王超，仲紅，石潤華，陸小玲

安徽大學(xué)計(jì)算機(jī)與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室，合肥 230601

C2C電子商務(wù)中基于聲譽(yù)的信任評(píng)估模型

王超，仲紅，石潤華，陸小玲

安徽大學(xué)計(jì)算機(jī)與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室，合肥 230601

C2C模式電子交易平臺(tái)以其便利、自由和高效性，而得到迅速發(fā)展，但由于其中信任評(píng)價(jià)機(jī)制的不完善，使得對(duì)交易參與者的監(jiān)管難度增大，交易中仍存在較大的風(fēng)險(xiǎn)。針對(duì)目前信任評(píng)價(jià)機(jī)制的不完善，提出了基于聲譽(yù)的信任機(jī)制，通過計(jì)算交易參與方的信任度以達(dá)到識(shí)別不誠實(shí)的個(gè)體的目的。通過進(jìn)一步研究和分析影響評(píng)價(jià)的因素，使用時(shí)間窗口和交易窗口機(jī)制對(duì)參與計(jì)算的評(píng)價(jià)進(jìn)行選擇，并綜合考慮評(píng)價(jià)者的自身信任度。對(duì)模型的有效性和效率都進(jìn)行了理論分析和實(shí)驗(yàn)驗(yàn)證。結(jié)果表明，提出的模型能夠有效地應(yīng)用于C2C電子商務(wù)系統(tǒng)中。

電子商務(wù)；消費(fèi)者對(duì)消費(fèi)者（C2C）；信任評(píng)估；聲譽(yù)；信用

1 引言

電子商務(wù)隨著互聯(lián)網(wǎng)的高速發(fā)展，已經(jīng)發(fā)展成為一個(gè)極具影響力的商業(yè)模式，由最初美國的eBay，到現(xiàn)在國內(nèi)發(fā)展起來的淘寶、當(dāng)當(dāng)?shù)葘?shí)力雄厚的電商，電子商務(wù)成為了現(xiàn)代人們生活中一個(gè)必備的元素。

電子商務(wù)（Electronic Commerce，EC）是指在互聯(lián)網(wǎng)開放的網(wǎng)絡(luò)環(huán)境下，基于瀏覽器等應(yīng)用方式，買賣雙方在不謀面的情況下進(jìn)行各種商貿(mào)活動(dòng)，實(shí)現(xiàn)商戶之間的網(wǎng)上交易和在線電子支付等各種交易行為的一種新型的商業(yè)運(yùn)營模式。根據(jù)參與方的不同可分為B2B模式（Business-to-Business）、B2C模式（Business-to-Consumer）和C2C模式（Consumer-to-Consumer）[1]，而近期，C2B模式（Consumer-to-Business）也開始興起。電子商務(wù)平臺(tái)提供在線交易平臺(tái)給買賣雙方，然而，交易的雙方，特別是在C2C模式中，在某種程度上，都對(duì)自己的真實(shí)信息有所隱瞞：交易雙方真實(shí)信息的缺失以及對(duì)對(duì)方的不了解，這樣會(huì)導(dǎo)致交易中存在很大的風(fēng)險(xiǎn)性[2-3]，如欺詐交易、發(fā)布虛假信息、質(zhì)量和售后服務(wù)得不到保障等問題。電子商務(wù)中的安全性問題，歸結(jié)其因，就在于信任的缺失，并且嚴(yán)重影響現(xiàn)代電子商務(wù)的發(fā)展。所以，怎樣建立一個(gè)行而有效的信任評(píng)估機(jī)制，是解決目前電子商務(wù)一個(gè)核心問題。

