楊曉薇

（湖北工程學(xué)院 校友辦，湖北 孝感432000）

在電子商務(wù)系統(tǒng)中，有關(guān)信任計(jì)算［1］、信任管理［2］以及信任機(jī)制建立［3］等問(wèn)題的研究比較多。隨著C2C模式電子商務(wù)的迅速發(fā)展，大多數(shù)的C2C購(gòu)物網(wǎng)站都紛紛建立起了自己的信用評(píng)價(jià)體系。雖然現(xiàn)有的評(píng)價(jià)系統(tǒng)在一定程度上減輕了網(wǎng)上交易信用危機(jī)，促進(jìn)了C2C網(wǎng)上交易，但現(xiàn)有評(píng)價(jià)系統(tǒng)仍然面臨著諸多問(wèn)題。

1 當(dāng)前信用評(píng)價(jià)計(jì)分模型及算法存在的問(wèn)題

1.1 目前C2C電子商務(wù)信用評(píng)價(jià)計(jì)分模型及算法

各個(gè)網(wǎng)站的信用評(píng)價(jià)規(guī)則有所不同，如有的網(wǎng)站采用“所有評(píng)價(jià)一起積分”的制度，有的網(wǎng)站則采用“買(mǎi)賣(mài)信用值分離”的制度，但評(píng)價(jià)均分為“好評(píng)”、“中評(píng)”、“差評(píng)”三檔，分別對(duì)應(yīng)＋1、0、－1的分值。對(duì)于一次交易，規(guī)定進(jìn)行信用評(píng)價(jià)的用戶為評(píng)價(jià)用戶，接受信用評(píng)價(jià)的用戶為被評(píng)用戶，其中評(píng)價(jià)用戶和被評(píng)價(jià)用戶既可以是買(mǎi)方，也可以是賣(mài)方，用戶信用度（又稱(chēng)信用指數(shù)）為該用戶總得分，信用等級(jí)根據(jù)信用度來(lái)確定。

1.2 存在的問(wèn)題

1）信用度的變化只與交易次數(shù)有關(guān)，與交易金額無(wú)關(guān)。在淘寶網(wǎng)交易中，許多信用值很高的賣(mài)家，大多數(shù)是銷(xiāo)售低價(jià)商品的。進(jìn)行一次幾元錢(qián)的交易與進(jìn)行一次幾千元的交易獲得的評(píng)價(jià)機(jī)會(huì)是一樣的，都是一次，而且信用值的增減也相同，這樣就容易導(dǎo)致信用度的不對(duì)等和盜用，如果賣(mài)家以此為手段進(jìn)行惡意欺詐，那么買(mǎi)家的風(fēng)險(xiǎn)就增大了很多。

2）評(píng)價(jià)率不明確。在網(wǎng)絡(luò)交易中，交易完成后的信用評(píng)價(jià)是自愿進(jìn)行的，網(wǎng)站的信用評(píng)價(jià)規(guī)則規(guī)定：交易雙方中至少有一方做出了評(píng)價(jià)，評(píng)價(jià)才有效并公布，如果所有的交易者，或者大部分的交易者在交易完成后不做出評(píng)價(jià)，這個(gè)信用制度就沒(méi)有意義了［4］。因此，許多賣(mài)家為了維持100%的好評(píng)率，當(dāng)交易不順利時(shí)，賣(mài)家可能會(huì)放棄對(duì)買(mǎi)家的評(píng)價(jià)，或者給出不好的評(píng)價(jià)；而買(mǎi)家也會(huì)不做評(píng)價(jià)或者做出差評(píng)，雖然買(mǎi)賣(mài)雙方進(jìn)行了交易，但由于雙方?jīng)]有互相給予評(píng)價(jià)，交易的情況不能反映到信用指數(shù)中。

3）信用炒作。在網(wǎng)購(gòu)平臺(tái)上，當(dāng)顧客在選購(gòu)商品時(shí)，信用排名高的網(wǎng)店商家往往能得到消費(fèi)者更多的青睞，所以很多賣(mài)家為促成更多的交易，利用阿里旺旺、QQ等聊天工具要求與他人換好評(píng)，或利用站內(nèi)信件及商品頁(yè)面的留言等方式要求與他人進(jìn)行相互出價(jià)、給予評(píng)價(jià)來(lái)提高自己的信用度。

