面向C2C電子商務(wù)的信任預(yù)測(cè)研究

摘 要 針對(duì)C2C電子商務(wù)領(lǐng)域的信任問題，本文提出了一種信任預(yù)測(cè)方法。該方法首先通過信任模型計(jì)算出商家在以往各交易時(shí)刻的信任值，得到的信任值可被視作時(shí)間序列；然后結(jié)合馬爾科夫理論進(jìn)行預(yù)測(cè)，得到了商家在下一交易時(shí)刻處于各信任等級(jí)的概率，選擇其中的概率最大值作為預(yù)測(cè)結(jié)果。

關(guān)鍵詞 C2C電子商務(wù)信任 預(yù)測(cè) 馬爾科夫模型

中圖分類號(hào)：F062.4 文獻(xiàn)標(biāo)識(shí)碼：A

近年來，不管是電子商務(wù)的理論研究者還是實(shí)踐擁護(hù)者，都一致認(rèn)為信任缺失是影響電子商務(wù)發(fā)展的巨大障礙，信任問題因而成為電子商務(wù)領(lǐng)域研究的熱點(diǎn) 。目前，有關(guān)電子商務(wù)信任的研究主要集中在兩個(gè)方面：第一，電子商務(wù)信任的影響因素分析 ；第二，電子商務(wù)信任模型研究 。電子商務(wù)信任預(yù)測(cè)是從信任模型研究基礎(chǔ)上發(fā)展而來的，信任模型提供信任值的計(jì)算方法，而信任預(yù)測(cè)則可以提供成功進(jìn)行下次交易的概率。目前，關(guān)于電子商務(wù)信任預(yù)測(cè)的文獻(xiàn)大多采用貝葉斯網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，算法較為復(fù)雜。因此，簡(jiǎn)化預(yù)測(cè)方法同時(shí)提高預(yù)測(cè)準(zhǔn)確性成為我們研究電子商務(wù)信任預(yù)測(cè)問題的關(guān)鍵。本文主要研究的是C2C電子商務(wù)環(huán)境下的信任預(yù)測(cè)問題，首先建立了C2C電子商務(wù)信任模型，計(jì)算出商家在各次交易之后獲得的信任值，該信任值可被視作一個(gè)時(shí)間序列，然后將馬爾科夫理論與信任值序列相結(jié)合來預(yù)測(cè)商家下一次交易之后的信任等級(jí)。馬爾科夫的無(wú)后效性使得該電子商務(wù)信任預(yù)測(cè)法相比于貝葉斯網(wǎng)絡(luò)預(yù)測(cè)法而言，算法復(fù)雜度低，具有一定的優(yōu)越性 。

一、C2C電子商務(wù)信任模型的建立

本文借鑒文獻(xiàn) 中的基于多影響因素的信任模型來計(jì)算C2C電子商務(wù)中商家的信任值。該模型相比其他信任模型更加簡(jiǎn)單易用。通過對(duì)國(guó)內(nèi)外相關(guān)文獻(xiàn)的研究，本文總結(jié)提出了C2C電子商務(wù)環(huán)境下影響消費(fèi)者對(duì)商家信任的因素：店鋪規(guī)模（scale）、店鋪布局（layout）、服務(wù)態(tài)度（attitude）、信息公開度（openness）、交易金額（amount）、商品質(zhì)量（quality）、發(fā)貨速度（rapid）、售后服務(wù)（afterservice）、交易時(shí)間（time）。

