在線信譽管理系統中信用度計算模型研究
2008-01-01 00:00:00紀淑嫻胡培程飛
預測 2008年4期
摘 要：電子商務改變了傳統商務的經營模式，交易雙方難以通過面對面接觸的方式形成初始信任，建立在線信譽管理系統是解決該問題的有效途徑。簡單累加信用度計算模型和均值信用度計算模型是以信任模型為核心的在線信譽管理系統中兩種主要的信用度計算模型。但這兩種模型都忽略了影響信用度計算三個主要因素：交易商品的價值、評分人的信用度、交易的時間價值。為了得到有效實用的信用度計算模型，考慮交易商品價值權重、評分人信用度權重、交易的時間權重建立了加權累加信用度計算模型。選取淘寶網中兩個賣家為例，驗證了模型的有效性。結果表明，加權累加信用度計算模型較傳統的簡單累加信用度計算模型更能體現賣方的信用情況，具有一定的實用性。
關鍵詞：電子商務；在線信譽管理系統；信用度計算模型
中圖分類號：F062.5 文獻標識碼：A 文章編號：1003-5192(2008)04-0059-07
Research on Credit Calculation Model in Online Reputation Management System
JI Shu-xian1， HU Pei1， CHENG Fei2
（1.The School of Economic and Management， Southwest Jiaotong University， Chengdu 610031， China; 2. Institute of Computer Network System， Hefei University of Technology， Hefei 230009， China）
Abstract:Electronic commerce changes the fare mode of the traditional commerce， the traders cannot engender first trust through face to face contaction， constituting online reputation management systems is an effective approach to solve the problem. Simple adding credit calculation model and average credit calculation model are the two main credit calculation models in the online reputation management systems whose core is the credit model. But the two models ignore three main factors which affect the credit calculation: trading merchandise’s value、credit of the trading partner and time value. In order to get an effective method to calculate the credit， considering the trading merchandise’s value weight、credit of the trading partner weight and time value weight， establish a weight adding credit calculation model. Then select two taobao sellers to validate the validity of the model. The outcome indicates that the weight adding credit calculation model can more represent the bargainor’s trust circs than the simple adding credit calculation model and it has some practicability.
Key words:electronic commerce; online reputation management system; credit calculation model
1 引 言
