黃毅英　王永琦

摘 要： 針對(duì)傳統(tǒng)電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估精度低的難題，為了獲得更加理想的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估結(jié)果，提出灰色關(guān)聯(lián)分析和相關(guān)向量機(jī)的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型。首先根據(jù)相關(guān)研究構(gòu)建電子商務(wù)交易風(fēng)險(xiǎn)的評(píng)估指標(biāo)，并采用灰色關(guān)聯(lián)分析選擇對(duì)評(píng)估結(jié)果最重要的評(píng)估指標(biāo)；然后采用最小二乘支持向量機(jī)對(duì)電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估樣本進(jìn)行學(xué)習(xí)，構(gòu)建電子商務(wù)交易風(fēng)險(xiǎn)的評(píng)估模型；最后對(duì)模型的有效性和優(yōu)越性進(jìn)行分析。結(jié)果表明，該模型提高了電子商務(wù)交易風(fēng)險(xiǎn)的評(píng)估精度，能夠?yàn)殡娮由虅?wù)交易提供有價(jià)值的參考信息。

關(guān)鍵詞： 電子商務(wù)； 交易風(fēng)險(xiǎn)； 風(fēng)險(xiǎn)評(píng)估； 最小二乘支持向量機(jī)

中圖分類號(hào)： TN919?34； TP181 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）03?0140?03

Simulation analysis of assessment model for e?commerce transaction exposure

HUANG Yiying1， 2， WANG Yongqi2

（1. Institute of Education， Southwest University， Chongqing 400715， China； 2. Guangxi Economic and Trade Vocational Institute， Nanning 530021， China）

Abstract： To improve the low assessment accuracy of the traditional e?commerce transaction exposure， and obtain more sa?tisfied assessment result of the e?commerce transaction exposure， an e?commerce transaction exposure assessment model based on the grey relational analysis and relevance vector machine is proposed. The assessment indicators of the e?commerce transaction exposure were constructed according to the relevant researches. The gray relational analysis is used to select the important assessment indicator for the assessment results. The least square support vector machine is used to learn the evaluation samples of the e?commerce transaction exposure to construct the assessment model of the e?commerce transaction exposure. The validity and superiority of the model are analyzed. The results show that the model can improve the assessment accuracy of the e?commerce transaction exposure， and provide the valuable reference information for the e?commerce transactions.

Keywords： e?commerce； transaction exposure； risk assessment； least square support vector machine

0 引 言

隨著網(wǎng)絡(luò)技術(shù)的不斷成熟，人們從網(wǎng)上進(jìn)行電子交易的頻率越來(lái)越高，大大提高了電子商務(wù)的工作效率[1]。構(gòu)建科學(xué)、合理的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型，對(duì)存在的風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確估計(jì)，保證電子商務(wù)交易的安全性具有十分重要的意義[2?3]。

當(dāng)前國(guó)內(nèi)外存在許多電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型，大致可以分為定性分析和定量分析兩類，定性分析主要有：粗糙集、模糊理論、專家評(píng)價(jià)法等[4?6]，需要對(duì)相應(yīng)的問(wèn)題有大量的先驗(yàn)知識(shí)，此時(shí)，電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估精度高，但許多電子商務(wù)交易沒(méi)有相關(guān)的先驗(yàn)知識(shí)，導(dǎo)致電子商務(wù)交易評(píng)估的精度低，且定性分析評(píng)估結(jié)果具有一定的主觀性和盲目性，評(píng)估結(jié)果不太可信[7]。定量分析是基于現(xiàn)代統(tǒng)計(jì)學(xué)理論的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估技術(shù)，評(píng)估精度要優(yōu)于定性分析，而且評(píng)估結(jié)果的可解釋性更好[8]?；诙糠治龅碾娮由虅?wù)交易風(fēng)險(xiǎn)評(píng)估過(guò)程能夠提高電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估效率[9]；最小二乘支持向量機(jī)（LSSVM）解決了支持向量機(jī)學(xué)習(xí)速度慢，神經(jīng)網(wǎng)絡(luò)易出現(xiàn)過(guò)擬合的缺陷，為電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估提供了一種新的工具[10?11]。

