰等人最早將該理論引入信任研究，以后陸續(xù)有學者運用該理論進行開放式網絡信任研究，并提出了多種信任模型[5]。由于電子商務是近些年才迅速發(fā)展起來的網絡應用，網上交易量的激增帶來的安全問題也日益突出。傳統(tǒng)的電子商務站點（淘寶、天貓、京東等）采用的“好、中、差”等簡單的統(tǒng)計評價機制已不能準確地反映站點信譽的真實情況。為了客觀、真實、全面地反映B2C電子商務信任的本質，本文也引進云模型理論進行信任建模。

定義3在B2C電子商務中，作為評價對象的交易站點定義為一個多元屬性組Q，Q=（Rr（s,t）, Br（s,t）,Pr（s,t）,Tr（s,t）,Sr（s,t）,…）。其中：Rr（s,t）, Br（s,t）、Pr（s,t）、Tr（s,t）、Sr（s,t）分別表示站點關于特定交易上下文s在時刻t的歷史交易評價向量、品牌評價向量、商品價格向量、物流評價向量和售后服務向量。Q中屬性向量的多少依據交易的需求可動態(tài)定義。

信任評價的過程就是對上述多元屬性組進行綜合評判的過程。根據交易的需求不同，評價過程中各屬性的權重也不相同，比如有的客戶比較看重商品的價格，有的客戶可能更看重站點的品牌，因此在評價過程中，各屬性的權重可靈活設置。依據社交網絡的實際情況，當客戶對一個實際站點并不了解時，別人的推薦往往起著很重要的作用。因此，當客戶對站點的主觀評價完成后，通常還要綜合其他人的推薦意見，當然客戶越自信，推薦意見所占的比重越小，如果完全自信，則不需要推薦，如果完全不自信，則完全依賴推薦的結果。最終的信任結果由公式[6]得到。

其中：Tfinal表示最終的信任度，DTfinal表示主觀信任評價的結果，RTfinal表示推薦信任評價的結果，α∈[0，1]是權重因子。

2.2 主觀信任評價模型

主觀信任評價主要是依據客戶對交易站點的直接交互經驗通過多屬性綜合評判來獲取一個信任度值，并據此來推斷站點未來可能的行為特征，實際上是依據過去來推斷未來的一種方法。

2.2.1 信任云及其數字特征

定義4 B2C電子商務中，令U為可量化的信任評價論域，設U對應的定性評價值為T。若存在u（u∈U）且u對于定性評價值T的隸屬度是一個隨機數且其取值具有穩(wěn)定的傾向，則函數T（u）在論域U上的分布云稱為B2C電子商務信任云。其中，u∈U，u→T（u），為便于評價，規(guī)定T（u）∈[0,1]，即信任云是從評價論域U到區(qū)間[0,1]的映射，有序對（u,T（u））稱為信任云滴[7]。

由于正態(tài)云的普適性[7]，信任云也可用一維正態(tài)云來很好地描述。一維正態(tài)云的三個數字特征T（u）（Ex,En,He）反映了信任云具有的本質屬性，可以用這三個數字特征來表示一維正態(tài)云。其中Ex（Expected Value）稱為信任期望，它表示U中信任評價T的理想取值；En（Entropy）稱為信任熵，它刻劃了信任的模糊性本質，表示信任的取值范圍。He（Hyper Entropy）是信任超熵，它反映了信任的不確定度及信任評價取值的聚集度，它刻劃了信任評價的隨機性本質。

2.2.2 主觀信任云的生成

上文提到，作為評價對象的目標站點是一個多元屬性向量組，如果客戶與目標站點進行過多次交互并對每個屬性產生了多次評價。這時，我們可以把每次評價作為一個云滴，根據李德毅院士提出的逆向云生成器算法[7]，就可以生成關于目標站點的多個分屬性評價信任云，且每個分屬性評價信任云均為一維正態(tài)云，其屬性可用一維正態(tài)云的三個數字特征來描述。然后將多個分屬性評價信任云按算法1進行合并，就可以最終生成該目標站點的主觀評價信任云。

算法1信任云的合并

Input：各分屬性評價信任云T（u）i（Exi,Eni,Hei）（i∈[1,n]）的數字特征以及每個屬性云對應的權值wi（i∈[1,n]），且w1+w2+…+wn=1。

Output：綜合評價信任云（T（u）（Ex,En,He）的三個數字特征，其中：

2.2.3 主觀信任評價

當獲得了最終的主觀信任云后，如果客戶足夠自信，就可以依據主觀信任云對站點的信任度進行綜合評判。為便于信任決策，我們需要事先建立一套評判的依據，這套依據稱為信任標準云。

