C2C电子商务动态信用评价模型.docx

第1期许红冉，等：C2C电子商务动态信用评价模型79山东理工大学学报（自然科学版）Vol. 26 No. 1 Jan. 2012第26卷第1期 2012年1月Journal of Shandong University of Technology (Natural Science Edition)文章编号：1672-6197(2012)01-0074-04C2C电子商务动态信用评价模型许红冉，王凤英(山东理工大学计算机科学与技术学院，山东淄博255091)摘要：信用问题是制约电子商务发展的主要瓶颈，目前国内C2C电子商务网站所提供的信用评 价体系在一定程度上保证了网络交易的安全，但也存在着一些问题.提出了一个C2C电子商务动 态信用评价模型.该模型根据交易历史，在综合考虑交易金额、交易时间、评价方信用度、未做评价 交易等因素的基础上，采用动态计算的方式，为交易的成功进行提供可靠的依据.该模型可以有效 区分恶意用户和诚信用户，从而减少信用欺诈等行为，提高C2C电子商务的安全性.关键词：动态信用评价；C2C模式；交易金额；评价方信用度 中图分类号：TP393文献标识码：ADynamic trust evaluation model for C2C electronic commerceXU Hong-ran, WANG Feng-ying(School of Computer Science and Technology Shandong University of Technology, Zibo 255091，China)Abstract ： The credit problems are the main bottlenecks restricting the development of electronic commerce. At present, the credit evaluation system provided by domestic C2C e-commerce sites guarantees the network trade safety on a degree，but there are also some problems. A dynamic trust evaluation model for C2C electronic commerce is proposed in this paper. The model is based on historical of transactions, which takes into account of various aspects of transactions such as the transaction value，payment, credibility of estimators and the neutral feedbacks. It adopts dynamic calculation method, and provides a reliable basis for successful transactions. The model can effectively identify malicious users and guileless users, which reduces the credit fraud and so on，and improves the security of C2C electronic commerce.Key words： dynamic trust evaluation； C2C mode； transaction value； credibility of estimators随着我国互联网的迅速普及和电子商务的蓬勃 发展，越来越多的人开始在网络上进行购物，特别是 C2C交易的发展尤为迅速.然而，在我国C2C电子 商务髙速发展的同时，隐藏在其中的信用问题也逐 渐暴露出来，成为阻碍其发展的主要问题之一.本文从电子.商务特别是C2C电子商务中存在 的问题出发，通过查阅国内外相关文献w，并对我 国几大C2C门户网站进行综合比较，分析了我国 C2C电子商务信用评价机制的现状以及存在的问 题.以我国淘宝网为案例进行分析，对C2C电子商 务网站的信用评价机制进行了研究，分析了其信用 评价模型存在的问题.本文主要在信用度计算方面 提出了改进措施.考虑到多种因素对信用评价体系 的影响，提出了一个C2C电子商务动态信用评价模 型.C2C网站淘宝网在国内占据了 80%以上市场份 额，具有一定的代表性，研究成果对国内C2C网站 的信用评价机制建设具有一定的参考价值，同时也 是对我国电子商务信用评价标准的有益探讨.1 C2C电子商务动态信用评价模型为了解决C2C电子商务评价模型的不足，需要收稿日期：2011 -09 -27基金项目：山东省自然科学基金资助项目（ZR2010FL003 ),wfysdut. edu. cn作者简介：许红冉,女，;通讯作者：王凤英，女考虑影响买卖双方信任的诸多因素.Xiong和Liu等人提出了一种PeerTrust信任 机制3，虽然他们考虑了较全的信任因素，但却没有 给出信任因素的度量方法.1.1评价因素本文提出的动态信用评价模型，主要考虑了交 易金额、交易时间、评价方信用度、未做评价交易以 及相同用户多次评价等因素的影响，并给出了相应 的度量方法.1) 交易金额.TrungDong Huynh等人在文献 4中提出了针对合伙欺骗的解决方法，即引人了 评价者的可靠性因素.