改進的電子商務信用評價的方法
2016-04-13 19:43:06 安裝信息網(wǎng)
論文摘要：一種改進的電子商務信用評價模型
論文關鍵詞：電子商務,信用評價
1.概述
根據(jù)我國權威的中國互聯(lián)網(wǎng)信息中心(CNNIC)的調(diào)查報告顯示，從2007-2009的對比看，網(wǎng)絡消費指數(shù)增長明顯，具有較高的增長空間，同時，65.9%的網(wǎng)民認為“網(wǎng)絡交易不安全”。這些問題無疑制約著網(wǎng)絡消費類應用的深度發(fā)展，其中最難解決的問題就是信用問題。據(jù)315TS發(fā)布的數(shù)據(jù)顯示，2009年，315TS共接到網(wǎng)絡購物的投訴21657宗，與2008年相比，增長了248.58%。網(wǎng)絡消費投訴已經(jīng)成了新的熱點，投訴量在增長，電子商務，這種新興的交易方式吸引了大量的中小企業(yè)和個人消費者，但是由于其交易方式的特殊性，以及監(jiān)管的困難，各種問題日益增多，其中，信用問題已經(jīng)成了制約電子商務發(fā)展的重要問題。信用評價模型在電子商務信用評價管理中利用率越來越高，而建立一套較為完善的信用評價體系對于電子商務的發(fā)展尤為重要,它可以客觀地反映交易主體的歷史交易獲得的評價,從而大大提高了交易的成功率。
2.電子商務信用評價體系分析
我國電子商務從90年代初開始興起，然而有意識的電子商務交易信用評價出現(xiàn)也只僅限于90年代末期出現(xiàn)的B2B和C2C中，現(xiàn)在的淘寶、拍拍這種信用評價已經(jīng)成為衡量一個店鋪信用級別的唯一標準。
2.1信用評價指標分析
對目前國內(nèi)外電子商務網(wǎng)站的信用評價指標進行分析，可以發(fā)現(xiàn)這些影響信用評價的指標主要可以劃分為兩個部分，一部分叫靜態(tài)信用評價，靜態(tài)信用評價是衡量網(wǎng)店信用的重要組成部分；另一部分是動態(tài)的信用評價，是在交易的積累和反饋中不斷變化的，這部分信用是可以通過交易歷史或炒作達到的，并且在交易過程中不斷變化的，所以在用戶購買物品時只可作為部分參考信用，不能看成是衡量網(wǎng)店信用的全部。
2.2現(xiàn)有的電子商務信用評價體系的問題
信用評價大都只是簡單的對每次交易的評價結果進行累加，該方法將用戶得到的所有信用反饋評分進行累加，作為用戶的總體信用值。淘寶、易趣等大多拍賣網(wǎng)站都采用這種累計信用模型。累加信用模型表示為：
其中R表示用戶的當前信用度，R表示用戶近期信用度，r表示用戶得到第n次信用反饋評分，r∈{-1,0,1}。
現(xiàn)有的信用評價中靜態(tài)、動態(tài)各有不足：靜態(tài)信用評價更加注重賣方進行身份認證；缺乏監(jiān)管機制；忽視交易雙方所在地區(qū)、交易方式等表示買賣雙方基本信息的數(shù)據(jù)；動態(tài)信用評價容易助長信用炒作；信用評價體系不完善，信用數(shù)據(jù)無法共享；信用數(shù)值的可比性和區(qū)分度差；忽視評價人的信用狀況；缺乏行業(yè)及商品類型特點。
3.改進的信用評價模型實現(xiàn)
本文在分析電子商務信用評價指標的基礎之上，結合我國電子商務的特點，利用模糊綜合評價方法，構建電子商務的雙層模糊綜合信用評價模型，從而通過對電子商務信用評價指標進行量化，來為買賣雙方提供信用參考，使交易主體做出合理的選擇，降低交易風險。根據(jù)上述分析，該文利用模糊綜合評價方法，提出改進后的交易主體的信用評價模型——雙層模糊綜合信用評價模型，如圖1所示：
圖1雙層模糊綜合信用評價模型原理圖
3.1數(shù)學模型
�。�1）靜態(tài)信用評價指標評分矩陣確定
說明：
U：是靜態(tài)信用指標評分矩陣；
V：是靜態(tài)信用評價指標集合；
V=（v,v,v,v,v,v,v）
=(年齡，性別，婚姻狀況，學歷，職業(yè)，銀行存款，月收入)
T：是各個指標的等級域；指標不同，n的取值不同，對于空位以“0”填充；
T={t,t,…t}
S：它是每個指標對應論域上的取值；
�。�2）動態(tài)信用評分模型
根據(jù)已經(jīng)建立的動態(tài)信用評價指標，利用模糊隸屬函數(shù)，得到模糊評分矩陣如下：
說明：
U：一次交易的動態(tài)信用評價指標評分矩陣
V=（v，v，v，v，v，v）=(買家信用度，交易金額，時間，質量，售后服務，價格)
T={u，u，…，u}={很滿意，滿意，基本滿意，不滿意，非常滿意}，根據(jù)指標不同，T的域也有所不同，但基本以上述五項為主。
�。�3）近三個月信用評分模型
設置靜態(tài)信用評價和動態(tài)信用評價兩上因素的權重分別為W1’，W2’；根據(jù)專家制度法，得到權重分配為W1’=0.45，W2’=0.55
說明：
