楊琦峰，沈 鑫，宋 平，謝光萍，王 俊

(武漢理工大學(xué)經(jīng)濟(jì)學(xué)院，湖北 武漢 430070)

B2B在線(xiàn)支付作為電子商務(wù)重要的關(guān)聯(lián)產(chǎn)業(yè)，是實(shí)現(xiàn)電子商務(wù)商流、資金流、物流一體化整合和協(xié)同工作的關(guān)鍵環(huán)節(jié)。

國(guó)內(nèi)外已有學(xué)者對(duì)身份特征模型以及信譽(yù)度模型進(jìn)行了研究。CLARK提出，識(shí)別身份的方法主要有3種:基于知識(shí)或信息的識(shí)別、基于憑證的識(shí)別和生物性識(shí)別[1]，有時(shí)身份識(shí)別需要采取多種識(shí)別方式的組合。LOPUCKI對(duì)CLARK的理論進(jìn)行了擴(kuò)展，提出身份識(shí)別是一個(gè)特征值匹配過(guò)程，且特征值必須被識(shí)別行為雙方都掌握才行[2]。特征值可能是姓名、身份證號(hào)、密碼、相貌和指紋等。

ZACHARIA提出了在多主體系統(tǒng)中采用遞歸算法的Sporas信譽(yù)度模型，并設(shè)計(jì)了阻尼函數(shù)φ以減慢信譽(yù)優(yōu)良的主體信譽(yù)度的遞增速度[3]。SABATER提出的 Regret模型，建立了評(píng)價(jià)庫(kù)IDB，定義了函數(shù)τ用于表示多主體系統(tǒng)中a主體對(duì)b主體在t時(shí)刻針對(duì)φ方面的貢獻(xiàn)o的客觀(guān)評(píng)價(jià)W，W∈[-1，1]，并建立獨(dú)立信譽(yù)度模型與綜合信譽(yù)度模型[4]。CARBó提出的AFRAS信譽(yù)度模糊集合，引入權(quán)重因子判別上一次信譽(yù)度與該次評(píng)價(jià)所得滿(mǎn)意度各自對(duì)于系統(tǒng)的貢獻(xiàn)，并設(shè)計(jì)了遞歸的權(quán)重函數(shù)ρi，根據(jù)上次評(píng)價(jià)信譽(yù)度與該次評(píng)價(jià)滿(mǎn)意度的相近程度決定上次信譽(yù)度在該次評(píng)價(jià)中的權(quán)重[5]。

B2B在線(xiàn)支付系統(tǒng)是一個(gè)協(xié)同進(jìn)化的非線(xiàn)性復(fù)雜大系統(tǒng)，基于協(xié)同論的序參量原理，發(fā)現(xiàn)參與者信息基因是決定B2B在線(xiàn)支付進(jìn)化系統(tǒng)宏觀(guān)有序性的微觀(guān)序參量，筆者著重研究如何構(gòu)建“身份特征值+信譽(yù)度”二維屬性的參與者信息基因模型及有序度測(cè)度算法，并基于參與者信息基因?qū)2B在線(xiàn)支付進(jìn)化系統(tǒng)協(xié)同性的作用進(jìn)行了分析。

1 B2B在線(xiàn)支付進(jìn)化系統(tǒng)理論基礎(chǔ)

1.1 B2B在線(xiàn)支付系統(tǒng)信息生態(tài)系統(tǒng)理論模型

廣義上的B2B在線(xiàn)支付系統(tǒng)是指參與者(包括企業(yè)法人、企業(yè)、銀行或金融機(jī)構(gòu)和認(rèn)證監(jiān)管部門(mén)等)、基于Internet公共網(wǎng)絡(luò)平臺(tái)的電子商務(wù)在線(xiàn)支付系統(tǒng)、系統(tǒng)范圍內(nèi)的各信息要素及其相互關(guān)系的總和。它既包含企業(yè)進(jìn)行信息管理過(guò)程中的組成要素，也包含這些要素在信息管理過(guò)程中的相互作用機(jī)制。其中，B2B在線(xiàn)支付信息生態(tài)系統(tǒng)的信息要素由人、信息和信息環(huán)境(信息技術(shù)、信息組織結(jié)構(gòu)、基礎(chǔ)設(shè)施、信息戰(zhàn)略、文化及制度等)組成[6-7]。

