C2C電子商務中基于聲譽的信任評估模型

王超，仲紅，石潤華，陸小玲

安徽大學計算機與信號處理教育部重點實驗室，合肥 230601

C2C電子商務中基于聲譽的信任評估模型

王超，仲紅，石潤華，陸小玲

安徽大學計算機與信號處理教育部重點實驗室，合肥 230601

C2C模式電子交易平臺以其便利、自由和高效性，而得到迅速發展，但由于其中信任評價機制的不完善，使得對交易參與者的監管難度增大，交易中仍存在較大的風險。針對目前信任評價機制的不完善，提出了基于聲譽的信任機制，通過計算交易參與方的信任度以達到識別不誠實的個體的目的。通過進一步研究和分析影響評價的因素，使用時間窗口和交易窗口機制對參與計算的評價進行選擇，并綜合考慮評價者的自身信任度。對模型的有效性和效率都進行了理論分析和實驗驗證。結果表明，提出的模型能夠有效地應用于C2C電子商務系統中。

電子商務；消費者對消費者（C2C）；信任評估；聲譽；信用

1 引言

電子商務隨著互聯網的高速發展，已經發展成為一個極具影響力的商業模式，由最初美國的eBay，到現在國內發展起來的淘寶、當當等實力雄厚的電商，電子商務成為了現代人們生活中一個必備的元素。

電子商務（Electronic Commerce，EC）是指在互聯網開放的網絡環境下，基于瀏覽器等應用方式，買賣雙方在不謀面的情況下進行各種商貿活動，實現商戶之間的網上交易和在線電子支付等各種交易行為的一種新型的商業運營模式。根據參與方的不同可分為B2B模式（Business-to-Business）、B2C模式（Business-to-Consumer）和C2C模式（Consumer-to-Consumer）[1]，而近期，C2B模式（Consumer-to-Business）也開始興起。電子商務平臺提供在線交易平臺給買賣雙方，然而，交易的雙方，特別是在C2C模式中，在某種程度上，都對自己的真實信息有所隱瞞：交易雙方真實信息的缺失以及對對方的不了解，這樣會導致交易中存在很大的風險性[2-3]，如欺詐交易、發布虛假信息、質量和售后服務得不到保障等問題。電子商務中的安全性問題，歸結其因，就在于信任的缺失，并且嚴重影響現代電子商務的發展。所以，怎樣建立一個行而有效的信任評估機制，是解決目前電子商務一個核心問題。

目前，國內外的學者提出了多種電子商務中的信任評價模型，以減少電子商務中惡意行為的發生。其中，使用聲譽機制是一種典型的信任評估方法，它的基本思想是：允許交易的參與方在交易結束后，對對方進行評分，可分為好評（Positive，+1分）、中評（Neutral，0分）和差評（Negative，-1分），系統再對每個人的評分，計算出個人的信任值，這樣，用戶就能夠根據系統提供的信息，在交易時對對方進行評估，以決定是否與對方發生交易。這一機制鼓勵交易參與方從其他參與方處獲得好評，來獲取更高的信譽，國外著名的電子商務網站eBay中的反饋系統[4-5]，就是采用這種機制，并且被廣泛地沿用。然而這種方法有時無法區分反饋是真實的，還是惡意詆毀[6]，為此，需要進一步確定評價真實可信性，Xiong和Liu[7]在其信任模型PeerTrust中提出的時間因素和交易金額作為信任計算的權重因子，來提高信譽值計算的可信度。姜守旭、李建中[8]提出了局部聲譽與全局聲譽，來提高聲譽計算的精確度，并使用質量模型來保證交易參與方評價的真實性。Fan Wu[9]更進一步完善了各種影響評價的因素，包括交易參與方的信用貨聲譽、交易金額、交易發生時間，以及交易雙方的經驗，從這些方面計算評價的權重和衰減，并采用動態的時間窗口來實時監督交易參與方的變化，全面地整合了影響評價權重的因素，使得評價體系更加全面。張仕斌、徐春香[10]在電子商務的信任評估模型中引入云模型理論，使得模型能夠很好地應對電子商務中十分復雜、充滿隨機性的環境。