S0：是交易主體近三個月內(nèi)的交易評分總值；
S1：是交易的靜態(tài)信用評分；
S2i：是一次交易的動態(tài)信用評分；
n：是交易主體在三個月內(nèi)進行交易的總次數(shù)；
�。�4）雙層模糊綜合信用評價模型
利用式（4-6），根據(jù)信用評分的積累次數(shù)，計算出某交易主體的綜合信用積分，
說明：
S：它是交易主體進行所有交易所得到的信用積分，反映了交易主體進行交易的整體信用情況；
S：三個月內(nèi)的信用積累評分；
m：信用評分的累積次數(shù)。
3.2雙層模糊綜合信用評價模型程序實現(xiàn)
本文著重闡述雙層模糊綜合評價模型程序實現(xiàn)，對靜態(tài)、動態(tài)信用評價程序不予表述。根據(jù)靜態(tài)和動態(tài)信用評價階段的信用評價得分，得出用戶的兩個綜合信用評分；設置靜態(tài)信用評價和動態(tài)信用評價兩上因素的權重分別為W’，W’；根據(jù)專家制度法，得到權重分配為W’=0.45，W’=0.55，運用matlab程序，計算出近三個月的信用評價得分和綜合評價得分，程序如下：
function[ScoreSta,ScoreDyn,ScoreCol,ScoreInt]=FullFuzzy(Static,Dynamic,Colli,Integrate)
%獲取靜態(tài)輸入指標
Age=str2num(cell2mat(Static(1)));
Sex=cell2mat(Static(2));
Marry=cell2mat(Static(3));
Degree=cell2mat(Static(4));
Career=cell2mat(Static(5));
Wage=str2num(cell2mat(Static(6)));
Savings=str2num(cell2mat(Static(7)));
%調(diào)用靜態(tài)評價函數(shù)
[ScoreSta,U1]=StaticFuzzy(Age,Sex,Marry,Degree,Career,Wage,Savings);
%獲取動態(tài)輸入指標
Credit=cell2mat(Dynamic(1));
Trade=cell2mat(Dynamic(2));
Time=cell2mat(Dynamic(3));
Qc=cell2mat(Dynamic(4));
Sale=cell2mat(Dynamic(5));
Price=cell2mat(Dynamic(6));
%調(diào)用動態(tài)評價函數(shù)
[ScoreDyn,U2]=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
%近三個月的評價得分
[r,c]=size(Colli);
Credit=zeros(r,1);
Trade=zeros(r,1);
Time=zeros(r,1);
Qc=zeros(r,1);
Sale=zeros(r,1);
Price=zeros(r,1);
ScoreDynCol=zeros(r,1);
fori=1:r
Credit=cell2mat(Colli(i,1));
Trade=cell2mat(Colli(i,2));
Time=cell2mat(Colli(i,3));
Qc=cell2mat(Colli(i,4));
Sale=cell2mat(Colli(i,5));
Price=cell2mat(Colli(i,6));
ScoreDynCol(i)=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
end
%權重系數(shù)，根據(jù)專家制度進行賦值
W=[0.450.55];
%近三個月的評價得分
ScoreCol=ScoreSta*W(1)+sum(ScoreDynCol)*W(2);
%近三個月的評價得分
[r,c]=size(Integrate);
fori=1:r
[rr,cc]=size(Integrate{i,:});
forj=1:rr
Credit=cell2mat(Integrate{i,:}(rr,1));
Trade=cell2mat(Integrate{i,:}(rr,2));
Time=cell2mat(Integrate{i,:}(rr,3));
Qc=cell2mat(Integrate{i,:}(rr,4));
Sale=cell2mat(Integrate{i,:}(rr,5));
Price=cell2mat(Integrate{i,:}(rr,6));
ScoreInt(i,j)=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
end
end
ScoreSum=sum(ScoreInt');
ScoreInt=ScoreSta*W(1)+ScoreSum*W(2);
