周華玲,王鳳英

(山東理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,山東淄博255049)

對(duì)于網(wǎng)上購物的人來說,最關(guān)心的就是網(wǎng)店的信譽(yù)問題.與大多數(shù)國內(nèi)信譽(yù)評(píng)估系統(tǒng)一樣[1],淘寶網(wǎng)也沿用eBay的信譽(yù)評(píng)估機(jī)制——反饋機(jī)制,即雙方在交易結(jié)束后根據(jù)結(jié)果給對(duì)方一個(gè)評(píng)價(jià).但現(xiàn)有的信用評(píng)估模型本身存在如下不足之處:首先,未能考慮復(fù)雜的合伙欺騙方式,即協(xié)同欺騙的用戶通過在短時(shí)間內(nèi)以較高的頻率提交不誠實(shí)的反饋詆毀其它節(jié)點(diǎn)或者合伙欺騙提升自身信任值[2];其次,不能滿足信任動(dòng)態(tài)性的需求,當(dāng)前信用評(píng)估模型評(píng)估一家店鋪的信用度主要看該店的好評(píng)數(shù)和差評(píng)數(shù)而不考慮時(shí)間因素,影響信用評(píng)估的準(zhǔn)確性.文獻(xiàn)[3]考慮了時(shí)間因素,引入了信任信息提供者,使得信任模型中信任關(guān)系變得復(fù)雜,需要多次認(rèn)證.

本文提出基于時(shí)間幀的動(dòng)態(tài)信用評(píng)估模型,充分考慮時(shí)間屬性對(duì)信任計(jì)算的影響,使用時(shí)間幀的概念來標(biāo)示評(píng)價(jià)的時(shí)間特性,使用評(píng)價(jià)可信度、近期信任、長(zhǎng)期信任和累積負(fù)信任4個(gè)參數(shù)來計(jì)算用戶可信度.其中,評(píng)價(jià)可信度的計(jì)算引入模糊集合理論[4-5],以用戶信息及以往的交易情況為模糊參數(shù)進(jìn)行計(jì)算,不需要可信第三方.

1 評(píng)價(jià)可信度

目前的信任評(píng)估模型把所有的評(píng)價(jià)都當(dāng)作是真實(shí)可信的,顯然這是不確切的.現(xiàn)實(shí)情況是,有些賣家為了增加自己店鋪的交易量,自己注冊(cè)帳號(hào)進(jìn)行交易,然后提交不誠實(shí)的評(píng)價(jià).解決不誠實(shí)評(píng)價(jià)的方法是考慮評(píng)價(jià)的可信度.但由于評(píng)價(jià)具有主觀性和模糊性,無法用常規(guī)精確的數(shù)學(xué)模型來描述和處理.為此,我們引入模糊集合理論的隸屬函數(shù)(隸屬度),以解決對(duì)具有模糊性的主觀評(píng)價(jià)的定量描述.

我們以發(fā)表評(píng)價(jià)的用戶m為例,考慮其可信度.首先,引入用戶m的模糊參數(shù)(k=1,2,…,p).模糊參數(shù)是用來評(píng)價(jià)用戶m的特征參數(shù),比如用戶m注冊(cè)時(shí)提交的社會(huì)身份、社會(huì)地位以及用戶m交易成功的次數(shù)、交易金額、注冊(cè)時(shí)間長(zhǎng)短、交易頻率、評(píng)價(jià)提交頻率等.我們采用用戶m對(duì)模糊參數(shù)Pk的隸屬度的加權(quán)平均值來描述用戶m的可信度.其中,0≤Umk≤1(k=1,2,…,p)是用戶m對(duì)模糊參數(shù)Pk的隸屬度.用戶m的可信度Tm可用下面的公式來計(jì)算:

式中,ωk(k=1,2,…,p)為權(quán)值,且=1(權(quán)值可根據(jù)實(shí)際情況取值).