將交易之后顧客對(duì)商家的以上各個(gè)要素的評(píng)價(jià)作為模型的輸入變量，而輸出變量則是商家的信任值。信任值越高表示商家的可信度越高。本模型中的信任值是以數(shù)值的形式表現(xiàn)的，因此在計(jì)算時(shí)需要對(duì)定性變量做定量處理。對(duì)于定性變量，顧客的評(píng)價(jià)值分為“好”、“中”、“差”，本文將其分別映射為“1”、“0.5”、“0”。對(duì)于交易金額，其值越大說明賣家承擔(dān)的風(fēng)險(xiǎn)越大，相應(yīng)的評(píng)價(jià)就越可信。將交易金額轉(zhuǎn)換為[0，1]上的值：規(guī)定一個(gè)金額閾值，大于該值的金額認(rèn)為是1（大額），小于該閾值的金額則等于金額值除以閾值。對(duì)于交易時(shí)間來說，由于時(shí)間越早的評(píng)價(jià)越缺乏參照性，所以我們認(rèn)為信任值具有時(shí)間衰減性。將交易時(shí)間變量也定義在[0，1]之間：規(guī)定一個(gè)時(shí)間間隔閾值a，與當(dāng)前時(shí)間間隔在閾值內(nèi)的交易評(píng)價(jià)不做時(shí)間衰減，否則啟用衰減因子：a/（當(dāng)前時(shí)刻-評(píng)價(jià)時(shí)刻）。通過上述分析，我們可以得到單一顧客的一條評(píng)價(jià)所體現(xiàn)的商家的信任值tr：

其中，wi表示各影響因素所占的權(quán)重。若t時(shí)刻之前，單一顧客與商家有m次交易，則該顧客對(duì)商家的信任度為：。那么，t時(shí)刻商家的總信任度為：。其中，n表示總的顧客數(shù)，，是某一顧客的交易總額。

二、基于馬爾科夫模型的信任預(yù)測(cè)

利用馬爾科夫模型預(yù)測(cè)C2C電子商務(wù)環(huán)境下商家的信任值的步驟如下：（1）狀態(tài)劃分：依據(jù)信任模型可以獲得商家在各交易時(shí)刻的信任值Trust_curr（簡(jiǎn)寫為T），根據(jù)需要將信任值劃分為m個(gè)狀態(tài)：Ti ∈[c1i，c2i]，i=1，2，…m。（2）構(gòu)造狀態(tài)轉(zhuǎn)移概率矩陣：由狀態(tài)Ti經(jīng)過1步轉(zhuǎn)移到狀態(tài)Tj的原始樣本數(shù)為SiJ，狀態(tài)Ti出現(xiàn)的次數(shù)記為Si，則由狀態(tài)Ti經(jīng)過1步轉(zhuǎn)移到狀態(tài)Tj的轉(zhuǎn)移概率為：Pij=，進(jìn)而，我們可以得到一個(gè)m階的狀態(tài)轉(zhuǎn)移概率矩陣P。（3）根據(jù)轉(zhuǎn)移概率進(jìn)行預(yù)測(cè)：根據(jù)上一步得到的轉(zhuǎn)移概率矩陣，如果目前商家的信任值處于狀態(tài)Ti，這時(shí)，Pij就描述了目前狀態(tài)Ti在未來將轉(zhuǎn)向狀態(tài)Tj（j=1，2，…m）的可能性。一般按最大可能性作為選擇的原則。

