杨晓薇

（湖北工程学院 校友办，湖北 孝感432000）

在电子商务系统中，有关信任计算［1］、信任管理［2］以及信任机制建立［3］等问题的研究比较多。随着C2C模式电子商务的迅速发展，大多数的C2C购物网站都纷纷建立起了自己的信用评价体系。虽然现有的评价系统在一定程度上减轻了网上交易信用危机，促进了C2C网上交易，但现有评价系统仍然面临着诸多问题。

1 当前信用评价计分模型及算法存在的问题

1.1 目前C2C电子商务信用评价计分模型及算法

各个网站的信用评价规则有所不同，如有的网站采用“所有评价一起积分”的制度，有的网站则采用“买卖信用值分离”的制度，但评价均分为“好评”、“中评”、“差评”三档，分别对应＋1、0、－1的分值。对于一次交易，规定进行信用评价的用户为评价用户，接受信用评价的用户为被评用户，其中评价用户和被评价用户既可以是买方，也可以是卖方，用户信用度（又称信用指数）为该用户总得分，信用等级根据信用度来确定。

1.2 存在的问题

1）信用度的变化只与交易次数有关，与交易金额无关。在淘宝网交易中，许多信用值很高的卖家，大多数是销售低价商品的。进行一次几元钱的交易与进行一次几千元的交易获得的评价机会是一样的，都是一次，而且信用值的增减也相同，这样就容易导致信用度的不对等和盗用，如果卖家以此为手段进行恶意欺诈，那么买家的风险就增大了很多。

2）评价率不明确。在网络交易中，交易完成后的信用评价是自愿进行的，网站的信用评价规则规定：交易双方中至少有一方做出了评价，评价才有效并公布，如果所有的交易者，或者大部分的交易者在交易完成后不做出评价，这个信用制度就没有意义了［4］。因此，许多卖家为了维持100%的好评率，当交易不顺利时，卖家可能会放弃对买家的评价，或者给出不好的评价；而买家也会不做评价或者做出差评，虽然买卖双方进行了交易，但由于双方没有互相给予评价，交易的情况不能反映到信用指数中。

3）信用炒作。在网购平台上，当顾客在选购商品时，信用排名高的网店商家往往能得到消费者更多的青睐，所以很多卖家为促成更多的交易，利用阿里旺旺、QQ等聊天工具要求与他人换好评，或利用站内信件及商品页面的留言等方式要求与他人进行相互出价、给予评价来提高自己的信用度。

2 改进的信用评价计分算法

改进的信用计分方法是一种基于交易商品所属种类的平均价格、交易商品价格、卖家信用值、买家信用值、信用等级多影响因素，对交易的商品价格和信用等级进行区间划分，“好评”和“差评”的加分与扣分随着交易的进行动态变化的信用评价方法。信用评分规则为：

1）当评价为“好评”时，第一次“好评”加1分，从第二次开始，以后每次“好评”加dn，dn为加分系数。

2）当评价为“中评”时，不计分。

3）当评价为“差评”时，某信用级别的卖家一次“差评”扣hn。hn为扣分系数，随着信用等级越高，扣分系数越大，这样增加了卖家诈骗的机会成本。

考虑到买家与卖家之间就同一商品进行多次交易其信任无效的情况，规定买家与卖家之间对同一商品进行多次交易时，给一天内不同商品的评价只计一次。14天内，买家与卖家之间就同一商品进行多次交易时，评价都只计一次。

首先，对交易商品价格和卖家的信用等级进行区间划分，将交易商品的价格分段为［X1，Y1］，［X2，Y2］，［X3，Y3］，……。根据卖家信用值的范围将卖家信用等级分为n 级：［x1，y1］，［x2，y2］，［x3，y3］，……，［xn－1，yn－1］，［xn，yn］，设信用值的初始值为0。在所有的交易中，考虑到交易失败的情况，对每个信用等级设定相应的交易失败率阈值fn，fn是预期的交易失败率的最大值，在这个值的范围内，认为交易是安全可行的。超出这个值的范围，则会受到惩罚，使卖家的信用值降低一个级别。设卖家的信用值区间为［x，y］，卖家想从这个信用等级升到更高一个信用等级，需要的交易次数至少是y－x，在这个交易数中，卖家的信用值要想不被降低一个等级，则失败的交易次数m需满足的条件为：m＜fn×（y－x）。假设某卖家的信用值为a，要使得交易失败次数在允许的最大值下，卖家的信用值被降低一个等级，需要满足的条件为：a－n×hi＜＝x，其中hi为当前信用等级的扣分系数。于是，hn＞＝（a－x）／m，而m＜＝fn×（y－x），所以hn＞＝ （a－x）／fn×（y－x）。又max（（a－x）／fn×（y－x））＝1／fn，所以，hn＞＝1／fn。

目前，现有的信用评价模型在计算某个卖家的信用值时，均未考虑提交信用反馈评分用户的信用值，这为交易双方之间进行互相评分提供了可乘之机，容易受到信用诋毁、恶意推荐等行为的影响。因此，在这里引入了买家的信用值权重E，E为卖家的信用值e与所有买家平均信用值的比率。

