C2C電子商務動態信用評價模型

許紅冉，王鳳英

（山東理工大學計算機科學與技術學院，山東淄博255091）

隨著我國互聯網的迅速普及和電子商務的蓬勃發展，越來越多的人開始在網絡上進行購物，特別是C2C交易的發展尤為迅速．然而，在我國C2C電子商務高速發展的同時，隱藏在其中的信用問題也逐漸暴露出來，成為阻礙其發展的主要問題之一．

本文從電子商務特別是C2C電子商務中存在的問題出發，通過查閱國內外相關文獻［1－2]，并對我國幾大C2C門戶網站進行綜合比較，分析了我國C2C電子商務信用評價機制的現狀以及存在的問題．以我國淘寶網為案例進行分析，對C2C電子商務網站的信用評價機制進行了研究，分析了其信用評價模型存在的問題．本文主要在信用度計算方面提出了改進措施．考慮到多種因素對信用評價體系的影響，提出了一個C2C電子商務動態信用評價模型．C2C網站淘寶網在國內占據了80%以上市場份額，具有一定的代表性，研究成果對國內C2C網站的信用評價機制建設具有一定的參考價值，同時也是對我國電子商務信用評價標準的有益探討．

1 C2C電子商務動態信用評價模型

為了解決C2C電子商務評價模型的不足，需要考慮影響買賣雙方信任的諸多因素．

Xiong和Liu等人提出了一種PeerTrust信任機制［3]，雖然他們考慮了較全的信任因素，但卻沒有給出信任因素的度量方法．

1．1 評價因素

本文提出的動態信用評價模型，主要考慮了交易金額、交易時間、評價方信用度、未做評價交易以及相同用戶多次評價等因素的影響，并給出了相應的度量方法．

1）交易金額．Trung Dong Huynh等人在文獻［4] 中提出了針對合伙欺騙的解決方法，即引入了評價者的可靠性因素．但是它忽略了買賣方雙在交易時涉及的金額，所以其應用環境仍然具有一定的局限性．例如，在淘寶網上，進行一次幾元錢的交易與進行一次幾千元的交易獲得的評價機會一樣，而且信用值的增減也相同．一旦賣低價商品的人轉賣貴重商品，就造成了信用度的不對等，如果這個賣家惡意欺詐，那買家的風險就增大了許多．為了防止類似行為的發生，本文提出的信用模型，設計為小額交易增加的信用度相對于大額交易較少，即所占的權重較小．

2）交易時間．目前淘寶的信用評價機制中，信用度是長期累積的結果，很久之前做出的評價和最近做出的評價對信用度的影響效果是相同的，這就會使一些賣家早期做誠信交易，然后利用累積的信用進行詐騙．由于交易時間距離計算信用值的時間越遠，交易評價對信用值的影響應該越小［5]．因此，本文提出的信用模型，將交易時間作為其中的一重要參考因素．距離當前時刻越近的交易的評價所占的權重越大，反之越小．

3）評價方信用度．淘寶的信用評價機制規定：每個自然月內，評價不可以超過六次，超出六次的將無效．這樣的規定在一定程度上減少了信用炒作，但仍給不法分子留有可乘之機．因此，應將評價者的信用度考慮到信用評價機制中．文獻［6]提出一種新的基于交易歷史的分布式信任機制，其提供的算法可以有效的抑制合謀攻擊，降低惡意交易概率．但是卻沒有考慮評價者的可信程度．本文提出的信用模型，通過比較單個評價值與整體的平均評價值之間的差距，來判斷評價者的可信程度，從而可以有效區分惡意用戶和誠信用戶．

4）未做評價交易．淘寶信用評價規則中，若賣方好評而買方未評，使用支付寶交易且交易成功的，在單方好評的有效期時間內，系統將自動默認給予評價方好評．而實際上，未做出評價的用戶并非對商品完全滿意．淘寶機制中，這樣得出的好評率和實際有較大懸殊，所以對于未做評價的交易也是一個值得思考的問題．