為了獲得更加理想的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估結(jié)果，提出了灰色關(guān)聯(lián)分析（GRA）[12]和LSSVM的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型（GRA?LSSVM），結(jié)果表明，GRA?LSSVM可以獲得高精度的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估結(jié)果。

1 相關(guān)理論

1.1 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析是一種基于灰色理論的數(shù)據(jù)分析方法，通過(guò)灰色關(guān)聯(lián)度來(lái)描述影響因素間的關(guān)系。設(shè)兩個(gè)影響因素為[Y0]和[Yi，]具體如下：

[Y0={y0（1），y0（2），…，y0（k），…，y0（n）}Yi={yi（1），yi（2），…，yi（k），…，yi（n）}] （1）

由于影響因素之間的量綱可能不一樣，需要對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，處理后可以得到：

[X0={x0（1），x0（2），…，x0（k），…，x0（n）}Xi={xi（1），xi（2），…，xi（k），…，xi（n）}] （2）

式中：[x0（k）=y0（k）t=1ny0（t）；xi（k）=yi（k）t=1nyi（t）]。

[xi]和[xk]第[k]點(diǎn)的關(guān)聯(lián)系數(shù)[ξ0，i（k）]為：

[ξ0，i（k）=miniminkx0（k）-xi（k）+ρmaximaxkx0（k）-xi（k）x0（k）-xi（k）+ρmaximaxkx0（k）-xi（k）] （3）

式中[ρ]表示分辨系數(shù)。

由于關(guān)聯(lián)系數(shù)[ξ0，i（k）]很多，通常將平均關(guān)聯(lián)系數(shù)作為關(guān)聯(lián)度，具體如下：

[ri=1nk=1nξ0，i（k） ] （4）

由于關(guān)聯(lián)系數(shù)的權(quán)重不同，加權(quán)后的關(guān)聯(lián)度為：

[ri=1nk=1nW（k）ξ0，i（k） ] （5）

式中[W（k）]表示關(guān)聯(lián)度的權(quán)重值。

1.2 LSSVM

針對(duì)支持向量機(jī)計(jì)算時(shí)間復(fù)雜度高的缺陷，LSSVM對(duì)其進(jìn)行改進(jìn)，訓(xùn)練樣本集為[（xi，yi）]，LSSVM的決策函數(shù)為：

[f（x）=wTφ（x）+b] （6）

式中[w]和[b]為相關(guān)參數(shù)。

LSSVM基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，使計(jì)算復(fù)雜度和分類誤差達(dá)到平衡，那么式（6）等價(jià)于：

[minw，b，eJ（w，e）=12WTW+γ2i=1ne2i s.t. yi=wTφ（x）+b+ei， i=1，2，…，l] （7）

式中：[γ]為L(zhǎng)SSVM的正則化參數(shù)，決定了LSSVM的分類效果。

為了簡(jiǎn)化式（7）的求解過(guò)程，引入Lagrange乘子[αi]得到對(duì)偶優(yōu)化問(wèn)題，Lagrange函數(shù)定義如下：

[L（w，b，e，α）=J（w，e）-i=1lαiwTφ（xi）+b+ei-yi] （8）

根據(jù)KKT條件，可以得到：

[0eT1e1Q+C-1Iba=0y] （9）

式中：[I]表示單位矩陣；[Qij=φ（xi）φ（xj）]，且有：

[y=（y1，y2，…，yl）Te1=（1，1，…，1）Ta=（a1，a2，…，al）T] （10）

開(kāi)始LSSVM針對(duì)線性分類問(wèn)題，對(duì)于非線性分類問(wèn)題，采用核函數(shù)對(duì)其進(jìn)行變換，基于RBF函數(shù)的LSSVM分類為：

[f（x）=sgni=1nαiexp-xi-xj22σ2+b ] （11）

式中[σ]為RBF參數(shù)。

LSSVM主要針對(duì)二個(gè)類別的分類問(wèn)題求解，而電子商務(wù)交易風(fēng)險(xiǎn)的等級(jí)有多種，是一種典型的多分類問(wèn)題，采用如圖1所示的方法構(gòu)建電子商務(wù)交易風(fēng)險(xiǎn)分類器。