傳統商務活動中，交易的雙方通過面對面進行接觸的方式來形成初始信任，并利用法律、法規、政策等機制保障和維護交易雙方彼此之間的交易信任關系。隨著信息技術的發展和Intranet的普及，電子商務的興起改變了這種傳統商務活動的經營模式，交易雙方的時間和空間分離程度進一步加劇，致使交易雙方無法通過面對面接觸的方式來識別對方身份，從而形成初始信任，加速了交易雙方信任內容和形式的轉化。在線信譽管理的滯后發展也成為阻礙電子商務快速、健康發展的主要因素。因此，近年來對信譽管理的研究引起了國內外學者的興趣。Resnick等提出的基于web的在線信譽管理系統是目前許多電子商務網站上使用的一種信譽管理工具，成為解決在線信任危機的一種有效途徑［1］。eBay是世界上最早采用信譽管理系統的電子商務網站［2］，分析人員指出，該信用系統對eBay的成功有很大的影響，類似的系統也應用在Yahoo、Auctions、Amazon等拍賣社區［3］。在線信譽管理系統是指在一種網絡環境下，通過收集、統計、發布用戶歷史行為反饋信息，激勵陌生人之間的合作行為，促進網絡信任的信譽管理機制［4］，是電子商務中一種新的信任管理理念與模式。在P2P（peer to peer）系統中的信用和信任管理方面，Aberer等人［5］早期在P2P系統中提出了基于信用的管理系統。Xiong等人［6，7］提出了PeerTrust模型，在信用度計算中設立了反饋可靠性因子和環境因素，來處理不誠實反饋和缺少激勵的問題。但現有的反饋系統無法讓銷售者有保持長期誠實的動機，而Fan等人［8］提出用一個指數平滑的信用系統作為銷售者的長期激勵機制。
目前，大部分信譽管理系統是用社區對一個主體的反饋信息來評價該主體的信用情況。主要采用了簡單累加模型或均值模型來計算用戶的信用度［9］。簡單累加模型將用戶得到的所有信譽反饋評分值進行簡單累加，將得到的和作為用戶的總信用度，模型計算較簡單，難以體現被評價用戶的實際信用情況。均值模型將用戶所有的信譽反饋評分值取算術平均，作為該用戶的總信用度，該模型對用戶信用狀況的區分能力比較差，易忽略用戶潛在信用的評價。累加模型和均值模型涵蓋的用戶信息比較少，特別是忽視了評分用戶信譽狀況，評分時間權重單一化，易誘發信譽波動行為，很難準確地反映交易雙方的真實信譽狀況 ［10］。誠實交易的賣者得不到應有的信用度提升，而欺詐交易的賣者也得不到應有的信用懲罰。當誠實交易的成本比欺詐交易（指提供劣質的商品或不提供商品）的成本高，賣主將選擇欺詐來最大化自己的利益。Zacharia［11］、Malaga［3］等人將評分用戶信用情況作為度量評分可信性的重要因素，對現有信譽管理系統中的信用度計算模型進行了改進，但并沒有給出如何設置相應權重的具體計算。隨著電子商務的交易額增加，對在線信譽管理系統的建設提出了更高層次的要求，而在線信用度計算在繼承社會信用體系特點的同時，具有許多個性化的特征：虛擬化特征，在線信用度計算是在虛擬空間進行的商務評估活動，對傳統商務活動進行一次變革；國際化特征，在線信用度計算突破了疆域，使整個社會形成了一個“虛擬洲”商業營銷網環境，促使商機呈指數般的增長；信息化特征，在線信用度計算對網絡通信技術和信息處理技術提出更高的要求，提供信息保障的工具，擴展了信息評估的平臺空間；規范化特征，用電子手段來證實一個用戶的身份和對網絡資源的訪問權限，數字時間戳的服務提供信用評分電子文件發表的時間安全保護；復雜化特征，由于在線企業或個人注冊的匿名，網絡環境的變化使得在線信用度計算更復雜。
針對簡單累加信用度計算模型和均值信用度計算模型中存在的問題，綜合考慮交易商品價值、評分人的信譽狀況和信用評價的時間價值是影響信用評價的三個主要因素，以及信用度計算模型的有效性和實用性。本文提出了基于這三個因素的信用度計算模型，建立了在線信譽管理系統中的信用度計算的方法，并通過實例驗證了該模型的有效性和實用性。
2 在線信譽管理系統概述
在線信譽管理系統其基本框架如圖1所示，設Ai（i=1，…，m）是社區中以前所有與B有過交易的個體，RB為個體Ai對個體B的信用評價值。其中，個體A對個體B的信用評價取決于所有個體Ai對B的評價ei。每次交易結束后，交易個體Ai（i=1，…，m）和Bj（j=1，…，n）分別提交有關A和B的信用反饋評分。在線信譽管理系統通過門戶網站收集A和B的所有歷史信用評分，按照正負反饋統計，并對A和B的信用反饋評分進行匯總，形成A和B的初始信用信息，再利用一定的模型來計算A和B的信用度，得到信譽信息。最后借助于門戶網站，將最終信譽信息發布給所有潛在交易者。除了其他個體對個體的評價會影響他的信用度外，有些系統還將他對別人評價的準確性看作是他自己是否誠實的一項參照。
在線信譽管理系統是電子商務中用于產生和傳播信用的一種工具，主要是利用以往交易的信息來判斷賣方所提供產品或服務的質量以及買方支付貨款的情況。通過定量分析為在線交易雙方提供信譽決策所需要的數據、信息和背景資料，幫助交易雙方明確潛在的交易對象，建立或修改決策模型，提供各種備選方案并對各種方案進行評價和優選，為科學的信譽決策提供必要的技術支持，其核心是信任模型。
