面向C2C電子商務的信任預測研究

摘 要 針對C2C電子商務領域的信任問題，本文提出了一種信任預測方法。該方法首先通過信任模型計算出商家在以往各交易時刻的信任值，得到的信任值可被視作時間序列；然后結合馬爾科夫理論進行預測，得到了商家在下一交易時刻處于各信任等級的概率，選擇其中的概率最大值作為預測結果。

關鍵詞 C2C電子商務信任 預測 馬爾科夫模型

中圖分類號：F062.4 文獻標識碼：A

近年來，不管是電子商務的理論研究者還是實踐擁護者，都一致認為信任缺失是影響電子商務發展的巨大障礙，信任問題因而成為電子商務領域研究的熱點 。目前，有關電子商務信任的研究主要集中在兩個方面：第一，電子商務信任的影響因素分析 ；第二，電子商務信任模型研究 。電子商務信任預測是從信任模型研究基礎上發展而來的，信任模型提供信任值的計算方法，而信任預測則可以提供成功進行下次交易的概率。目前，關于電子商務信任預測的文獻大多采用貝葉斯網絡進行預測，算法較為復雜。因此，簡化預測方法同時提高預測準確性成為我們研究電子商務信任預測問題的關鍵。本文主要研究的是C2C電子商務環境下的信任預測問題，首先建立了C2C電子商務信任模型，計算出商家在各次交易之后獲得的信任值，該信任值可被視作一個時間序列，然后將馬爾科夫理論與信任值序列相結合來預測商家下一次交易之后的信任等級。馬爾科夫的無后效性使得該電子商務信任預測法相比于貝葉斯網絡預測法而言，算法復雜度低，具有一定的優越性 。

一、C2C電子商務信任模型的建立

本文借鑒文獻 中的基于多影響因素的信任模型來計算C2C電子商務中商家的信任值。該模型相比其他信任模型更加簡單易用。通過對國內外相關文獻的研究，本文總結提出了C2C電子商務環境下影響消費者對商家信任的因素：店鋪規模（scale）、店鋪布局（layout）、服務態度（attitude）、信息公開度（openness）、交易金額（amount）、商品質量（quality）、發貨速度（rapid）、售后服務（afterservice）、交易時間（time）。

將交易之后顧客對商家的以上各個要素的評價作為模型的輸入變量，而輸出變量則是商家的信任值。信任值越高表示商家的可信度越高。本模型中的信任值是以數值的形式表現的，因此在計算時需要對定性變量做定量處理。對于定性變量，顧客的評價值分為“好”、“中”、“差”，本文將其分別映射為“1”、“0.5”、“0”。對于交易金額，其值越大說明賣家承擔的風險越大，相應的評價就越可信。將交易金額轉換為[0，1]上的值：規定一個金額閾值，大于該值的金額認為是1（大額），小于該閾值的金額則等于金額值除以閾值。對于交易時間來說，由于時間越早的評價越缺乏參照性，所以我們認為信任值具有時間衰減性。將交易時間變量也定義在[0，1]之間：規定一個時間間隔閾值a，與當前時間間隔在閾值內的交易評價不做時間衰減，否則啟用衰減因子：a/（當前時刻-評價時刻）。通過上述分析，我們可以得到單一顧客的一條評價所體現的商家的信任值tr：

其中，wi表示各影響因素所占的權重。若t時刻之前，單一顧客與商家有m次交易，則該顧客對商家的信任度為：。那么，t時刻商家的總信任度為：。其中，n表示總的顧客數，，是某一顧客的交易總額。

二、基于馬爾科夫模型的信任預測

利用馬爾科夫模型預測C2C電子商務環境下商家的信任值的步驟如下：（1）狀態劃分：依據信任模型可以獲得商家在各交易時刻的信任值Trust_curr（簡寫為T），根據需要將信任值劃分為m個狀態：Ti ∈[c1i，c2i]，i=1，2，…m。（2）構造狀態轉移概率矩陣：由狀態Ti經過1步轉移到狀態Tj的原始樣本數為SiJ，狀態Ti出現的次數記為Si，則由狀態Ti經過1步轉移到狀態Tj的轉移概率為：Pij=，進而，我們可以得到一個m階的狀態轉移概率矩陣P。（3）根據轉移概率進行預測：根據上一步得到的轉移概率矩陣，如果目前商家的信任值處于狀態Ti，這時，Pij就描述了目前狀態Ti在未來將轉向狀態Tj（j=1，2，…m）的可能性。一般按最大可能性作為選擇的原則。