目前，國內(nèi)外的學(xué)者提出了多種電子商務(wù)中的信任評(píng)價(jià)模型，以減少電子商務(wù)中惡意行為的發(fā)生。其中，使用聲譽(yù)機(jī)制是一種典型的信任評(píng)估方法，它的基本思想是：允許交易的參與方在交易結(jié)束后，對(duì)對(duì)方進(jìn)行評(píng)分，可分為好評(píng)（Positive，+1分）、中評(píng)（Neutral，0分）和差評(píng)（Negative，-1分），系統(tǒng)再對(duì)每個(gè)人的評(píng)分，計(jì)算出個(gè)人的信任值，這樣，用戶就能夠根據(jù)系統(tǒng)提供的信息，在交易時(shí)對(duì)對(duì)方進(jìn)行評(píng)估，以決定是否與對(duì)方發(fā)生交易。這一機(jī)制鼓勵(lì)交易參與方從其他參與方處獲得好評(píng)，來獲取更高的信譽(yù)，國外著名的電子商務(wù)網(wǎng)站eBay中的反饋系統(tǒng)[4-5]，就是采用這種機(jī)制，并且被廣泛地沿用。然而這種方法有時(shí)無法區(qū)分反饋是真實(shí)的，還是惡意詆毀[6]，為此，需要進(jìn)一步確定評(píng)價(jià)真實(shí)可信性，Xiong和Liu[7]在其信任模型PeerTrust中提出的時(shí)間因素和交易金額作為信任計(jì)算的權(quán)重因子，來提高信譽(yù)值計(jì)算的可信度。姜守旭、李建中[8]提出了局部聲譽(yù)與全局聲譽(yù)，來提高聲譽(yù)計(jì)算的精確度，并使用質(zhì)量模型來保證交易參與方評(píng)價(jià)的真實(shí)性。Fan Wu[9]更進(jìn)一步完善了各種影響評(píng)價(jià)的因素，包括交易參與方的信用貨聲譽(yù)、交易金額、交易發(fā)生時(shí)間，以及交易雙方的經(jīng)驗(yàn)，從這些方面計(jì)算評(píng)價(jià)的權(quán)重和衰減，并采用動(dòng)態(tài)的時(shí)間窗口來實(shí)時(shí)監(jiān)督交易參與方的變化，全面地整合了影響評(píng)價(jià)權(quán)重的因素，使得評(píng)價(jià)體系更加全面。張仕斌、徐春香[10]在電子商務(wù)的信任評(píng)估模型中引入云模型理論，使得模型能夠很好地應(yīng)對(duì)電子商務(wù)中十分復(fù)雜、充滿隨機(jī)性的環(huán)境。

此外，國內(nèi)外的學(xué)者還提出了多種電子商務(wù)中信任評(píng)估模型，例如引入模糊集合的信任模型[11-12]，角色分離的信任評(píng)估模型等[13-15]，雖然從其他角度對(duì)信任模型有了較大的改進(jìn)和發(fā)展，但都缺乏對(duì)信用反饋中影響評(píng)價(jià)因素的考慮，忽略了如今的電子商務(wù)中的實(shí)際情況，沒有考慮各個(gè)因素對(duì)評(píng)價(jià)影響的差異性，使得評(píng)價(jià)的真實(shí)可信度的缺失，從而最終會(huì)導(dǎo)致評(píng)價(jià)結(jié)果偏離真實(shí)情形。

本文深入調(diào)研目前C2C電子商務(wù)的現(xiàn)狀，分析影響評(píng)價(jià)的因素的差異性，結(jié)合目前電子商務(wù)的現(xiàn)狀，首次使用時(shí)間窗口和交易窗口機(jī)制兩個(gè)機(jī)制對(duì)參與計(jì)算的評(píng)價(jià)進(jìn)行選擇，并綜合考慮評(píng)價(jià)者的自身信任度，以進(jìn)一步提高評(píng)價(jià)的可信性，最終提出基于聲譽(yù)的C2C電子商務(wù)信任評(píng)估模型。此外，使用買家的理解能力，模型為買家在選擇交易方時(shí)提供決策輔助，以進(jìn)一步保障買家的權(quán)益，提高交易成功率；建立觀察組，對(duì)其進(jìn)行重點(diǎn)監(jiān)督。最后，通過實(shí)驗(yàn)的驗(yàn)證和數(shù)據(jù)分析，本模型具有較好的正確性和實(shí)用性，能夠有效地應(yīng)用于C2C電子商務(wù)系統(tǒng)中。

2 預(yù)備知識(shí)

本文使用Gambetta[16]和Abdul-Rahman與Haile[17]給出的有關(guān)信任和聲譽(yù)的定義：

信任（Trust，T）：個(gè)體A對(duì)個(gè)體B的信任是個(gè)體A期望個(gè)體B為A服務(wù)（即執(zhí)行A的利益所依賴的動(dòng)作）的主觀可能性。

