（河北工業(yè)大學(xué) 理學(xué)院，天津 300401）

1 引言

近年來，電子商務(wù)作為虛擬交易平臺(tái)正發(fā)揮著越來越重要的作用，它匯集了大量的廠商信息、消費(fèi)者信息以及交易信息，深深改變著當(dāng)今社會(huì)的企業(yè)形態(tài)和消費(fèi)行為。根據(jù)2017年9月的詳細(xì)數(shù)據(jù)顯示，中國電子商務(wù)零售額比前一個(gè)周期增長近38個(gè)百分點(diǎn)，達(dá)到同期的最高水平。在電子商務(wù)取得巨大成績的同時(shí)，確定交易主體的信用狀況成為電子商務(wù)交易發(fā)展中亟待解決的問題。精準(zhǔn)辨認(rèn)和評價(jià)電子商務(wù)企業(yè)的信用風(fēng)險(xiǎn)，加強(qiáng)信用風(fēng)險(xiǎn)分類指導(dǎo)，不僅能夠?yàn)槠髽I(yè)本身提供風(fēng)險(xiǎn)預(yù)警，降低企業(yè)的損失，而且對于參與交易的采購者來說，也是一個(gè)識別風(fēng)險(xiǎn)的重要參照。

企業(yè)信用風(fēng)險(xiǎn)評估長期以來深受國內(nèi)外學(xué)術(shù)界和商界的關(guān)注。然而以電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)為主題的研究卻很少。在國內(nèi)，風(fēng)險(xiǎn)機(jī)制方面，如楊曉梅等[1]經(jīng)過研究中國電子商務(wù)網(wǎng)站的信用管理機(jī)制給出應(yīng)對信用風(fēng)險(xiǎn)的對策；許進(jìn)[2]基于收入鏈提出電子商務(wù)信用風(fēng)險(xiǎn)管理策略。在電子商務(wù)信用風(fēng)險(xiǎn)評價(jià)方面，Wang等[3]在2008年采用馬爾可夫鏈模型對電子商務(wù)信用風(fēng)險(xiǎn)進(jìn)行評估；余樂安[4]在2012年通過建立最小二乘近似支持向量回歸模型對電子商務(wù)信用風(fēng)險(xiǎn)進(jìn)行預(yù)警研究，并給出不同的預(yù)警策略；鄔建平[5]在2016年利用灰色關(guān)聯(lián)分析對電子商務(wù)信用風(fēng)險(xiǎn)指標(biāo)進(jìn)行約簡后使用粒子群優(yōu)化算法將最小二乘支持向量回歸模型優(yōu)化，對電子商務(wù)信用風(fēng)險(xiǎn)進(jìn)行評價(jià)和預(yù)測研究。在國外，一些統(tǒng)計(jì)方法已被廣泛應(yīng)用于構(gòu)建企業(yè)信用風(fēng)險(xiǎn)評估模型，如線性判別分析[6]、Probit分析[7]和Logit分析[8]等。但是，這些統(tǒng)計(jì)方法在企業(yè)信用風(fēng)險(xiǎn)評估中的應(yīng)用容易使人們忽視相關(guān)指標(biāo)之間存在的非線性關(guān)系，即這些方法在理論上會(huì)對有限樣本無效。近年來，許多研究表明，智能方法，如基于案例推理（CBR）[9]，決策樹（DT）[10]，人工神經(jīng)網(wǎng)絡(luò)（ANN）[11]和支持向量機(jī)（SVM）[12]等可以作為企業(yè)信用風(fēng)險(xiǎn)評估的替代方法。這些方法從訓(xùn)練數(shù)據(jù)中自動(dòng)提取知識，在非線性模式分類研究中表現(xiàn)很好。其中，SVM是被成功應(yīng)用于企業(yè)信用風(fēng)險(xiǎn)評價(jià)中最有效的方法之一。然而，上述工作大都以金融企業(yè)為研究對象，以電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)為核心的研究卻較少。

