昆明醫(yī)科大學(xué)海源學(xué)院 熊 菲
云南財經(jīng)大學(xué)商學(xué)院 宋光興
我國電子商務(wù)飛速發(fā)展,截至2018年6月我國網(wǎng)購用戶人數(shù)已達8.02億,與2017年相比增長3.8%,互聯(lián)網(wǎng)普及率為57.7%[1]。2016年10月—2017年9月的十二個月時間,我國網(wǎng)絡(luò)零售額達到近6.6萬億元,相比上一周期增長38%,為中國電商零售額同期的最高紀(jì)錄[2]。我國網(wǎng)購人數(shù)總體逐步增長,一方面與我國網(wǎng)民逐年增長有關(guān),另一方面也說明消費者已經(jīng)逐漸接受了電子商務(wù)交易的新技術(shù)。但電子商務(wù)交易由于沒有面對面的接觸,存在虛擬性和雙方信息不對稱的特點,導(dǎo)致交易雙方的信任缺失依然存在。信任是信用的積累,對信用的客觀評價模型一直是研究的熱點,建立客觀、合理、高效的信用評價體系對電子商務(wù)的穩(wěn)定發(fā)展十分重要。
國內(nèi)外學(xué)者對電子商務(wù)信用度量的評價模型研究已經(jīng)取得一定成績。Gutowska A(2009)提出了一種分布式信用計算模型[3];Zhao H(2010)構(gòu)建了電子商務(wù)網(wǎng)站信譽測度指標(biāo)體系,并且基于模糊多屬性群體決策提出了相應(yīng)的信用測度模型[4];Li D(2013)認(rèn)為電子商務(wù)在運營過程中存在著嚴(yán)重的信用風(fēng)險,提出了一種基于Topsis和三角模糊數(shù)的評估電子商務(wù)系統(tǒng)信用度量的方法[5];宋叢叢(2013)以賣方績效指標(biāo)為基礎(chǔ),提出了一種較為客觀、合理的賣方信用評分系統(tǒng),該系統(tǒng)將各類信用因素均轉(zhuǎn)化為績效指標(biāo)值,從而計算出賣方信用度[6]。孫浩等(2016)將多Agent建模技術(shù)引入電商企業(yè)信用測度模型,構(gòu)建了基于動態(tài)參數(shù)的電子商務(wù)信用系統(tǒng)模型[7]。Liang K(2017)從社會資本的角度探討了電子商務(wù)信用的本質(zhì),提出了從網(wǎng)絡(luò)交易平臺和在線社交系統(tǒng)提取消費者的資本變量來構(gòu)建信用評價模型,并通過分析網(wǎng)絡(luò)信用和社交信用之間的關(guān)系驗證了模型的適用性[8]。
如今各種電子商務(wù)交易平臺越來越多,同一商家可在多個交易平臺注冊多個賬號,各平臺的信用評價方法卻并不統(tǒng)一。這就類似于一個企業(yè)有多個分店,僅針對于某一個平臺的某一商家進行信用評估可能不太客觀合理,也可能會導(dǎo)致信用低的商家打一槍換一個地方地流動銷售,并不利于信用管理。不同電子商務(wù)平臺使用的不同信用評價方法必然導(dǎo)致信用數(shù)據(jù)的多源化,這些信用數(shù)據(jù)庫本身就是一個超大規(guī)模的異構(gòu)數(shù)據(jù)庫。
電子商務(wù)交易的大幅提升導(dǎo)致了相關(guān)大量數(shù)據(jù)的涌出,電子商務(wù)的商家信用數(shù)據(jù)也是大數(shù)據(jù)的一種,利用大數(shù)據(jù)的處理方法對電子商務(wù)信用數(shù)據(jù)挖掘、信用融合獲得有效信息是十分有必要的。粒計算就是近些年涌現(xiàn)出的處理大數(shù)據(jù)的一種可行方法。本文運用粒計算的思想,構(gòu)建一種基于多尺度粒計算的電子商務(wù)商家信用融合模型。
1979年Zadeh首次提出并討論了模糊信息?;瘑栴},從此信息?;幕舅枷氡粦?yīng)用到了許多領(lǐng)域中,如Rough集、Fuzzy集、證據(jù)理論、商空間理論等。1997年Zadeh提出粒計算的概念[9]。粒計算模仿人的認(rèn)知模型和腦認(rèn)知模型,運用到人工智能和大數(shù)據(jù)處理。徐立(2015)對使用粒計算處理大數(shù)據(jù)進行了可行性分析[10],梁吉業(yè)等(2015)認(rèn)為粒計算是大數(shù)據(jù)挖掘的一條極具有前途的嶄新途徑,并對大數(shù)據(jù)粒計算理論和方法在若干領(lǐng)域的應(yīng)用進行了展望[11]。著名社會網(wǎng)絡(luò)科學(xué)家Watts在其提出的小世界網(wǎng)絡(luò)研究中,指出網(wǎng)絡(luò)中嵌套的諸多社區(qū)內(nèi)部也滿足小世界網(wǎng)絡(luò)的要求[12]。商家信用評價的大數(shù)據(jù)來自于各電商平臺,這種從商家交易數(shù)據(jù)中反映出的商家與購買者之間的關(guān)系是由人類社會系統(tǒng)借助網(wǎng)絡(luò)自主產(chǎn)生的。這就意味著, 反映復(fù)雜電子商務(wù)信用系統(tǒng)的大數(shù)據(jù)必然隱含著由這些關(guān)系所決定的局部與整體關(guān)系,即數(shù)據(jù)的多粒度特性。