以eBay為例，eBay中采用的是簡單累加信用度計算模型。每次交易后，交易伙伴之間互相評分，肯定評分為1，否定評分為-1，既不肯定也不否定的評分為0。直接累加最近6個月個體收到的評分，即為信用度。信用度越高者意味著他的信用越好，表明個體越可信賴。記個體i在第t次交易完成后其信用度為Rit，則
Rit=∑t-1k=1eik（1）
其中eik為個體i在第k次交易后收到的其交易伙伴對該個體的評分。但eBay中無反饋激勵措施，當個體的
Rit=－4時，將停止它在eBay上的交易權。由于這種機制比較簡單，eBay一直沿用至今。
在線信譽管理系統能對交易各方的行為產生一定的約束力，限制了投機行為，鼓勵誠信行為，降低了信用風險。無論從賣方還是從買方的角度看，信譽管理系統都能夠降低交易成本，減少交易雙方為搜尋產品、收集信息的時間和費用等。所以，在線信譽管理系統的建立有利于交易雙方了解到交易伙伴的信用狀況，從而提高了在線交易的成功率。
3 在線信譽管理系統中的信用度計算模型
3.1 信用度的影響因素分析
影響信用度計算的因素除了近期信用度以外，主要還有交易商品的價值、評分人的信用狀況、評分的時間權重等。
（1）交易商品的價值
在實際的交易過程中，交易價值越大，交易風險也就越大。事實上，用戶在交易價值較大的物品時，若依然采取誠信行為，則這筆交易所帶來的信用度增加值也越大，該用戶越值得信任。而目前的在線信譽管理系統中，每次交易引起的信用度增減值是相同的，即肯定反饋為1而否定反饋為-1，與交易商品的價值無關。針對這一缺陷，一些投機者可通過大量的小額交易積累信譽，然后開始大宗交易進行欺詐以謀取利益。因此，我們將信任價值參量引入到信用度計算模型中，根據每次交易商品數量和交易商品價值的不同來設置不同的反饋評分權重，這樣可以降低信譽欺詐行為給信用度計算帶來的負面影響。
（2）評分人的信譽狀況
在日常生活中，信用度越高的人，他的建議或推薦就越值得信任。盡管Zacharia、Malaga等將評分用戶的信用度作為度量評分可信性的重要因素，對現有信譽管理系統中的信任模型進行了改進。但并沒有給出如何構造評分人信用度的因子，無實際的可操作性?，F有的在線信譽管理系統在進行信用度計算時仍未考慮到這一因素，這可能導致交易雙方進行一些合謀行為，評分人可能蓄意進行惡意推薦等。評分人的信用度是根據網絡環境下其他實體的推薦，兩個網絡實體之間不進行直接的交易，建立起來的一種信用計算方法。相反地，若兩個網絡實體直接進行交易，而信用度分值是根據交易記錄獲取，則稱之為基于行為記錄的信用度。電子商務網絡環境下，其他評分人對實體的信用度計算以行為記錄的信用度計算為基礎。在構建信用度計算模型時，引入評分人的信譽狀況參數，可以防止信譽度較低的用戶，通過虛假交易，相互評分來增加信用度，提升信譽，謀求高額收益。
（3）評分的時間權重
在實際中，信用的形成是一個隨著時間變化的累積過程，隨著時間的變動，用戶行為發生變化，這些都會導致其信用狀況的波動［12］。因而，信用度在不同的時間段內不具有簡單的累加性。近期的信用反饋評分要比早期的評分更能反映因交易用戶行為變化所引起的信用的波動，更具有參考價值。在構建信用度計算模型時，引入信用反饋評分的時間權重這一參數，更能體現評分的時間價值。
3.2 信用度計算模型
為了模型的簡潔性和實用性，首先給出如下定義：
定義1 設C={c1，c2，…，cn}為信用評分的因素集，ci表示第i個信用評價因素，通?？擅枋鰹槲锲返馁|量、價格、售后服務等等。給定在線企業u，其交易顧客v對企業u的信用反饋評分f（v，u）
f(v，u)={fc1（v，u），fc2（v，u），…，fcn（v，u）}
其中fci（v，u）為顧客v在因素ci下給企業u的信用反饋評分，顯然，f(v，u)是一個n維向量。
定義2 給定企業u，記N(u)為企業u的交易伙伴的集合。
定義3 給定企業u，在［t-1，t］時期內，設與企業u完成交易的顧客為x。tx∈［t-1，t］表示顧客x與企業u發生交易的時間，稱r(tx，t)為x對u的信用反饋評分f（x，u）的時間折現函數。tx越接近t，顧客x給企業u的信用反饋評分的權重越大。
定義4 給定企業u，在［t-1，t］時期內，設與企業u完成交易的顧客為x，稱p（x，u）為x與u交易的價值，即交易商品的單價與數量之積或交易總金額。
定義5 稱τt（u）為t時刻企業u的信用度。ρ［τt（x）］表示顧客x（評分人）在t時刻的信譽狀況的權重。
由以上定義，建立給定時間t，企業u的信用度計算加權累加模型
τt（u）=ατt-1（u）+f-（x，u）（2）
其中α=∑k∈N（u）ω［p（x，u）］ρ［τt-1（x）］r（tx，t），ω［p（x，u）］為交易價值的權重函數，可表示為ω［p（x，u）］=p（x，u）/μ，μ為系統所設置的滿足保險索賠條件的最小交易價值，f-（x，u）為交易結束后，顧客x對企業u的平均信用反饋評分。可以表示為
