刘 杰， 王 宇， 李 文 立

(大连理工大学 管理与经济学部, 辽宁 大连 116024)

基于云模型的商家信誉综合评价方法

刘 杰， 王 宇， 李 文 立

(大连理工大学 管理与经济学部, 辽宁 大连 116024)

利用云模型的逆向云发生器、云运算原理,结合云模型的模糊性、随机性以及统计性对社会化电子商务平台中商家的信誉等级进行综合评价。对比了基于云模型的综合评价方法与常规模糊综合评价方法的应用效果,算例结果表明：基于云模型的综合评价方法具有传统模糊综合评价方法所不具备的优点。

云模型；模糊综合评价；信誉；云运算；社会化电子商务

一、引 言

随着Web2.0时代的快速发展，互联网上以微博、微信、社交网站以及一些购物网站等社会化商务载体逐步升级，新用户注册数和用户生成内容(UGC)的规模急剧增加。正是由于社会化商务(SC)的参与者多样性、高交互性和用户生成内容等特点使得其交易决策比传统电子商务更加复杂。在社会化电子商务环境下，消费者的购买行为更加的社会化，与之而来的是交易中出现了更多的模糊性和随机性。与此同时，消费者对于商家的信任出现了更多的不确定性，信任问题已经成为现阶段阻碍电子商务发展的一个瓶颈。

消费者对于商家的信任与商家的信誉紧密相关，基于消费者对于商家信任问题的出现，许多学者在信誉评价方面进行了相关的研究。Dholakia为了改善信誉评价的效果，结合历史交易记录,把交易密度、平均购买价格、竞标密度等指标引入信誉评价[1]。鲁耀斌等列出了计算信誉值的两种模型:累加信誉模型和均值信誉模型[2]。杨震提出了基于协同过滤的信誉评价模型,该模型的优势是引入了交易价值、短期信誉、时间权重等因素,丰富了现有评价模型的指标[3]。张海燕等人引入了商品、服务、配送、安全等4个一级指标,利用层次分析法(AHP)进行专家打分确定每个指标权重,力图使信用综合评价反映交易质量[4]。郭洪海等在Sporas模型的基础上增加了交易量、交易次数等变量和引入惩罚因子,提出了改进的E-Sporas信誉计算模型[5]。而服务是商家信誉评价的重要指标之一，这也说明商家信誉好坏对于消费者的信任和购买起到了决定性作用。

通过对相关文献进行回顾，发现在之前的研究当中，利用传统模糊综合评价法对商家信誉进行评价时，虽然较好地考虑了商家信誉影响因素的模糊性，但却忽略了其随机性。对于社会化商务环境下交易过程中存在的更多模糊性和随机性，传统的模糊综合评价法不能很好地处理这些模糊性和随机性，有些文献中还把随机性等同于模糊性。正是因为传统的模糊综合评价法这个弊端的存在，导致它已经无法精确合理地实现社会化商务环境下商家信誉评价这一研究目标。

二、商家信誉等级划分及评价指标体系建立

1.信誉等级划分

信誉等级的设定是信誉评价研究的前提。对商家信誉进行评价之前,首先要设定信誉值的区间以界定商家的信誉等级,需要注意的是，此信誉等级的设定一定要与之后模糊评价中的评语集等级的设定相一致。这里将信誉值取值在[0,10]之间,划分为5个区间,从而把商家的信誉确定为5个等级:好[9,10]，较好[7,9]，一般[5,7]，稍差[2,5]和差[0,2]。在实际应用中可以根据具体情况的需要划分更详细的信誉等级,以提高信誉判别程度,并设定信誉值的临界值,当商家的信誉值低于这一临界值时,该商家被确认为无信誉商家,可以考虑撤销该商家的店铺并给予一定的惩罚。

2.信誉评价指标体系的建立

以社会化电子商务平台的典型代表“蘑菇街”为例，对该平台商家信誉评价方法进行分析和思考，找出该平台信誉评价方法中存在的不足，进而希望在此基础上可以提出一套更加完善合理的商家信誉评价指标体系。

“蘑菇街”中商家信誉评价是采用信誉评分方式来对商家信誉进行衡量的，主要包括四大指标：质量满意、价格合理、描述相符和服务周到。这样来设定评价指标对于消费者进行商品评价来说简单便捷，但是仅仅依靠这样四个指标来评价一个商家的信誉太过于简单。根据消费者购物的实际经验和相关专家的意见，消费者在评价一个商家的信誉度好与坏时主要依赖于：商品质量、性价比、服务态度、物流快慢以及消费者保障服务。因此，基于现有的信誉评价指标的不足，对已有的信誉评价指标进行了细化和完善。