具體來(lái)說(shuō)，B2B在線(xiàn)支付信息生態(tài)系統(tǒng)是指在企業(yè)電子商務(wù)活動(dòng)中，信息主體之間以及信息主體與信息環(huán)境之間不斷地進(jìn)行信息交流和信息循環(huán)而形成的統(tǒng)一整體。在一個(gè)健康的B2B在線(xiàn)支付電子商務(wù)生態(tài)系統(tǒng)中，信息輸入與輸出之間存在一個(gè)相對(duì)動(dòng)態(tài)平衡的關(guān)系，該系統(tǒng)中的各部分都處在相互適應(yīng)和協(xié)調(diào)的動(dòng)態(tài)平衡之中。如果系統(tǒng)中的各部分之間無(wú)法相互協(xié)調(diào)，就會(huì)出現(xiàn)系統(tǒng)中的信息、人、環(huán)境的不相適應(yīng)，進(jìn)而導(dǎo)致信息生態(tài)的失衡和系統(tǒng)的無(wú)序[8]。

1.2 信息基因模型構(gòu)建思想

由于B2B在線(xiàn)支付信息生態(tài)系統(tǒng)具有自組織大系統(tǒng)的特征，符合自組織大系統(tǒng)的定義，因此可以應(yīng)用自組織大系統(tǒng)中的序參量理論來(lái)研究B2B在線(xiàn)支付信息生態(tài)系統(tǒng)的協(xié)同有序問(wèn)題以及決定B2B在線(xiàn)支付系統(tǒng)的協(xié)同進(jìn)化過(guò)程的信息基因模型。

(1)基于協(xié)同論的參與者信息序度模型。B2B在線(xiàn)支付涉及各個(gè)參與者的協(xié)同工作，每個(gè)參與者的價(jià)值創(chuàng)造活動(dòng)的協(xié)同有序性是構(gòu)成B2B在線(xiàn)支付進(jìn)化系統(tǒng)宏觀(guān)有序性的基礎(chǔ)。

參與者信息序度模型描述參與者的價(jià)值創(chuàng)造活動(dòng)的協(xié)同有序性，該模型包含身份識(shí)別和信譽(yù)度兩類(lèi)結(jié)構(gòu)化信息:身份識(shí)別信息(也稱(chēng)身份特征值)由“現(xiàn)實(shí)的+網(wǎng)絡(luò)的”身份識(shí)別有序信息要素組成(獨(dú)一無(wú)二)，信譽(yù)度信息由能夠表征參與者價(jià)值創(chuàng)造活動(dòng)的貢獻(xiàn)度和美譽(yù)度的有序信息要素構(gòu)成。根據(jù)協(xié)同論的觀(guān)點(diǎn)，參與者信息序度模型是B2B在線(xiàn)支付進(jìn)化系統(tǒng)的一個(gè)微觀(guān)序參量，而所有參與者信息序度模型的組合形成B2B在線(xiàn)支付進(jìn)化系統(tǒng)的系統(tǒng)序參量。

(2)基于基因理論的信息基因模型。借鑒基因工程理論，將B2B在線(xiàn)支付進(jìn)化系統(tǒng)的系統(tǒng)序參量定義為系統(tǒng)信息基因，參與者信息序度模型作為系統(tǒng)微觀(guān)序參量將成為一個(gè)系統(tǒng)的信息基因片段，定義為參與者信息基因，系統(tǒng)信息基因成為表征B2B在線(xiàn)支付進(jìn)化系統(tǒng)的宏觀(guān)有序度的系統(tǒng)序參量;參與者信息基因?yàn)橄到y(tǒng)的微觀(guān)序參量。