根据以上说明，给出如下基于多影响因素的信用计分模型，即在有限次交易后，用户的信用值采用以下模型计算：

1）当评价为“好评”时，Rn＝ Rn－1＋ dn；Rn－1为卖家前一次交易的信用值，dn为本次交易的加分系数dn＝（N（Фn）／N（∑Ф））×（e／¯E）；N（Фn）为已经完成的交易中商品价格落在Фn段中的商品数，N（∑Ф）为已经交易完的总商品数。

2）当评价为“差评”时，Rn＝ Rn－1－hn；Rn－1为卖家前一次交易的信用值，dn为本次交易的扣分系数dn＝（1／fn）×（e／¯E）。

3 模拟实验及结果分析

采用Visual Basic for Applications进行信用计分方法实验的模拟，实验数据来源于淘宝网上某类女装的卖家交易记录。价格为原始数据，将商品价格分区间为：［10，60］，［60，140］，［140，240］，［240，390］，［390，500］，［500，800］，［800，1500］，［1500，2500］，［2500，4000］。将信用等级分为十级：［1，60］，［61，160］，［161，320］，［321，600］，［601，1000］，［1001，1600］，［1601，3000］，［3001，5000］，［5001，10000］，［10001，30000］。设信用值初值为0。根据对该类女装的网上交易统计分析，设定fn的值依次为5／120，4／120，3／120，2／120，1／120，5／1500，4／1500，3／1500，2／1500，1／1500，则扣分系数hn依次为：24，30，40，60，120，200，375，500，750，1500。

为了描述方便，把淘宝网的信用模型简称为TB模型，改进后的模型简称为R模型。为了分析R模型与TB模型的信用计分方法不同，这里采用了一组具有该特征的数据进行了模拟实验。

对改进前和改进后的两个模型分别进行了300多次模拟实验，从信用值增长方面对改进后的模型和原有的模型进行了详细的对比分析。

3.1 历史交易中只出现欺骗的情况

图1 只有欺骗的信用值增长过程比较图

当交易中出现欺骗行为时，TB模型的简单累加信用值的计分方法是完全无能为力的，而R模型的信用计分方法，对交易中出现欺骗交易情况描述得很具体，同时也抑制了信用值的增长，这对买家在进行下一次交易时，判断其交易的风险提供了有利的依据，对卖家在交易中的行为也起到了督促作用。

3.2 历史交易中只出现信用炒作的情况

图2 信用炒作的信用值增长过程比较图

信用炒作现象1：卖家先通过销售大量的低价商品，在短时间内快速提高自己的信用等级，再转销售高价商品，这里采用了符合该特征的现实数据对其现象进行了分析，若采用TB模型的信用计分方法，即使没有出现欺骗行为，但卖家在进行信用炒作之后，其信用值已经大打折扣，买家则很容易相信目前的信用值。而采用R模型的信用计分方法，在卖家出售高价商品时，则会抑制其信用值的增长，对买家在进行下一次交易时，判断交易的风险是有利的。同时，由图2还可以看出，在交易低价商品时，R模型的计分方法对只出售低价商品的卖家是公平的。

3.3 历史交易中欺骗和信用炒作同时出现的情况

图3 信用炒作后欺骗的信用值增长过程

信用炒作现象2：卖家先通过销售大量的低价商品，在短时间内快速提高自己的信用等级，再转销售高价商品进行欺骗来获取更多的利润，这里采用了符合该特征的现实数据对其现象进行了分析，采用TB模型的计分方法，对信用炒作后的欺骗行为是无法遏制的，而采用R模型的计分方法，当卖家在由出售低价商品转出售大量高价商品并且出现欺骗行为时，会抑制卖家信用值的增长，并对其行为进行处罚。由此可以看出，改进后的模型计分方法有效地防止了信用炒作。

4 结语

随着C2C电子商务快速发展，淘宝等许多C2C电子商务网站纷纷建立了各自的信用评价体系，虽然在一定程度上提高了交易成功率，但许多商家为了快速提高信用等级来获取更多的利润，在交易中出现了欺诈、信用炒作等现象。因此，完善信用评价体系显得尤为重要，它不仅减少了网络交易诈骗行为，加强了个人信用体系的建设，而且促进了C2C电子商务网站的更大发展。

［1］Zhang W，Liu L，Zhu Y C.A Computational Trust Model for C2CAuctions［C］／／Proceedings of 2005International Conference on Services Systems and Services Management（ICSSSM’05），2005：726-719.

［2］Venkatraman Mahadevan，Yu Bin，Singh Munindar P.Trust and Reputation Management in a Small－World Network［C］／／Proceedings of the Fourth International Conference on MultiAgent Systems，2000：449-450.

［3］Ba S L，Whinston A B，Zhang H.Building Trust in Online Auction Markets Through an Economic Incentive Mechanism［J］.Decision Support Systems，2003，35：273-286.

［4］洪琼，何刚.C2C电子商务网站信用评价模型的分析与研究［J］.中国管理信息化，2008（11）：96-97.