ScoreInt=sum(ScoreInt);
3.3實例驗證
�。�1）設置靜態(tài)指標為：（27，男，未婚，大學，普通職員，1500，5000）
�。�2）設置第一次“近三個月交易動態(tài)指標”為：；（很高，大，很滿意，滿意，基本滿意，基本滿意'）和（很高，一般，不滿意，滿意，滿意，基本滿意）；第二次“近三個月交易動態(tài)指標”為：（很高，很大，很滿意，滿意，基本滿意，不滿意）（很高，低，基本滿意，滿意，很不滿意，滿意）（很高，一般，不滿意，滿意，滿意，基本滿意）
運用Matlab程序計算，輸入及獲得結果如圖：
圖2matlab運算界面
即：靜態(tài)信用評分為：0.3665；一次動態(tài)信用評分為：0.81；近三個月信用評分為：1.0064；綜合信用評分為：2.3098。
4．結束語
本文在分析各類常見的信用評價模型的基礎上，最終選擇在模糊綜合評價方法的基礎上，對模型進行改良，創(chuàng)建對電子商務三種主要交易模式都適用的雙層模糊綜合信用評價模型：該模型主要是根據(jù)當前各類電子商務網(wǎng)站主要采用的靜態(tài)和動態(tài)信用評價體系，結合模糊數(shù)學理論，根據(jù)專家制度制定權重，得出近期信用評價得分，結合各項綜合因素獲得綜合信用評價得分。該文研究的幾個電子商務網(wǎng)站市場在國內(nèi)占有份額達到了90%以上，具有重恩的代表性，研究成果對我國電子商務交易的信用評價體系的完善有一定的參考價值。
參考文獻
1 第25次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告[J/OL]. http://www.cnnic.com.cn.
2 年度網(wǎng)絡購物行業(yè)投訴統(tǒng)計分析報告[J/OL]. http://www.315ts.net/stats/wanggou/2009/.
3 Xiaoquan Gong Qixing Guo. Computational Trust Model in Online Auctions[J]. IEEE Communications Society;IEEE Engineering Management Society; Shanghai Jiaotong University, China.
4 遲國泰,許文,孫秀峰. 個人信用卡信用風險評價體系與模型研究.同濟大學學報(自然科學版).2006,4,Vol 34,(4).
論文關鍵詞：電子商務,信用評價
1.概述
根據(jù)我國權威的中國互聯(lián)網(wǎng)信息中心(CNNIC)的調(diào)查報告顯示，從2007-2009的對比看，網(wǎng)絡消費指數(shù)增長明顯，具有較高的增長空間，同時，65.9%的網(wǎng)民認為“網(wǎng)絡交易不安全”。這些問題無疑制約著網(wǎng)絡消費類應用的深度發(fā)展，其中最難解決的問題就是信用問題。據(jù)315TS發(fā)布的數(shù)據(jù)顯示，2009年，315TS共接到網(wǎng)絡購物的投訴21657宗，與2008年相比，增長了248.58%。網(wǎng)絡消費投訴已經(jīng)成了新的熱點，投訴量在增長，電子商務，這種新興的交易方式吸引了大量的中小企業(yè)和個人消費者，但是由于其交易方式的特殊性，以及監(jiān)管的困難，各種問題日益增多，其中，信用問題已經(jīng)成了制約電子商務發(fā)展的重要問題。信用評價模型在電子商務信用評價管理中利用率越來越高，而建立一套較為完善的信用評價體系對于電子商務的發(fā)展尤為重要,它可以客觀地反映交易主體的歷史交易獲得的評價,從而大大提高了交易的成功率。
2.電子商務信用評價體系分析
我國電子商務從90年代初開始興起，然而有意識的電子商務交易信用評價出現(xiàn)也只僅限于90年代末期出現(xiàn)的B2B和C2C中，現(xiàn)在的淘寶、拍拍這種信用評價已經(jīng)成為衡量一個店鋪信用級別的唯一標準。
2.1信用評價指標分析
對目前國內(nèi)外電子商務網(wǎng)站的信用評價指標進行分析，可以發(fā)現(xiàn)這些影響信用評價的指標主要可以劃分為兩個部分，一部分叫靜態(tài)信用評價，靜態(tài)信用評價是衡量網(wǎng)店信用的重要組成部分；另一部分是動態(tài)的信用評價，是在交易的積累和反饋中不斷變化的，這部分信用是可以通過交易歷史或炒作達到的，并且在交易過程中不斷變化的，所以在用戶購買物品時只可作為部分參考信用，不能看成是衡量網(wǎng)店信用的全部。
2.2現(xiàn)有的電子商務信用評價體系的問題
信用評價大都只是簡單的對每次交易的評價結果進行累加，該方法將用戶得到的所有信用反饋評分進行累加，作為用戶的總體信用值。淘寶、易趣等大多拍賣網(wǎng)站都采用這種累計信用模型。累加信用模型表示為：