将“蘑菇街”中原有的质量满意、价格合理、描述相符等3个指标归并为商品表现；对原有的服务周到指标进行细化，包括：咨询沟通、售后服务、反馈服务3个方面；现实生活中人们在网上购物之后，如果商品的发货不够及时或物流运输过慢，就会导致消费者购物体验差，会给商家信誉带来影响。所以，需要增加物流表现指标，并将其细分为：发货及时性、物流速度、物流准时性3个方面；此外，“蘑菇街”中的商家店铺还提供了消费者服务保障，主要包括：全国包邮、7天无理由退货、72小时发货、退货支持服务、模特实拍、先行赔付等，而这些服务保障对于消费者感知商家信誉也很重要，比如7天无理由退货、退货支持服务、模特实拍等。由于网上购物消费者只能根据图片和消费者购买评价来进行判断商品的好坏，有些商家利用一些虚假的图片来吸引消费者购买商品，而对于这一点模特实拍起到了很好的限制作用，商家承诺商品实拍，所见即所得。那么，很显然有商品实拍承诺的商家信誉要比没有商品实拍的商家信誉要高，所以，本文在构建指标体系时增加担保表现指标，主要包括：7天无理由退货、退货补运费、模特实拍、保证金先行赔付4个方面。

此外，在社会化电子商务环境中，参与者的范围不再局限于单一的集中式网络，而是扩大到整个社会网络中。消费者不再单纯依赖于电商网站主动推荐的商品信息，而是更愿意相信自己社交圈子里面的亲戚朋友、同事、专家、意见领袖以及其他消费者提供的各类消费建议和购物分享，也更容易被这些人发表的商品评论和商品推荐所动摇。社会化媒体使得消费者从被动的信息接受者转变为信息的积极发布者，其在社会化电子商务活动中有更多的机会和方式来进行商品的评价和推荐。由此可以看出，在社会化电子商务交易决策过程中，买卖双方越来越注重社会网络中其他参与者(例如亲戚朋友、其他消费者、意见领袖、同事等)的评价和推荐。因此，在构建信誉评价指标体系的过程中，在改善和细化电商平台的信誉指标体系的基础上又考虑了推荐信息对于商家信誉的影响。这样的评价指标体系更加符合社会化商务环境下商家信誉的特点。

根据以上对于商家信誉影响因素的分析,可以确定商家网上交易信誉评价的指标体系,这一指标体系应该是全面的、多层次的，如图1所示。

由图1可知,商家的信誉可以由商品、服务、物流、担保、推荐等5个方面来表现，因此，将商家的信誉分解为商品表现、服务表现、物流表现、担保表现和推荐表现等5个一级指标，而这5个一级指标又被细分为相对应的二级指标。

商家信誉因素集B={B1,B2,B3,B4,B5}={商品表现、服务表现、物流表现、担保表现、推荐表现}，其中，商品表现B1= {B11,B12,B13}={商品价格合理度、商品质量、商品描述相符度}，服务表现B2={B21,B22,B23}={咨询沟通、售后服务、反馈服务}，物流表现B3={B31,B32,B33}={发货及时性、物流速度、物流的准时性}，担保表现B4={B41,B42,B43,B44}={保证金先行赔付、7天无理由退货、模特实拍、退货补运费}，推荐表现B5={B51,B52,B53}={电商平台推荐、意见领袖推荐、亲戚朋友推荐}。

图1 商家信誉评价指标体系

三、商家信誉评价模型

1.商家信誉的评语集云模型

η反映了信誉的随机性，取值不宜过大，因为He越大，Ex的误差越大，信誉的随机性增大，信誉结果难以确定。本文中η取为0.1。

表1 商家信誉评语集云模型

2.基于云模型的商家信誉综合评价方法

(2)

同理，对于综合评价矩阵，参考设定的信誉等级，对m个信誉影响因素进行赋值打分，然后将统计样本利用逆向云发生器[9]转换为相应云的数字特征(Ex,En,He)，得到综合评价矩阵V：

(3)