在上述研究方法的基礎(chǔ)上發(fā)現(xiàn)，樸素貝葉斯算法在電子商務(wù)信用風(fēng)險(xiǎn)研究中還不成熟，原因是該方法只有在特征條件獨(dú)立的情況下表現(xiàn)很好，在處理電子商務(wù)信用風(fēng)險(xiǎn)問題時(shí)各指標(biāo)間又很難達(dá)到“獨(dú)立”這個(gè)條件，從而影響最后的實(shí)證分析結(jié)果。在使用SVM進(jìn)行信用風(fēng)險(xiǎn)評估中還發(fā)現(xiàn)，特征選擇也是建立分類系統(tǒng)的一個(gè)重要問題，合理限制分類器輸入特征的數(shù)量，可以使分類器具有良好的預(yù)測準(zhǔn)確率和較少的計(jì)算成本。因?yàn)橛脕砻枋鲭娮由虅?wù)企業(yè)信用風(fēng)險(xiǎn)的指標(biāo)屬性太多，造成指標(biāo)數(shù)據(jù)的維度過高，所以指標(biāo)數(shù)據(jù)中必存在冗余信息，需要通過選擇出一個(gè)小的特征集來代替原始數(shù)據(jù)集。針對上述兩個(gè)方面的問題，本文試圖引入KPCA方法對GaussianNB算法進(jìn)行優(yōu)化后再對電子商務(wù)信用風(fēng)險(xiǎn)進(jìn)行分類研究。首先應(yīng)用KPCA方法在所有指標(biāo)數(shù)據(jù)中提取主要特征。一方面，考慮KPCA方法可以挖掘包含在數(shù)據(jù)集中的非線性信息，使數(shù)據(jù)可以保留更加充分的信息，所以可以找到較少幾個(gè)信息充分的綜合指標(biāo)來代替原始數(shù)據(jù)。另一方面，KPCA方法是在高維特征空間中使用PCA方法，能夠消除指標(biāo)間的信息冗余性以及削弱指標(biāo)間的相關(guān)性，降低模型檢驗(yàn)計(jì)算成本的同時(shí)提高檢驗(yàn)效率。其次，特征選擇出的小的數(shù)據(jù)集指標(biāo)間變得不相關(guān)，使得數(shù)據(jù)集能夠克服樸素貝葉斯算法特征條件相互獨(dú)立的假設(shè)。又結(jié)合指標(biāo)數(shù)據(jù)的連續(xù)性，選擇建立高斯樸素貝葉斯模型對電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行分類研究。最后，使用真實(shí)指標(biāo)數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，查看模型的有效性，并根據(jù)分類結(jié)果提出應(yīng)對風(fēng)險(xiǎn)的策略。

2 組合模型

2.1 核主成分分析的原理

核主成分分析（簡稱KPCA）是將核函數(shù)方法添加到主成分分析的一種多元統(tǒng)計(jì)方法，它是經(jīng)過某種隱式形式將輸入空間（由訓(xùn)練樣本集構(gòu)成）映射到某個(gè)高維空間（即特征空間）并在高維空間完成主成分分析，達(dá)到對樣本數(shù)據(jù)降維卻能保留充分的特征信息的目的。因此，KPCA作為PCA方法的一種非線性拓展方法，用其挖掘電子商務(wù)信用風(fēng)險(xiǎn)指標(biāo)體系中包含的非線性信息更有利于后續(xù)的分類研究。

假設(shè)訓(xùn)練樣本用x1,x2,...,xN表示，核函數(shù)將輸入空間{xi}通過非線性映射Φ映射到特征空間F上，且數(shù)據(jù)集在F中滿足中心化的條件如下：

那么特征空間F中樣本集的協(xié)方差矩陣C可以表示為：

根據(jù)式（2）求得C的特征值λ及其相應(yīng)的特征向量V:

