基于信息源的電商交易中雙方信任度反饋系統設計

焦立名

摘? 要： 在傳統電商交易信任度反饋系統設計中，存在信息源劃分不明確、反饋能力不足等缺點，因此基于信息源，設計了一種電商交易雙方信任度反饋系統。該系統在原有硬件基礎上，替換原有微處理器，構建系統化的反饋硬件結構，提升系統的總體控制分析能力。在系統軟件方面，基于信息源、依靠信任度關聯曲線，劃分交易雙方的信任維度;依據信任向量與標志向量之間的對照關系，建立分布式動態信任評估模型;設置系統三層隱式反饋模式，實現遞進式的信任度反饋。實驗結果表明，與傳統的反饋系統相比，所設計的信任度反饋系統的反饋能力提升了42.83%。由此可見，該系統滿足電商交易發展需要。

關鍵詞： 電商交易; 信任度反饋; 系統設計; 信任維度劃分; 信任評估模型; 仿真實驗

Abstract： In allusion to the undefined information source partition and poor feedback capacity in the design of traditional e?commerce transaction credit feedback system， a both sides′ credit feedback system for e?commerce transaction is designed based on the information source， in which the most hardware of the original system is retained， but the original microprocessor is replaced and the systematic feedback hardware structure is built to improve the overall control and analysis capability of the system. In terms of system software， the credit dimensions of both sides of the transaction are partitioned based on the information source and credit correlation curve. A distributed dynamic credit evaluation model is established on the basis of the contrasting relation between credit vector and mark vector. The system three?layer implicit feedback mode is set to achieve the progressive credit feedback. The experimental results show that， in comparison with the traditional feedback system， the feedback ability of the designed credit feedback system is increased by 42.83%. It follows that the system meets the development needs of the e?commerce transactions.

Keywords： e?commerce transaction; credit feedback; system design; credit dimension partition; credit evaluation model; simulation experiment

0? 引? 言

在網絡技術日益發展的今天，越來越多的消費者都選擇通過網絡渠道購買商品，這種交易稱之為電商交易。電商交易的成功離不開交易雙方的相互信任，電商只有與消費者之間建立在線信任，才能將在線訪問的隱含價值，變為真正的、持久性的現實價值。因而，為了分析電商交易中雙方的信任程度，提出一套完整的信任度反饋系統，該系統可以了解商家與消費者之間的信任關系，及時滿足消費者的購買需求，最大程度地提升交易之間的信任度，促進線上交易完成。傳統方法的設計反饋系統在硬件配置上存在功能缺失，軟件設計上存在計算漏洞，不能將所有消費者的基本信息應用于該反饋系統，最終得到的反饋結果與實際結果相差甚遠[1]。為此基于信息源，設計電商交易中交易雙方信任度反饋系統。該系統以原有反饋系統為基礎，更新硬件配置，重新設定軟件程序，最大程度上得出更加貼合實際的反饋信息。

1? 信任度反饋系統硬件設計

以原有信任度反饋系統硬件為基礎，將控制器替換成型號為STM32F103RBT6的微處理器，該處理器融合高性能的ARM Ccortex?M3 32 bit RISC內核，運行頻率72 MHz，包含兩個12 bit模/數轉換器、三個通用16 bit計時器、一個PWN計時器。在該處理器的支持下，反饋系統硬件可以自動采集消費者基本信息源，將數據實時上傳到中央處理器，根據輸出結果，控制系統軟件做出信任反饋。該反饋系統的硬件結構如圖1所示[2]。

由圖1可知，該處理器將獲取的消費者信息與電商信息之間進行匹配，通過脈沖調變，將信息通過驅動器、數字信號處理器轉化，經中央處理器分析，生成控制指令，利用上位機負責反饋系統的數據生成任務，通過串口通信硬件，實現信息的有效通信，完成對電商交易雙方的信任數據采集、處理[3]。利用處理器實現對信任程度的分類規劃，通過控制功能，將驅動器、數字信號處理器、電源、端口等硬件及硬件結構之間，串聯成一個一體化的處理系統，確保信息源在各硬件的處理過程中不失真，實現更加完善化、系統化、自動化的反饋系統硬件設計[4]。

2? 基于信息源設計信任度反饋系統軟件

為保證系統硬件的平穩運行，輸出結果真實可靠，需要在系統硬件設計的基礎上，依據信息源，設計信任反饋系統軟件。

2.1? 基于信息源劃分信任維度

影響信任度動態變化的因素多維、復雜，因此從信息源的不同內容來劃分信任維度。假設[F]表示電商線上交易中消費者在某一環境對商家的信任度，其中[X=x1，x2，…，xn]為影響消費者信任度的[n]個交易環境信息源;[H]表示線上交易中，電商在消費者購買時，對于消費者本人的消費信任，其中[Y=y1，y2，…，yn]是與消費者影響因素相對應的，[n]為交易環境信息源個數，二者之間的關系[5]見圖2。

圖2中，縱坐標中的正值為信息源對消費者的影響;負值為信息源對電商的影響。由信任曲線走向可知，[h1=h2]，信息源的影響力度與雙方信任度之間成反比，交易雙方的信任度之間成正比[6]。根據該描述得出信任維度d：