此外，國內外的學者還提出了多種電子商務中信任評估模型，例如引入模糊集合的信任模型[11-12]，角色分離的信任評估模型等[13-15]，雖然從其他角度對信任模型有了較大的改進和發展，但都缺乏對信用反饋中影響評價因素的考慮，忽略了如今的電子商務中的實際情況，沒有考慮各個因素對評價影響的差異性，使得評價的真實可信度的缺失，從而最終會導致評價結果偏離真實情形。

本文深入調研目前C2C電子商務的現狀，分析影響評價的因素的差異性，結合目前電子商務的現狀，首次使用時間窗口和交易窗口機制兩個機制對參與計算的評價進行選擇，并綜合考慮評價者的自身信任度，以進一步提高評價的可信性，最終提出基于聲譽的C2C電子商務信任評估模型。此外，使用買家的理解能力，模型為買家在選擇交易方時提供決策輔助，以進一步保障買家的權益，提高交易成功率；建立觀察組，對其進行重點監督。最后，通過實驗的驗證和數據分析，本模型具有較好的正確性和實用性，能夠有效地應用于C2C電子商務系統中。

2 預備知識

本文使用Gambetta[16]和Abdul-Rahman與Haile[17]給出的有關信任和聲譽的定義：

信任（Trust，T）：個體A對個體B的信任是個體A期望個體B為A服務（即執行A的利益所依賴的動作）的主觀可能性。

聲譽（Reputation，R）：聲譽是基于對某個個體歷史行為的觀察或評價信息而得出的對該個體未來行為的期望，在電子商務中即交易參與方中賣家的信任值。

直接信任（Direct Trust，DT）：電子商務中，買家在與賣家的直接交易行為中，根據交互情況所獲得的直接經驗。

推薦信任（Recommend Trust，RT）：電子商務中，買家通過其他買家對賣家的評價值，來獲得對該賣家的推薦信任值，即賣家的聲譽。

綜合信任值（T）：電子商務中，它是買家的直接信任和該賣家的推薦信任值的函數。計算公式如公式（1）：

其中，α、β是置信因子，后面會給出其具體計算，由它們決定直接信任和推薦信任的權重。

3 基于聲譽的信任評估模型

3.1 影響評價因素的分析

在目前的信任機制中，考慮到影響評價的因素主要有交易時間、交易金額、評價者的屬性（如信用度）等。但電子商務在發展的過程中，為了解決其中的缺陷，也做了不斷的進步與完善，如支付寶等著這樣支付軟件的支持，所以也改變了在進行信任評價過程中各個影響因素的作用，所以需要進一步對評價系統進行改進與完善。

在本文中，首先對這些影響評價的影響因子進行分析，并提取出最合適的因素。目前電子商務的規模不斷地擴大，吸引了眾多個體經營者和消費者，交易量也在不斷刷新記錄，這也導致經營者的規模大小不一，其消費群體也不盡相同。

交易時間，這一評價因數是指交易發生時間到計算信用值之間的時間差，距離越久的評價，其所占評價的權重越低。然后，如今的電子商務中，如淘寶、天貓商城等，一般都采用了一個時間窗口的機制，其顯示的評價內容都是半年之內評價的平均值。但由于電子商務網站中各個賣家的交易次數的相差巨大，有些賣家半年內的評價有超過幾十萬條，而有些賣家的評價只有幾百，甚至更少。如此巨大的差距，若采用交易時間的衰減，會使小額交易量的賣家的信譽值偏低，但如果僅僅采用這樣大范圍時間窗口，而不衰減，則會使得交易量較大的賣家在積累大量買家評價之后，新的評價將很難在其中體現出來。在本文中，采用兩套機制來進行控制，時間窗口機間衰減處理，認為其在近期內是具有真實性的數據，并將大交易量的賣家在時間窗口內按照交易窗口進行分段，得到其信用波動圖形，以獲得更好效果。