算法2信任標準云的生成

其中：

③En1=（Ex2+Ex1）/3；

④Ensi=+）/3,（1＜i≤m）；

信任標準云是一種特殊的信任云，它是由交易客戶、商家和行業(yè)專家共同預先制定的一套評價體系，每個云都有一個確定的概念，代表了一個定性的信任等級。信任等級的數量是可根據交易的需求動態(tài)劃分，一般對交易的可靠性和安全性要求越高，等級的劃分越細。為了便于進行定量計算，將信任等級再映射到連續(xù)的[0,1]區(qū)間上。每個等級代表了[0,1]區(qū)間上一段連續(xù)的部分，用[NumL,NumM]來

ii表示，其中NumL和NumM分別表示本區(qū)間的上、下

ii限值。最后，通過算法2，就可以生成[0,1]區(qū)間上的m個信任等級標準云。圖1是五級評價標準信任云圖，其中Ex為0表示不信任，Ex為1表示完全信任。為簡化計算，信任區(qū)間平均劃分為：[0,0.25]，[0.25,0.5]，[0.5,0.75]，[0.75,1]，計算所得各標準云的數字特征如表1所示，通過正向云生成器生成各個信任云（每個信任云取了500個點）。由圖1可見，各等級標準云之間有部分交叉，這正反映了信任本身亦此亦彼的模糊性和不確定性。

得到了信任標準云后，還需要通過算法3來計算主觀信任云與各標準云的相似度，從而確定主觀信任云的信任等級，再結合主觀經驗來進行主觀信任決策。

算法3信任云之間的相似度[8]

Input：兩個信任云的數字特征T（u）1（Ex1,En1,He1）和T（u）2（Ex2,En2,He2），

Output：T（u）1與T（u）2的相似度值Similarity。

①對信任云T（u）1，首先生成一個以En1為期望、為方差的正態(tài)隨機數～（En1,），然后再生成一個以Ex1為期望、為方差的正態(tài)隨機數Numi～（Ex1,）；

②將Numi代入信任云T（u）2的期望方程中，計算

2.3 推薦信任評價模型

當客戶與站點沒有直接交易經驗或交易的時間太長、本次交易的可靠性要求更高時，會產生不自信，這時需要更多的證據來了解交易站點。這時，來自與站點有過直接交互經驗的其它客戶的推薦就顯得非常重要。實際上，據CNNIC發(fā)布的《2012年中國網絡購物市場研究報告》中統(tǒng)計：無論用戶網購熟悉產品還是不熟悉的產品，其他客戶評價的因素對選擇哪家購物網站影響都是最大的。相對而言，用戶網購熟悉產品時，受價格高低影響更大，有22.7％的比例；用戶網購不熟悉的產品時，更多受其他客戶評價的影響，占到了44.8％。因此，推薦信任評價對客戶選擇交易站點是十分重要的。

表1 標準云數字特征

圖1 五級評價信任標準云

目前，在B2C交易中，各交易站點一般都會收集客戶對自己各屬性的評價值。同樣，我們可以把每次評價作為一個云滴，則根據逆向云生成器算法，就可以生成關于目標站點的多個分屬性推薦評價信任云，再通過前面的算法1合并，就可以生成綜合的推薦信任云。然后，再按公式1將主觀信任云DT（ExDT,EnDT,HeDT）與推薦信任云RT（ExRT,EnRT, HeRT）合并，生成的最終信任云為Tfinal（Exfinal,Enfinal, Hefinal），其中：

Exfinal=αExDT+（1-α）ExRT；

Enfinal=αEnDT+（1-α）EnRT；

Hefinal=αHeDT+（1-α）HeRT。

最終，依據算法3可計算出信任云與各信任等級云的相似度，再結合主觀判斷就可進行信任決策，從而選擇客戶認為滿意的站點進行交易。

3 仿真實驗及討論

為了驗證模型的可靠性與合理性，構造了仿真平臺進行實驗仿真。硬件環(huán)境：IntelG550CPU，4GB內存；軟件環(huán)境：MicrosoftWindows XP操作系統(tǒng)，采用Microsoft Visual Studio 2010編程實現的云模型生成工具，采用Origin7.5作為云圖生成及數據分析工具。為簡化計算，實驗中主觀信任評價選取了CNNIC《2012年中國網絡購物市場研究報告》中客戶選擇購物網站影響因素中的三個主要因素，如表2所示。信任等級劃分區(qū)間如表1所示，標準云如圖1所示。

實驗1：主觀信任評價

為獲取較為穩(wěn)定的評價結果，實驗進行了1000輪來模擬B2C的實際交易過程，然后統(tǒng)計各個因素每個評價等級獲得的評價結果，如表3所示。

對用戶數據采用逆向云生成器算法即可計算出各個屬性云的數字特征，并按CNNIC的統(tǒng)計結果，定義各屬性合并權值為（0.37,0.34,0.29），按照算法1計算得到主觀信任云DT（0.87,0.065,0.29），如圖2所示,然后按照算法3計算得到主觀信任云與信任標準云之間的相似度如表4所示。如果客戶足夠自信，則據此可直接進行信任決策。