对于商家信誉的各个影响因素的权重，本文采用了云模型来进行表示。因素集C={C1，C2，…，Cm}的权重Wi(Exi,Eni,Hei)，表示每个信誉影响因素的权重都具有一定的模糊性和随机性，同理，综合评价矩阵表示的数学意义也是相同的。用云模型来表示权重矩阵和综合评价矩阵更能体现出社会化商务的特点。

然后利用模糊合成算子计算综合评价结果，得到综合评价云模型。

(4)

其中,“∘”为模糊合成算子(这里使用乘和算子)，具体的云运算原理见表2[11]。

表2 云运算原理

在得到权重矩阵和综合评价矩阵后，将两者进行相应的云运算就可以得到综合评价云模型。将综合评价云与评语集云模型中的各个评语云进行相似度计算，与综合评价云相似度最接近的评语集云模型即为最终的评价结果。最后，通过MATLAB将评语集云模型和信誉综合评价云模型分别仿真显示出来，与R距离最近的评语集云模型对综合评价云模型影响最大，也就是最终的信誉等级。

四、算例分析

1.基于云模型的综合评价方法应用

根据易观智库2012年发布的《中国社会化电子商务专题研究》显示，中国典型的社会化电子商务平台有“蘑菇街”和“美丽说”等。因此，选取“蘑菇街”和“美丽说”这样典型的社会化商务平台为代表，对社会化电子商务环境下商家的信誉因素进行分析，进一步利用这些信誉影响因素构建商家信誉评价指标体系，最后，基于信誉指标体系对该平台下的商家信誉进行评价。

此外，由于16个信誉影响因素对商家信誉的影响程度不同，特别是在社会化电子商务环境下，充满了各种模糊性和不确定性，给消费者的购买决策带了很大的阻碍。在这种环境下，对于消费者本身来说，相比于商品评论，他们更愿意去相信自己的亲戚朋友或者意见领袖的推荐，这些推荐对于消费者的购买行为起到了很大的推动作用。由此可知，电商平台和意见领袖的推荐以及消费者亲戚朋友的推荐对于商家信誉有着很重要的作用。因此，在信誉评价过程中对每个信誉影响因素应该赋予不同的权重。在考虑专家意见的基础上，结合消费者实际调研反馈的情况对每个信誉影响因素的相对重要性进行打分。结合实际情况的调研结果，能够更好地消除一部分专家意见主观性的影响，使得信誉影响因素权重的确定更加的精确。根据式(2)，采用逆向云发生器计算得到对应的权系数矩阵W。具体结果如下所示：

根据式(4)可以计算得出综合评价云模型：

从上面的计算可以得到商家信誉综合评价云模型，然后，采用文献中提出的云模型相似度计算算法[12]，分别计算信誉综合评价云模型和每个评语集云模型的相似度，计算结果当中与综合信誉评价云模型相似度最高的评语集云模型对应的信誉等级就是该商家的信誉等级。

图2 商家信誉综合评价云模型

注：+表示信誉差；○表示信誉较差；□表示信誉一般；☆表示信誉较好；*表示信誉好；·表示综合评价结果。

表3 信誉综合评价云模型与评语集云模型的相似度

通过表3中云模型的相似度计算算法结果，可以得出信誉较好评语云与信誉综合云相似度最大。此外，通过MATLAB将评语集云模型和信誉综合评价云模型分别仿真显示，从图2也可以直观地看出，该商家信誉的综合评价云与信誉较好评语云V4最接近。所以，该商家的信誉等级为：信誉较好。

2.常规模糊综合评价法应用及结果分析

依据文中所建立的商家信誉评价指标体系，采用常规的模糊综合评价法进行商家信誉评价。利用层次分析法分别计算出信誉影响因子相对于指标层和目标层的权重矩阵，然后构建模糊综合评价矩阵，最后进行模糊评价计算。

基于前面的计算结果，最后对两种信誉评价方法结果进行对比分析，如表4所示。

表4 评价结果比较

从表4中的比较结果可以看出，基于云模型的综合评价方法与常规的模糊综合评价方法结果一致，即该商家的信誉较好。这表明基于云模型的商家信誉综合评价法是合理可行的。从评价结果中可以看出，该商家信誉综合评价云模型的En为0.13，其数值较小，从而反映出该商家的信誉相对稳定，He为0.05，该数值也比较小，从而反映出该商家信誉的随机性小。由此可以得出，基于云模型的综合评价法的评价结果具有波动性和随机性，体现了模糊的本质。