5）相同用戶多次評價．如果網上大多數的交易是真實的，那么老顧客的光顧則正好說明這個賣家誠實可信、商品質量可靠．淘寶網的措施雖然能把“回頭客”的評價計入信用度，但同時也存在虛增信用的問題．對于同一筆交易的多次評價問題，本文借鑒eBay的信用評價機制：若好評數大于差評數，則只記1分：若好評數等于差評數，則計為0分：若好評數小于差評數，則只記－1分．

1．2 信用評價算法

若在某段時間內有k個買家B1，B2，B3，…，Bk和賣家S進行交易．這里，假設買家Bk和賣家S在此時間段內進行了n次交易，用一個五元組表示為（Bk，S，Ti，Mi，Ri）．其中，Ti表示第i次交易的時間，Mi表示第i次交易的金額，Ri表示Bk和S第i次交易成功完成后，所做出的評價值（好評則為1，中評則為0，差評則為－1）．在完成n次交易后，通過加權均值的方式求Bk對S的信用評價值Pk，具體計算公式如下．

式中，T0為初始交易的時間；ωi為每次交易Bk對S所做的評價的權重，它受交易時間和交易金額的共同影響，交易時間距離初始時間越長或者交易金額越大，那么本次交易的評價值的權重就越大．例如，在分別距離T0為20天和30天時進行了兩次交易，交易金額分別為200元、50元，那么這兩次交易的權重分別為4 000和1 500．一些賣家為了虛增信用，可能會利用相同用戶進行多次評價．而依據時間設置權重，實現了信用度的動態計算，可以減少這種行為對信用度評價的不良影響．

前面的假設是有k個買家，并且第k個買家對賣家S的信用評價值為Pk．同樣的，依據以上公式，可以分別計算出其余k－1個買家對S的信用評價值，并依次計為P1，2，P3，…Pk－1．然后，由以下式子求所有買家對S的總的信用評價值．

式中，lj為第j個買家的好評率為所有買家對賣家S信用評價值的平均值．σj為第j個買家所做評價的可信度，其大小由lj和的共同決定．考慮到買家信用度對賣家信用度評價的影響，買家做出的評價值與均值差距越大，其所做評價的可信度應該越小．但允許Pj和存在一定的差距，θ即為該允許差距．當Pj和ˉP的差距超出θ時，第j個買家所做的評價將受到質疑，應該減弱其可信度，β即為衰減因子．θ和β的值應預先設定，表1中將其分別設為了0．15和0．9．當然，經過分析大量的交易歷史數據，還可以依據實際情況調整θ和β的值．如果數據顯示，評價值的區分度不明顯，那么可以適當減小θ的值；如果希望更大程度的降低可疑評價的權重，那么可以適當增加β的值．

由于信用度還受評價率的一定影響，交易成功后不做評價的現象時有發生．為了減小評價率對信用度的影響，本文通過乘評價率對P進行了修正．最終，買家B1，B2，B3，…Bk對賣家S的信用度Q的計算如下：

2 實驗與分析

2．1 仿真實驗

假設要對某一賣家的信用度進行模擬計算，交易時間為1～60天的任意值，交易金額為1～3000元的任意值，其他模擬參數見表1，買賣雙方交易的具體信息見表2．

表1 模擬參數

表2 交易信息

2．2 結果分析

通過實驗可以看出，本文提出的信用評價模型，在綜合考慮交易金額、交易時間、評價方信用度、未做評價交易以及相同用戶多次評價等因素的影響基礎上，可以有效區分惡意用戶和誠信用戶．當惡意用戶做出不誠實評價時，可以減小它對賣家信用度評價的影響．而且，還可以根據實際交易數據，適當的調整特定參數，使信用度的計算更加靈活．文獻［7]中提出的信用評價模型，雖然可以有效地減少信譽榨取行為的損害程度，但是沒有考慮評價差異的影響．文獻［8]，提出了一種基于聲譽的信任機制，它較為全面地考慮了影響信任度量的信任因素，可以有效地對抗共謀和誣陷等攻擊，但若用于淘寶，將是一個巨大的挑戰．而本文提出的信用模型，主要建立在淘寶現有的信用評價基礎之上．總之，該信用評價模型可以減少信用欺詐等行為，提高C2C電子商務的安全性，同時，為買家挑選商品提供了可靠的依據．