交易金額，這一評價因數的存在，是為了強化大額交易的權重，防止賣家在交易中使用小額交易積累信用，而在大額交易時存在欺詐等行為。但目前的電子商務中，現金的交易不再是買賣雙方的直接進行，貨到付款、支付寶等多元化的付款防止能夠有效地遏止現金交易中產生欺詐行為等，所以在本模型中，不考慮交易金額的影響，認為每筆交易具有同等的評價權重。

評價者的屬性，一般指的是評價者的信用度/聲譽值。在對賣家的評價時，經常還要考慮評價者評價的可信程度，是否存在惡意詆毀等行為，這一點也是至關重要的。買家也在不斷的交易中獲得更高的信用度，這樣就能提高其評價的權重。此外，買家的另一個屬性買家的理解能力也非常重要，這是需要有一定的網上購物經驗時，才會不斷地增強。所以，對商品進行分類，構建買家和賣家的購物向量和銷售向量VB和VS，VB來記錄買家的購物次數和對每類商品的購買經驗，購買經驗在其選擇賣家中將會體現出很好的作用。

最后，結合當前模型（如淘寶等）中防止買賣雙方通過大量較多虛假交易、評價信息來相互刷高信用，對買家與賣家之間在一定時間內（如一個自然月），對相同買家和賣家之間的交易評價只取其中至多3次，加入最終評價值的計算；買家對相同商品的多次評價只取其中一次進行評價計算；限定買家在一定時間內，信譽值增長的速度，只取這段時間內前5次的交易進行買家的信用計算。此外，為了進一步加強評價的可信度，對非虛擬商品的交易，賣方需提供真實可查詢的物流信息，否則，此次交易的相互評價信息將不參加買賣雙方的信用計算。

3.2 買賣雙方信用度、信譽值的計算

在計算買賣雙方信用度、信譽值中，采用加權平均法進行計算。為了使得評價值得精確性，并不采用{-1，0，1}這三個值來進行信用評價，而是采用[0，5]這樣的5分制。買賣雙方在最初時，沒有任何交易記錄，系統會給出一個較低的初始信用值C0和R0，這樣可以保證最初進入系統的買家用戶的評價所占的權重較低，需要進一步積累才能獲得較高的評價權重。買家i在進行m次交易之后，他的信用積累如公式（2）：

其中，ck表示第k次交易中，賣家根據買家的行為所做出的評價。

在每次交易結束時，買家都會對賣家在此次交易中的行為做出評價，常用的評價指標包括商品與描述的相符程度、發貨速度和服務態度等，買家根據交易發生過程中的直接經驗，給出對此次交易的交易滿意度S，并最終得出此次交易的評價DT。其中，第k次交易滿意度Sk∈[0，5]，綜合評價DT的計算如公式（3）：

若交易滿意度Sk低于該賣家的信譽值Rk，則使用交易滿意度比上賣家的信譽度作為此次交易的評價；若交易滿意度高于賣家信譽值，則表示買家在此次交易中是滿意的，則給予滿分的評價。

在買家對賣家評價生成之后，賣家的聲譽值也會相應地進行更新，但根據不同的買家的信用度不同，所以所提供的評價所占權重也不相同，故賣家j在時間窗口或交易窗口中的第n次交易結束之后信譽值得計算如公式（4）：

其中，Ck表示第k次交易中對應買家的信用值，DTk表示第k次交易中對應買家給賣家j的直接評價，表示初始信用值，即上個時間窗口或交易窗口中所積累的聲譽值，m表示保留評價的個數，由于是交易積累的聲譽，所以其權值為1，最初時=R0。

