江梅霞, 查 宇

(安徽機(jī)電職業(yè)技術(shù)學(xué)院 a.經(jīng)貿(mào)管理系; b.信息工程系,安徽 蕪湖 241002)

現(xiàn)代信息技術(shù)的快速發(fā)展，帶動(dòng)了如物聯(lián)網(wǎng)、云計(jì)算等新興科技的興起[1]，人類(lèi)逐步進(jìn)入到了多元化的信息時(shí)代，同時(shí)電子商務(wù)決策開(kāi)始逐步被社會(huì)各界所關(guān)注[2-3].相關(guān)調(diào)查表明[4]，當(dāng)前電子商務(wù)系統(tǒng)規(guī)模在不斷擴(kuò)大，其數(shù)據(jù)中心同時(shí)由上千臺(tái)服務(wù)器支撐完成.對(duì)于電子商務(wù)而言，應(yīng)該如何有效地從電子商務(wù)決策中準(zhǔn)確獲得電子商務(wù)所需的信息，實(shí)現(xiàn)信息價(jià)值[5]，將信息運(yùn)用到電子商務(wù)經(jīng)濟(jì)效益的生產(chǎn)中去，這成為當(dāng)前電子商務(wù)提升其競(jìng)爭(zhēng)實(shí)力的重要方式[6].

本文研究中，將電子商務(wù)決策視為不同條件屬性、相同決策屬性的多張決策表所組成的，以此實(shí)現(xiàn)了電子商務(wù)決策的區(qū)間化，研究電子商務(wù)交易的相關(guān)決策制定方法.在電子商務(wù)決策處理中有效地引入了自動(dòng)學(xué)習(xí)的方法，從而有效地降低了電子商務(wù)決策分析中所需要處理的數(shù)據(jù)量；結(jié)合電子商務(wù)決策連續(xù)值屬性，以及其在信息研究中以數(shù)據(jù)塊為研究對(duì)象的特征，本文提出嘗試實(shí)現(xiàn)數(shù)據(jù)塊的近似描述，從而探討電子商務(wù)決策模型的決策方法，并就相關(guān)算法進(jìn)行研究.同時(shí)為了增強(qiáng)算法的實(shí)用性，提出了融合自動(dòng)學(xué)習(xí)的電子商務(wù)決策模型.

1 自動(dòng)學(xué)習(xí)在電子商務(wù)決策中的應(yīng)用

|·|代表了具有的電子商務(wù)決策模型對(duì)象數(shù)目.

其中，d為與Xw相交不為空的自動(dòng)學(xué)習(xí)相容類(lèi)Yj的個(gè)數(shù).

2 融合自動(dòng)學(xué)習(xí)的交易決策模型

自動(dòng)學(xué)習(xí)算法的特點(diǎn)就是在決策者經(jīng)驗(yàn)的基礎(chǔ)上引入相關(guān)的影響因素，并且作量化的處理.最后在決策對(duì)象的分析過(guò)程中分別使用定量與定性作為參考標(biāo)準(zhǔn)，通過(guò)對(duì)決策對(duì)象進(jìn)行比較，篩選出較好的決策對(duì)象.整個(gè)算法的流程如下：

步驟1：首先在分析相關(guān)影響程度的基礎(chǔ)上建立學(xué)習(xí)模型，模型結(jié)構(gòu)如圖1所示，該模型的使用是在買(mǎi)家將部分賣(mài)家的產(chǎn)品放入到模型中進(jìn)行識(shí)別，通過(guò)識(shí)別的結(jié)果進(jìn)行排序，通過(guò)該學(xué)習(xí)模型的結(jié)果提供相應(yīng)的決策.為了簡(jiǎn)化圖1的學(xué)習(xí)模型，也就產(chǎn)生了自學(xué)習(xí)模型結(jié)構(gòu)簡(jiǎn)化如圖2所示.

圖1 自學(xué)習(xí)模型結(jié)構(gòu)

圖2 自學(xué)習(xí)模型結(jié)構(gòu)簡(jiǎn)化

步驟2:在生成自學(xué)習(xí)模型結(jié)構(gòu)后，在此基礎(chǔ)上對(duì)各個(gè)層上的因素重要性進(jìn)行相應(yīng)的對(duì)比工作，通過(guò)1～9的評(píng)分建立相應(yīng)的判斷矩陣，判斷矩陣如表1所示.

