张瑞玉　刘健　左敏

摘要：从店铺信息、商品、卖家服务等方面建立C2C电商信用评价体系，在淘宝网获取了242条卖家信息，利用SPSS两步聚类法将数据进行聚类，运用MATLAB的BP神经网络工具箱，将评价指标数值作为输入，聚类结果作为输出，构建了三层BP神经网络，以230条数据为训练样本，得到具有较快收敛速度和较高准确率的BP网络。在此基础上， 以12条卖家信息作仿真实验，对卖家信用等级进行客观的预测评价，最终建立C2C信用评价模型。

关键词：C2C电子商务 信用评价 BP神经网络

当前互联网依旧成为影响我国经济社会发展、转变人们生活形态的关键行业，中国互联网络信息中心（CNNIC）在京发布第34次《中国互联网络发展状况统计报告》，《报告》显示，截至2014年6月，我国网购用户规模达到3.32亿，与2013年6月对比，增加6060万，增长率为22.37%。虽然网购规模的扩大，刺激网络经济的发展，但也引发了诚信危机。据《2014年（上）中国电子商务用户体验与投诉监测报告》显示，电商投诉大大增加，网络售假、退款问题、质量问题、虚假促销、退换货物网络诈骗、发货迟缓、订单取消、账户被盗、售后服务等尤其明显。越来越多的新问题对电商的诚信度和服务提出了更高的要求，要提高网民对电子商务的信任，首先必须让网民知道什么情况下电子商务是可信的，这就涉及电子商务信用评价问题。

传统信用评价方法主要基于线性特征建立模型，C2C电子商务的信用评价指标与信用评级之间常体现出非线性特征，神经网络则被认为更适于说明指标间的非线性特征，所以，本文建立C2C电商信用评价指标，利用MATLAB的BP神经网络工具箱建立信用评价模型，通过反复训练提高信用评价准确率，得出信用评价等级和结果。……