f-（x，u）=∑|C|i=1ωci fci(x，u)∑|C|i=1ωci
其中|C|表示信用評分因素集C的基，ωci∈［0，1］為系統設定的信用評分因素ci的權重，表示所有參與交易活動的顧客對信用因素ci的普遍偏好程度。
評分用戶信譽狀況的權重ρ［τt(x)］通常情況下可以采用基于用戶信用度和基于協同過濾的兩種計算方法［6，13］。
基于用戶信用度的計算方法直接采用評分用戶自身的信用度作為其提交的信用反饋評分的權重。用戶的信用度越高，其提交的信用反饋評分的權重越大。給定用戶u，在［t-1，t］時間段內，x∈N(u)，顧客x的信用反饋評分權重為ρ［τt(x)］，則
ρ［τt(x)］=τt-1(x)∑yN(u)τt-1(y)（3）
基于協同過濾的計算方法主要根據被評價主體企業u的個人交易歷史，通過計算被評價主體u與評分顧客x對同一交易伙伴評分的相似性，作為評分顧客x的信譽狀況的權重。通常情況下估算用戶之間的相似性有兩種方法，一種是計算相關系數，另一種是將兩個用戶的記錄看作兩個向量，用向量之間夾角的余弦值來表示。在這里我們列出第一種算法，用Pearson相關系數來表示相似性，則
ρ［τt(x)］=∑|C|i=1［fci(x，k)-f-(x，k)］［fci(u，k)-f-(u，k)］∑|C|i=1［fci(x，k)-f-(x，k)］2∑|C|i=1［fci(u，k)-f-(u，k)］2
（4）
4 實例分析
為了驗證本文建立的信用度計算模型的有效性和實用性，不妨選擇淘寶網兩個賣家A和B的信用反饋評分信息來進行比較說明。賣家A主要經營電腦耗材和軟件，其注冊時間為2006年8月20日，其簡單累加信用度為24；賣家B主要經營小飾品，其注冊時間為2006年8月8日，其簡單累加信用度為33。A和B的好評率均為100％。具體見表1。賣家A和B的詳細交易記錄（每次交易的商品價值，買家的信用度，交易的時間）見表2。 從直觀上看，賣家A和B的信用都很好，B的信用度比A更高，但這是否意味著B比A更可信？
現利用本文建立的加權累加信用度計算模型，重新對賣家A和B的信用度進行計算。為了計算的方便性，作如下假設：
（1）交易價值為100元的商品，好評時給評分為1分，差評時給-1分，即μ＝100；對于交易價值越高的商品，好評時給予的評分越高，反之，差評時評分越低；評分的大小與交易商品價值成線性關系。
（2）買家對賣家僅在商品質量和價格兩個方面評分，且質量和價格的權重相同。
（3）評分用戶的信譽狀況權重采用基于用戶信用度的計算方法。
（4）據淘寶網給出的信用反饋評分的統計，把交易時間分為：6個月前，1～6個月之間，1個月～1周，1周以內幾個時間段進行折現。通過和部分淘友進行討論，普遍認定：6個月前的信用評分時間折現系數為0.6， 1個月和6個月之間的信用評分時間折現系數為0.8，1個月和1周之間的信用評分時間折現系數為0.9，1周之內的信用評分時間不進行折現。
據以上假設和表2中的具體數值，可以得到三因素的權重見表3。
把表3中的數據代入（2）式進行計算，可以得到賣家A和B的信用度分別為：27.34和0.83。根據賣家A和B的歷史交易可以看，賣家A所經營的產品價值要高于賣家B所經營的商品，賣家A的評分人的信譽情況普遍高于賣家B，賣家A的交易伙伴的信用度更高，故結論很好展現了賣家A在實際的交易過程中較可信。而采用的簡單累加信用度計算模型給出的信用度分別為：24和33。則相反地體現了賣家A和賣家B的評分人的信用度相當地接近，相互間的交易伙伴的信用度區分不大，不利于斷定其信用情況的差異。這種簡單累加信用評分計算模型中所采用的數據往往會帶有多變量數據的通病——變量值缺失，有些變量值缺失屬于結構性缺失使得整體信用情況由此被扭曲，信用評分模型的價值降低。模型計算所依據的信息產生誤判，酌情處理區間和臨界值的決定自然出現了偏差。為此，模型計算的實例闡明了建立的加權累加信用度計算模型比簡單累加信用度計算模型更符合實際情況。這與對購買過這兩個賣家商品的淘友進行交談，得知的淘友普遍認定賣家A的信譽好于賣家B的信譽相吻合。
5 結束語
本文針對現有在線信譽管理系統中信用度計算模型存在的一些問題，提出了基于電子商務交易過程中交易商品的價值、交易的時間價值、評分人自身的信譽狀況三個因素的加權累加信用度計算模型。選擇淘寶網上兩個賣家采用文中模型分別進行信用度的分析計算，并與簡單累加信用度計算模型進行比較，結果表明基于三因素的加權累加信用度計算模型更能體現出交易雙方的信譽狀況。這說明了本文建立的加權累加信用度計算模型在在線信譽管理系統中具有一定的有效性和實用性。而加權累加模型的廣泛實用性還需要大量的實例和數據加以驗證和支持，同時信用度計算的三個影響因素的權重確定的深入研究將進一步擴大模型的實用性。另一方面，賣方近期的信用度、合謀、惡意欺詐現象等因素也會影響賣家的信用情況，如何將這些影響因素引入到加權累加信任度計算模型中，從而完善在線信譽管理系統中的信用度計算模型，有力地促進在線交易的發展，將是下一步的研究方向。