3.3 其他輔助策略

（1）輔助決策

當買家在具有一定交易經驗之后，系統會對其購買商品的類別進行分類和統計，根據統計信息為其計算理解能力（Savvy）值，記為Sy，在之后的買家選擇交易方時，根據自身的理解能力值，來計算出對交易方的綜合信任值。買家用戶的理解能力表現在兩個方面：是否與對方有過交易經驗和買家用戶對該賣家所屬類別的熟悉度。為此，直接交易次數記為DTT（Direct Trade Time）為每個買家用戶的交易向量VB，里面記錄買家對每類商品的購物次數；而相對于賣家用戶建立向量VS，對其所屬類別標記為1，其他為0。買家i對賣家j的熟悉度為F，計算公式如（5）：

根據買家i是否與賣家j有過交易經驗和買家對該賣家所屬類別的熟悉度，計算買家對該賣家的理解能力Sy，如公式（6）：

其中0＜α2＜α1≤1，其中c1和c2是控制參數。

根據買家i的理解能力Sy，在選擇與之交易的賣家j時，可以得到最終的信任度Tij，計算公式如（7）：

其中，置信因子α=Syij，β=1-Syij，當Syij＞0且DTTij=0時，DTk取該買家與該類買家交易的中賣家信用最接近該賣家信譽值，上下浮動為±0.1，n為所取歷史評價的個數。

（2）設立觀察組

為了進一步對交易參與方的有效監督，設立觀察組（Observation Group，OG），對系統中表現較差的個體進行重點監督。需要分別對買家和賣家分別建立觀察組，在觀察組中的交易參與方，進行誠實交易之后，達到正常信譽/信用值之后，會從觀察組中移除，返回正常用戶組；但若處于觀察組期間，再次出現相關不利行為，會加大懲罰力度。

在如今的電子商務中，對于買家的信用值，所考慮的相當少，但是買家也確實存在一些問題需要得到關注，如是否如實填寫評價信息、是否頻繁退換貨等。買家在進行商品的選購過程中，實際上是參考了其他消費者的所提出的的意見作為參考的，而這些參考信息是電子商務賴以生存的寶貴資源，當其享受了這樣的權利的時候，在自己發生交易行為時，就應該給予真實可信的評價信息供其他人參考，以盡到自己的義務，如果長期不進行評價，本文認為這是一種有損其信用值的行為，會對其信用值進行扣除。故針對多次出現上述行為的買家，加入觀察組OGB中，并提醒用戶改正其行為。

對于賣家而言，系統根據其分類向量VS，按照其分類，將同類別的賣家進行分組，對于同行業中表現較差的賣家，如聲譽值過低，或者投訴率較高等，將其加入觀察組OGS中，對其進行重點監督。

4 模擬實驗及分析

本文通過模擬目前C2C電子商務的運行模式，進行仿真實驗，并與當前的評價體系進行對比。在實驗中，使用C++編寫交易平臺，模擬真實C2C電子商務中的交易參與方：買家用戶組和賣家用戶組，隨機選擇交易對象，并在交易結束后對對方進行評價，數據庫中記錄交易的時間、相互的評價等，并實時更新買賣雙方信用值和信譽值的變化；為了進一步符合現實社會中的情形，設置一定20%的買家和賣家用戶的交易數量較大，并進行多次實驗，分別計算本文提出模型與當前模型的評價結果，以達到數據的真實性代表性。在實驗中，使用CM（Current model）來代表目前各大電子商務平臺中所使用的評價模型（如天貓等），將其評價指標也按照5分制來進行比較；使用RBM（Reputation Based model）來代表本文模型。模擬實驗中的相關參數如表1所示。

表1 模擬實驗中參數設置

圖1反映的是兩個不同買家用戶在交易過程中的表現，賣家用戶對其進行評價，得出其在交易行為發生過程中的信用值，能夠使剛進入系統的買家用戶的權值較低，具有較多良好交易行為買家的信用值逐步變高，以提高其評價的權重。然而，目前各大電子商務平臺中的方法，交易次數越多，其信用值越高的方案，此方法能夠更好地體現公平，能夠使買家也需要對自己的行為進行約束，不進行惡意的行為，其信用值才會不斷增加，否則，也會被系統識別并進行懲罰，這樣對整個系統的良性發展提供了較為重要的基礎。