通過(guò)4個(gè)商家的實(shí)際案例對(duì)學(xué)習(xí)模型進(jìn)行分析，在使用判斷矩陣進(jìn)行分析后，得到相應(yīng)的得分，得分結(jié)果如表2所示.

表1 應(yīng)用在準(zhǔn)則層的判斷矩陣A

表2 方案層中的得分

由表2可以看出，在使用改進(jìn)后的判斷矩陣對(duì)各元素進(jìn)行得分判斷時(shí)，得到的評(píng)分結(jié)果如表3～表6所示.

表3 使用判斷矩陣S1的物品質(zhì)量

表4 使用判斷矩陣S2的服務(wù)質(zhì)量

表5 使用判斷矩陣S3的快遞質(zhì)量

表6 安全質(zhì)量判斷矩陣S4

步驟3:在表4～表6中為了比較一致性，選擇最大的特征值，比較的結(jié)果如表7所示.

表7 使用判斷矩陣后的一致性情況

在Matlab中使用數(shù)學(xué)模型進(jìn)行變形，在最大特征值λmax的情況下進(jìn)行歸一化處理，得到的準(zhǔn)則層相對(duì)于目標(biāo)層的特征向量如下：

W2=(0.446 8,0.076 7,0.048 7,0.427 8)

方案層相對(duì)于準(zhǔn)則層的特征向量為：

步驟4:最后需要對(duì)相對(duì)于頂層，底層的重要性的等級(jí)進(jìn)行判斷，從而進(jìn)行相應(yīng)的排序工作，排序結(jié)果如表8所示.

表8 學(xué)習(xí)模型中的排序結(jié)果

3 實(shí)驗(yàn)分析

從表2中選擇的4個(gè)商家的基本情況是：A、B、C、D這4個(gè)賣(mài)家均是從事服裝行業(yè)的商家.商家A是2015年6月22日成立的，已經(jīng)賣(mài)出42單；商家B是2015年8月22日成立的，已經(jīng)賣(mài)出40單；商家C是2015年9月4日成立的，已經(jīng)賣(mài)出37單；商家D是2015年9月3日成立的，已經(jīng)賣(mài)出38單.這4個(gè)商家的綜合得分的均值為6.3分.獲得顧客的好評(píng)率依次為：97.5%,97.5%,97.2%,97.2%.

通過(guò)對(duì)表2的數(shù)據(jù)進(jìn)行對(duì)比分析，在本文改進(jìn)算法的基礎(chǔ)上可以計(jì)算出4個(gè)商家的評(píng)價(jià)結(jié)果，如表9所示.

表9 4個(gè)商家評(píng)價(jià)結(jié)果順序

根據(jù)表9可知，4個(gè)商家的評(píng)價(jià)結(jié)果順序依次為A、B、C、D.可以看出商家A獲得客戶(hù)的評(píng)價(jià)最好.因此，商家A可被認(rèn)為是最優(yōu)交易對(duì)象.但是，根據(jù)實(shí)際情況可知，商家A的貿(mào)易總額度和平均貿(mào)易額度值全部大于其他3個(gè)商家，貿(mào)易金額比較說(shuō)明商家A要比其他3個(gè)商家更加關(guān)注貿(mào)易誠(chéng)信.除此之外，商家A并沒(méi)有差評(píng)的情況發(fā)生，最差的情況就是一次中評(píng).可以看出，如果在評(píng)分情況或者好評(píng)率基本上相同的情況下，商家A就能夠有更大的概率提供較好的服務(wù).

4 結(jié)語(yǔ)

本文將自動(dòng)學(xué)習(xí)方法引入到電子商務(wù)決策中，結(jié)合影響電子交易決策的每個(gè)因素，構(gòu)建以自動(dòng)學(xué)習(xí)算法為基礎(chǔ)的電子商務(wù)決策模型.計(jì)算并優(yōu)化每個(gè)影響因素的權(quán)重，以找出最佳決策目標(biāo).最后，通過(guò)實(shí)驗(yàn)表明：本文構(gòu)建的模型可以極大提高電子商務(wù)決策的準(zhǔn)確度，能夠幫助消費(fèi)者選擇較好的商家進(jìn)行購(gòu)物，從而保證較好的消費(fèi)體驗(yàn).