李 生 琦，陳 奎

（1.浙江林學院，浙江 杭州 311300；2.藝龍網(wǎng)信息技術(shù)（北京）有限公司，北京市 100015）

一、引 言

消費者對消費者（C2C）電子商務(wù)作為一種重要的交易模式，在我國表現(xiàn)出了很強勁的發(fā)展勢頭。國內(nèi)幾個較大的C2C購物網(wǎng)站，如淘寶網(wǎng)、TOM易趣網(wǎng)、拍拍網(wǎng)占據(jù)了網(wǎng)上購物67.1%的市場份額。[1]盡管如此，誠信問題依然是阻礙我國電子商務(wù)發(fā)展的第一大障礙，C2C電子商務(wù)網(wǎng)站遭遇這方面的問題就更為突出。由于C2C電子商務(wù)交易的參與者一般為個人或者小型企業(yè)，沒有什么知名度，交易雙方缺少了解渠道，無法獲知交易對象的身份和信用狀況，因而網(wǎng)上欺詐現(xiàn)象更容易發(fā)生。

目前各大主要的C2C電子商務(wù)網(wǎng)站都采用信譽評價系統(tǒng)來提高用戶對網(wǎng)上交易的信任度，但是當前的信譽評價系統(tǒng)都存在一定的問題，無法防止信譽的炒作和誹謗。本文針對現(xiàn)有信譽評價系統(tǒng)的不足之處，分別從評價等級、評分標準、初始信譽值設(shè)定及用戶評價可信度等方面進行分析探究，給出一個改進的可信度更高的信譽評價模型，并通過實例對該模型進行驗證。

二、現(xiàn)有評價模型存在的問題

國內(nèi)主要的C2C電子商務(wù)網(wǎng)站（如淘寶網(wǎng)、TOM易趣網(wǎng)、拍拍網(wǎng)）均采用了信譽評價系統(tǒng)。雖然各自的信譽評價系統(tǒng)略有差別，但總體上相類似。以淘寶網(wǎng)為例，目前采用的信譽評價系統(tǒng)是：對于所有注冊用戶的初始信譽值設(shè)置為零，買賣雙方在交易后均可為對方作出相應(yīng)評價。評價一般分為“好評”、“中評”、“壞評”，分別對應(yīng) 1、0、-1 的分值。用戶的累計得分值即為用戶的信譽值。[2]

現(xiàn)有的信譽評價體系，雖能對買賣雙方的信譽作出評估，但仍存在如下問題：

1．信譽的評價等級過于簡單

僅僅用“好評”、“中評”、“壞評”作為評分的等級，無法真實地反映用戶的評價。例如，在淘寶網(wǎng)上，有不少用戶在評論中都對賣家的服務(wù)和產(chǎn)品以及其他方面有不太滿意的地方，如有的產(chǎn)品沒有包裝，有的產(chǎn)品色澤與圖片有一定的差距，但由于產(chǎn)品的總體質(zhì)量沒有太大問題，所以用戶還是給出了“好評”。

2.沒有充分考慮原有信譽值的影響

由于網(wǎng)站只是采用簡單的累計加分原則，這使得結(jié)果一樣的情況無法反映用戶信譽值的差別。例如：某個用戶得到了100個“好評”，而另一個用戶得到了200個“好評”、100個“壞評”，反映出這兩個用戶的信用情況應(yīng)該是不一樣甚至相差很大的，但信用累計值卻是相同的。

3.沒有考慮時間權(quán)重對于信譽值的影響

用戶的信譽值應(yīng)該是一個動態(tài)變化的過程，用戶行為的變化也會導(dǎo)致信譽值隨之變化，用戶不同時間作出的評價其影響也是不同的。如用戶3天前作出的評價和45天前作出的評價不同，三天前作出的評價更能反映當前對方用戶的信譽值。而目前的評價系統(tǒng)無法反映此種變化。