圖1 買家的信用積累

圖2反映了一個交易量較少的賣家（本文中的交易窗口大小設為200，一個時間窗口內交易次數不大于200時，認為其交易量較少），在一個時間窗口中，不斷積累信用的過程。能夠看出，當在加入了買家信用作為權重之后，在信用積累的速度上，明顯要小于當前模型中的積累速度，能夠有效地防止一些非法賣家用戶通過不正當的手段，來較快地刷高自己的信用值，來謀取不正當的利益。

圖2 一個時間窗口內少交易量賣家的聲譽積累

圖3反映的是由于有些賣家的交易量在一個時間窗口內較多時，會由于積累的歷史數據較多，從而使得新的評價不能夠及時有效地反應在賣家的信譽值上，使用目前的計算方法，曲線的變化趨于平緩，不利于反應賣家的真實信譽，并且隨著交易量的繼續增加，效果會變得更加不明顯，這樣對于買家的參考意義也越來越小。對于同一個賣家，當其在一個時間窗口內的交易量加大時，本文模型使用交易窗口來進一步細化其聲譽值的變化過程，從而能夠正確地反應出其交易過程中的各個小時間段（對應于一個交易窗口內的交易時間段）的信用變化。如圖4所示，是將交易第5個交易窗口內的賣家的聲譽變化清晰地反映出來。能夠看出，在交易量積累的同時，現有模型幾乎失去了其應有的參考價值，而本文模型依然能夠很好地反應出賣家聲譽值的變化，具有更高的實時性和準確性，能夠給消費者一個真實、有效的參考標準。

圖3 一個時間窗口內多交易量賣家的聲譽積累

圖4 最后一個交易窗口內賣家聲譽變化

在圖5中，情形1反應的是買家沒有與該賣家進行過交易，Syij=0，且對于賣家所銷售的商品并不熟悉，不能提供參考信息；情形2反應的是買家有一定的購買經驗，且在與該賣家有過歷史交易，Syij=α2但對該賣家的評價并不高，所以系統降低了該賣家對于此買家的聲譽值；情形3反應的是買家有一定的購買經驗，并對該賣家的歷史交易（次數較少）評價較高，Syij=α2所以系統提高了該賣家的聲譽值；情形4反應的是買家該賣家進行過較多次數的交易，或者是具有很多的購買經驗，Syij=α1系統根據其歷史數據，較大程度地提高該買家對此賣家的聲譽值。通過四種不同情形下，不同買家對同一賣家做出各自符合自身情況的判斷，能夠更好地幫助用戶決定是否與該賣家進行交易，這樣能夠給消費者帶來更大的便利。

圖5 輔助決策系統對買家的參考

5 結論

針對當前C2C電子商務中存在的問題，經過進一步研究和分析影響評價的因素，結合當前電子商務中廣泛使用的第三方安全支付手段，本文提出基于聲譽的C2C電子商務信任評估模型，使用時間窗口和交易窗口機制對參與計算的評價進行選擇，綜合考慮評價者的自身信任度。并使用買家理解能力進行輔助決策，建立觀察組等方法進一步加強信任機制的有效性。最后利用仿真實驗將模型與當前模型進行對比，實驗結果表明，本模型更能夠真實地體現出評價的真實可信性，能夠有效地應用于C2C電子商務系統中。

[1]Turban E，King D，Viehland D，et al.Electronic commerce：a managerial perspective[M].[S.l.]：Englewood Cliffs，1999.

[2]J?sang A，Ismail R，Boyd C.A survey of trust and reputation systems for online service provision[J].Decision Support Systems，2007，43（2）：618-644.

[3]Jones K，Leonard L N K.Trust in consumer-to-consumer electronic commerce[J].Information&Management，2008，45（2）：88-95.