B2B在線(xiàn)支付進(jìn)化系統(tǒng)的信息基因定義為:決定B2B在線(xiàn)支付進(jìn)化系統(tǒng)的有生命周期的、有遺傳價(jià)值的標(biāo)準(zhǔn)化序參量，分為參與者信息基因和系統(tǒng)信息基因。參與者信息基因是標(biāo)準(zhǔn)化參與者信息序度模型，系統(tǒng)信息基因是標(biāo)準(zhǔn)化的系統(tǒng)序參量，系統(tǒng)序參量為參與者信息序度模型的集合。

2 B2B在線(xiàn)支付進(jìn)化系統(tǒng)的信息基因

2.1 信息基因模型

參照生物基因形成模型，每個(gè)參與者信息基因代表一個(gè)特定的微觀(guān)序參量，對(duì)應(yīng)于生物中的基因片段;定義參與者信息基因中的交易載體為“染色體”，主要包括商流、資金流、物流和政務(wù)流;生物基因片段的作用是控制決定生物特性的蛋白質(zhì)的生長(zhǎng)，參與者信息基因的作用是控制系統(tǒng)數(shù)據(jù)庫(kù)表信息結(jié)構(gòu)、系統(tǒng)各層之間的接口信息標(biāo)準(zhǔn)以及交易載體的信息表達(dá)，控制系統(tǒng)的有序度。B2B在線(xiàn)支付進(jìn)化系統(tǒng)的信息基因形成模型如圖1所示。

圖1 B2B在線(xiàn)支付進(jìn)化系統(tǒng)的信息基因形成模型

針對(duì)B2B在線(xiàn)支付系統(tǒng)無(wú)序的幾種表現(xiàn)，解決在線(xiàn)支付系統(tǒng)無(wú)序的關(guān)鍵是解決信用問(wèn)題，而解決信用問(wèn)題的關(guān)鍵是加強(qiáng)身份監(jiān)管和信用監(jiān)管。以加強(qiáng)身份監(jiān)管和信用監(jiān)管為宗旨，構(gòu)建參與者信息基因模型，該模型既體現(xiàn)了對(duì)參與者的身份監(jiān)管，同時(shí)又體現(xiàn)了對(duì)參與者在系統(tǒng)中的運(yùn)作行為的監(jiān)管。

B2B在線(xiàn)支付進(jìn)化系統(tǒng)需要嚴(yán)格的實(shí)名制，讓每個(gè)參與者的身份可監(jiān)控，從而對(duì)每一個(gè)參與者進(jìn)行約束。在目前實(shí)行的實(shí)名制基礎(chǔ)上，筆者提出“身份特征值+信譽(yù)度”二維屬性的參與者信息基因模型，“身份特征值”屬性相對(duì)固定，對(duì)系統(tǒng)有序度的貢獻(xiàn)是一個(gè)常量;“信譽(yù)度”屬性是可變的，對(duì)系統(tǒng)有序度的貢獻(xiàn)是一個(gè)函數(shù)。

(1)身份特征。身份特征由基本特征以及生物特征構(gòu)成?；咎卣魇侵窧2B在線(xiàn)支付進(jìn)化系統(tǒng)參與者擁有的、被人為賦予的、表征其在支付過(guò)程中身份特征的信息。如企業(yè)法人姓名、ID、身份證號(hào)、企業(yè)的公司名稱(chēng)和工商注冊(cè)號(hào)等。生物特征是指B2B在線(xiàn)支付進(jìn)化系統(tǒng)參與者擁有的、與生俱來(lái)的、表征其在支付過(guò)程中身份特征的信息。如企業(yè)法人的虹膜、指紋和基因等[9]。

在參與者信息基因模型中，基本特征為:

生物特征為:

式中:ei(i=1，2，…，n)為上述列舉和未列舉但同屬基本特征的因素;bi(i=1，2，…，m)為上述列舉的和未列舉但同屬生物特征的因素;n和m為基本特征和生物特征信息的維數(shù)，維數(shù)越大代表基本特征和生物特征信息所包含的信息種類(lèi)越多，也就能越準(zhǔn)確地定位到一個(gè)具體的參與者。

(2)信譽(yù)度。信譽(yù)度是指在線(xiàn)支付系統(tǒng)參與者在支付過(guò)程中的運(yùn)作表現(xiàn)信用的積累。影響在線(xiàn)支付中的買(mǎi)方和賣(mài)方信譽(yù)度的因素包括:交易金額、對(duì)方評(píng)價(jià)和投訴率等。在參與者信息基因模型中，信譽(yù)度為:

式中:ci(i=1，2，…，k)為上述列舉的和未列舉但同屬信譽(yù)評(píng)價(jià)的因素;k為信譽(yù)評(píng)價(jià)信息的維數(shù)，維數(shù)越大代表信譽(yù)評(píng)價(jià)所包含的信息種類(lèi)越多，也就越能準(zhǔn)確地評(píng)價(jià)一個(gè)參與者的信譽(yù)情況。

綜上所述，參與者信息基因模型(微觀(guān)序參量模型)為:

式中:pi(i=1，2，…，j)為一個(gè)具體參與者的信息基因模型;Ej、Bj、Cj分別為第 j個(gè)參與者的基本特征、生物特征和信譽(yù)度。

參與者信息基因分類(lèi)可按照價(jià)值活動(dòng)特點(diǎn)分為:買(mǎi)(賣(mài))方信息基因、物流信息基因、銀行機(jī)構(gòu)信息基因和監(jiān)管信息基因等。以買(mǎi)賣(mài)方信息基因?yàn)槔?，B2B在線(xiàn)支付進(jìn)化系統(tǒng)中所有的j個(gè)類(lèi)型為買(mǎi)(賣(mài))方企業(yè)的參與者信息基因的集合為:

B2B在線(xiàn)支付進(jìn)化系統(tǒng)中其他類(lèi)型的參與者的信息基因模型可依此類(lèi)推。

如果其他機(jī)構(gòu)參與者的“生物特征”以機(jī)構(gòu)法人代表的法人生物特征信息表征，則以上參與者信息基因模型可以推廣到一般情況，成為普遍使用的模型。當(dāng)然，細(xì)化的模型細(xì)節(jié)會(huì)有所區(qū)別，都會(huì)體現(xiàn)出個(gè)性化特征。

B2B在線(xiàn)支付進(jìn)化系統(tǒng)的系統(tǒng)信息基因模型為B2B在線(xiàn)支付進(jìn)化系統(tǒng)參與者信息基因模型的集合。若系統(tǒng)中各個(gè)類(lèi)型參與者的信息基因模型為:O={O1，O2，…，On}，則系統(tǒng)信息基因Osystem為系統(tǒng)中各類(lèi)參與者的信息基因模型的集合，即:

2.2 參與者信息基因測(cè)度模型

信息基因模型中所涉及到的3方面信息中，每一個(gè)方面所包含的各個(gè)因素的權(quán)重不盡相同，用 WE，WB，WC來(lái)表示 E，B，C 的權(quán)重:

式中，WE+WB+WC=1，wei(i=1，2，…，n) ＞0，wbi(i=1，2，…，m) ＞0，wci(i=1，2，…，k) ＞0。

2.2.1 身份特征測(cè)度模型

基本特征與生物特征的各因素可以利用信息熵模型的思想來(lái)量度，信息量越大，熵減越高，信息的不確定性越小。筆者用各信息因素的維數(shù)和權(quán)重來(lái)衡量基本特征與生物特征的“值”。信息因素的維數(shù)越大，代表信息越詳實(shí)，越能準(zhǔn)確地定位到一個(gè)具體的企業(yè)類(lèi)型的參與者;而權(quán)重方面，越是重要的信息，越是能唯一確定一個(gè)參與者的信息，這個(gè)信息因素的權(quán)重越大。