4.沒有考慮交易次數(shù)和交易金額對信譽值的影響

現(xiàn)有的評價系統(tǒng)沒有考慮到交易次數(shù)和交易金額的影響，交易過一次的用戶和交易過100次的用戶作出評價的效果是一樣的，小額交易用戶和大額交易用戶作出評價的影響也是一樣的，這就無法防止某些用戶開始用小額交易多次的方法賺取信譽值，等到信譽值較高時對高額交易進行詐騙的現(xiàn)象發(fā)生。[3]

5.無法防止信譽的炒作和誹謗

由于目前的信譽評價都假定用戶的評價是真實可靠的，對于所有的“好評”、“壞評”都100%地計入評價的總分，對于評價的可信度無法進行衡量，這就無法防止一些用戶通過虛假手段炒作自己的信譽值。此外，也難以防止一些用戶為了達到不正當競爭的目的，利用不正當手段對競爭對手進行惡意評價，降低對手的信譽值。

6.沒有鼓勵第三方服務(wù)

保羅·帕沃羅（Paul A.Pavlou）和大衛(wèi)·格芬（David Gefen）論述了第三方服務(wù)對于網(wǎng)上交易的重要作用。他們指出，第三方服務(wù)是電子商務(wù)的一個重要模型，尤其是買賣雙方擁有不同的社會和文化背景，并且之前也未發(fā)生過交易的時候。[4]麥肯耐特、查德瑞和卡默（McKnight，Choudhury&Kacmar）也指出，第三方服務(wù)對于買家感知賣家的信任、幫助完成網(wǎng)上交易有重要作用。[5]然而現(xiàn)有的評價系統(tǒng)只是建議進行第三方服務(wù)，并未采取有效的措施鼓勵進行第三方服務(wù)。

三、信譽評價模型的改進

針對上述信譽評價模型存在的問題，本文擬從評價等級的設(shè)定、初始信譽值的設(shè)定、評價分數(shù)的設(shè)置、評價的可信度方面進行改進。

1.評價等級的改進

本文將用戶的評價分為四個維度，即產(chǎn)品因素、服務(wù)因素、配送因素和支付因素，每個因素對應(yīng)一個評價。分別針對產(chǎn)品、服務(wù)、配送、支付各設(shè)一個評價問題，如服務(wù)方面可設(shè)問題為“對方的服務(wù)態(tài)度如何”，對應(yīng)的答案分別為“好評”、“中評”、“差評”，分別對應(yīng) 1、0、-1 的分值。用戶可以根據(jù)交易過程中對方在各方面的表現(xiàn)，作出更為客觀的評價。

2.初始信譽值的設(shè)定

當買賣雙方都第一次申請加入C2C網(wǎng)站時，各大主要的C2C購物網(wǎng)站對于買賣雙方的初始信譽值都設(shè)置為零，使得買家無法對賣家信譽值的差別作出判斷。對此，我們認為賣家的初始信譽值與他所采用的第三方服務(wù)認證有關(guān)。

定義1：ISj表示賣家Sj的初始信譽值，有n項第三方服務(wù)，賣方經(jīng)過n項第三方服務(wù)認證，wi表示第i項服務(wù)認證在所有第三方服務(wù)認證中所占的權(quán)重，權(quán)重越大，表示該項服務(wù)認證在交易中對買方感知賣方的誠信度越高，定義函數(shù)f（wi）表示第i項服務(wù)認證所得到的分數(shù)，賣家的初始信譽值是賣家進行各項第三方服務(wù)認證所得分數(shù)的總和。

即初始信譽值與其經(jīng)過的認證有關(guān)，第一次注冊便得到了基本身份認證。如i=1表示通過第三方支付認證，i=2表示通過身份認證，且w1>w2，如果S1只通過支付認證，S2只通過身份認證，S3未通過任何認證，則有IS1>IS2>IS3

3.用戶評價分數(shù)的設(shè)定

定義 2：設(shè)Sj表示第j個賣家，Bi表示與Sj交易的第i個買家。Tx表示 Bi與 Sj的第 x 次交易。R（i，j，x）表示 Bi與 Sj第x次交易時對Sj的信譽值作出的評價。在前文已經(jīng)將評價劃分為四個維度，Score表示這四個評價維度所得出的此次評價的分數(shù)，定義函數(shù)：