2 基于時(shí)間幀的動(dòng)態(tài)信用評(píng)估模型

收集一段時(shí)間內(nèi)(比如一個(gè)季度、半年、一年或更長(zhǎng)時(shí)間)賣家i得到的所有評(píng)價(jià)(好評(píng)、中評(píng)、差評(píng)),為了提高信用評(píng)價(jià)的準(zhǔn)確性,把一段時(shí)間分為若干個(gè)時(shí)間幀,時(shí)間幀長(zhǎng)度可視具體情況而定.在時(shí)間幀n內(nèi),對(duì)賣家i的信任評(píng)價(jià)記為,用下列公式定義:

其中,T1,T2……是各個(gè)評(píng)價(jià)對(duì)應(yīng)的可信度…是賣家i收到的好評(píng)…是賣家i收到的差評(píng)…是賣家i收到的中評(píng);賣家收到一條好評(píng)得+1分,中評(píng)不得分,差評(píng)得-1分為賣家i收到的所有好評(píng)與對(duì)應(yīng)的評(píng)價(jià)可信度乘積之和的平均值,Bi為賣家i收到的所有差評(píng)與對(duì)應(yīng)的評(píng)價(jià)可信度乘積之和的平均值.α為信任評(píng)價(jià)的信心因子,α的取值與賣家i的好評(píng)數(shù)在評(píng)價(jià)總數(shù)中所占的比例有關(guān),好評(píng)所占比例越大,α值也越大,取

定義2 設(shè)賣家i的近期信任為S Ti,第n個(gè)時(shí)間幀后近期信任更新為

ρ(0≤ρ≤1)為信任學(xué)習(xí)因子.ρ越大,先前的信任評(píng)價(jià)就越容易被遺忘,若ρ=1那么時(shí)間幀n之前的信任評(píng)價(jià)就完全被遺忘.現(xiàn)實(shí)生活中,買家對(duì)賣家的信任是緩慢增加而快速減少的.也就是說賣家在通過許多成功的交易累積起來的信任等級(jí)在幾個(gè)失敗的交易后就會(huì)喪失.信任的增加或者減少是不對(duì)稱的,信任以不同的速度增加和減少.為了懲罰某些賣家的策略性作假行為,我們模擬人類社會(huì)的信任行為引入自適應(yīng)的信任學(xué)習(xí)因子.

其中λ和γ分別為信任增加和信任減少學(xué)習(xí)因子.通常,我們?nèi)≈郸?γ,即信任降低的速度比增加的速度快,這符合人類社會(huì)的信任行為習(xí)慣.參數(shù)的選取需要考慮多種因素.例如,選取一個(gè)較低的γ值使得賣家的信任值滯后于作假行為,作假賣家還可以進(jìn)行多次欺騙;相反,一個(gè)較高的γ值可能會(huì)嚴(yán)重懲罰那些由于受客觀情況影響服務(wù)質(zhì)量下降的無辜賣家(如貨物在運(yùn)輸途中損壞或由于各種原因買家在預(yù)期時(shí)間內(nèi)未收到貨物).實(shí)際應(yīng)用中,信任評(píng)價(jià)的正確性受經(jīng)驗(yàn)評(píng)價(jià)正確性的影響,λ,γ的值為經(jīng)驗(yàn)值.ε＞0,為事先設(shè)定的信任評(píng)價(jià)波動(dòng)容忍范圍(允許信任度降低,但不能超出一定范圍,如公式(6)所示).

定義3 設(shè)賣家i的長(zhǎng)期信任為L(zhǎng) Ti,第n個(gè)時(shí)間幀后賣家i的長(zhǎng)期信任可以用下面的公式計(jì)算:

長(zhǎng)期信任實(shí)際上是各個(gè)時(shí)間幀內(nèi)的信任評(píng)價(jià)之和的平均值,最終的信任評(píng)價(jià)結(jié)果Ti取近期信任和長(zhǎng)期信任二者中的最小值:

依據(jù)公式(8),賣家在短時(shí)間內(nèi)進(jìn)行大量虛假交易來獲得好評(píng)的信任值會(huì)迅速減小,而長(zhǎng)期以來信譽(yù)度不高的賣家也不能通過短時(shí)間的良好行為獲得較高的信任值.

定義4 設(shè)賣家i經(jīng)過失敗交易得到差評(píng)的累積負(fù)信任為NTi,則第n個(gè)時(shí)間幀后累積負(fù)信任更新為

基于累積負(fù)信任NTi,通過和信任增加學(xué)習(xí)因子λ結(jié)合,可以對(duì)不誠信經(jīng)營(yíng)得到差評(píng)的賣家進(jìn)行懲罰:

得到差評(píng)的賣家的信任增加學(xué)習(xí)因子λ會(huì)隨著累積負(fù)信任的增加不斷減小,使得賣家恢復(fù)到原來的信任值需要更長(zhǎng)時(shí)間的成功交易,達(dá)到了懲罰的效果.a為事先取定的常量,可以通過改變a的大小來控制懲罰的力度,a取值越大,λ減小的速度越慢,懲罰力度越小.對(duì)于性質(zhì)比較惡劣的賣家如欺騙買家錢財(cái)數(shù)額較大,可根據(jù)客戶投訴,查清事實(shí)后直接封店鋪而不必用公式(10)進(jìn)行懲罰.