因?yàn)樗械奶卣飨蛄烤杀硎緸棣?x1),Φ(x2),...,Φ(xN)的線性組合，故存在βi(i=1,2,...,N)，使得：

在式（4）中，由于V為特征空間F的映射函數(shù)Φ(xi)(i=1,2,...,N)的生成空間，所以有：

接下來，定義N×N維矩陣K，則有：

系數(shù)βi的特征值問題由核函數(shù)Kij決定并且K為點(diǎn)積核矩陣，因此式（6）可以寫成：

求解式（7）就可以得到特征值和相應(yīng)的特征向量。那么測試集x在特征向量Vj方向的投影如下：

用核函數(shù)代替內(nèi)積：

如果式（1）不成立，需調(diào)整如下：

則核矩陣可用如下形式代替：

本文基于上述KPCA方法的根本思想，首先將樣本集表示成一個(gè)(m×n)維的數(shù)據(jù)矩陣：

其次，選定高斯徑向基（簡稱RBF）核函數(shù)：

此核函數(shù)將樣本數(shù)據(jù)集通過非線性映射方式映射到一個(gè)高維特征空間。最后，在高維特征空間中通過PCA方法對樣本集降維操作，根據(jù)各個(gè)成分各自的方差百分比（也稱為貢獻(xiàn)率），選擇出少數(shù)幾個(gè)不相關(guān)的綜合指標(biāo)代替原始多個(gè)指標(biāo)的數(shù)據(jù)。

2.2 高斯樸素貝葉斯模型

樸素貝葉斯方法是一種以貝葉斯定理為基礎(chǔ)，以各個(gè)特征相互獨(dú)立為假設(shè)的概率分類算法。樸素貝葉斯算法分類效率高、需要關(guān)注的參數(shù)少、具備良好的泛化能力，并且能夠?qū)⒆詈蟮姆诸惤Y(jié)果給出合理的概率解釋。

對于給定的訓(xùn)練數(shù)據(jù)集，樸素貝葉斯算法將輸入（特征向量）定義為在輸入空間的隨機(jī)變量X，輸出（類標(biāo)記）定義為在輸出空間的隨機(jī)變量Y，學(xué)習(xí)聯(lián)合分布P(X,Y)。具體學(xué)習(xí)如下：

（1）先驗(yàn)概率分布：

（2）條件概率分布：

因其假設(shè)各個(gè)特征相互獨(dú)立，則條件概率可以表示為：

（3）計(jì)算給定輸入變量的后驗(yàn)概率分布如下：

（4）最后遵循期望風(fēng)險(xiǎn)最小化準(zhǔn)則，保留后驗(yàn)概率最大的類標(biāo)記。樸素貝葉斯分類模型的輸入變量既可以是離散型變量，又可以是連續(xù)型變量。其中，對于連續(xù)型變量應(yīng)用最好的模型是高斯樸素貝葉斯（GaussianNB）模型，其條件概率可以表示為：

需要從訓(xùn)練樣本集估計(jì)μk和的值。μk是在樣本類別為ck下，所有的Xj的均值，是在樣本類別為ck下所有Xj的方差。

高斯樸素貝葉斯模型的主要參數(shù)只有一個(gè)，即先驗(yàn)概率P(Y=ck)。通常情況下，默認(rèn)為P(Y=ck)=mkm，m是訓(xùn)練樣本集總數(shù)，mk是輸出第k類時(shí)的訓(xùn)練樣本數(shù)。當(dāng)然，如果給出先驗(yàn)概率，則以給出的值為準(zhǔn)。本文選擇默認(rèn)的先驗(yàn)概率值對電子商務(wù)信用風(fēng)險(xiǎn)進(jìn)行分類。

3 實(shí)證分析與模型檢驗(yàn)

利用核主成分分析方法優(yōu)化高斯樸素貝葉斯算法的主要思想：利用KPCA方法將原始數(shù)據(jù)提取出少數(shù)幾個(gè)但能夠充分保留原始信息的綜合指標(biāo)，并且提取出的綜合指標(biāo)之間變得不相關(guān)。既能減少計(jì)算成本、挖掘到樣本信息中包含的非線性信息，還能克服分類算法超強(qiáng)的條件之間相互獨(dú)立的假設(shè)，提高模型的分類效率。

3.1 數(shù)據(jù)來源

一般情況下，從靜態(tài)指標(biāo)和動(dòng)態(tài)指標(biāo)兩方面描述電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)的指標(biāo)屬性。靜態(tài)指標(biāo)主要包括企業(yè)的外部因素和企業(yè)本身的素質(zhì)，動(dòng)態(tài)指標(biāo)主要包括企業(yè)的履約狀況、支付信用能力、其他交易參與者的信用及企業(yè)交往印象。本文的電子商務(wù)信用風(fēng)險(xiǎn)指標(biāo)主要來自文獻(xiàn)[13]中篩選出的19個(gè)指標(biāo)作為本次的指標(biāo)體系，具體指標(biāo)及計(jì)算公式見表1。

