焦立名

摘  要： 在传统电商交易信任度反馈系统设计中，存在信息源划分不明确、反馈能力不足等缺点，因此基于信息源，设计了一种电商交易双方信任度反馈系统。该系统在原有硬件基础上，替换原有微处理器，构建系统化的反馈硬件结构，提升系统的总体控制分析能力。在系统软件方面，基于信息源、依靠信任度关联曲线，划分交易双方的信任维度;依据信任向量与标志向量之间的对照关系，建立分布式动态信任评估模型;设置系统三层隐式反馈模式，实现递进式的信任度反馈。实验结果表明，与传统的反馈系统相比，所设计的信任度反馈系统的反馈能力提升了42.83%。由此可见，该系统满足电商交易发展需要。

关键词： 电商交易; 信任度反馈; 系统设计; 信任维度划分; 信任评估模型; 仿真实验

Abstract： In allusion to the undefined information source partition and poor feedback capacity in the design of traditional e?commerce transaction credit feedback system， a both sides′ credit feedback system for e?commerce transaction is designed based on the information source， in which the most hardware of the original system is retained， but the original microprocessor is replaced and the systematic feedback hardware structure is built to improve the overall control and analysis capability of the system. In terms of system software， the credit dimensions of both sides of the transaction are partitioned based on the information source and credit correlation curve. A distributed dynamic credit evaluation model is established on the basis of the contrasting relation between credit vector and mark vector. The system three?layer implicit feedback mode is set to achieve the progressive credit feedback. The experimental results show that， in comparison with the traditional feedback system， the feedback ability of the designed credit feedback system is increased by 42.83%. It follows that the system meets the development needs of the e?commerce transactions.

Keywords： e?commerce transaction; credit feedback; system design; credit dimension partition; credit evaluation model; simulation experiment

0  引  言

在网络技术日益发展的今天，越来越多的消费者都选择通过网络渠道购买商品，这种交易稱之为电商交易。电商交易的成功离不开交易双方的相互信任，电商只有与消费者之间建立在线信任，才能将在线访问的隐含价值，变为真正的、持久性的现实价值。因而，为了分析电商交易中双方的信任程度，提出一套完整的信任度反馈系统，该系统可以了解商家与消费者之间的信任关系，及时满足消费者的购买需求，最大程度地提升交易之间的信任度，促进线上交易完成。传统方法的设计反馈系统在硬件配置上存在功能缺失，软件设计上存在计算漏洞，不能将所有消费者的基本信息应用于该反馈系统，最终得到的反馈结果与实际结果相差甚远[1]。为此基于信息源，设计电商交易中交易双方信任度反馈系统。该系统以原有反馈系统为基础，更新硬件配置，重新设定软件程序，最大程度上得出更加贴合实际的反馈信息。

1  信任度反馈系统硬件设计

以原有信任度反馈系统硬件为基础，将控制器替换成型号为STM32F103RBT6的微处理器，该处理器融合高性能的ARM Ccortex?M3 32 bit RISC内核，运行频率72 MHz，包含两个12 bit模/数转换器、三个通用16 bit计时器、一个PWN计时器。在该处理器的支持下，反馈系统硬件可以自动采集消费者基本信息源，将数据实时上传到中央处理器，根据输出结果，控制系统软件做出信任反馈。该反馈系统的硬件结构如图1所示[2]。

由图1可知，该处理器将获取的消费者信息与电商信息之间进行匹配，通过脉冲调变，将信息通过驱动器、数字信号处理器转化，经中央处理器分析，生成控制指令，利用上位机负责反馈系统的数据生成任务，通过串口通信硬件，实现信息的有效通信，完成对电商交易双方的信任数据采集、处理[3]。利用处理器实现对信任程度的分类规划，通过控制功能，将驱动器、数字信号处理器、电源、端口等硬件及硬件结构之间，串联成一个一体化的处理系统，确保信息源在各硬件的处理过程中不失真，实现更加完善化、系统化、自动化的反馈系统硬件设计[4]。

2  基于信息源设计信任度反馈系统软件

为保证系统硬件的平稳运行，输出结果真实可靠，需要在系统硬件设计的基础上，依据信息源，设计信任反馈系统软件。

2.1  基于信息源划分信任维度

影响信任度动态变化的因素多维、复杂，因此从信息源的不同内容来划分信任维度。假设[F]表示电商线上交易中消费者在某一环境对商家的信任度，其中[X=x1，x2，…，xn]为影响消费者信任度的[n]个交易环境信息源;[H]表示线上交易中，电商在消费者购买时，对于消费者本人的消费信任，其中[Y=y1，y2，…，yn]是与消费者影响因素相对应的，[n]为交易环境信息源个数，二者之间的关系[5]见图2。

图2中，纵坐标中的正值为信息源对消费者的影响;负值为信息源对电商的影响。由信任曲线走向可知，[h1=h2]，信息源的影响力度与双方信任度之间成反比，交易双方的信任度之间成正比[6]。根据该描述得出信任维度d：