2 改進(jìn)的信用評(píng)價(jià)計(jì)分算法

改進(jìn)的信用計(jì)分方法是一種基于交易商品所屬種類(lèi)的平均價(jià)格、交易商品價(jià)格、賣(mài)家信用值、買(mǎi)家信用值、信用等級(jí)多影響因素，對(duì)交易的商品價(jià)格和信用等級(jí)進(jìn)行區(qū)間劃分，“好評(píng)”和“差評(píng)”的加分與扣分隨著交易的進(jìn)行動(dòng)態(tài)變化的信用評(píng)價(jià)方法。信用評(píng)分規(guī)則為：

1）當(dāng)評(píng)價(jià)為“好評(píng)”時(shí)，第一次“好評(píng)”加1分，從第二次開(kāi)始，以后每次“好評(píng)”加dn，dn為加分系數(shù)。

2）當(dāng)評(píng)價(jià)為“中評(píng)”時(shí)，不計(jì)分。

3）當(dāng)評(píng)價(jià)為“差評(píng)”時(shí)，某信用級(jí)別的賣(mài)家一次“差評(píng)”扣hn。hn為扣分系數(shù)，隨著信用等級(jí)越高，扣分系數(shù)越大，這樣增加了賣(mài)家詐騙的機(jī)會(huì)成本。

考慮到買(mǎi)家與賣(mài)家之間就同一商品進(jìn)行多次交易其信任無(wú)效的情況，規(guī)定買(mǎi)家與賣(mài)家之間對(duì)同一商品進(jìn)行多次交易時(shí)，給一天內(nèi)不同商品的評(píng)價(jià)只計(jì)一次。14天內(nèi)，買(mǎi)家與賣(mài)家之間就同一商品進(jìn)行多次交易時(shí)，評(píng)價(jià)都只計(jì)一次。

首先，對(duì)交易商品價(jià)格和賣(mài)家的信用等級(jí)進(jìn)行區(qū)間劃分，將交易商品的價(jià)格分段為［X1，Y1］，［X2，Y2］，［X3，Y3］，……。根據(jù)賣(mài)家信用值的范圍將賣(mài)家信用等級(jí)分為n 級(jí)：［x1，y1］，［x2，y2］，［x3，y3］，……，［xn－1，yn－1］，［xn，yn］，設(shè)信用值的初始值為0。在所有的交易中，考慮到交易失敗的情況，對(duì)每個(gè)信用等級(jí)設(shè)定相應(yīng)的交易失敗率閾值fn，fn是預(yù)期的交易失敗率的最大值，在這個(gè)值的范圍內(nèi)，認(rèn)為交易是安全可行的。超出這個(gè)值的范圍，則會(huì)受到懲罰，使賣(mài)家的信用值降低一個(gè)級(jí)別。設(shè)賣(mài)家的信用值區(qū)間為［x，y］，賣(mài)家想從這個(gè)信用等級(jí)升到更高一個(gè)信用等級(jí)，需要的交易次數(shù)至少是y－x，在這個(gè)交易數(shù)中，賣(mài)家的信用值要想不被降低一個(gè)等級(jí)，則失敗的交易次數(shù)m需滿足的條件為：m＜fn×（y－x）。假設(shè)某賣(mài)家的信用值為a，要使得交易失敗次數(shù)在允許的最大值下，賣(mài)家的信用值被降低一個(gè)等級(jí)，需要滿足的條件為：a－n×hi＜＝x，其中hi為當(dāng)前信用等級(jí)的扣分系數(shù)。于是，hn＞＝（a－x）／m，而m＜＝fn×（y－x），所以hn＞＝ （a－x）／fn×（y－x）。又max（（a－x）／fn×（y－x））＝1／fn，所以，hn＞＝1／fn。