參 考 文 獻：
［1］Resnick P， Kuwabara K， Zeckhauser R， et al.. Reputation systems［J］. Communications of the ACM， 2000， 43(12): 45-58.
［2］Houser D， Wooders J. Reputation in internet auctions: theory and evidence from eBay［J］. Journal of Economics and Management Strategy， 2006， 15(2): 353-369.
［3］Malaga R A. Web-based reputation management systems: problems and suggested solutions［J］. Electronic Commerce Research， 2001， 1(4): 403-417.
［4］Dellarocas C. The digitization of word-of-mouth: promise and challenges of online feedback mechanisms［J］. Management Science， 2003， 49(10): 1407-1424.
［5］ Aberer K， Despotovic Z. Managing trust in a peer-to-peer Information system［A］. Proceedings of ACM Conference on Information and Knowledge Management ［C］. USA: ACM Press， 2001. 310-317.
［6］Xiong Li， Liu Ling. A reputation-based trust model for peer-to-peer e-commerce［A］. Proceedings of the IEEE International Conference on E-Commerce(CEC’03)［C］. San Diego， ACM Press， 2003. 275-284.
［7］Xiong Li， Liu Ling. Peertrust: supporting reputation-based trust model for peer-to-peer electronic communities［J］. IEEE Transactions on Knowledge and Data Engineering， 2004， 6(7): 843-857.
［8］Fan M， Tan Y， Whinston A B. Evaluation and design of online cooperative feedback mechanisms for reputation management［J］. IEEE Transactions on Knowledge and Data Engineering， 2005， 17(2): 244-254.
［9］Bath T， Borcherding M， Klein B. Valuation of trust in open network［A］. In Gollmann D， ed. Proceedings of European Symposium on Research in Security［C］. Brighton: Springer-Verlag， 1994. 3-18.
［10］ 宋光興，楊德禮.電子商務中在線信譽管理系統設計中的若干問題研究［J］.系統工程，2004，29(2):5-9.
［11］Zacharia G. Collaborative reputation mechanisms for electronic market places［J］. Decision Support Systems， 2000， 29(4): 371-388.
［12］Herbig P， John M. The relationship of reputation and credibility to brand success［J］. Consumer Marketing， 1995， 12(4): 5-10.
［13］游文，葉水生.電子商務推薦系統中的協同過濾推薦［J］.計算機技術與發展，2006，16(9):70-72.