三、實(shí)證分析及結(jié)果

本文從淘寶網(wǎng)上選擇了一個(gè)經(jīng)營(yíng)圖書業(yè)務(wù)的賣家，其在淘寶上注冊(cè)的時(shí)間為2013年2月份，至今已經(jīng)完成38筆交易。每筆交易完成后都記錄下了買家給賣家在各方面的評(píng)價(jià)以及每次交易發(fā)生的時(shí)間和交易金額。由于銷售的是圖書，本文將金額大于100元的交易視為大額交易，同時(shí)取時(shí)間閾值為7天。將各項(xiàng)記錄作相應(yīng)轉(zhuǎn)換后，我們將各影響商家信任的因素作為輸入變量帶入信任模型中進(jìn)行計(jì)算。對(duì)于各信任影響因素的權(quán)重，我們采用層次分析法得到 ，分別是：0.08、0.03、0.05、0.06、0.3、0.1、0.12、0.14、0.12。我們得到商家從開店到現(xiàn)在各個(gè)交易時(shí)刻的信任值，分別是：0.507、0.546、0.521、0.622、0.642、0.576、0.691、0.520、0.670、0.852、0.834、0.753、0.770、0.427、0.521、0.789、0.733、0.870、0.702、0.372、0.492、0.433、0.555、0.660、0.742、0.717、0.838、0.805、0.799、0.760、0.690、0.676、0.750、0.551、0.646、0.74、0.827、0.724。使用馬爾科夫模型進(jìn)行信任預(yù)測(cè)，首先就是劃分狀態(tài)，本文將信任值劃分為5個(gè)狀態(tài)：為T5∈[0，0.5]不信任，T4∈[05，0.6]為基本信任、T3∈[0.6，0.7]為比較信任、T2∈[0.7，0.8]為信任、T1∈[0.8，1]為非常信任。則可以得到38個(gè)狀態(tài)，分別是：T4、T4、T4、T3、T3、T4、T3、T4、T3、T1、T1、T2、T2、T5、T4、T2、T2、T1、T2、T5、T5、T5、T4、T3、T2、T2、T1、T1、T2、T2、T3、T3、T2、T4、T3、T2、T1、T2?？梢越y(tǒng)計(jì)出：信任值處于非常信任狀態(tài)的有6個(gè)，即|T1|=6，同理得到：|T2|=12、|T3|=8、|T4|=8、|T5|=4。且一步轉(zhuǎn)移概率矩陣為：

，由于目前，商家信任值處于T2，且則我們預(yù)測(cè)商家在下次交易（即將進(jìn)行的交易）之后的信任值為“信任”（T2）。因此，我們得出的結(jié)論是：就目前而言，與商家進(jìn)行交易時(shí)可以的，交易之后商家的可信度依然較高，說明在即將進(jìn)行的交易中商家不會(huì)欺騙買家并且買家得到了滿意的服務(wù)。

四、結(jié)論

本文結(jié)合馬爾科夫理論和電子商務(wù)信任模型，提出了一種用于預(yù)測(cè)C2C電子商務(wù)環(huán)境下商家下一時(shí)刻信任等級(jí)的模型。與現(xiàn)存的其他預(yù)測(cè)模型相比，本文提出的模型，思路新穎，算法簡(jiǎn)潔，可以很好地預(yù)測(cè)出買家即將交易的賣家下一時(shí)刻的信任等級(jí)，幫助買家選擇最滿意的賣家。

（作者：成君，南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院管理科學(xué)與工程碩士研究生，主要研究方向：電子商務(wù)；竇萬(wàn)峰，南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇省信息安全與保密技術(shù)工程研究中心，博士，博士后，副教授；許敏，南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院管理科學(xué)與工程碩士研究生，主要研究方向：電子商務(wù)）

注釋：

嚴(yán)中華等.電子商務(wù)信任與風(fēng)險(xiǎn)的文獻(xiàn)綜述與評(píng)析[J].科技進(jìn)步與對(duì)策，2004，21（9）：166-168

HOFFAMN K L，NOVAK T E， PERALTA M. Building consumer trust online[J]. Association for Computing Machinery， Communication of ACM，1999，42（4）：80-103

URBAN F SULTAN， W J QUALLS. Placing trust at the center of your Internet Strategy[J]. Strategies for E- Business Success， Jossey-Bass Press，1999（7）：153-177

Giorgos Z. Collaborative Reputation Mechanism in Electronic Marketplaces. Decision Support System， 2003，33（12）：371-338

Manchala D W. Trust Metrics， Models and Protocols for Electronic Commerce Transactions. Proc. Of 18th Int’l Conf. on Distributed Computing Systems，1998：312-322

樊國(guó)敬.基于馬爾可夫模型的旅游目的地人數(shù)預(yù)測(cè)[J].統(tǒng)計(jì)與決策，2010（21）：98-100

谷斌，鐘建權(quán). C2C電子商務(wù)中基于多影響因素的商家信任模型研究[J].科技管理研究，2012，32（20）：210-214