(1)基本特征的測(cè)度模型為:

式中:EAj(j=1，2，…，n)為參與者 j的基本特征測(cè)度模型;wde為基本特征的信息因素維數(shù)的權(quán)重;為買(mǎi)(賣(mài))方企業(yè)類(lèi)型的參與者j的基本特征各信息因素的絕對(duì)值，當(dāng)該信息因素被收納在信息基因模型中時(shí)，該值為1，否則為0。

(2)生物特征的測(cè)度模型為:

式中:bAj(j=1，2，…，n)為買(mǎi)(賣(mài))方企業(yè)類(lèi)型參與者j的生物特征測(cè)度模型;wdb為生物特征的信息因素維數(shù)的權(quán)重;為企業(yè)類(lèi)型的參與者j的生物特征各信息因素是否被收納的判別運(yùn)算，當(dāng)該信息因素被收納在信息基因模型中時(shí)，該值為1，否則為0。

2.2.2 信譽(yù)度測(cè)度模型

(1)信譽(yù)度的影響因素。在線(xiàn)支付活動(dòng)中，參與者的信譽(yù)度的構(gòu)成因素有很多種，如交易金額、交易次數(shù)、對(duì)方評(píng)價(jià)和投訴率等。這里涉及的參與者的信譽(yù)度，從交易金額、對(duì)方評(píng)價(jià)和投訴率3個(gè)方面來(lái)考慮。①交易金額。完成一筆交易的交易金額越大，對(duì)參與者信譽(yù)度的貢獻(xiàn)越大。之所以選擇交易金額而不是交易次數(shù)，是因?yàn)椴捎媒灰状螖?shù)可能產(chǎn)生搭便車(chē)現(xiàn)象，即參與者為了增加交易次數(shù)專(zhuān)門(mén)進(jìn)行多次小金額交易以代替一次大金額交易，這種情況下進(jìn)行一次小金額交易和一次大金額交易所獲得的評(píng)價(jià)機(jī)會(huì)是相同的，且信譽(yù)的增減一樣，最終造成信譽(yù)的不對(duì)等。②對(duì)方評(píng)價(jià)。在完成一筆交易以后，信息消費(fèi)者和信息生產(chǎn)者之間會(huì)根據(jù)對(duì)方提供服務(wù)的質(zhì)量、到貨速度、付款速度等多個(gè)方面進(jìn)行評(píng)價(jià)。對(duì)方評(píng)價(jià)通常分為好評(píng)、中評(píng)和差評(píng)3個(gè)檔次，不同的評(píng)價(jià)結(jié)果對(duì)參與者信譽(yù)度的貢獻(xiàn)不同。③被投訴率。當(dāng)消費(fèi)者發(fā)現(xiàn)賣(mài)方有諸如銷(xiāo)售假冒產(chǎn)品或者進(jìn)行虛假交易的行為時(shí)可以向在線(xiàn)支付的監(jiān)管機(jī)構(gòu)投訴，投訴一經(jīng)查實(shí)監(jiān)管部門(mén)就會(huì)降低賣(mài)方的信譽(yù)度。投訴率越高對(duì)賣(mài)方信譽(yù)度的影響也越大。