其中R表示用戶的當前信用度，R表示用戶近期信用度，r表示用戶得到第n次信用反饋評分，r∈{-1,0,1}。
現(xiàn)有的信用評價中靜態(tài)、動態(tài)各有不足：靜態(tài)信用評價更加注重賣方進行身份認證；缺乏監(jiān)管機制；忽視交易雙方所在地區(qū)、交易方式等表示買賣雙方基本信息的數(shù)據(jù)；動態(tài)信用評價容易助長信用炒作；信用評價體系不完善，信用數(shù)據(jù)無法共享；信用數(shù)值的可比性和區(qū)分度差；忽視評價人的信用狀況；缺乏行業(yè)及商品類型特點。
3.改進的信用評價模型實現(xiàn)
本文在分析電子商務信用評價指標的基礎之上，結合我國電子商務的特點，利用模糊綜合評價方法，構建電子商務的雙層模糊綜合信用評價模型，從而通過對電子商務信用評價指標進行量化，來為買賣雙方提供信用參考，使交易主體做出合理的選擇，降低交易風險。根據(jù)上述分析，該文利用模糊綜合評價方法，提出改進后的交易主體的信用評價模型——雙層模糊綜合信用評價模型，如圖1所示：
圖1雙層模糊綜合信用評價模型原理圖
3.1數(shù)學模型
�。�1）靜態(tài)信用評價指標評分矩陣確定
說明：
U：是靜態(tài)信用指標評分矩陣；
V：是靜態(tài)信用評價指標集合；
V=（v,v,v,v,v,v,v）
=(年齡，性別，婚姻狀況，學歷，職業(yè)，銀行存款，月收入)
T：是各個指標的等級域；指標不同，n的取值不同，對于空位以“0”填充；
T={t,t,…t}
S：它是每個指標對應論域上的取值；
�。�2）動態(tài)信用評分模型
根據(jù)已經(jīng)建立的動態(tài)信用評價指標，利用模糊隸屬函數(shù)，得到模糊評分矩陣如下：
說明：
U：一次交易的動態(tài)信用評價指標評分矩陣
V=（v，v，v，v，v，v）=(買家信用度，交易金額，時間，質量，售后服務，價格)
T={u，u，…，u}={很滿意，滿意，基本滿意，不滿意，非常滿意}，根據(jù)指標不同，T的域也有所不同，但基本以上述五項為主。
�。�3）近三個月信用評分模型
設置靜態(tài)信用評價和動態(tài)信用評價兩上因素的權重分別為W1’，W2’；根據(jù)專家制度法，得到權重分配為W1’=0.45，W2’=0.55
說明：
S0：是交易主體近三個月內(nèi)的交易評分總值；
S1：是交易的靜態(tài)信用評分；
S2i：是一次交易的動態(tài)信用評分；
n：是交易主體在三個月內(nèi)進行交易的總次數(shù)；
�。�4）雙層模糊綜合信用評價模型
利用式（4-6），根據(jù)信用評分的積累次數(shù)，計算出某交易主體的綜合信用積分，
說明：
S：它是交易主體進行所有交易所得到的信用積分，反映了交易主體進行交易的整體信用情況；
S：三個月內(nèi)的信用積累評分；
m：信用評分的累積次數(shù)。
3.2雙層模糊綜合信用評價模型程序實現(xiàn)
本文著重闡述雙層模糊綜合評價模型程序實現(xiàn)，對靜態(tài)、動態(tài)信用評價程序不予表述。根據(jù)靜態(tài)和動態(tài)信用評價階段的信用評價得分，得出用戶的兩個綜合信用評分；設置靜態(tài)信用評價和動態(tài)信用評價兩上因素的權重分別為W’，W’；根據(jù)專家制度法，得到權重分配為W’=0.45，W’=0.55，運用matlab程序，計算出近三個月的信用評價得分和綜合評價得分，程序如下：
function[ScoreSta,ScoreDyn,ScoreCol,ScoreInt]=FullFuzzy(Static,Dynamic,Colli,Integrate)
%獲取靜態(tài)輸入指標
Age=str2num(cell2mat(Static(1)));
Sex=cell2mat(Static(2));
Marry=cell2mat(Static(3));
Degree=cell2mat(Static(4));
Career=cell2mat(Static(5));
Wage=str2num(cell2mat(Static(6)));
Savings=str2num(cell2mat(Static(7)));
%調(diào)用靜態(tài)評價函數(shù)
[ScoreSta,U1]=StaticFuzzy(Age,Sex,Marry,Degree,Career,Wage,Savings);
%獲取動態(tài)輸入指標
Credit=cell2mat(Dynamic(1));
Trade=cell2mat(Dynamic(2));
Time=cell2mat(Dynamic(3));
Qc=cell2mat(Dynamic(4));
Sale=cell2mat(Dynamic(5));
Price=cell2mat(Dynamic(6));
%調(diào)用動態(tài)評價函數(shù)