本文使用的原始數(shù)據(jù)來源于文獻(xiàn)[13]中收集的18家電子商務(wù)企業(yè)的樣本數(shù)據(jù)以及專家組給出的打分結(jié)果（選定兩種分類：0代表無信用風(fēng)險(xiǎn)，其信用評分高于60分；1代表有信用風(fēng)險(xiǎn)，其信用評分低于60分），并將19個(gè)指標(biāo)分別用X1,X2,...,X19表示，整理數(shù)據(jù)見表2。

利用上述構(gòu)建的電子商務(wù)信用風(fēng)險(xiǎn)指標(biāo)體系及收集的18家企業(yè)樣本數(shù)據(jù)，就可以運(yùn)用核主成分分析和高斯樸素貝葉斯組合模型進(jìn)行電子商務(wù)信用風(fēng)險(xiǎn)分類的研究。

3.2 模型檢驗(yàn)

為了對比本文提出的組合模型的預(yù)測準(zhǔn)確率，同時(shí)采用高斯樸素貝葉斯模型(GaussianNB)、主成分分析和高斯樸素貝葉斯組合模型(PCA-GaussianNB)對電子商務(wù)信用風(fēng)險(xiǎn)進(jìn)行分類,檢驗(yàn)?zāi)Ｐ偷挠行?。針對本文收集?shù)據(jù)的結(jié)構(gòu)，選擇1-13家電子商務(wù)企業(yè)的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，其余14-18家電子商務(wù)企業(yè)的數(shù)據(jù)作為測試數(shù)據(jù)。

表1 電子商務(wù)信用風(fēng)險(xiǎn)指標(biāo)體系選取結(jié)果

表2 18家電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)原始數(shù)據(jù)

3.2.1 數(shù)據(jù)處理。應(yīng)用SPSS軟件，利用主成分分析方法對13家電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)數(shù)據(jù)指標(biāo)進(jìn)行相關(guān)性分析，相關(guān)性分析矩陣見表3、表4。

表3 指標(biāo)之間的相關(guān)性分析矩陣（1）

表4 指標(biāo)之間的相關(guān)性分析矩陣（2）

通過觀察指標(biāo)之間的相關(guān)性分析矩陣，發(fā)現(xiàn)電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)數(shù)據(jù)指標(biāo)之間具有相關(guān)性。因而對訓(xùn)練數(shù)據(jù)集進(jìn)行有效的主成分提取，有利于后續(xù)貝葉斯分類的研究。解釋的總方差見表5。

一般主成分分析或者核主成分分析選擇累計(jì)貢獻(xiàn)率達(dá)85%以上的主成分個(gè)數(shù)。本文通過輸出解釋的總方差，可以看到各成分各自的方差百分比(貢獻(xiàn)率)以及前6個(gè)主成分累計(jì)貢獻(xiàn)率已經(jīng)占據(jù)原始數(shù)據(jù)85%以上的信息。結(jié)合碎石圖(如圖1所示)也可以看出，成分?jǐn)?shù)小于等于6的部分特征值大，說明包含數(shù)據(jù)中的信息比較多；成分?jǐn)?shù)大于6的部分曲線逐漸變得平緩，特征值小，說明包含數(shù)據(jù)中的信息少。本文為保持一致性和可比性，在進(jìn)行主成分分析和核主成分分析時(shí)均選取前6個(gè)主成分進(jìn)行分析。

表5 主成分統(tǒng)計(jì)信息表

圖1 成分?jǐn)?shù)和特征值之間的關(guān)系

3.2.2 模型結(jié)果和評估。利用GaussianNB、PCAGaussianNB和KPCA-GaussianNB分別對電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行分類，具體分類流程如圖2所示。PCA-GaussianNB和KPCA-GaussianNB兩個(gè)模型均先通過PCA方法或KPCA方法對訓(xùn)練數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；然后使用預(yù)處理之后的數(shù)據(jù)進(jìn)行高斯樸素貝葉斯模型的建立；最后，使用14-18家電子商務(wù)企業(yè)的數(shù)據(jù)作為測試數(shù)據(jù)進(jìn)行驗(yàn)證。