聲譽(yù)（Reputation，R）：聲譽(yù)是基于對(duì)某個(gè)個(gè)體歷史行為的觀察或評(píng)價(jià)信息而得出的對(duì)該個(gè)體未來行為的期望，在電子商務(wù)中即交易參與方中賣家的信任值。

直接信任（Direct Trust，DT）：電子商務(wù)中，買家在與賣家的直接交易行為中，根據(jù)交互情況所獲得的直接經(jīng)驗(yàn)。

推薦信任（Recommend Trust，RT）：電子商務(wù)中，買家通過其他買家對(duì)賣家的評(píng)價(jià)值，來獲得對(duì)該賣家的推薦信任值，即賣家的聲譽(yù)。

綜合信任值（T）：電子商務(wù)中，它是買家的直接信任和該賣家的推薦信任值的函數(shù)。計(jì)算公式如公式（1）：

其中，α、β是置信因子，后面會(huì)給出其具體計(jì)算，由它們決定直接信任和推薦信任的權(quán)重。

3 基于聲譽(yù)的信任評(píng)估模型

3.1 影響評(píng)價(jià)因素的分析

在目前的信任機(jī)制中，考慮到影響評(píng)價(jià)的因素主要有交易時(shí)間、交易金額、評(píng)價(jià)者的屬性（如信用度）等。但電子商務(wù)在發(fā)展的過程中，為了解決其中的缺陷，也做了不斷的進(jìn)步與完善，如支付寶等著這樣支付軟件的支持，所以也改變了在進(jìn)行信任評(píng)價(jià)過程中各個(gè)影響因素的作用，所以需要進(jìn)一步對(duì)評(píng)價(jià)系統(tǒng)進(jìn)行改進(jìn)與完善。

在本文中，首先對(duì)這些影響評(píng)價(jià)的影響因子進(jìn)行分析，并提取出最合適的因素。目前電子商務(wù)的規(guī)模不斷地?cái)U(kuò)大，吸引了眾多個(gè)體經(jīng)營者和消費(fèi)者，交易量也在不斷刷新記錄，這也導(dǎo)致經(jīng)營者的規(guī)模大小不一，其消費(fèi)群體也不盡相同。

交易時(shí)間，這一評(píng)價(jià)因數(shù)是指交易發(fā)生時(shí)間到計(jì)算信用值之間的時(shí)間差，距離越久的評(píng)價(jià)，其所占評(píng)價(jià)的權(quán)重越低。然后，如今的電子商務(wù)中，如淘寶、天貓商城等，一般都采用了一個(gè)時(shí)間窗口的機(jī)制，其顯示的評(píng)價(jià)內(nèi)容都是半年之內(nèi)評(píng)價(jià)的平均值。但由于電子商務(wù)網(wǎng)站中各個(gè)賣家的交易次數(shù)的相差巨大，有些賣家半年內(nèi)的評(píng)價(jià)有超過幾十萬條，而有些賣家的評(píng)價(jià)只有幾百，甚至更少。如此巨大的差距，若采用交易時(shí)間的衰減，會(huì)使小額交易量的賣家的信譽(yù)值偏低，但如果僅僅采用這樣大范圍時(shí)間窗口，而不衰減，則會(huì)使得交易量較大的賣家在積累大量買家評(píng)價(jià)之后，新的評(píng)價(jià)將很難在其中體現(xiàn)出來。在本文中，采用兩套機(jī)制來進(jìn)行控制，時(shí)間窗口機(jī)間衰減處理，認(rèn)為其在近期內(nèi)是具有真實(shí)性的數(shù)據(jù)，并將大交易量的賣家在時(shí)間窗口內(nèi)按照交易窗口進(jìn)行分段，得到其信用波動(dòng)圖形，以獲得更好效果。

交易金額，這一評(píng)價(jià)因數(shù)的存在，是為了強(qiáng)化大額交易的權(quán)重，防止賣家在交易中使用小額交易積累信用，而在大額交易時(shí)存在欺詐等行為。但目前的電子商務(wù)中，現(xiàn)金的交易不再是買賣雙方的直接進(jìn)行，貨到付款、支付寶等多元化的付款防止能夠有效地遏止現(xiàn)金交易中產(chǎn)生欺詐行為等，所以在本模型中，不考慮交易金額的影響，認(rèn)為每筆交易具有同等的評(píng)價(jià)權(quán)重。