[4]Resnick P，Zeckhauser R.Trust among strangers in Internet transactions：em pirical analysis of eBay’s reputation system[J].Advances in Applied M icroeconom ics，2002，11：127-157.

[5]Li D，Li J，Lin Z.Online consumer-to-consumer market in China：a comparative study of Taobao and eBay[J]. Electronic Commerce Research and Applications，2008，7（1）：55-67.

[6]Zhang J.The roles of players and reputation：evidence from eBay online auctions[J].Decision Support Systems，2006，42，1800-1818.

[7]Xiong L，Liu L.Peertrust：supporting reputation-based trust for peer-to-peer electronic communities[J].IEEE Transactions on Know ledge and Data Engineering，2004，16（7）：843-857.

[8]姜守旭，李建中.一種P2P電子商務系統中基于聲譽的信任機制[J].軟件學報，2007，18（10）：2551-2563.

[9]Wu F，Li H H，Kuo Y H.Reputation evaluation for choosing a trustworthy counter-party in C2C e-commerce[J]. Electronic Commerce Research and Applications，2011，10：428-436.

[10]張仕斌，許春香.基于云模型的信任評估方法研究[J].計算機學報，2013，36（2）：422-431.

[11]Song S S，Hwang K，Zhou R F，et al.Trusted P2P transactions with fuzzy reputation aggregation[J].IEEE Internet Computing，2005，9（6）：24-34.

[12]王家昉，馮志勇，徐超，等.多Agent系統中基于認知的信任框架研究[J].計算機學報，2010，33（1）：139-151.

[13]周國強，曾慶凱.一種角色分離的信任評估模型[J].軟件學報，2012，23（12）：3187-3197.

[14]甘早斌，曾燦，李開，等.電子商務下的信任網絡構造與優化[J].計算機學報，2012，25（1）：56-58.

[15]唐偉.C2C電子商務信任評價模型設計與實現[J].計算機工程與應用，2012，48（1）：94-97.

[16]Gambetta D.Can we trust trust[J].Trust：Making and Breaking Cooperative Relations，2000：213-237.

[17]Abdul-Rahman A，Hailes S.Supporting trust in virtual communities[C]//Proceedings of the 33rd Annual Hawaii International Conference on System Sciences，2000，1（9）.

WANG Chao,ZHONG Hong,SHI Runhua,LU Xiaoling

Key Laboratory of Intelligent Computing&Signal Processing,Ministry of Education,Anhui University,Hefei 230601,China

C2C e-commerce trading platform develops rapidly because it provides a convenient,free and efficient way, However the current evaluation mechanism is not good enough to regulate the auction participants,thus trading still has considerable risk.So the reputation-based trust mechanism is proposed,which is based on the trust of trading participants, to distinguish the dishonest individuals.Considering the im pact factors of the trust evaluation,two different criteria,the time window and trade window,are used to select the evaluations that involved in the calculation,customers’own trust is considered as well.The effectiveness and efficiency of the modal are proved by theoretical analysis and simulation study. The results show that the proposed model can be applied to the C2C e-commerce system s effectively.

e-commerce;Consumer-to-Consumer（C2C）;trust evaluation;reputation;credit

WANG Chao,ZHONG Hong,SH I Runhua,et al.Trust evaluation model based on reputation for C2C e-commerce. Computer Engineering and Applications,2014,50（17）：120-124.

A

TP393

10.3778/j.issn.1002-8331.1401-0219

國家自然科學基金（No.61173188，No.61173187）；安徽大學“211工程”基金（No.02303402）。

王超（1989—），男，碩士研究生，主要研究領域為網絡與信息安全；仲紅（1965—），女，教授，博導，主要研究領域為網絡與信息安全；石潤華（1974—），男，教授，博導，主要研究領域為網絡與信息安全。E-mail：wangchao4@aliyun.com

2014-01-15

2014-05-20

1002-8331（2014）17-0120-05

CNKI網絡優先出版：2014-06-04,http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1401-0219.htm l