(2)信譽(yù)度測(cè)度模型。參與者序參量模型與身份特征模型不同，身份特征對(duì)系統(tǒng)有序度的貢獻(xiàn)是固定值，而參與者序參量模型是動(dòng)態(tài)的，隨著交易金額、對(duì)方評(píng)價(jià)次數(shù)和投訴率等的變化而改變。因此，參與者序參量的測(cè)度模型與身份特征的測(cè)度模型不同，不再應(yīng)用熵模型對(duì)其進(jìn)行測(cè)度。這里從如下3個(gè)角度來(lái)研究參與者信譽(yù)度的測(cè)度模型:①交易金額。在線(xiàn)支付交易中，交易金額與信譽(yù)度是同向增長(zhǎng)的關(guān)系，即交易金額越大參與者的信譽(yù)度越高。因此，假設(shè)截止到某一時(shí)點(diǎn)參與者所有交易金額的和為m，單位交易金額(假設(shè)為一元)對(duì)信譽(yù)度的貢獻(xiàn)為k1，則此時(shí)交易金額對(duì)第i個(gè)參與者信譽(yù)度的貢獻(xiàn)為:c1i=k1·m，其中，k1＞0;m＞0。②對(duì)方評(píng)價(jià)。由于對(duì)方評(píng)價(jià)分為3種不同的級(jí)別，因此對(duì)信譽(yù)度的貢獻(xiàn)也不同。假定“好評(píng)”信譽(yù)度增加1分，“差評(píng)”信譽(yù)度減少1分，而“中評(píng)”時(shí)信譽(yù)度不加分也不減分。假設(shè)某一時(shí)點(diǎn)，參與者獲得的“好評(píng)”次數(shù)為n1，“中評(píng)”次數(shù)為n2，“差評(píng)”次數(shù)為n3，則對(duì)方評(píng)價(jià)對(duì)第i個(gè)參與者信譽(yù)度的貢獻(xiàn)為:c2i=1·n1+0·n2+(-1)·n3=n1-n3，其中，n1，n2，n3=1，2，…，n。③被投訴次數(shù)。在線(xiàn)支付中如果賣(mài)方提供虛假產(chǎn)品或者信譽(yù)度，將給消費(fèi)者帶來(lái)很大的損失，擾亂B2B在線(xiàn)支付產(chǎn)業(yè)的正常發(fā)展。因此一旦投訴被確認(rèn)成立，監(jiān)管機(jī)構(gòu)將對(duì)參與者進(jìn)行懲罰。為了加大懲罰的力度和改善在線(xiàn)支付環(huán)境，假設(shè)至某一時(shí)點(diǎn)，參與者被確認(rèn)的投訴次數(shù)為p，則扣除的信譽(yù)度積分為:c3i=k2·ep-1，其中，k2為投訴懲罰系數(shù)，p=1，2，…，n。

綜合交易金額、對(duì)方評(píng)價(jià)和被投訴次數(shù)對(duì)參與者信譽(yù)度的影響，得出第i個(gè)參與者的信譽(yù)度測(cè)度模型為:

綜上所述，買(mǎi)(賣(mài))方企業(yè)類(lèi)型的參與者信息基因模型的測(cè)度模型PA為:

式中:WE+WB+WC=1;WE＞0;WB＞0;WC＞0;pAj為單個(gè)買(mǎi)(賣(mài))方企業(yè)類(lèi)型的參與者的信息基因測(cè)度模型。

在線(xiàn)支付信息生態(tài)系統(tǒng)中的買(mǎi)(賣(mài))方企業(yè)眾多，因此在線(xiàn)支付信息生態(tài)系統(tǒng)所有買(mǎi)(賣(mài))方企業(yè)類(lèi)型參與者的信息基因測(cè)度模型PA為:

該信息基因測(cè)度模型適用于B2B在線(xiàn)支付信息生態(tài)系統(tǒng)中的買(mǎi)(賣(mài))方企業(yè)類(lèi)型參與者。同時(shí)該模型只假設(shè)了一部分影響因素，還可能有其他的影響因素，隨著研究工作的進(jìn)行，在以后的工作中還將繼續(xù)完善和豐富。B2B在線(xiàn)支付進(jìn)化系統(tǒng)中其他類(lèi)型的參與者信息基因模型的測(cè)度模型可依此類(lèi)推。