3 信用評價系統實現

圖1展示了評價模型的電子商務網站功能模塊，從中可以體現出，是如何將提出的信用評價模型應用到實際的電子商務中的．

圖1 C2C電子商務網站功能模塊

當買家需要購買商品時，在看中一款商品的同時，還要到信用展示模塊查看賣家的信用度，這里可以顯示賣家信用度和評價率等信息．在確定該賣家誠信可靠的情況下，與其進行交易．商品交易完成，買家在交易評價模塊，給予賣家一個原始評價值，該值將在C2C電子商務動態信用評價模型中進行處理．同時，賣家也將對買家進行打分，給予一個原始評價值．雙方評價完成后，信用評價模型從商品交易管理模塊取得交易雙方的ID、交易金額、雙方交易次數、交易時間4個數據，利用交易雙方的ID從用戶管理中心模塊，取得與該賣家交易的買家數目、與該賣家交易的所有買家的總交易次數、以及買家對交易未評價的次數．從交易評價、商品交易管理、用戶管理中心3個模塊中取得上述數據之后，利用提出的信用評價模型進行計算，得到計算公式所需要的參數．然后，根據式（4）計算出每個買家對該賣家交易評價值的權重σ．最后，用（3）式、（6）式計算得到經修正過的該賣家的信用度．計算完成后，將本次交易信用度、評價率和好評率發送給信用展示模塊，更新買賣雙方的信用信息．至此一次交易完成．

4 結束語

本文提出的C2C電子商務動態信用評價模型，綜合考慮了多種因素對最終信任值的影響，得出一種新的信用度計算方法，可以提供更準確、更客觀的用戶信用度供交易雙方參考．該模型依據用戶信用的時間特性，動態計算信用度，可以有效地減小虛假交易等行為對信用度計算的影響．由于本模型考慮了交易金額的因素，使得交易金額和評價的權重成反比，從而提高了信用炒作的成本，在一定程度上降低了信用炒作的危害．在今后的工作中，將進一步提高模型的效率，并考慮針對電子商務中的惡意行為，開發有效地激勵機制，使模型具有較強的對抗惡意行為的能力．

［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．電子商務中信用與安全問題的研究［D] ．北京：北京交通大學，2006．

［3] Xiong L，Liu L．PeerTrust：supporting reputation－based trust for peer－to－peer electronic communities［J] ．IEEE Transactions on Knowledge and Data Engineering，Special Issue on Peer－to－Peer Based Data Management，2004，16（7）：843－857．

［4] Huynh T D，Jennings N R，Shadbolt N R．Certified reputation：how an agent can trust a stranger［C] ／／Hakodate，Japan：Proceedings of Fourth International Joint Conference on Autonomous Agents and MultiAgent Systems，2006：1 217－1 224．

［5] Yuan W，Li J S，Hong P L．Distributed peer－to－peer trust model and computer simulation［J] ．Journal of System Simulation，2006，18（4）：938－942．

［6] 彭冬生，林闖，劉衛東．一種直接評價節點誠信度的分布式信任機制［J] ．軟件學報，2008，19（4）：946－955．

［7] Jia Y T，Yu H Q．Trustworthy credit reputation model based on C2C［J] ．Computer Engineering，2010，36（18）：256－258．

［8] Jiang S X，Li J Z．A reputation－based trust mechanism for P2P E－Commerce Systems［J] ．Journal of Software，2007，18（10）：2 551－2 663．