2 基于GRA?LSSVM的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)

估模型

2.1 電子商務(wù)交易風(fēng)險(xiǎn)的數(shù)學(xué)模型

電子商務(wù)交易風(fēng)險(xiǎn)不僅受到外界因素影響，而且受到多種內(nèi)部因素影響，這些影響因素均稱作為評(píng)估指標(biāo)。設(shè)共有[m]個(gè)評(píng)估指標(biāo)，即[x1，x2，…，xm，]每一個(gè)評(píng)估指標(biāo)對(duì)電子商務(wù)交易風(fēng)險(xiǎn)結(jié)果的影響程度不同，指標(biāo)之間相互作用和干擾，使得電子商務(wù)交易風(fēng)險(xiǎn)值與影響因素間呈現(xiàn)非線性變化關(guān)系，因此電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估數(shù)學(xué)模型為：

[y=fx1，x2，…，xm] （12）

式中：[f（ ）]為電子商務(wù)交易風(fēng)險(xiǎn)值與影響因素間變化關(guān)系的擬合函數(shù)，本文采用LSSVM作為[f（ ）]。

2.2 評(píng)估指標(biāo)的構(gòu)造

在電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型的建立過(guò)程中，評(píng)估指標(biāo)即影響因素的選擇十分關(guān)鍵，由于影響因子眾多，把所有影響因素作為評(píng)估指標(biāo)不太現(xiàn)實(shí)，根據(jù)獨(dú)立性原則、科學(xué)性原則、客觀性原則以及已有相關(guān)研究，建立了電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估指標(biāo)體系如圖2所示。

2.3 GRA?LSSVM工作框架

基于GRA?LSSVM的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型的工作步驟為：

（1） 根據(jù)相關(guān)研究構(gòu)建電子商務(wù)交易風(fēng)險(xiǎn)的評(píng)估指標(biāo)。

（2） 采用灰色關(guān)聯(lián)分析選擇最優(yōu)評(píng)估指標(biāo)，并確定每一個(gè)指標(biāo)的權(quán)值。

（3） 去除一些不太重要的評(píng)估指標(biāo)，減少建模的時(shí)間復(fù)雜度。

（4） 采用最小二乘支持向量機(jī)對(duì)電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估樣本進(jìn)行學(xué)習(xí)，構(gòu)建電子商務(wù)交易風(fēng)險(xiǎn)的評(píng)估模型。

（5） 采用具體數(shù)據(jù)模型的有效性和優(yōu)越性進(jìn)行分析。

綜上可知，GRA?LSSVM的工作框架見(jiàn)圖3。

3 仿真測(cè)試

3.1 樣本數(shù)據(jù)

為了測(cè)試GRA?LSSVM的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型的有效性，選擇200個(gè)電子商務(wù)交易樣本，將電子商務(wù)交易風(fēng)險(xiǎn)劃分為：一般風(fēng)險(xiǎn)、較大風(fēng)險(xiǎn)、嚴(yán)重風(fēng)險(xiǎn)以及安全共4個(gè)級(jí)別，它們分別采用1～4表示，樣本數(shù)據(jù)具體如圖4所示，選擇120個(gè)樣本作為訓(xùn)練集構(gòu)建GRA?LSSVM電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型，其他樣本作為測(cè)試集對(duì)GRA?LSSVM性能進(jìn)行測(cè)試與分析，所有實(shí)驗(yàn)均在Matlab 2014平臺(tái)上實(shí)現(xiàn)。

3.2 評(píng)估指標(biāo)的選擇

為了準(zhǔn)確確定每一個(gè)評(píng)估指標(biāo)對(duì)電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估的貢獻(xiàn)率，選擇灰色關(guān)聯(lián)分析法對(duì)全部評(píng)估指標(biāo)進(jìn)行處理，每一種評(píng)估指標(biāo)的貢獻(xiàn)率見(jiàn)表1，根據(jù)每一種評(píng)估指標(biāo)貢獻(xiàn)率即權(quán)值選擇了6個(gè)評(píng)估指標(biāo)作為L(zhǎng)SSVM的輸入向量，它們?cè)诒?中采用粗體表示，并且刪除其中一些不重要的評(píng)估指標(biāo)。