式中：[Δc]為初始信任與持續信任之間的基準差值;[e]表示信任維度分離指數;[En]為在信息源的影響下，消費者與電商之間的信任傾向;[Fxn]為對消費者信任的信息源分析函數;[Hyn]為對電商信任的信息源分析函數。根據信任維度，描述消費者信息數據、電商信息數據之間的映射關系。

2.2? 建立分布式動態信任評估模型

依據信任維度，建立分布式動態信任評估模型。將信息源數據以節點形式量化處理，形成多路徑反饋信任鏈結構。為區分信任狀態，用圖3的賦值為信任向量與標志向量之間的關系，其中，1為信息向量對應的交易結果;0為初始階段的信任加值[7]。

根據數據在系統中的傳遞過程，消費者與電商結束每次交易后，信任向量向右移動一個位數。根據此過程建立分布式動態信任評估模型，如下：

式中：[pij]為對[i]個信息源的[j]個有效影響估值;[Q]為信任反饋函數;[Rc]表示對映射關系為[c]的反饋處理數據集合;[k]為加權系數;[e]為信任評價指標;[d]表示所求維度;[dnext]為該維度的動態變化常量。根據上述評估模型，處理、估計、評價采集到的信息信任值，為下一步反饋機制提供數據支撐[8]。

2.3? 分層隱式算法實現信息反饋

根據上述評估模型，得出信任度的具體數值，引入新的分層隱式算法，利用該算法將信任數據分為三層：弱反饋[q]、強反饋[p]以及極弱反饋[o]。三層反饋的區別如圖4所示。

式中：[λ]為反饋層內的具體信息總量;[a]為同類型信息源信任;[i]，[j]為任意兩層反饋;[zai]為在[i]層的交互行為量;[zaj]為[j]層的交互行為數據量;[εij]為兩層之間的分化系數;[μ]為極大似然參數;[“⊕”]為反饋分解估計值[9]。利用反饋代碼分析反饋結果，獲取反饋數據，通過數據傳送單元上傳到反饋頁面。

3? 仿真實驗

為驗證所設計反饋系統的功能，設計仿真實驗，對比所設計的反饋系統和傳統設計下的反饋系統之間存在的功能差異。

3.1? 實驗準備

實驗使用的服務器內存為32 GB，硬盤大小為1 TB，操作系統為Windows Server 2018b。測試用機的服務器含有16 GB運行內存，1 TB硬盤，操作系統版本為Windows 10，瀏覽器為IE 11.0。設置該仿真實驗的網絡節點數為2 000，節點IP為同一網絡中的16A類子網掩碼;數據是以分散形式儲存，實驗參數如表1所示。

根據上述參數配置進行仿真實驗，分別將兩個反饋系統裝入計算機中，試運行20 min后開始實驗。

3.2? 結果分析

實驗測試分成兩組對某年度、某電商交易平臺的信任度數據同時進行反饋分析。隨機選擇20個交易信息，分20個測試組，測試結果如圖5所示。

實驗測試中，第4，8，11組為低信任數據組;第10，12，19組為高信任數據組;其他組別的信任程度適中。由圖5可知，所設計系統，在20組實驗檢測中，其平均反饋程度為95.49%，且不論信任程度大小，每一組數據的反饋程度均超過90%;傳統反饋系統受信任數據強弱的影響，反饋程度大小不一，平均反饋程度為52.66%，比所設計系統的反饋能力低了42.83%。可見，所設計系統的反饋能力更強，運行分析效果更好。

4? 結? 語

基于信息源的反饋系統設計針對傳統設計中存在的問題，在系統硬件和軟件兩方面進行了強化處理和操作升級，使系統的信任數據分析能力提升，得到的反饋信息更符合實際問題。

參考文獻

[1] 榮飛瓊，郭夢飛.基于大數據的跨境電商平臺供應商信用評估研究[J].統計與信息論壇，2018，33（3）：100?107.

[2] 楊影，張杰鳴，徐國卿，等.轉速負反饋在伺服系統機械諧振抑制中的應用研究[J].電工技術學報，2018，33（23）：5459?5469.

[3] 趙明，葉建華，李晨晶.基于短反饋分數階PI～λD～μ的核電廠穩壓器壓力優化控制[J].核動力工程，2017，38（3）：99?103.

[4] 任士鑫，王衛群，侯增廣，等.基于改進共空間模式與視覺反饋的閉環腦機接口[J].機械工程學報，2019，55（11）：28?35.

[5] 王興野，張進秋，劉義樂，等.一種改進的有限頻域狀態反饋H_∞控制方法研究[J].振動與沖擊，2019，38（5）：135?141.

[6] 蔣沅，賈付金，代冀陽.一類非線性純反饋系統的預定性能控制器設計[J].控制與決策，2018，33（9）：1719?1724.

[7] 孫國法，田宇，王素珍.嚴格反饋非線性系統的自適應神經網絡輸出反饋控制[J].控制理論與應用，2017，34（3）：375?382.

[8] 張果，王燕.一類模糊分散輸出反饋控制器的設計方法[J].模糊系統與數學，2018，32（4）：17?23.

[9] 徐毅，葉衛根，戴鑫，等.融合用戶信任度與相似度的推薦算法研究[J].小型微型計算機系統，2018，39（1）：78?83.

[10] 方珍.基于B/S的信息調查反饋系統的設計與實現[J].內蒙古民族大學學報（自然科學版），2019（2）：113?117.