2.3 系統(tǒng)信息基因的測(cè)度

令信息基因組測(cè)度模型為OA，表示B2B在線(xiàn)支付進(jìn)化系統(tǒng)所有j個(gè)買(mǎi)(賣(mài))方企業(yè)類(lèi)型的參與者信息基因模型的測(cè)度模型的集合，即:

將系統(tǒng)中各個(gè)類(lèi)型參與者的信息基因組測(cè)度模型列出，如:OA1OA2，…，OAn，則系統(tǒng)信息基因測(cè)度模型(OsystemA)為系統(tǒng)中各個(gè)類(lèi)型參與者的信息基因組測(cè)度模型的集合，即:

3 參與者信息基因及協(xié)同性

基于參與者信息基因模型來(lái)提升B2B在線(xiàn)支付系統(tǒng)協(xié)同性的前提是將參與者信息基因模型應(yīng)用于系統(tǒng)中的每一個(gè)參與者，并利用其測(cè)度模型計(jì)算出各個(gè)參與者的信息序度，將這個(gè)信息序度與參與者在B2B在線(xiàn)支付系統(tǒng)中的獎(jiǎng)懲相聯(lián)系，如建立信息序度的評(píng)級(jí)制度，當(dāng)某個(gè)身份參與者的信息序度達(dá)到高級(jí)水平時(shí)，可以給予該參與者稅率折扣或交易折扣;而當(dāng)其信息序度低于某一警戒線(xiàn)時(shí)，將提高其消費(fèi)稅率或限制其交易次數(shù)，嚴(yán)重的可以將其逐出B2B在線(xiàn)支付系統(tǒng)，取消其使用B2B在線(xiàn)支付系統(tǒng)的資格。獎(jiǎng)懲的最終目的是激勵(lì)B2B在線(xiàn)支付系統(tǒng)的參與者提高自身的信息序度。在這個(gè)前提下，信息基因模型自身的協(xié)同性也就能發(fā)揮相應(yīng)的作用。

3.1 基本特征和生物特征與系統(tǒng)協(xié)同性

由式(4)和式(5)可得基本特征模型的測(cè)度模型為:

對(duì)模型進(jìn)行分析可知:①基本特征信息維數(shù)n與EAj的取值成正相關(guān)，也就是說(shuō)，該模型激勵(lì)參與者提供更詳細(xì)的基本特征信息，實(shí)現(xiàn)更嚴(yán)格的實(shí)名制。②基本特征各信息因素的權(quán)重取值可控，可以將各信息因素按照是否能唯一確定一個(gè)具體的參與者進(jìn)行降序排序，排名越靠前的信息因素，權(quán)重越大。激勵(lì)參與者提供更為重要的基本特征信息，從而實(shí)現(xiàn)嚴(yán)格意義上的實(shí)名制。

對(duì)于生物特征模型的分析可以依此類(lèi)推。

通過(guò)基本特征和生物特征對(duì)于系統(tǒng)協(xié)同性的促進(jìn)作用，基本上可以解決B2B在線(xiàn)支付中的身份盜用問(wèn)題。

3.2 信譽(yù)度與系統(tǒng)協(xié)同性

由式(3)～式(15)可知:①該模型沒(méi)有涉及到信譽(yù)度評(píng)價(jià)因素的維數(shù)，因此參與者的信息維數(shù)都是一致的，該變量不具有差異性，遂不列入測(cè)度。②基本特征各信息因素的權(quán)重取值可控，可以將各信譽(yù)度評(píng)價(jià)因素按照其表征的行為對(duì)B2B在線(xiàn)支付系統(tǒng)有序度的影響程度進(jìn)行降序排序，排名越靠前的信譽(yù)度評(píng)價(jià)因素權(quán)重越大。這樣可以激勵(lì)參與者在系統(tǒng)運(yùn)作中，規(guī)范自身行為，激勵(lì)誠(chéng)信行為，懲罰欺詐行為。