評(píng)價(jià)者的屬性，一般指的是評(píng)價(jià)者的信用度/聲譽(yù)值。在對(duì)賣家的評(píng)價(jià)時(shí)，經(jīng)常還要考慮評(píng)價(jià)者評(píng)價(jià)的可信程度，是否存在惡意詆毀等行為，這一點(diǎn)也是至關(guān)重要的。買家也在不斷的交易中獲得更高的信用度，這樣就能提高其評(píng)價(jià)的權(quán)重。此外，買家的另一個(gè)屬性買家的理解能力也非常重要，這是需要有一定的網(wǎng)上購物經(jīng)驗(yàn)時(shí)，才會(huì)不斷地增強(qiáng)。所以，對(duì)商品進(jìn)行分類，構(gòu)建買家和賣家的購物向量和銷售向量VB和VS，VB來記錄買家的購物次數(shù)和對(duì)每類商品的購買經(jīng)驗(yàn)，購買經(jīng)驗(yàn)在其選擇賣家中將會(huì)體現(xiàn)出很好的作用。

最后，結(jié)合當(dāng)前模型（如淘寶等）中防止買賣雙方通過大量較多虛假交易、評(píng)價(jià)信息來相互刷高信用，對(duì)買家與賣家之間在一定時(shí)間內(nèi)（如一個(gè)自然月），對(duì)相同買家和賣家之間的交易評(píng)價(jià)只取其中至多3次，加入最終評(píng)價(jià)值的計(jì)算；買家對(duì)相同商品的多次評(píng)價(jià)只取其中一次進(jìn)行評(píng)價(jià)計(jì)算；限定買家在一定時(shí)間內(nèi)，信譽(yù)值增長的速度，只取這段時(shí)間內(nèi)前5次的交易進(jìn)行買家的信用計(jì)算。此外，為了進(jìn)一步加強(qiáng)評(píng)價(jià)的可信度，對(duì)非虛擬商品的交易，賣方需提供真實(shí)可查詢的物流信息，否則，此次交易的相互評(píng)價(jià)信息將不參加買賣雙方的信用計(jì)算。

3.2 買賣雙方信用度、信譽(yù)值的計(jì)算

在計(jì)算買賣雙方信用度、信譽(yù)值中，采用加權(quán)平均法進(jìn)行計(jì)算。為了使得評(píng)價(jià)值得精確性，并不采用{-1，0，1}這三個(gè)值來進(jìn)行信用評(píng)價(jià)，而是采用[0，5]這樣的5分制。買賣雙方在最初時(shí)，沒有任何交易記錄，系統(tǒng)會(huì)給出一個(gè)較低的初始信用值C0和R0，這樣可以保證最初進(jìn)入系統(tǒng)的買家用戶的評(píng)價(jià)所占的權(quán)重較低，需要進(jìn)一步積累才能獲得較高的評(píng)價(jià)權(quán)重。買家i在進(jìn)行m次交易之后，他的信用積累如公式（2）：

其中，ck表示第k次交易中，賣家根據(jù)買家的行為所做出的評(píng)價(jià)。

在每次交易結(jié)束時(shí)，買家都會(huì)對(duì)賣家在此次交易中的行為做出評(píng)價(jià)，常用的評(píng)價(jià)指標(biāo)包括商品與描述的相符程度、發(fā)貨速度和服務(wù)態(tài)度等，買家根據(jù)交易發(fā)生過程中的直接經(jīng)驗(yàn)，給出對(duì)此次交易的交易滿意度S，并最終得出此次交易的評(píng)價(jià)DT。其中，第k次交易滿意度Sk∈[0，5]，綜合評(píng)價(jià)DT的計(jì)算如公式（3）：

若交易滿意度Sk低于該賣家的信譽(yù)值Rk，則使用交易滿意度比上賣家的信譽(yù)度作為此次交易的評(píng)價(jià)；若交易滿意度高于賣家信譽(yù)值，則表示買家在此次交易中是滿意的，則給予滿分的評(píng)價(jià)。

在買家對(duì)賣家評(píng)價(jià)生成之后，賣家的聲譽(yù)值也會(huì)相應(yīng)地進(jìn)行更新，但根據(jù)不同的買家的信用度不同，所以所提供的評(píng)價(jià)所占權(quán)重也不相同，故賣家j在時(shí)間窗口或交易窗口中的第n次交易結(jié)束之后信譽(yù)值得計(jì)算如公式（4）：