[ScoreDyn,U2]=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
%近三個月的評價得分
[r,c]=size(Colli);
Credit=zeros(r,1);
Trade=zeros(r,1);
Time=zeros(r,1);
Qc=zeros(r,1);
Sale=zeros(r,1);
Price=zeros(r,1);
ScoreDynCol=zeros(r,1);
fori=1:r
Credit=cell2mat(Colli(i,1));
Trade=cell2mat(Colli(i,2));
Time=cell2mat(Colli(i,3));
Qc=cell2mat(Colli(i,4));
Sale=cell2mat(Colli(i,5));
Price=cell2mat(Colli(i,6));
ScoreDynCol(i)=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
end
%權重系數(shù)，根據(jù)專家制度進行賦值
W=[0.450.55];
%近三個月的評價得分
ScoreCol=ScoreSta*W(1)+sum(ScoreDynCol)*W(2);
%近三個月的評價得分
[r,c]=size(Integrate);
fori=1:r
[rr,cc]=size(Integrate{i,:});
forj=1:rr
Credit=cell2mat(Integrate{i,:}(rr,1));
Trade=cell2mat(Integrate{i,:}(rr,2));
Time=cell2mat(Integrate{i,:}(rr,3));
Qc=cell2mat(Integrate{i,:}(rr,4));
Sale=cell2mat(Integrate{i,:}(rr,5));
Price=cell2mat(Integrate{i,:}(rr,6));
ScoreInt(i,j)=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
end
end
ScoreSum=sum(ScoreInt');
ScoreInt=ScoreSta*W(1)+ScoreSum*W(2);
ScoreInt=sum(ScoreInt);
3.3實例驗證
�。�1）設置靜態(tài)指標為：（27，男，未婚，大學，普通職員，1500，5000）
�。�2）設置第一次“近三個月交易動態(tài)指標”為：；（很高，大，很滿意，滿意，基本滿意，基本滿意'）和（很高，一般，不滿意，滿意，滿意，基本滿意）；第二次“近三個月交易動態(tài)指標”為：（很高，很大，很滿意，滿意，基本滿意，不滿意）（很高，低，基本滿意，滿意，很不滿意，滿意）（很高，一般，不滿意，滿意，滿意，基本滿意）
運用Matlab程序計算，輸入及獲得結果如圖：
圖2matlab運算界面
即：靜態(tài)信用評分為：0.3665；一次動態(tài)信用評分為：0.81；近三個月信用評分為：1.0064；綜合信用評分為：2.3098。
4．結束語
本文在分析各類常見的信用評價模型的基礎上，最終選擇在模糊綜合評價方法的基礎上，對模型進行改良，創(chuàng)建對電子商務三種主要交易模式都適用的雙層模糊綜合信用評價模型：該模型主要是根據(jù)當前各類電子商務網(wǎng)站主要采用的靜態(tài)和動態(tài)信用評價體系，結合模糊數(shù)學理論，根據(jù)專家制度制定權重，得出近期信用評價得分，結合各項綜合因素獲得綜合信用評價得分。該文研究的幾個電子商務網(wǎng)站市場在國內(nèi)占有份額達到了90%以上，具有重恩的代表性，研究成果對我國電子商務交易的信用評價體系的完善有一定的參考價值。
參考文獻
1 第25次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告[J/OL]. http://www.cnnic.com.cn.
2 年度網(wǎng)絡購物行業(yè)投訴統(tǒng)計分析報告[J/OL]. http://www.315ts.net/stats/wanggou/2009/.
3 Xiaoquan Gong Qixing Guo. Computational Trust Model in Online Auctions[J]. IEEE Communications Society;IEEE Engineering Management Society; Shanghai Jiaotong University, China.
4 遲國泰,許文,孫秀峰. 個人信用卡信用風險評價體系與模型研究.同濟大學學報(自然科學版).2006,4,Vol 34,(4).
關鍵字：管理
