面向C2C电子商务信任预测研究.docVIP

面向C2C电子商务信任预测研究 　　摘 要 针对C2C电子商务领域的信任问题，本文提出了一种信任预测方法。该方法首先通过信任模型计算出商家在以往各交易时刻的信任值，得到的信任值可被视作时间序列；然后结合马尔科夫理论进行预测，得到了商家在下一交易时刻处于各信任等级的概率，选择其中的概率最大值作为预测结果。 　　关键词 C2C电子商务信任 预测 马尔科夫模型 　　中图分类号：F062.4 文献标识码：A 　　近年来，不管是电子商务的理论研究者还是实践拥护者，都一致认为信任缺失是影响电子商务发展的巨大障碍，信任问题因而成为电子商务领域研究的热点 。目前，有关电子商务信任的研究主要集中在两个方面：第一，电子商务信任的影响因素分析 ；第二，电子商务信任模型研究 。电子商务信任预测是从信任模型研究基础上发展而来的，信任模型提供信任值的计算方法，而信任预测则可以提供成功进行下次交易的概率。目前，关于电子商务信任预测的文献大多采用贝叶斯网络进行预测，算法较为复杂。因此，简化预测方法同时提高预测准确性成为我们研究电子商务信任预测问题的关键。本文主要研究的是C2C电子商务环境下的信任预测问题，首先建立了C2C电子商务信任模型，计算出商家在各次交易之后获得的信任值，该信任值可被视作一个时间序列，然后将马尔科夫理论与信任值序列相结合来预测商家下一次交易之后的信任等级。马尔科夫的无后效性使得该电子商务信任预测法相比于贝叶斯网络预测法而言，算法复杂度低，具有一定的优越性 。 　　一、C2C电子商务信任模型的建立 　　本文借鉴文献 中的基于多影响因素的信任模型来计算C2C电子商务中商家的信任值。该模型相比其他信任模型更加简单易用。通过对国内外相关文献的研究，本文总结提出了C2C电子商务环境下影响消费者对商家信任的因素：店铺规模（scale）、店铺布局（layout）、服务态度（attitude）、信息公开度（openness）、交易金额（amount）、商品质量（quality）、发货速度（rapid）、售后服务（afterservice）、交易时间（time）。 　　将交易之后顾客对商家的以上各个要素的评价作为模型的输入变量，而输出变量则是商家的信任值。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数值的形式表现的，因此在计算时需要对定性变量做定量处理。对于定性变量，顾客的评价值分为“好”、“中”、“差”，本文将其分别映射为“1”、“0.5”、“0”。对于交易金额，其值越大说明卖家承担的风险越大，相应的评价就越可信。将交易金额转换为[0，1]上的值：规定一个金额阈值，大于该值的金额认为是1（大额），小于该阈值的金额则等于金额值除以阈值。对于交易时间来说，由于时间越早的评价越缺乏参照性，所以我们认为信任值具有时间衰减性。将交易时间变量也定义在[0，1]之间：规定一个时间间隔阈值a，与当前时间间隔在阈值内的交易评价不做时间衰减，否则启用衰减因子：a/（当前时刻-评价时刻）。通过上述分析，我们可以得到单一顾客的一条评价所体现的商家的信任值tr： 　　其中，wi表示各影响因素所占的权重。若t时刻之前，单一顾客与商家有m次交易，则该顾客对商家的信任度为：。那么，t时刻商家的总信任度为：。其中，n表示总的顾客数，，是某一顾客的交易总额。 　　二、基于马尔科夫模型的信任预测 　　利用马尔科夫模型预测C2C电子商务环境下商家的信任值的步骤如下：（1）状态划分：依据信任模型可以获得商家在各交易时刻的信任值Trust_curr（简写为T），根据需要将信任值划分为m个状态：Ti ∈[c1i，c2i]，i=1，2，…m。（2）构造状态转移概率矩阵：由状态Ti经过1步转移到状态Tj的原始样本数为SiJ，状态Ti出现的次数记为Si，则由状态Ti经过1步转移到状态Tj的转移概率为：Pij=，进而，我们可以得到一个m阶的状态转移概率矩阵P。（3）根据转移概率进行预测：根据上一步得到的转移概率矩阵，如果目前商家的信任值处于状态Ti，这时，Pij就描述了目前状态Ti在未来将转向状态Tj（j=1，2，…m）的可能性。一般按最大可能性作为选择的原则。 　　三、实证分析及结果 　　本文从淘宝网上选择了一个经营图书业务的卖家，其在淘宝上注册的时间为2013年2月份，至今已经完成38笔交易。每笔交易完成后都记录下了买家给卖家在各方面的评价以及每次交易发生的时间和交易金额。由于销售的是图书，本文将金额大于100元的交易视为大额交易，同时取时间阈值为7天。将各项记录作相应转换后，我们将各影响商家信任的因素作为输入变量带入信任模型中进行计算。对于各信任影响因素的权重，我们采用层次分析法得到 ，分别是：0.08、0.03、0.05、0.06、0.3、0.1、0.12、0.14