其中，Ck表示第k次交易中對(duì)應(yīng)買家的信用值，DTk表示第k次交易中對(duì)應(yīng)買家給賣家j的直接評(píng)價(jià)，表示初始信用值，即上個(gè)時(shí)間窗口或交易窗口中所積累的聲譽(yù)值，m表示保留評(píng)價(jià)的個(gè)數(shù)，由于是交易積累的聲譽(yù)，所以其權(quán)值為1，最初時(shí)=R0。

3.3 其他輔助策略

（1）輔助決策

當(dāng)買家在具有一定交易經(jīng)驗(yàn)之后，系統(tǒng)會(huì)對(duì)其購買商品的類別進(jìn)行分類和統(tǒng)計(jì)，根據(jù)統(tǒng)計(jì)信息為其計(jì)算理解能力（Savvy）值，記為Sy，在之后的買家選擇交易方時(shí)，根據(jù)自身的理解能力值，來計(jì)算出對(duì)交易方的綜合信任值。買家用戶的理解能力表現(xiàn)在兩個(gè)方面：是否與對(duì)方有過交易經(jīng)驗(yàn)和買家用戶對(duì)該賣家所屬類別的熟悉度。為此，直接交易次數(shù)記為DTT（Direct Trade Time）為每個(gè)買家用戶的交易向量VB，里面記錄買家對(duì)每類商品的購物次數(shù)；而相對(duì)于賣家用戶建立向量VS，對(duì)其所屬類別標(biāo)記為1，其他為0。買家i對(duì)賣家j的熟悉度為F，計(jì)算公式如（5）：

根據(jù)買家i是否與賣家j有過交易經(jīng)驗(yàn)和買家對(duì)該賣家所屬類別的熟悉度，計(jì)算買家對(duì)該賣家的理解能力Sy，如公式（6）：

其中0＜α2＜α1≤1，其中c1和c2是控制參數(shù)。

根據(jù)買家i的理解能力Sy，在選擇與之交易的賣家j時(shí)，可以得到最終的信任度Tij，計(jì)算公式如（7）：

其中，置信因子α=Syij，β=1-Syij，當(dāng)Syij＞0且DTTij=0時(shí)，DTk取該買家與該類買家交易的中賣家信用最接近該賣家信譽(yù)值，上下浮動(dòng)為±0.1，n為所取歷史評(píng)價(jià)的個(gè)數(shù)。

（2）設(shè)立觀察組

為了進(jìn)一步對(duì)交易參與方的有效監(jiān)督，設(shè)立觀察組（Observation Group，OG），對(duì)系統(tǒng)中表現(xiàn)較差的個(gè)體進(jìn)行重點(diǎn)監(jiān)督。需要分別對(duì)買家和賣家分別建立觀察組，在觀察組中的交易參與方，進(jìn)行誠實(shí)交易之后，達(dá)到正常信譽(yù)/信用值之后，會(huì)從觀察組中移除，返回正常用戶組；但若處于觀察組期間，再次出現(xiàn)相關(guān)不利行為，會(huì)加大懲罰力度。

在如今的電子商務(wù)中，對(duì)于買家的信用值，所考慮的相當(dāng)少，但是買家也確實(shí)存在一些問題需要得到關(guān)注，如是否如實(shí)填寫評(píng)價(jià)信息、是否頻繁退換貨等。買家在進(jìn)行商品的選購過程中，實(shí)際上是參考了其他消費(fèi)者的所提出的的意見作為參考的，而這些參考信息是電子商務(wù)賴以生存的寶貴資源，當(dāng)其享受了這樣的權(quán)利的時(shí)候，在自己發(fā)生交易行為時(shí)，就應(yīng)該給予真實(shí)可信的評(píng)價(jià)信息供其他人參考，以盡到自己的義務(wù)，如果長期不進(jìn)行評(píng)價(jià)，本文認(rèn)為這是一種有損其信用值的行為，會(huì)對(duì)其信用值進(jìn)行扣除。故針對(duì)多次出現(xiàn)上述行為的買家，加入觀察組OGB中，并提醒用戶改正其行為。