三、實證分析及結果

本文從淘寶網上選擇了一個經營圖書業務的賣家，其在淘寶上注冊的時間為2013年2月份，至今已經完成38筆交易。每筆交易完成后都記錄下了買家給賣家在各方面的評價以及每次交易發生的時間和交易金額。由于銷售的是圖書，本文將金額大于100元的交易視為大額交易，同時取時間閾值為7天。將各項記錄作相應轉換后，我們將各影響商家信任的因素作為輸入變量帶入信任模型中進行計算。對于各信任影響因素的權重，我們采用層次分析法得到 ，分別是：0.08、0.03、0.05、0.06、0.3、0.1、0.12、0.14、0.12。我們得到商家從開店到現在各個交易時刻的信任值，分別是：0.507、0.546、0.521、0.622、0.642、0.576、0.691、0.520、0.670、0.852、0.834、0.753、0.770、0.427、0.521、0.789、0.733、0.870、0.702、0.372、0.492、0.433、0.555、0.660、0.742、0.717、0.838、0.805、0.799、0.760、0.690、0.676、0.750、0.551、0.646、0.74、0.827、0.724。使用馬爾科夫模型進行信任預測，首先就是劃分狀態，本文將信任值劃分為5個狀態：為T5∈[0，0.5]不信任，T4∈[05，0.6]為基本信任、T3∈[0.6，0.7]為比較信任、T2∈[0.7，0.8]為信任、T1∈[0.8，1]為非常信任。則可以得到38個狀態，分別是：T4、T4、T4、T3、T3、T4、T3、T4、T3、T1、T1、T2、T2、T5、T4、T2、T2、T1、T2、T5、T5、T5、T4、T3、T2、T2、T1、T1、T2、T2、T3、T3、T2、T4、T3、T2、T1、T2。可以統計出：信任值處于非常信任狀態的有6個，即|T1|=6，同理得到：|T2|=12、|T3|=8、|T4|=8、|T5|=4。且一步轉移概率矩陣為：

，由于目前，商家信任值處于T2，且則我們預測商家在下次交易（即將進行的交易）之后的信任值為“信任”（T2）。因此，我們得出的結論是：就目前而言，與商家進行交易時可以的，交易之后商家的可信度依然較高，說明在即將進行的交易中商家不會欺騙買家并且買家得到了滿意的服務。

四、結論

本文結合馬爾科夫理論和電子商務信任模型，提出了一種用于預測C2C電子商務環境下商家下一時刻信任等級的模型。與現存的其他預測模型相比，本文提出的模型，思路新穎，算法簡潔，可以很好地預測出買家即將交易的賣家下一時刻的信任等級，幫助買家選擇最滿意的賣家。

（作者：成君，南京師范大學計算機科學與技術學院管理科學與工程碩士研究生，主要研究方向：電子商務；竇萬峰，南京師范大學計算機科學與技術學院，江蘇省信息安全與保密技術工程研究中心，博士，博士后，副教授；許敏，南京師范大學計算機科學與技術學院管理科學與工程碩士研究生，主要研究方向：電子商務）

注釋：

嚴中華等.電子商務信任與風險的文獻綜述與評析[J].科技進步與對策，2004，21（9）：166-168

HOFFAMN K L，NOVAK T E， PERALTA M. Building consumer trust online[J]. Association for Computing Machinery， Communication of ACM，1999，42（4）：80-103

URBAN F SULTAN， W J QUALLS. Placing trust at the center of your Internet Strategy[J]. Strategies for E- Business Success， Jossey-Bass Press，1999（7）：153-177

Giorgos Z. Collaborative Reputation Mechanism in Electronic Marketplaces. Decision Support System， 2003，33（12）：371-338

Manchala D W. Trust Metrics， Models and Protocols for Electronic Commerce Transactions. Proc. Of 18th Int’l Conf. on Distributed Computing Systems，1998：312-322

樊國敬.基于馬爾可夫模型的旅游目的地人數預測[J].統計與決策，2010（21）：98-100

谷斌，鐘建權. C2C電子商務中基于多影響因素的商家信任模型研究[J].科技管理研究，2012，32（20）：210-214