每隔一定的時(shí)間間隔(根據(jù)購物平臺(tái)信任評(píng)價(jià)管理者預(yù)先設(shè)定的工作策略),信任評(píng)估管理者對(duì)數(shù)據(jù)庫中的信任信息進(jìn)行一次處理.根據(jù)收集到的信任信息計(jì)算出每個(gè)賣家的新的信任度等級(jí),實(shí)時(shí)更新賣家的信用度,實(shí)現(xiàn)模型的動(dòng)態(tài)適應(yīng)能力.

3 典型應(yīng)用

取某賣家半年內(nèi)的交易為例,由于該賣家信用等級(jí)不高,前幾個(gè)月交易量很低.為提高信用度該賣家在第六個(gè)月與人合謀進(jìn)行虛假交易.該賣家所得評(píng)價(jià)見表1,(這個(gè)例子比較簡(jiǎn)單,沒有提供評(píng)價(jià)者的特征參數(shù),各評(píng)價(jià)可信度取[0,1] 之間的隨機(jī)值;時(shí)間幀的長(zhǎng)度定為一個(gè)月)

表1 某賣家半年內(nèi)收到的評(píng)價(jià)

經(jīng)過計(jì)算,得

我們?nèi)ˇ?0.05,λ=0.6,γ=0.8近期信任、長(zhǎng)期信任初始化為0,則

由上可以看出,第6個(gè)月賣家為提高信用等級(jí)而進(jìn)行大量虛假交易,使得第6個(gè)月的近期信任由第5個(gè)月的0.44增至0.54.而我們的算法規(guī)定,最終的信任評(píng)價(jià)結(jié)果取長(zhǎng)期信任和近期信任二者中的最小值.因此,第6個(gè)月后該賣家的最終信任評(píng)價(jià)結(jié)果為0.43.這種計(jì)算方法可有效的減小賣家在短時(shí)間內(nèi)提供大量的不誠實(shí)評(píng)價(jià)對(duì)信任評(píng)估準(zhǔn)確性造成的影響,使得賣家必須經(jīng)過長(zhǎng)期誠信經(jīng)營(yíng)才能獲得較高的信任度.

4 結(jié)束語

本文提出一個(gè)基于時(shí)間幀的動(dòng)態(tài)信用評(píng)價(jià)模型,用時(shí)間幀標(biāo)示評(píng)價(jià)的時(shí)間特性,實(shí)時(shí)更新評(píng)價(jià)的可信度,能夠有效的處理賣家策略性的作假行為對(duì)可信值計(jì)算造成的影響.該模型克服了傳統(tǒng)模型的局限性,有效地提高了賣家誠實(shí)交易的積極性和交易成功率,增強(qiáng)了信任評(píng)價(jià)系統(tǒng)的真實(shí)性和可靠性.

[1] 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.

[2] Srivatsa M,Xiong L,Liu L.T rust guard:countering vulnerabilities in reputation management for decentralized overlay networks.[C] //.In:Proceedings of the 14thWorld Wide Web Conference,New York.Ny.USA:Association for Computing Machinery 2005,422-431.

[3] 楊建喜,葛垚.電子商務(wù)系統(tǒng)信任模型動(dòng)態(tài)控制方案的研究[J] .微機(jī)發(fā)展,2005,15(12):157-159.

[4] 王鳳英,王振友,程震,等.基于模糊綜合控制的UCONF模型構(gòu)建與分析[J] .武漢大學(xué)學(xué)報(bào)(理學(xué)版),2009,55(1):7-10.

[5] Wang Fengying,Wang Fei.The research and application of resource dissemination based on credibility and UCON[C] //.2007 IEEE International Conference on Computational Intelligence and Security,Washington.DC.USA:IEEE Computer Society 2007,584-588.

[6] ?？?王懷民,尹剛.Dy Trust:一種P2P系統(tǒng)中基于時(shí)間幀的動(dòng)態(tài)信任模型[J] .計(jì)算機(jī)學(xué)報(bào),2006,29(8):1 301-1 307.