其 中 service、product、distribute、payment 分 別 表 示 服務(wù)、產(chǎn)品、配送、支付各維度所得的評價分數(shù)。因不同類產(chǎn)品對四個因素要求不同，所以不同類產(chǎn)品各因素所占權(quán)重也有所不同。令α、β、χ、δ分別表示各個對應(yīng)維度在計算此次得分時的權(quán)重值，α、β、χ、δ∈［0，1］，且 α＋β＋χ＋δ=1。權(quán)重越大，表明該因素在本次交易中對賣方聲譽的影響越大。α、β、χ、δ的權(quán)重值根據(jù)C2C交易網(wǎng)站上用戶的調(diào)查統(tǒng)計得出。由（2）式可知，Bi對于 Sj的評價 R（i，j，x）可映射為以下函數(shù)：

由（2）式和（3）式得知，當用戶的四方面都為“好評”時，得分為1，四方面都為“壞評”時得分為-1，四方面都為“中評”時得分為 0。假設(shè)一個用戶的評價為（-1，1，-1，1），而對應(yīng)的各個方面的權(quán)重為（0.5，0.2，0.2，0.1）時，該用戶的Score=0.5×（-1）+0.2×1+0.2×（-1）+1×0.1=-0.4<0，此次對賣家得出的信譽值為-1。由上述函數(shù)可以看出，如果買家認為該用戶的質(zhì)量雖沒什么問題，但是服務(wù)和送貨效率都不令人滿意，而服務(wù)在此交易中非常重要，所以該賣家還是得到了-1分，避免了以往信用評價過于簡單的問題。

4.用戶評價可信度的確定

不同情況的用戶作出評價的效果也應(yīng)該是不同的。一個有多次交易經(jīng)驗的用戶作出的評價應(yīng)該比沒有任何交易經(jīng)驗的用戶作出的評價更具說服力，交易額大的用戶評價應(yīng)該比交易額小的用戶評價更有影響力。一個買家如果同多個賣家發(fā)生過交易，其所作的評價應(yīng)該比只與一個賣家發(fā)生過交易的用戶的評價更具可信度，因此可以有效地抑制信譽的炒作和誹謗。

定義 3：關(guān)于直接可信度Y。Bi與Sj交易后，對Sj進行信譽評價時，可根據(jù)Bi與Sj以前直接交易的次數(shù)和交易金額來推斷此次評價的可信程度。定義如下函數(shù)：

其中，sum表示之前交易的次數(shù)；account表示之前交易的總金額；p、q分別表示交易次數(shù)和交易金額對于直接可信度的影響系數(shù)，p、q∈［0，1］；r表示交易金額的消解因子，保證即使account值比較大時，能在同一數(shù)量級上影響Y，r的值根據(jù)sum和account值的情況選取。k為調(diào)節(jié)因子，使得Y∈［0，1］。由（4）式可以看出，交易次數(shù)越多、交易金額越大時，Y的值也就越大，但Y的最大值只能為1。

定義 4：關(guān)于間接可信度Z。Bi與Sj交易，Bi對Sj作出評價時，根據(jù)Bi與其他Sj（i≠j）交易的情況來推斷Bi評價的可信程度。一般認為與Bi發(fā)生交易的其他交易用戶的數(shù)量越多，Bi評價的可信度越高。定義如下函數(shù)：

Z=ρ×num （5）

其中Z∈［0，1］，ρ表示Bi與其他用戶交易的次數(shù)對于間接可信度的影響系數(shù)（ρ＞0），num表示與Bi發(fā)生交易的不同交易用戶的數(shù)量。

定義5：關(guān)于用戶評價的可信度CR（Tx，Bi）。Tx表示Bi與當前賣家Sj的第x次交易，CR（Tx，Bi）表示根據(jù)用戶Bi與Sj及其他賣家過去的交易情況來預(yù)測用戶此次評價的可信程度，以此來決定此次評價對于對方信譽值的重要程度。CR（Tx，Bi）∈［0，1］，0表示此次評價是不可信的，1表示此次評價是完全可信的。CR（Tx，Bi）由直接可信影響因素和間接可信影響因素組成，由（4）式、（5）式可定義如下函數(shù)：