對(duì)于賣家而言，系統(tǒng)根據(jù)其分類向量VS，按照其分類，將同類別的賣家進(jìn)行分組，對(duì)于同行業(yè)中表現(xiàn)較差的賣家，如聲譽(yù)值過低，或者投訴率較高等，將其加入觀察組OGS中，對(duì)其進(jìn)行重點(diǎn)監(jiān)督。

4 模擬實(shí)驗(yàn)及分析

本文通過模擬目前C2C電子商務(wù)的運(yùn)行模式，進(jìn)行仿真實(shí)驗(yàn)，并與當(dāng)前的評(píng)價(jià)體系進(jìn)行對(duì)比。在實(shí)驗(yàn)中，使用C++編寫交易平臺(tái)，模擬真實(shí)C2C電子商務(wù)中的交易參與方：買家用戶組和賣家用戶組，隨機(jī)選擇交易對(duì)象，并在交易結(jié)束后對(duì)對(duì)方進(jìn)行評(píng)價(jià)，數(shù)據(jù)庫中記錄交易的時(shí)間、相互的評(píng)價(jià)等，并實(shí)時(shí)更新買賣雙方信用值和信譽(yù)值的變化；為了進(jìn)一步符合現(xiàn)實(shí)社會(huì)中的情形，設(shè)置一定20%的買家和賣家用戶的交易數(shù)量較大，并進(jìn)行多次實(shí)驗(yàn)，分別計(jì)算本文提出模型與當(dāng)前模型的評(píng)價(jià)結(jié)果，以達(dá)到數(shù)據(jù)的真實(shí)性代表性。在實(shí)驗(yàn)中，使用CM（Current model）來代表目前各大電子商務(wù)平臺(tái)中所使用的評(píng)價(jià)模型（如天貓等），將其評(píng)價(jià)指標(biāo)也按照5分制來進(jìn)行比較；使用RBM（Reputation Based model）來代表本文模型。模擬實(shí)驗(yàn)中的相關(guān)參數(shù)如表1所示。

表1 模擬實(shí)驗(yàn)中參數(shù)設(shè)置

圖1反映的是兩個(gè)不同買家用戶在交易過程中的表現(xiàn)，賣家用戶對(duì)其進(jìn)行評(píng)價(jià)，得出其在交易行為發(fā)生過程中的信用值，能夠使剛進(jìn)入系統(tǒng)的買家用戶的權(quán)值較低，具有較多良好交易行為買家的信用值逐步變高，以提高其評(píng)價(jià)的權(quán)重。然而，目前各大電子商務(wù)平臺(tái)中的方法，交易次數(shù)越多，其信用值越高的方案，此方法能夠更好地體現(xiàn)公平，能夠使買家也需要對(duì)自己的行為進(jìn)行約束，不進(jìn)行惡意的行為，其信用值才會(huì)不斷增加，否則，也會(huì)被系統(tǒng)識(shí)別并進(jìn)行懲罰，這樣對(duì)整個(gè)系統(tǒng)的良性發(fā)展提供了較為重要的基礎(chǔ)。

圖1 買家的信用積累

圖2反映了一個(gè)交易量較少的賣家（本文中的交易窗口大小設(shè)為200，一個(gè)時(shí)間窗口內(nèi)交易次數(shù)不大于200時(shí)，認(rèn)為其交易量較少），在一個(gè)時(shí)間窗口中，不斷積累信用的過程。能夠看出，當(dāng)在加入了買家信用作為權(quán)重之后，在信用積累的速度上，明顯要小于當(dāng)前模型中的積累速度，能夠有效地防止一些非法賣家用戶通過不正當(dāng)?shù)氖侄?，來較快地刷高自己的信用值，來謀取不正當(dāng)?shù)睦妗?/p>

