基于反向引用的电子商务信用评价算法及其在云计算平台中的实现.doc

基于反向引用的电子商务信用评价算法及其在云计算平台中的实现 Credit Evaluation in E-business Based on Inverted Reference and a MapReduce Implementation 代栋 Dai Dong 杨峰Yang Feng 中国科学技术大学苏州研究院，苏州， 215123 Suzhou Institute for Advance Study of USTC, Suzhou ［摘要］随着网上交易的兴起，C2C平台中买卖双方的信用评价成为影响电子商务成败的关键因素，传统的信用评价体系无法全面真实的反应一个网上店铺的信用，在实际的运营中反而带来了很多信用欺诈问题。淘宝网在发展的过程中，不断提出新的信用评价方法，极大的改进了信用评价体系，但是由于采取的措施受到系统平台和评价体系模型的因素，不够灵活和准确。本文考虑了在C2C平台中交易的商铺、个人的关系，提出了采用搜索引擎中的页面比重排序算法对交易历史进行分析，充分考虑了C2C交易中各种影响商铺或个人信誉的因素及其权重。并且，在该算法的基础上提出了在云计算平台中，构建和实现这一算法的方法，并且针对实现策略进行了性能分析。该信用评价模型相比较传统模型更能够阻止恶意信用欺诈行为，并且由于采用云计算平台，相比传统方法更加高效、扩放性更好。 ［关键字］电子商务；网上交易；信用评价；搜索引擎；PageRank；云计算；MapReduce ［Abstract］While the rapid development of E-business, Credit evaluation in C2C platform became a critical factor that determine the success of E-business. Traditional credit evaluation system can not reflect the real credit of a store or a customer, and cause lots of credit-cheat problems. Taobao, as the biggest C2C platform provider in China, was continuously proposing new credit evaluation systems in recent years, and has improved the way to solve this problem a lot. In this paper, we use PageRank-like algorithm to analyse the links produced by a trade action, and give a full consideration to the relationship among items, consumers and sellers in a C2C platform. Based on this algorithm, we use MapReduce and distributed file system to implement a flexible, scalable framework. This new credit evaluation model and its implementation can reduce the credit-cheating actions more effectively and be more efficient, more scalable. ［Keyword］E-Business; C2C; Credit Evaluation; PageRank; Search；Cloud Computing; MapReduce 1 引言 根据正望咨询的调查显示，2009年我国有1.3亿消费者共计在网上购买了2670亿元的商品，比2008年实现了90.7%的增长。2009年，在经济危机的大形势下，中国电子商务保持较快的增长速度，其中B2B市场保持了20%的增长率，C2C市场比2008年增长了一倍，而B2C市场交易额更是达到2008年的2倍【1】。 在电子商务大发展的形式之下，诚信问题逐渐成为影响电子商务进一步发展的重大阻碍，因此诚信体系的构建也就网规体系的根本和核心【2】。国内C2C电子商务的发展主要以淘宝网、易趣网、拍拍网为主，其中淘宝规模最大，也最具有代表性【3】。淘宝网所面临的诚信问题包括：宣传与实际商品不符、商品售后服务缺失，信用炒作，套取诚信、恶意竞拍等。其中信用炒作会导致失信行为无法体