目前，現(xiàn)有的信用評(píng)價(jià)模型在計(jì)算某個(gè)賣(mài)家的信用值時(shí)，均未考慮提交信用反饋評(píng)分用戶的信用值，這為交易雙方之間進(jìn)行互相評(píng)分提供了可乘之機(jī)，容易受到信用詆毀、惡意推薦等行為的影響。因此，在這里引入了買(mǎi)家的信用值權(quán)重E，E為賣(mài)家的信用值e與所有買(mǎi)家平均信用值的比率。

根據(jù)以上說(shuō)明，給出如下基于多影響因素的信用計(jì)分模型，即在有限次交易后，用戶的信用值采用以下模型計(jì)算：

1）當(dāng)評(píng)價(jià)為“好評(píng)”時(shí)，Rn＝ Rn－1＋ dn；Rn－1為賣(mài)家前一次交易的信用值，dn為本次交易的加分系數(shù)dn＝（N（Фn）／N（∑Ф））×（e／ˉE）；N（Фn）為已經(jīng)完成的交易中商品價(jià)格落在Фn段中的商品數(shù)，N（∑Ф）為已經(jīng)交易完的總商品數(shù)。

2）當(dāng)評(píng)價(jià)為“差評(píng)”時(shí)，Rn＝ Rn－1－h(huán)n；Rn－1為賣(mài)家前一次交易的信用值，dn為本次交易的扣分系數(shù)dn＝（1／fn）×（e／ˉE）。

3 模擬實(shí)驗(yàn)及結(jié)果分析

采用Visual Basic for Applications進(jìn)行信用計(jì)分方法實(shí)驗(yàn)的模擬，實(shí)驗(yàn)數(shù)據(jù)來(lái)源于淘寶網(wǎng)上某類(lèi)女裝的賣(mài)家交易記錄。價(jià)格為原始數(shù)據(jù)，將商品價(jià)格分區(qū)間為：［10，60］，［60，140］，［140，240］，［240，390］，［390，500］，［500，800］，［800，1500］，［1500，2500］，［2500，4000］。將信用等級(jí)分為十級(jí)：［1，60］，［61，160］，［161，320］，［321，600］，［601，1000］，［1001，1600］，［1601，3000］，［3001，5000］，［5001，10000］，［10001，30000］。設(shè)信用值初值為0。根據(jù)對(duì)該類(lèi)女裝的網(wǎng)上交易統(tǒng)計(jì)分析，設(shè)定fn的值依次為5／120，4／120，3／120，2／120，1／120，5／1500，4／1500，3／1500，2／1500，1／1500，則扣分系數(shù)hn依次為：24，30，40，60，120，200，375，500，750，1500。

為了描述方便，把淘寶網(wǎng)的信用模型簡(jiǎn)稱(chēng)為T(mén)B模型，改進(jìn)后的模型簡(jiǎn)稱(chēng)為R模型。為了分析R模型與TB模型的信用計(jì)分方法不同，這里采用了一組具有該特征的數(shù)據(jù)進(jìn)行了模擬實(shí)驗(yàn)。

對(duì)改進(jìn)前和改進(jìn)后的兩個(gè)模型分別進(jìn)行了300多次模擬實(shí)驗(yàn)，從信用值增長(zhǎng)方面對(duì)改進(jìn)后的模型和原有的模型進(jìn)行了詳細(xì)的對(duì)比分析。

3.1 歷史交易中只出現(xiàn)欺騙的情況

圖1 只有欺騙的信用值增長(zhǎng)過(guò)程比較圖

當(dāng)交易中出現(xiàn)欺騙行為時(shí)，TB模型的簡(jiǎn)單累加信用值的計(jì)分方法是完全無(wú)能為力的，而R模型的信用計(jì)分方法，對(duì)交易中出現(xiàn)欺騙交易情況描述得很具體，同時(shí)也抑制了信用值的增長(zhǎng)，這對(duì)買(mǎi)家在進(jìn)行下一次交易時(shí)，判斷其交易的風(fēng)險(xiǎn)提供了有利的依據(jù)，對(duì)賣(mài)家在交易中的行為也起到了督促作用。