通過(guò)信譽(yù)度測(cè)度和監(jiān)管，基本上可以解決B2B在線(xiàn)支付中的信用炒作和信用缺失問(wèn)題，因而對(duì)提升系統(tǒng)有序度有著促進(jìn)作用。

參與者信息基因模型自身的有序作用與B2B在線(xiàn)支付系統(tǒng)宏觀(guān)環(huán)境的獎(jiǎng)懲機(jī)制相結(jié)合，一內(nèi)一外，相輔相成，從而實(shí)現(xiàn)B2B在線(xiàn)支付系統(tǒng)從無(wú)序向有序方向發(fā)展，實(shí)現(xiàn)初級(jí)階段有序向更高階段有序的進(jìn)化。

3.3 序參量及系統(tǒng)協(xié)同性

B2B在線(xiàn)支付系統(tǒng)的參與者將不斷提升自身微觀(guān)序參量的值，從而增大各類(lèi)參與者的信息基因組的值，最終使得B2B在線(xiàn)支付系統(tǒng)的系統(tǒng)序參量的值不斷增大，有序性不斷提高。

具體來(lái)說(shuō)，一個(gè)參與者的基本特征信息與生物信息越詳盡，則基本特征測(cè)度值及生物特征值越大;該參與者的運(yùn)作表現(xiàn)越佳，則信譽(yù)度測(cè)度值越大;該參與者的微觀(guān)序參量值增大，該類(lèi)參與者的信息基因組的值增大，繼而使系統(tǒng)序參量的值增大，使系統(tǒng)向更有序的方向發(fā)展。

4 結(jié)論

筆者基于序參量理論建立了B2B在線(xiàn)支付系統(tǒng)的“基本特征+生物特征+信譽(yù)度”的參與者信息基因模型及測(cè)度模型。在理論上，為探索建立B2B在線(xiàn)支付系統(tǒng)有序性量化研究的理論方法體系，探究電子商務(wù)信息生態(tài)系統(tǒng)有序性的一般規(guī)律做了有益的探討;在實(shí)踐上，為規(guī)范B2B在線(xiàn)支付系統(tǒng)的有序建設(shè)和協(xié)同管理制定規(guī)章制度，促進(jìn)系統(tǒng)有序發(fā)展建立激勵(lì)機(jī)制提供理論指導(dǎo)。

[1] CLARK R.Human identification in information systems:management challenges and public policy issues[J].Information Technology ＆ People，1994，7(4):6-37.

[2] LOPUCKI L M.Human identification theory and identity theft problem[J].Texas Law Review，2001，80(1):89-136.

[3] ZACHARIA G，MAES P.Trust management through reputation mechanisms[J].Applied Artificial Intelligence，2000(14):881-907.

[4] SABATER J，SIERRA C.REGRET:reputation in gregarious societies[C]//Proceedings of the Fifth International Conference on Autonomous Agents.Montreal:ACM Press，2001:194-195.

[5] CARBó J，MOLINA J，DVILA J.Trust management through fuzzy reputation[J].International Journal of Cooperative Information Systems，2003(12):135-155.

[6] 蔣錄全.信息生態(tài)與社會(huì)可持續(xù)發(fā)展[M].北京:北京圖書(shū)館，2003:21-98.

[7] 張永紅.企業(yè)信息生態(tài)環(huán)境下知識(shí)創(chuàng)新的研究[D].吉林:吉林大學(xué)圖書(shū)館，2007.

[8] 郭吉晶.企業(yè)信息生態(tài)系統(tǒng)的構(gòu)建與發(fā)展策略研究[D].吉林大學(xué):吉林大學(xué)圖書(shū)館，2009.

[9] 朱亞濤，金花，呂晶.基于生物特征的身份識(shí)別技術(shù)[J].現(xiàn)代電子技術(shù)，2005(6):6-7.