但是它忽略了买卖方双在交 易时涉及的金额，所以其应用环境仍然具有一定的 局限性.例如，在淘宝网上，进行一次几元钱的交易 与进行一次几千元的交易获得的评价机会一样，而 且信用值的增减也相同.一旦卖低价商品的人转卖 贵重商品，就造成了信用度的不对等，如果这个卖家 恶意欺诈，那买家的风险就增大了许多.为了防止类 似行为的发生,本文提出的信用模型，设计为小额交 易增加的信用度相对于大额交易较少，即所占的权 重较小.2) 交易时间.目前淘宝的信用评价机制中，信用 度是长期累积的结果，很久之前做出的评价和最近 做出的评价对信用度的影响效果是相同的，这就会 使一些卖家早期做诚信交易，然后利用累积的信用 进行诈骗.由于交易时间距离计算信用值的时间越 远，交易评价对信用值的影响应该越小5.因此，本 文提出的信用模型，将交易时间作为其中的一重要 参考因素.距离当前时刻越近的交易的评价所占的 权重越大，反之越小.3) 评价方信用度.淘宝的信用评价机制规定:每 个自然月内，评价不可以超过六次，超出六次的将无 效.这样的规定在一定程度上减少了信用炒作，但仍 给不法分子留有可乘之机.因此，应将评价者的信用 度考虑到信用评价机制中.文献6提出一种新的基 于交易历史的分布式信任机制，其提供的算法可以 有效的抑制合谋攻击，降低恶意交易概率.但是却没 有考虑评价者的可信程度.本文提出的信用模型，通 过比较单个评价值与整体的平均评价值之间的差 距，来判断评价者的可信程度，从而可以有效区分恶 意用户和诚信用户.4) 未做评价交易.淘宝信用评价规则中，若卖方 好评而买方未评，使用支付宝交易且交易成功的，在 单方好评的有效期时间内，系统将自动默认给予评 价方好评.而实际上，未做出评价的用户并非对商品 完全满意.淘宝机制中，这样得出的好评率和实际有 较大悬殊，所以对于未做评价的交易也是一个值得 思考的问题.5)相同用户多次评价.如果网上大多数的交易 是真实的，那么老顾客的光顾则正好说明这个卖家 诚实可信、商品质量可靠.淘宝网的措施虽然能把 “回头客”的评价计入信用度，但同时也存在虚增信 用的问题.对于同一笔交易的多次评价问题，本文借 鉴eBay的信用评价机制：若好评数大于差评数，则 只记1分:若好评数等于差评数，则计为0分:若好 评数小于差评数，则只记一1分.1.2信用评价算法若在某段时间内有k个买家艮，执，压，艮 和卖家S进行交易.这里，假设买家払和卖家S在 此时间段内进行了次交易，用一个五元组表示为 (艮，S，T,，M,，尺）.其中，T,表示第i次交易的时 间，M,表示第i次交易的金额，尺表示和S第i次 交易成功完成后，所做出的评价值（好评则为1，中 评则为0，差评则为一1).在完成次交易后，通过加 权均值的方式求払对S的信用评价值P*，具体计算 公式如下.P, = X) 4i = lZj叫i = lcot = (T, - T0)M,(2)式中，T。为初始交易的时间为每次交易对S 所做的评价的权重，它受交易时间和交易金额的共 同影响，交易时间距离初始时间越长或者交易金额 越大，那么本次交易的评价值的权重就越大.例如， 在分别距离T。为20天和30天时进行了两次交易， 交易金额分别为200元、50元，那么这两次交易的权 重分别为4 000和1 500. 些卖家为了虚增信用，可 能会利用相同用户进行多次评价.而依据时间设置 权重，实现了信用度的动态计算，可以减少这种行为 对信用度评价的不良影响.前面的假设是有k个买家，并且第k个买家对 卖家S的信用评价值为P*.同样的，依据以上公式， 可以分别计算出其余k - 1个买家对S的信用评价 值，并依次计为然后，由以下式子 求所有买家对S的总的信用评价值.P=J(l-| P,-P )1 P,-Pd(j. =_(4)J j(l-| P.-P) I lj/3 I P,Pd kP = (5)式中4为第j个买家的好评率，P为所有买家对卖 家S信用评价值的平均值为第j个买家所做评价 的可信度，其大小由6和P的共同决定.考虑到买家 信用度对卖家信用度评价的影响，买家做出的评价 值与均值差距越大，其所做评价的可信度应该越小. 但允许Py和p存在一定的差距，0即为该允许差距. 当A和戶的差距超出0时，第7个买家所做的评价 将受到质疑，应该减弱其可信度，卢即为衰减因子.沒 和#的值应预先设定，表1中将其分别设为了 0. 15 和0.9.当然，经过分析大量的交易历史数据，还可 以依据实际情况调整0和/?的值.如果数据显示，评 价值的区分度不明显，那么可以适当减小0的值；如 果希望更大程度的降低可疑评价的权重，那么可以 适当增加的值.由于信用度还受评价率的一定影响，交易成功 后不做评价的现象时有发生.为了减小评价率对信 用度的影响，本文通过乘评价率对P进行了修正.最 终，买家私，52,执，氏对卖家S的信用度Q的计 算如下：Q= PL(6)式中，Z NNo，N为所有交易次数，N。为交易后 未做评价的次数，Z即为评价率.2 实验与分析2.1 仿真实验假设要对某一卖家的信用度进行模拟计算，交 易时间为160天的任意值，交易金额为13000 元的任意值，其他模拟参数见表1，买卖双方交易的 具体信息见表2.表1 横拟参数模型参数描述值N总交易次数1 000k买家人数200N1好评数960No未评价数1506差距容忍度0.15衰减因子0.9第是个买家第i次交易交易时间Id交易金额/元所做评价好评率110501230214010.9634030014605001110100-122540123405300.85446200. 