由相似度計算的結果可見，主觀評價的結果反映了客戶對站點的評價以信任為主并偏向完全信任。評價的取值范圍比較集中，主要是由于En的值較小，說明該站點交易的行為特征較穩(wěn)定。但由于He的值較大，評價結果的聚集度一般，這也反映了評價的隨機性及模糊性，說明了不同交易時刻及交易過程客戶對站點的主觀評價有一定的不確定性，也說明站點交易的行為特征隨交易的上下文不同有一定的不確定性，圖2也比較清晰地反映了這些特征。由此可見，云模型信任評價可以比較客觀、真實、全面地反映站點交易的行為特征。對于本實驗，可依據客戶對本次交易的安全性、可靠性的要求來決定是否與該站點進行交易，從而大大提高了交易的成功率。

表2 評價因素及評價等級表

表3 評價結果統(tǒng)計表

圖2 主觀信任云圖

表4 主觀評價信任云與標準云的相似度

實驗2：推薦信任評價的影響

該實驗主要驗證推薦信任對站點信任評價的影響，推薦信任云的生成參見2.3，為簡化計算，這里直接給定為RT（0.90,0.2,0.2）。按CNNIC的統(tǒng)計結果定義α值為0.56，然后通過公式1計算得到綜合評價信任云，T（u）（0.8832,0.1244,0.25），如圖3所示。最后基于算法3來計算綜合評價信任云與信任標準云的相似度，計算結果如表5所示。

由綜合評價信任云的計算結果可見：由于推薦信任的期望值較大，因此信任綜合后的信任期望取值比主觀信任云的值略大，這也反映了當客戶不完全自信時，推薦者對信任評價的影響。但由于推薦信任的En值較大，合并后綜合信任云的En值也相應增大，說明評價的隨機性變大，圖3與圖2的對比很好地反映了這種情況。這也比較符合實際情況，由于評價的客戶數增加，隨機性的增加也比較正常，這也從另一方面說明該站點交易行為具有一定的不確定性。相似度計算的結果也反映了評價的隨機性導致評價結果的離散性。

4 結束語

近幾年，隨著天貓、京東、當當、蘇寧易購等一大批B2C站點的日漸成熟，B2C電子商務逐漸成為在線交易的主流形式之一。但交易的安全性仍然是阻礙電子商務交易成功率提高的主要因素，建立交易前的信任機制是解決該問題的有效手段之一。現有的B2C交易站點基本還沿用了原來C2C站點（例如淘寶、eBay）交易的信任評價方法，評價的結果不能全面、真實地反映交易站點的行為特征。為此，本文引進云模型理論進行信任建模，通過多屬性評價從不同角度來反映站點的行為；通過信任綜合及信任云的相似度計算來得到量化信任度結果；最終，在信任決策中還融合了客戶的主觀推斷。該方法比較符合人們對客觀事物的認知習慣，能夠較為全面、準確地對交易站點的信任度進行評價，提高了交易的成功率。當然，由于在線交易對象的復雜性及交易本身的不確定性，在信任評價中如何考慮交易時間及交易額的影響，如何避免虛假評價的影響是下一步研究工作的重點。

表5 綜合評價信任云與標準云的相似度

圖3 綜合評價信任云圖

[1]湯志海,陳淑紅,王國軍.基于群組的C2C電子商務信任模型研究[J].計算機工程,2012,38（23）：146-149.

[2]張景安,張杰,王秀義.P2P網絡中基于云模型的主觀信任評價[J].微電子學與計算機,2010,27（8）：96-100.

[3]張仕斌,許春香.基于云模型的信任評估方法研究[J].軟件學報,2013,36（2）：422-431.

[4]周勇,顧聰越,程春田.基于云模型的可信性評估模型[J].計算機應用研究,2012,29（1）：597-600.

[5]張景安,張杰.P2P網絡中信任評價研究[J].小型微型計算機系統(tǒng),2012,33（11）：2477-2480.

[6]邵堃,羅飛,梅梟雄,等.一種正態(tài)分布下的動態(tài)推薦信任模型[J].軟件學報,2012,23（12）：3130-3148.

[7]李德毅.不確定性人工智能[M].北京：國防工業(yè)出版社,2005.

Study of Trust Evaluation Mechanism for Business-to-Customer E-Commerce

ZHANG Jing-an

1674－0874（2013）05－0010-03

TP393

A

2013-08-03

山西大同大學教學研究項目[2011XJY201]；山西大同大學青年科學研究項目[2012Q10]；山西大同大學大學生創(chuàng)新創(chuàng)業(yè)訓練重點項目；山西省高等學校大學生創(chuàng)新創(chuàng)業(yè)訓練項目[2013266]

張景安（1970-），男，山西大同人，碩士，教授，研究方向：網絡安全及網絡技術應用。