3.2 歷史交易中只出現(xiàn)信用炒作的情況

圖2 信用炒作的信用值增長(zhǎng)過(guò)程比較圖

信用炒作現(xiàn)象1：賣(mài)家先通過(guò)銷(xiāo)售大量的低價(jià)商品，在短時(shí)間內(nèi)快速提高自己的信用等級(jí)，再轉(zhuǎn)銷(xiāo)售高價(jià)商品，這里采用了符合該特征的現(xiàn)實(shí)數(shù)據(jù)對(duì)其現(xiàn)象進(jìn)行了分析，若采用TB模型的信用計(jì)分方法，即使沒(méi)有出現(xiàn)欺騙行為，但賣(mài)家在進(jìn)行信用炒作之后，其信用值已經(jīng)大打折扣，買(mǎi)家則很容易相信目前的信用值。而采用R模型的信用計(jì)分方法，在賣(mài)家出售高價(jià)商品時(shí)，則會(huì)抑制其信用值的增長(zhǎng)，對(duì)買(mǎi)家在進(jìn)行下一次交易時(shí)，判斷交易的風(fēng)險(xiǎn)是有利的。同時(shí)，由圖2還可以看出，在交易低價(jià)商品時(shí)，R模型的計(jì)分方法對(duì)只出售低價(jià)商品的賣(mài)家是公平的。

3.3 歷史交易中欺騙和信用炒作同時(shí)出現(xiàn)的情況

圖3 信用炒作后欺騙的信用值增長(zhǎng)過(guò)程

信用炒作現(xiàn)象2：賣(mài)家先通過(guò)銷(xiāo)售大量的低價(jià)商品，在短時(shí)間內(nèi)快速提高自己的信用等級(jí)，再轉(zhuǎn)銷(xiāo)售高價(jià)商品進(jìn)行欺騙來(lái)獲取更多的利潤(rùn)，這里采用了符合該特征的現(xiàn)實(shí)數(shù)據(jù)對(duì)其現(xiàn)象進(jìn)行了分析，采用TB模型的計(jì)分方法，對(duì)信用炒作后的欺騙行為是無(wú)法遏制的，而采用R模型的計(jì)分方法，當(dāng)賣(mài)家在由出售低價(jià)商品轉(zhuǎn)出售大量高價(jià)商品并且出現(xiàn)欺騙行為時(shí)，會(huì)抑制賣(mài)家信用值的增長(zhǎng)，并對(duì)其行為進(jìn)行處罰。由此可以看出，改進(jìn)后的模型計(jì)分方法有效地防止了信用炒作。

4 結(jié)語(yǔ)

隨著C2C電子商務(wù)快速發(fā)展，淘寶等許多C2C電子商務(wù)網(wǎng)站紛紛建立了各自的信用評(píng)價(jià)體系，雖然在一定程度上提高了交易成功率，但許多商家為了快速提高信用等級(jí)來(lái)獲取更多的利潤(rùn)，在交易中出現(xiàn)了欺詐、信用炒作等現(xiàn)象。因此，完善信用評(píng)價(jià)體系顯得尤為重要，它不僅減少了網(wǎng)絡(luò)交易詐騙行為，加強(qiáng)了個(gè)人信用體系的建設(shè)，而且促進(jìn)了C2C電子商務(wù)網(wǎng)站的更大發(fā)展。

［1］Zhang W，Liu L，Zhu Y C.A Computational Trust Model for C2CAuctions［C］／／Proceedings of 2005International Conference on Services Systems and Services Management（ICSSSM’05），2005：726-719.

［2］Venkatraman Mahadevan，Yu Bin，Singh Munindar P.Trust and Reputation Management in a Small－World Network［C］／／Proceedings of the Fourth International Conference on MultiAgent Systems，2000：449-450.

［3］Ba S L，Whinston A B，Zhang H.Building Trust in Online Auction Markets Through an Economic Incentive Mechanism［J］.Decision Support Systems，2003，35：273-286.

［4］洪瓊，何剛.C2C電子商務(wù)網(wǎng)站信用評(píng)價(jià)模型的分析與研究［J］.中國(guó)管理信息化，2008（11）：96-97.