其中夼∈［0，1］，夼用來控制直接可信度權(quán)重，它與該用戶和與其發(fā)生交易的其他用戶的數(shù)量num存在一種近似反比的關(guān)系。當num＝0即Bi只與Sj發(fā)生交易時，夼=1，用戶的可信度CR（Tx，Bi）由Bi與Sj過去的交易情況推斷。當num的值不斷增加時，表示Bi與其他越來越多的用戶交易時，用戶的間接可信度在判斷用戶可信度CR（Tx，Bi）時的作用越來越大，但是間接可信度的權(quán)重不會超過一定的值，表明雖然間接可信度作用在增大，但是不可能完全取代用戶的可信度。

5.評價模型的改進

在上述討論的基礎(chǔ)上，我們提出一個改進的信譽評價模型?？紤]到時間因素的影響，用戶的歷史評價可能已經(jīng)過期，對于評價當前用戶信譽度的影響應(yīng)該減小，而近期的評價對于評價信譽度的影響應(yīng)該更大，近期所作的評價應(yīng)該比以往所作的評價更能反映用戶的信譽度。因此，我們把時間也作為評價信譽度的一個權(quán)重，定義如下：

定義6：時間權(quán)重ωt定義為如下函數(shù)：

其中 ωt∈［0，1］，△t表示時間跨度變量，λ 為相關(guān)時間調(diào)節(jié)因子，以保證ωt適用于不同的情況。例如，如果要表示五天前的評價影響權(quán)重應(yīng)該是當前評價權(quán)重的一半時（假如五天前的評價影響權(quán)重為0.5，當前的評價影響權(quán)重

由（1）式、（3）式、（6）式、（7）式可以得到改進的信譽評價模型，定義如下。

定義 7：R（i，j，x）表示 Sj與 Bi交易所得到的總的信譽評價值，L表示Bi與Sj交易的總次數(shù)，所以有：

模型中賣家的信譽度由初始信譽值和用戶評價的信譽值相加得到。改進的信譽評價模型綜合了評分等級設(shè)置、用戶評價分數(shù)設(shè)定、用戶評價可信度及時間等多方面因素。

由（8）式可以看出，當買賣雙方從未進行交易時，賣家的初始信譽值由他所進行的第三方服務(wù)認證確定，第三方認證越全面，其初始信譽值就越高。當買家與賣家進行網(wǎng)上交易時，賣家的信譽值就由買家交易后的評價值獲得，此時初始的信譽值所占比重就會越來越小。買家在交易過程中就產(chǎn)品的服務(wù)、質(zhì)量、配送、支付四個方面進行評價，最后構(gòu)成此次評價的得分。對于買家評價的可信度，我們可以根據(jù)（6）式得出。

由（8）式可知，買家對賣家過去的評價對于賣家可信度是有影響的，越是有經(jīng)驗的買家，我們認為他評價的可信度就越高，而越是近期的評價就越反映了賣家近期的信譽度，并且這也在一定程度上防止了對信譽的炒作和誹謗。用戶的可信度、用戶此次評價的分數(shù)和時間權(quán)重的積構(gòu)成了此次用戶對于賣家真實的信譽評價分。賣家的總的信譽評價分是各個買家對他的信譽評價分的總和。

四、模型應(yīng)用實例分析

為了促進C2C電子商務(wù)平臺統(tǒng)一標準，方便用戶，我們認為用戶可以進行任何有效的第三方支付認證和身份認證，并且該認證在各個C2C交易平臺上都認可。

設(shè)S1、S2、S3都表示某C2C交易平臺上賣防紫外線遮光布的用戶，該平臺當前鼓勵兩項第三方認證，即用戶身份認證和第三方支付認證，其各自的權(quán)重分別為0.6和0.4，初始總信譽分值設(shè)為1。S1進行了身份認證和第三方支付認證，S2進行了第三方支付認證，S3未進行任何認證，所以三者的初始信譽值分別為1、0.4和0。以S1交易的記錄（見表1）為例來分析該模型的應(yīng)用。