圖2 分類模型流程圖

根據(jù)分類模型的步驟進(jìn)行實(shí)證分析，分別記錄GaussianNB、PCA-GaussianNB和KPCA-GaussianNB三組模型的分類結(jié)果，見表6。

表6 5家電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)分類結(jié)果

為了檢驗(yàn)KPCA-GaussianNB組合模型的優(yōu)越性，需要對模型進(jìn)行評估。本文采用的分類器評估指標(biāo)為準(zhǔn)確率、召回率、F1度量值。一般二分類問題將真實(shí)類別和預(yù)測類別劃分成真正例（TP）、假正例（FP）、假負(fù)例（FN）、真負(fù)例（TN）。相應(yīng)的評估指標(biāo)計(jì)算方式如下：

根據(jù)上述三種評估指標(biāo)，分別計(jì)算得到GaussianNB、PCA-GaussianNB和KPCA-GaussianNB三組模型的評估矩陣結(jié)果，見表7-表9。

表7 GaussianNB-評估矩陣

表8 PCA-GaussianNB-評估矩陣

表9 KPCA-GaussianNB-評估矩陣

依據(jù)上述評估結(jié)果，三個(gè)模型的平均準(zhǔn)確率依次為0.300、0.867、1.000，可見不管是PCA-Gaussian-NB組合模型還是KPCA-GaussianNB組合模型都優(yōu)于GaussianNB模型，說明GaussianNB模型對屬性指標(biāo)間要求相互獨(dú)立的假設(shè)確實(shí)破壞了模型的分類準(zhǔn)確率。但是，因?yàn)镵PCA方法可以保留電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)樣本數(shù)據(jù)中的非線性信息，它降維后的數(shù)據(jù)比PCA方法降維后的數(shù)據(jù)保留的信息更充分，所以KPCA-GaussianNB組合模型的分類效果更好。除此之外，結(jié)合召回率進(jìn)行分析，一般情況下，準(zhǔn)確率高時(shí)，召回率低（上述三個(gè)結(jié)果矩陣也證實(shí)了這一點(diǎn)）,所以我們將準(zhǔn)確率和召回率融合成一個(gè)F1度量值（調(diào)和均值F1-score）進(jìn)行比較,可見KPCA-GaussianNB組合模型的F1度量值同樣是優(yōu)于前兩個(gè)模型的。因此，可以說本文提出的KPCA-GaussianNB組合模型是可行且有效的。

4 結(jié)語

本文利用KPCA方法優(yōu)化高斯樸素貝葉斯模型，對電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行分類探討的結(jié)果表明：KPCA方法能夠降低計(jì)算成本、高效挖掘數(shù)據(jù)中的有用信息，還能降低數(shù)據(jù)之間的相關(guān)性、提高GaussianNB方法的分類準(zhǔn)確率。KPCA-GaussianNB組合模型與其它常見分類方法比較：首先，所需估計(jì)的參數(shù)較少，模型結(jié)構(gòu)簡單易理解；再者，繼承樸素貝葉斯算法的增量式訓(xùn)練，可以達(dá)到動(dòng)態(tài)預(yù)測電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)的目的；最后，對小數(shù)據(jù)集表現(xiàn)很好，也就是說，這對于很難獲取大量數(shù)據(jù)的電子商務(wù)企業(yè)信用風(fēng)險(xiǎn)研究來說非常實(shí)用。

依據(jù)組合模型分類結(jié)果，對電子商務(wù)企業(yè)本身可提供非常有價(jià)值的參考。一方面，對不存在信用風(fēng)險(xiǎn)的電子商務(wù)企業(yè)，企業(yè)本身要居安思危，加強(qiáng)信用風(fēng)險(xiǎn)的防范，保持企業(yè)持續(xù)健康經(jīng)營。另外，對存在信用風(fēng)險(xiǎn)的電子商務(wù)企業(yè)，企業(yè)要努力改善與信用風(fēng)險(xiǎn)相關(guān)的指標(biāo)，降低風(fēng)險(xiǎn)、減小損失。最后，電子商務(wù)企業(yè)在進(jìn)行信用風(fēng)險(xiǎn)預(yù)測時(shí)，要?jiǎng)討B(tài)的獲取新數(shù)據(jù)，保持?jǐn)?shù)據(jù)的時(shí)效性。