式中：[Δc]为初始信任与持续信任之间的基准差值;[e]表示信任维度分离指数;[En]为在信息源的影响下，消费者与电商之间的信任倾向;[Fxn]为对消费者信任的信息源分析函数;[Hyn]为对电商信任的信息源分析函数。根据信任维度，描述消费者信息数据、电商信息数据之间的映射关系。

2.2  建立分布式动态信任评估模型

依据信任维度，建立分布式动态信任评估模型。将信息源数据以节点形式量化处理，形成多路径反馈信任链结构。为区分信任状态，用图3的赋值为信任向量与标志向量之间的关系，其中，1为信息向量对应的交易结果;0为初始阶段的信任加值[7]。

根据数据在系统中的传递过程，消费者与电商结束每次交易后，信任向量向右移动一个位数。根据此过程建立分布式动态信任评估模型，如下：

式中：[pij]为对[i]个信息源的[j]个有效影响估值;[Q]为信任反馈函数;[Rc]表示对映射关系为[c]的反馈处理数据集合;[k]為加权系数;[e]为信任评价指标;[d]表示所求维度;[dnext]为该维度的动态变化常量。根据上述评估模型，处理、估计、评价采集到的信息信任值，为下一步反馈机制提供数据支撑[8]。

2.3  分层隐式算法实现信息反馈

根据上述评估模型，得出信任度的具体数值，引入新的分层隐式算法，利用该算法将信任数据分为三层：弱反馈[q]、强反馈[p]以及极弱反馈[o]。三层反馈的区别如图4所示。

式中：[λ]为反馈层内的具体信息总量;[a]为同类型信息源信任;[i]，[j]为任意两层反馈;[zai]为在[i]层的交互行为量;[zaj]为[j]层的交互行为数据量;[εij]为两层之间的分化系数;[μ]为极大似然参数;[“⊕”]为反馈分解估计值[9]。利用反馈代码分析反馈结果，获取反馈数据，通过数据传送单元上传到反馈页面。

3  仿真实验

为验证所设计反馈系统的功能，设计仿真实验，对比所设计的反馈系统和传统设计下的反馈系统之间存在的功能差异。

3.1  实验准备

实验使用的服务器内存为32 GB，硬盘大小为1 TB，操作系统为Windows Server 2018b。测试用机的服务器含有16 GB运行内存，1 TB硬盘，操作系统版本为Windows 10，浏览器为IE 11.0。设置该仿真实验的网络节点数为2 000，节点IP为同一网络中的16A类子网掩码;数据是以分散形式储存，实验参数如表1所示。

根据上述参数配置进行仿真实验，分别将两个反馈系统装入计算机中，试运行20 min后开始实验。

3.2  结果分析

实验测试分成两组对某年度、某电商交易平台的信任度数据同时进行反馈分析。随机选择20个交易信息，分20个测试组，测试结果如图5所示。

实验测试中，第4，8，11组为低信任数据组;第10，12，19组为高信任数据组;其他组别的信任程度适中。由图5可知，所设计系统，在20组实验检测中，其平均反馈程度为95.49%，且不论信任程度大小，每一组数据的反馈程度均超过90%;传统反馈系统受信任数据强弱的影响，反馈程度大小不一，平均反馈程度为52.66%，比所设计系统的反馈能力低了42.83%。可见，所设计系统的反馈能力更强，运行分析效果更好。

4  结  语

基于信息源的反馈系统设计针对传统设计中存在的问题，在系统硬件和软件两方面进行了强化处理和操作升级，使系统的信任数据分析能力提升，得到的反馈信息更符合实际问题。

参考文献

[1] 荣飞琼，郭梦飞.基于大数据的跨境电商平台供应商信用评估研究[J].统计与信息论坛，2018，33（3）：100?107.

[2] 杨影，张杰鸣，徐国卿，等.转速负反馈在伺服系统机械谐振抑制中的应用研究[J].电工技术学报，2018，33（23）：5459?5469.

[3] 赵明，叶建华，李晨晶.基于短反馈分数阶PI～λD～μ的核电厂稳压器压力优化控制[J].核动力工程，2017，38（3）：99?103.

[4] 任士鑫，王卫群，侯增广，等.基于改进共空间模式与视觉反馈的闭环脑机接口[J].机械工程学报，2019，55（11）：28?35.

[5] 王兴野，张进秋，刘义乐，等.一种改进的有限频域状态反馈H_∞控制方法研究[J].振动与冲击，2019，38（5）：135?141.

[6] 蒋沅，贾付金，代冀阳.一类非线性纯反馈系统的预定性能控制器设计[J].控制与决策，2018，33（9）：1719?1724.

[7] 孙国法，田宇，王素珍.严格反馈非线性系统的自适应神经网络输出反馈控制[J].控制理论与应用，2017，34（3）：375?382.

[8] 张果，王燕.一类模糊分散输出反馈控制器的设计方法[J].模糊系统与数学，2018，32（4）：17?23.

[9] 徐毅，叶卫根，戴鑫，等.融合用户信任度与相似度的推荐算法研究[J].小型微型计算机系统，2018，39（1）：78?83.

[10] 方珍.基于B/S的信息调查反馈系统的设计与实现[J].内蒙古民族大学学报（自然科学版），2019（2）：113?117.