圖2 一個(gè)時(shí)間窗口內(nèi)少交易量賣家的聲譽(yù)積累

圖3反映的是由于有些賣家的交易量在一個(gè)時(shí)間窗口內(nèi)較多時(shí)，會(huì)由于積累的歷史數(shù)據(jù)較多，從而使得新的評(píng)價(jià)不能夠及時(shí)有效地反應(yīng)在賣家的信譽(yù)值上，使用目前的計(jì)算方法，曲線的變化趨于平緩，不利于反應(yīng)賣家的真實(shí)信譽(yù)，并且隨著交易量的繼續(xù)增加，效果會(huì)變得更加不明顯，這樣對(duì)于買家的參考意義也越來越小。對(duì)于同一個(gè)賣家，當(dāng)其在一個(gè)時(shí)間窗口內(nèi)的交易量加大時(shí)，本文模型使用交易窗口來進(jìn)一步細(xì)化其聲譽(yù)值的變化過程，從而能夠正確地反應(yīng)出其交易過程中的各個(gè)小時(shí)間段（對(duì)應(yīng)于一個(gè)交易窗口內(nèi)的交易時(shí)間段）的信用變化。如圖4所示，是將交易第5個(gè)交易窗口內(nèi)的賣家的聲譽(yù)變化清晰地反映出來。能夠看出，在交易量積累的同時(shí)，現(xiàn)有模型幾乎失去了其應(yīng)有的參考價(jià)值，而本文模型依然能夠很好地反應(yīng)出賣家聲譽(yù)值的變化，具有更高的實(shí)時(shí)性和準(zhǔn)確性，能夠給消費(fèi)者一個(gè)真實(shí)、有效的參考標(biāo)準(zhǔn)。

圖3 一個(gè)時(shí)間窗口內(nèi)多交易量賣家的聲譽(yù)積累

圖4 最后一個(gè)交易窗口內(nèi)賣家聲譽(yù)變化

在圖5中，情形1反應(yīng)的是買家沒有與該賣家進(jìn)行過交易，Syij=0，且對(duì)于賣家所銷售的商品并不熟悉，不能提供參考信息；情形2反應(yīng)的是買家有一定的購買經(jīng)驗(yàn)，且在與該賣家有過歷史交易，Syij=α2但對(duì)該賣家的評(píng)價(jià)并不高，所以系統(tǒng)降低了該賣家對(duì)于此買家的聲譽(yù)值；情形3反應(yīng)的是買家有一定的購買經(jīng)驗(yàn)，并對(duì)該賣家的歷史交易（次數(shù)較少）評(píng)價(jià)較高，Syij=α2所以系統(tǒng)提高了該賣家的聲譽(yù)值；情形4反應(yīng)的是買家該賣家進(jìn)行過較多次數(shù)的交易，或者是具有很多的購買經(jīng)驗(yàn)，Syij=α1系統(tǒng)根據(jù)其歷史數(shù)據(jù)，較大程度地提高該買家對(duì)此賣家的聲譽(yù)值。通過四種不同情形下，不同買家對(duì)同一賣家做出各自符合自身情況的判斷，能夠更好地幫助用戶決定是否與該賣家進(jìn)行交易，這樣能夠給消費(fèi)者帶來更大的便利。

圖5 輔助決策系統(tǒng)對(duì)買家的參考

5 結(jié)論

針對(duì)當(dāng)前C2C電子商務(wù)中存在的問題，經(jīng)過進(jìn)一步研究和分析影響評(píng)價(jià)的因素，結(jié)合當(dāng)前電子商務(wù)中廣泛使用的第三方安全支付手段，本文提出基于聲譽(yù)的C2C電子商務(wù)信任評(píng)估模型，使用時(shí)間窗口和交易窗口機(jī)制對(duì)參與計(jì)算的評(píng)價(jià)進(jìn)行選擇，綜合考慮評(píng)價(jià)者的自身信任度。并使用買家理解能力進(jìn)行輔助決策，建立觀察組等方法進(jìn)一步加強(qiáng)信任機(jī)制的有效性。最后利用仿真實(shí)驗(yàn)將模型與當(dāng)前模型進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明，本模型更能夠真實(shí)地體現(xiàn)出評(píng)價(jià)的真實(shí)可信性，能夠有效地應(yīng)用于C2C電子商務(wù)系統(tǒng)中。

[1]Turban E，King D，Viehland D，et al.Electronic commerce：a managerial perspective[M].[S.l.]：Englewood Cliffs，1999.

[2]J?sang A，Ismail R，Boyd C.A survey of trust and reputation systems for online service provision[J].Decision Support Systems，2007，43（2）：618-644.

[3]Jones K，Leonard L N K.Trust in consumer-to-consumer electronic commerce[J].Information&Management，2008，45（2）：88-95.

[4]Resnick P，Zeckhauser R.Trust among strangers in Internet transactions：em pirical analysis of eBay’s reputation system[J].Advances in Applied M icroeconom ics，2002，11：127-157.