表1 Bi與S1交易情況表

商品的單價為10元，Bi表示與之交易的用戶。以當前C2C交易平臺的信譽評價系統(tǒng)得出S1的信譽得分為5，并且用戶評價效果沒有任何差別。但我們對表1的交易情況應(yīng)用改進的評價模型（8）式進行分析，根據(jù)網(wǎng)上的調(diào)研統(tǒng)計，得出用戶對于時尚裝飾類的四個維度占信譽度評價的權(quán)重分別為 0.3、0.4、0.25、0.05，根據(jù)（2）式、（3）式計算出這幾次的交易評價得分為（1，1，1，-1）。在（4）式中，設(shè)k=0.5，p=0.2，q=0.8，在（5）式中，設(shè) ρ=0.2。

計算B1第一次的評價分數(shù)可信度：設(shè)r=10，B1第一次第一次的評價分數(shù)可信度為0.4。

計算B1的第二次評價分數(shù)可信度：設(shè)r=50，由于此時Cr（T2，B1）=0.6×0.9+（1-0.6）×1=0.94。

時間權(quán)重值的設(shè)定：我們設(shè)參數(shù)λ，可以得到前一天的時間權(quán)重是1，15天前的時間權(quán)重為0.5。計算B1對S1總的評價分數(shù)為 0.4×0.5+0.94×1=1.14。

同理可求得B2、B3、B4對于S1的評價分數(shù)分別為 0.4、0.4和-0.4。

由（8）式求得S1總的信譽評價分數(shù)為初始信譽分與各個買家對其評價的和為2.54，由此可以看出S1信譽值要比改進前的評價系統(tǒng)得出的信譽度要低。用戶B1在第一次與S1發(fā)生交易時，由于其交易的金額和次數(shù)都比第二次要少，而且評價也不是最近評價，所以其評價的分數(shù)與第二次評價的分數(shù)是有很大差別的。計算其評價的可信度時，第一次因為沒有與其他用戶發(fā)生過交易，所以可信度只能由直接可信度獲得，而第二次交易時，由于B1與其他賣家也發(fā)生過交易，所以其評價的可信度應(yīng)該由其直接可信度和間接可信度獲得。

五、結(jié) 語

本文針對現(xiàn)有C2C電子商務(wù)網(wǎng)站評價系統(tǒng)的不足，分別從評價等級設(shè)定、評分的設(shè)置、初始信譽值的設(shè)定、評價的可信度方面進行分析，提出了一個改進的信譽評價模型，并用實例分析了改進的評價模型的運用。通過實例可以看出改進的評價模型對反映用戶的真實信譽值有了很大的提高。因為用戶的評價可信度由其直接和間接可信度組成，所以在一定程度上防止了信譽的炒作和誹謗。

＊本文系國家自然科學基金項目“數(shù)據(jù)挖掘知識的智能化管理研究”（項目編號：70871111）的部分成果。

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.2009年中國互聯(lián)網(wǎng)發(fā)展狀況調(diào)查統(tǒng)計報告[R].http：//www.cnnic.net.cn/，2010-01-15.

[2]Abdul Rahman A.，Hailes S..Supporting Trust in Virtual Communities[EB/OL].http：//csdl.computer.org/comp/proceedings/hicss/2000/0493/06/04936007.pdf，2000-01-25.

[3]Kiku Jones，Lori N.K.Leonard.Trust in Consumer-to-consumer Electronic Commerce[J].Information&Management，2008，45：88-95.

[4]Paul A.Pavlou，David Gefen. Building Effective Online Marketplaces with Institution-Based [J].Trust Information Systems Research，2004，15（1）：37-59.

[5]D.Harrison McKnight，Vivek Choudhury，Charles Kacmar.The Role of Reputation Systems in Reducing Online Auction Fraud[J].Information Systems Research，2002，13（3）：334-359.