5155850-1表2交易傕息实验中，依据式（1)和式（2)求得的总评价值200Pj = 180. 2，则平均评价值由式子（5)计算出P=1= f = 0.91.由于涉及的买家较多，这里以其中的两个买家为例，表2展示了具体的交易数据，经计 算可以得出，他们做出的评价分别为0.86,0. 67，因 为 | 0. 86-0. 91 | = 0.05C0. 15，| 0. 67-0. 91 | = 0. 24 0. 15,所以用（4)式可以分别计算出二者对 应的r.已知二者的好评率分别为0.96,0. 85，则对 应的 7分别为（1 0. 05) X0. 96 = 0. 91, (1-0. 24) X0. 85X/?=0. 58.由此可见，与平均评价值差距较 大(超出了允许的范围）的评价，很可能是由恶意用 户做出的，用衰减因子沒可以降低其信用度.在由 (3)式计算卖家的信用度时，后者占的权重由原来 的0. 85减小为0. 58，从而减小了它对整个卖家信用 度计算的影响.而对于前者，其所占的权重由0. 96 减小为0.91，变化较小.从而可以区分出恶意用户 和诚信用户，前者为诚信用户，而后者为恶意用户. 最后依据(3)式求得卖家的信用度P为177. 6，因为评价率 I = NNo = 1 00 150 = 0. 85,所以再根据（6)式，求得Q= 177. 6X0. 85 = 150. 96.可见， 考虑评价率所得结果与不考虑的结果有一定差距， 考虑到评价率的结果应该更为客观，更能准确反映 卖家信用度的真实情况.2.2结果分析通过实验可以看出，本文提出的信用评价模型， 在综合考虑交易金额、交易时间、评价方信用度、未 做评价交易以及相同用户多次评价等因素的影响基 础上，可以有效区分恶意用户和诚信用户.当恶意用 户做出不诚实评价时，可以减小它对卖家信用度评 价的影响.而且，还可以根据实际交易数据，适当的 调整特定参数，使信用度的计算更加灵活.文献7中 提出的信用评价模型，虽然可以有效地减少信誉榨 取行为的损害程度，但是没有考虑评价差异的影响. 文献8，提出了一种基于声誉的信任机制，它较为全 面地考虑了影响信任度量的信任因素，可以有效地 对抗共谋和诬陷等攻击,但若用于淘宝，将是一个巨 大的挑战.而本文提出的信用模型，主要建立在淘宝 现有的信用评价基础之上.总之，该信用评价模型可 以减少信用欺诈等行为，提高C2C电子商务的安全 性，同时，为买家挑选商品提供了可靠的依据.3信用评价系统实现图1展示了评价模型的电子商务网站功能模 块，从中可以体现出，是如何将提出的信用评价模型 应用到实际的电子商务中的.交易双方it 交易次数 交易金额 e鳥时f始评价谨 交易id 好评数 差评数f数数y 数总总人赛家交评-买葛 V所未、图1 C2C电子商务网站功能横块当买家需要购买商品时，在看中一款商品的同 时，还要到信用展示模块査看卖家的信用度，这里可 以显示卖家信用度和评价率等信息.在确定该卖家 诚信可靠的情况下，与其进行交易.商品交易完成， 买家在交易评价模块，给予卖家一个原始评价值，该 值将在C2C电子商务动态信用评价模型中进行处 理.同时，卖家也将对买家进行打分，给予一个原始 评价值.双方评价完成后，信用评价模型从商品交易 管理模块取得交易双方的ID、交易金额、双方交易 次数、交易时间4个数据，利用交易双方的ID从用 户管理中心模块，取得与该卖家交易的买家数目、与 该卖家交易的所有买家的总交易次数、以及买家对 交易未评价的次数.从交易评价、商品交易管理、用 户管理中心3个模块中取得上述数据之后，利用提 出的信用评价模型进行计算，得到计算公式所需要 的参数.然后，根据式（4)计算出每个买家对该卖家 交易评价值的权重最后，用（3)式、（6)式计算得 到经修正过的该卖家的信用度.计算完成后，将本次 交易信用度、评价率和好评率发送给信用展示模块， 更新买卖双方的信用信息.至此一次交易完成.4结束语本文提出的C2C电子商务动态信用评价模型， 综合考虑了多种因素对最终信任值的影响，得出一 种新的信用度计算方法，可以提供更准确、更客观的 用户信用度供交易双方参考.该模型依据用户信用 的时间特性，动态计算信用度，可以有效地减小虚假 交易等行为对信用度计算的影响.由于本模型考虑 了交易金额的因素，使得交易金额和评价的权重成 反比，从而提髙了信用炒作的成本，在一定程度上降 低了信用炒作的危害.在今后的工作中，将进一步提 高模型的效率，并考虑针对电子商务中的恶意行为， 开发有效地激励机制，使模型具有较强的对抗恶意 行为的能力.参考文献：1 Zhang J, Cohen R. Trusting advice from other buyers in e-marketplaces ：the problem of unfair ratings C/Proceedings of The Eighth International Conference on Electronic Commerce， ACM, 2006； 225-234.2 薛海清.电子商务中信用与安全问题的研究D.北京：北京交 通大学，2006 .3 Xiong L, Liu L. PeerTrust： supporting reputation-based trust for peer-to-peer electronic communities J . IEEE Transactions on Knowledge an