[5]Li D，Li J，Lin Z.Online consumer-to-consumer market in China：a comparative study of Taobao and eBay[J]. Electronic Commerce Research and Applications，2008，7（1）：55-67.

[6]Zhang J.The roles of players and reputation：evidence from eBay online auctions[J].Decision Support Systems，2006，42，1800-1818.

[7]Xiong L，Liu L.Peertrust：supporting reputation-based trust for peer-to-peer electronic communities[J].IEEE Transactions on Know ledge and Data Engineering，2004，16（7）：843-857.

[8]姜守旭，李建中.一種P2P電子商務(wù)系統(tǒng)中基于聲譽(yù)的信任機(jī)制[J].軟件學(xué)報(bào)，2007，18（10）：2551-2563.

[9]Wu F，Li H H，Kuo Y H.Reputation evaluation for choosing a trustworthy counter-party in C2C e-commerce[J]. Electronic Commerce Research and Applications，2011，10：428-436.

[10]張仕斌，許春香.基于云模型的信任評(píng)估方法研究[J].計(jì)算機(jī)學(xué)報(bào)，2013，36（2）：422-431.

[11]Song S S，Hwang K，Zhou R F，et al.Trusted P2P transactions with fuzzy reputation aggregation[J].IEEE Internet Computing，2005，9（6）：24-34.

[12]王家昉，馮志勇，徐超，等.多Agent系統(tǒng)中基于認(rèn)知的信任框架研究[J].計(jì)算機(jī)學(xué)報(bào)，2010，33（1）：139-151.

[13]周國強(qiáng)，曾慶凱.一種角色分離的信任評(píng)估模型[J].軟件學(xué)報(bào)，2012，23（12）：3187-3197.

[14]甘早斌，曾燦，李開，等.電子商務(wù)下的信任網(wǎng)絡(luò)構(gòu)造與優(yōu)化[J].計(jì)算機(jī)學(xué)報(bào)，2012，25（1）：56-58.

[15]唐偉.C2C電子商務(wù)信任評(píng)價(jià)模型設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（1）：94-97.

[16]Gambetta D.Can we trust trust[J].Trust：Making and Breaking Cooperative Relations，2000：213-237.

[17]Abdul-Rahman A，Hailes S.Supporting trust in virtual communities[C]//Proceedings of the 33rd Annual Hawaii International Conference on System Sciences，2000，1（9）.

WANG Chao,ZHONG Hong,SHI Runhua,LU Xiaoling

Key Laboratory of Intelligent Computing&Signal Processing,Ministry of Education,Anhui University,Hefei 230601,China

C2C e-commerce trading platform develops rapidly because it provides a convenient,free and efficient way, However the current evaluation mechanism is not good enough to regulate the auction participants,thus trading still has considerable risk.So the reputation-based trust mechanism is proposed,which is based on the trust of trading participants, to distinguish the dishonest individuals.Considering the im pact factors of the trust evaluation,two different criteria,the time window and trade window,are used to select the evaluations that involved in the calculation,customers’own trust is considered as well.The effectiveness and efficiency of the modal are proved by theoretical analysis and simulation study. The results show that the proposed model can be applied to the C2C e-commerce system s effectively.

e-commerce;Consumer-to-Consumer（C2C）;trust evaluation;reputation;credit

WANG Chao,ZHONG Hong,SH I Runhua,et al.Trust evaluation model based on reputation for C2C e-commerce. Computer Engineering and Applications,2014,50（17）：120-124.

A

TP393

10.3778/j.issn.1002-8331.1401-0219

國家自然科學(xué)基金（No.61173188，No.61173187）；安徽大學(xué)“211工程”基金（No.02303402）。

王超（1989—），男，碩士研究生，主要研究領(lǐng)域?yàn)榫W(wǎng)絡(luò)與信息安全；仲紅（1965—），女，教授，博導(dǎo)，主要研究領(lǐng)域?yàn)榫W(wǎng)絡(luò)與信息安全；石潤華（1974—），男，教授，博導(dǎo)，主要研究領(lǐng)域?yàn)榫W(wǎng)絡(luò)與信息安全。E-mail：wangchao4@aliyun.com

2014-01-15

2014-05-20

1002-8331（2014）17-0120-05

CNKI網(wǎng)絡(luò)優(yōu)先出版：2014-06-04,http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1401-0219.htm l