3.3 結(jié)果與分析

根據(jù)GRA對(duì)訓(xùn)練樣本和測(cè)試樣本的評(píng)估指標(biāo)進(jìn)行處理，得到處理后的訓(xùn)練集和測(cè)試集，并建立GRA?LSSVM的評(píng)估模型，測(cè)試集的評(píng)估結(jié)果如圖5所示，GRA?LSSVM的電子商務(wù)風(fēng)險(xiǎn)評(píng)估精度相當(dāng)高，評(píng)估結(jié)果合理，具有較高的可靠性。

3.4 與經(jīng)典模型結(jié)果對(duì)比

選擇LSSVM、沒(méi)有采用GRA進(jìn)行評(píng)估指標(biāo)處理的模型（LSSVM）、GRA+SVM模型（GRA?SVM）、GRA+BP神經(jīng)網(wǎng)絡(luò)（GRA?BPNN）進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果見(jiàn)表2。

4 結(jié) 語(yǔ)

電子商務(wù)交易受到多種因素的綜合作用，因素之間互相干擾，使得風(fēng)險(xiǎn)變化十分復(fù)雜，具有強(qiáng)烈的非線性變化特點(diǎn)，為了準(zhǔn)確描述電子商務(wù)交易風(fēng)險(xiǎn)的變化特點(diǎn)，提出基于GRA?LSSVM的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型，結(jié)果表明，GRA?LSSVM可以描述影響因素對(duì)風(fēng)險(xiǎn)的影響程度，減少了因素之間的干擾以及評(píng)估指標(biāo)選取的數(shù)量，提高了電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性，具有十分廣泛的應(yīng)用前景。

參考文獻(xiàn)

[1] 嚴(yán)中華.企業(yè)電子商務(wù)戰(zhàn)略的風(fēng)險(xiǎn)與管理對(duì)策[J].物流科技，2003（17）：39?41.

[2] 衛(wèi)志誠(chéng)，邵堃，劉磊.一種結(jié)合客觀風(fēng)險(xiǎn)的電子商務(wù)交易評(píng)估模型[J].計(jì)算機(jī)工程，2012，38（11）：277?280.

[3] 黃崇本，龔松杰，陶劍文.一種基于XML組件的電子商務(wù)安全解決方案[J].中國(guó)仿真，2008，25（3）：281?284.

[4] 張文德，丁源.基于多屬性群決策的電子商務(wù)知識(shí)產(chǎn)權(quán)風(fēng)險(xiǎn)評(píng)估方法研究[J].情報(bào)科學(xué)，2014，32（1）：133?137.

[5] 傅少川，張文杰，馬軍.電子商務(wù)風(fēng)險(xiǎn)分析及定性評(píng)估方法研究[J].情報(bào)雜志，2005（5）：17?19.

[6] 崔曉慧，鄧榮.物流電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型研究[J].物流技術(shù)，2013，32（9）：254?256.

[7] 尤學(xué)智，陳榮.電子商務(wù)網(wǎng)絡(luò)支付的發(fā)展研究[J].吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2010，26（6）：616?619.

[8] 張徐，高承實(shí)，戴青.P2P電子商務(wù)中一種基于交易標(biāo)的額的信任評(píng)價(jià)模型[J].信息工程大學(xué)學(xué)報(bào)，2010，11（1）：93?98.

[9] 聶智軍，李儉.基于潛在因子挖掘的電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估[J].科技通報(bào)，2013，29（8）：118?120.

[10] 文珠穆，盧正鼎，唐卓，等.P2P網(wǎng)絡(luò)環(huán)境中節(jié)點(diǎn)信息交換的信任機(jī)制研究[J].計(jì)算機(jī)工程與科學(xué)，2009，31（7）：5?9.

[11] 靳曉宏.電子商務(wù)信用評(píng)價(jià)模型的研究[M].北京：北京林業(yè)大學(xué)，2005.

[12] 蘇博，劉魯，楊方廷.基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)模型[J].系統(tǒng)工程理論與實(shí)踐，2008，28（9）：98?104.