相比之下，常规模糊综合评价方法得到的结果只有一个隶属度值，并没有信誉波动性和随机性的体现。此外，常规模糊综合评价为了方便结果的比较，一般是利用最大隶属度原则，由于只考虑隶属度的最大值，因而可能会导致较大的判断偏差，也体现不出模糊的本质。

在实际研究中，商家信誉等级的确定、综合评价矩阵的计算，以及权重矩阵的计算中都存在模糊性和随机性。常规模糊综合评价方法无法体现这种模糊性和随机性，而基于云模型的综合评价方法不仅可以对商家信誉进行等级判定，还可以分析商家信誉内在的波动性和随机性，从而为商家信誉评价提供更丰富的参考信息。

五、结 语

本文通过借鉴云模型的特点和优势对商家信誉进行评价，得到商家的信誉等级。由综合评价的结果可以看出，基于云模型的综合评价法可以更有效地对商家信誉进行评价，减少了社会化电子商务环境下信息的不确定性以及人的主观判断的随机性等因素对评价结果的影响，利用云模型来构建隶属度函数能够充分表征信誉影响因素的模糊性和随机性，从而实现定性和定量评估之间的转化，使综合评价结果更加客观准确，更加符合实际。

[1] DHOLAKIA U M. The usefulness of bidders’ reputation ratings tosellers in online auctions [J]. Journal of Interactive Marking,2005,(19)：31-40.

[2] 鲁耀斌,周涛. 电子商务信任[M]. 武汉：华中科技大学出版社，2007：217-218.

[3] 杨震. 网络拍卖信誉反馈系统的优化研究[D]. 青岛：中国海洋大学，2009.

[4] 张海燕，杨鹏起. 卖方网上交易信用等级评价研究[J]. 河北科技大学学报(社会科学版),2008,(3)：32-35.

[5] 郭洪海，姜锦虎，蔡涵. C2C电子社区成员信誉值的计算模型研究[J]. 管理学报,2009,(8)：1056-1060.

[6] 李德毅，孟海军，史雪梅. 隶属云和隶属云发生器[J]. 计算机研究与发展，1995，32(6)：16-18.

[7] 李德毅，刘常昱，杜鹢. 不确定性人工智能[J]. 软件学报，2004，15(11)：1583-1594.

[8] 李海林，郭崇慧. 基于云模型的时间序列分段聚合近似算法[J]. 控制与决策，2011，26(11)：1525-1529.

[9] 范定国，贺硕，段富，等. 一种基于云模型的综合评判模型[J]. 科技情报开发与经济，2003,(12)：157-159.

[10] YAN W Z, NIU J, SU H Y. A study on program evaluation and review technology based on cloud model[C]. IEEE International Conference,2007：1047-1052.

[11] SHI Y B, ZHANG A, GAO X J,etal. Cloud model and its application in effectiveness evaluation[C]. 15th Annual Conference Proceedings,International Conference,2008：250-255.

[12] 张仕斌，许春香，安宇俊. 基于云模型的风险评估方法研究[J]. 电子科技大学学报，2013,(1)：92-97.

Integrated Evaluation of Business Credibility Based on Cloud Model

LIU Jie, WANG Yu, LI Wenli

( Faculty of Management and Economics, Dalian University of Technology, Dalian 116024, China )

This paper intends to evaluate the credibility of businesses on the social e-commerce platforms according to cloud model-based reverse cloud generator and cloud computing principles. It also takes into consideration the fuzziness, randomness and statistical features of cloud models. The cloud model-based integrated evaluation approach is compared with conventional fuzzy evaluation approach, and numerical results show that the former outweighs the latter in terms of application effect.

cloud model; fuzzy integrated evaluation; credibility; cloud computing; social e-commerce platform

2015-11-20;

2016-01-24

国家自然科学基金重点项目：“社会化商务中参与者的信誉与信任机理及交易决策研究”(71431002)

刘杰(1990-)，男，河南林州人，大连理工大学管理与经济学部硕士研究生，研究方向为电子商务与信息资源管理，E-mail:liujie19901217@mail.dlut.edu.cn；王宇(1959-)，男，吉林通化人，教授，博士，主要从事信息资源管理、商务智能研究；李文立(1969-)，男，河南平顶山人，教授，博士生导师，主要从事决策支持、信息系统建模、电子商务研究。

10.19525/j.issn1008-407x.2017.01.013

C931

A

1008-407X(2017)01-0088-06