定義1 設(shè) (U,A)是一個數(shù)據(jù)庫(信用評價信息),其中U為對象集,為對象(商家信息),A為屬性集,(評價指標(biāo)),按照不同屬性的意義,將屬性集A中有相似意義的屬性劃分為一類,稱為信息粒,記作A1,其中i=1,2,…,n。
多源信息融合始于1973年美國開展的多聲吶信號融合系統(tǒng)的研究,20世紀(jì)80年代,多源信息融合理論和技術(shù)進一步飛速發(fā)展,已被成功應(yīng)用于軍事指揮自動化系統(tǒng)、戰(zhàn)略預(yù)警與預(yù)防、多目標(biāo)跟蹤與識別等軍事領(lǐng)域,并逐漸輻射到遙感監(jiān)測、醫(yī)療診斷、電子商務(wù)、無線通信、故障診斷等眾多民用領(lǐng)域。信息融合是一個數(shù)據(jù)或信息的綜合過程,是為了達到某一目的,對來自多源的信息進行組合[13]。
信息融合是一門新興的邊緣交叉學(xué)科,所涉及的內(nèi)容廣泛多樣。信息融合技術(shù)是不確定信息系統(tǒng)知識獲取的重要方法之一。本文結(jié)合粒計算設(shè)置粒結(jié)構(gòu)信息融合結(jié)構(gòu)圖,如圖1所示。
圖1 粒結(jié)構(gòu)信息融合動態(tài)實時圖
電子商務(wù)的數(shù)據(jù)符合大數(shù)據(jù)的3V特征:巨量、高速、多樣性,也是一種大數(shù)據(jù)。我們運用大數(shù)據(jù)挖掘多尺度粒計算的方法將各電商平臺的商家信用信息進行融合,對專家信用評價體系進行動態(tài)補充。專家的評估是粒度從大到小的主觀評定,數(shù)據(jù)的挖掘是粒度從小到大客觀評估,通過兩種方法對最終信用評價結(jié)果進行相互印證、相互補充。我們把這種模型方法稱作基于粒計算和信息融合的電子商務(wù)信用評價模型,設(shè)計的思路如下。
(2)確定動態(tài)信用的客觀權(quán)重:由于同一商家在各交易平臺的動態(tài)交易形成了各種異構(gòu)的動態(tài)信用評價,在融合時要對各指標(biāo)集運用多粒度分層進行聚類和降維,具體操作如下。
步驟一:對信用數(shù)據(jù)運用主因子分析法分析指標(biāo)集的重要度,即權(quán)重,記為
步驟二:根據(jù)維度將上述指標(biāo)運用K值聚類方法進行聚類分析,得到相似屬性的分類集,記為,其中
(3)電子商務(wù)評價體系指標(biāo)的建立應(yīng)遵循準(zhǔn)確性原則、科學(xué)性原則、可行性原則、一致性原則。初始信用評價體系的屬性和權(quán)重由專家設(shè)定(可利用專家調(diào)查法、層次分析法、環(huán)比評分法、序分析法等),可得出
基于以上分析,我們提出基于粒計算的信用融合方法如下。
第二,收集不同 電子商務(wù)平臺上商家的信用信息;
(4)將綜合信用評價值轉(zhuǎn)化為等級,轉(zhuǎn)化標(biāo)準(zhǔn)如表1所示。
表1 電子商務(wù)商家綜合信用評價值轉(zhuǎn)化表
電商信用數(shù)據(jù)也是大數(shù)據(jù),同一商家在各交易平臺形成各種異構(gòu)的動態(tài)信用評價。第三方信用平臺對各平臺上同一商家的動態(tài)信用進行融合,得到總動態(tài)信用評價,并反饋積累為該商家的靜態(tài)信用評價,最終綜合靜態(tài)信用評價和動態(tài)信用評價得到商家的綜合信用評價。初始商家靜態(tài)信用評價的屬性及其權(quán)重由專家先驗信息設(shè)定,同時利用粒計算方法對信用數(shù)據(jù)進行挖掘,可根據(jù)數(shù)據(jù)挖掘的反饋對信用評價體系中的屬性及權(quán)重進行反饋和驗證,形成人機合作的智能評估體系。接下來可以進一步研究如何利用多尺度粒計算,根據(jù)不同數(shù)據(jù)源自適應(yīng)條件屬性的層次進行融合,從而得到以用戶為中心的信用評價體驗,提高電子商務(wù)信用評價模型的效率。
另外,隨著社會信用評價體系的逐步完善,網(wǎng)上信用和實體信用是不可分割的,未來同一主體的政務(wù)誠信、商務(wù)誠信、社會誠信、司法公信多領(lǐng)域信用信息將會實施聯(lián)網(wǎng),從而產(chǎn)生多源多維度信用數(shù)據(jù)的融合問題,這樣信用的評價將更加全面無死角,對失信的懲戒力度也會更加大,從而產(chǎn)生多源多維度信用數(shù)據(jù)的融合問題。