论文摘要：一种改进的电子商务信用评价模型-论文网
论文关键词：电子商务,信用评价
1.概述
根据我国权威的中国互联网信息中心(CNNIC)的调查报告显示，从2007-2009的对比看，网络消费指数增长明显，具有较高的增长空间，同时，65.9%的网民认为“网络交易不安全”。这些问题无疑制约着网络消费类应用的深度发展，其中最难解决的问题就是信用问题。据315TS发布的数据显示，2009年，315TS共接到网络购物的投诉21657宗，与2008年相比，增长了248.58%。网络消费投诉已经成了新的热点，投诉量在增长，电子商务，这种新兴的交易方式吸引了大量的中小企业和个人消费者，但是由于其交易方式的特殊性，以及监管的困难，各种问题日益增多，其中，信用问题已经成了制约电子商务发展的重要问题。信用评价模型在电子商务信用评价管理中利用率越来越高，而建立一套较为完善的信用评价体系对于电子商务的发展尤为重要,它可以客观地反映交易主体的历史交易获得的评价,从而大大提高了交易的成功率。
2.电子商务信用评价体系分析
我国电子商务从90年代初开始兴起，然而有意识的电子商务交易信用评价出现也只仅限于90年代末期出现的B2B和C2C中，现在的淘宝、拍拍这种信用评价已经成为衡量一个店铺信用级别的唯一标准。
2.1信用评价指标分析
对目前国内外电子商务网站的信用评价指标进行分析，可以发现这些影响信用评价的指标主要可以划分为两个部分，一部分叫静态信用评价，静态信用评价是衡量网店信用的重要组成部分；另一部分是动态的信用评价，是在交易的积累和反馈中不断变化的，这部分信用是可以通过交易历史或炒作达到的，并且在交易过程中不断变化的，所以在用户购买物品时只可作为部分参考信用，不能看成是衡量网店信用的全部。
2.2现有的电子商务信用评价体系的问题
信用评价大都只是简单的对每次交易的评价结果进行累加，该方法将用户得到的所有信用反馈评分进行累加，作为用户的总体信用值。淘宝、易趣等大多拍卖网站都采用这种累计信用模型。累加信用模型表示为：
其中R表示用户的当前信用度，R表示用户近期信用度，r表示用户得到第n次信用反馈评分，r∈{-1,0,1}。
现有的信用评价中静态、动态各有不足：静态信用评价更加注重卖方进行身份认证；缺乏监管机制；忽视交易双方所在地区、交易方式等表示买卖双方基本信息的数据；动态信用评价容易助长信用炒作；信用评价体系不完善，信用数据无法共享；信用数值的可比性和区分度差；忽视评价人的信用状况；缺乏行业及商品类型特点。
3.改进的信用评价模型实现
本文在分析电子商务信用评价指标的基础之上，结合我国电子商务的特点，利用模糊综合评价方法，构建电子商务的双层模糊综合信用评价模型，从而通过对电子商务信用评价指标进行量化，来为买卖双方提供信用参考，使交易主体做出合理的选择，降低交易风险。根据上述分析，该文利用模糊综合评价方法，提出改进后的交易主体的信用评价模型――双层模糊综合信用评价模型，如图1所示：
图1双层模糊综合信用评价模型原理图
3.1数学模型
（1）静态信用评价指标评分矩阵确定
说明：
U：是静态信用指标评分矩阵；
V：是静态信用评价指标集合；
V=（v,v,v,v,v,v,v）
=(年龄，性别，婚姻状况，学历，职业，银行存款，月收入)
T：是各个指标的等级域；指标不同，n的取值不同，对于空位以“0”填充；
T={t,t,…t}
S：它是每个指标对应论域上的取值；
（2）动态信用评分模型
根据已经建立的动态信用评价指标，利用模糊隶属函数，得到模糊评分矩阵如下：
说明：
U：一次交易的动态信用评价指标评分矩阵
V=（v，v，v，v，v，v）=(买家信用度，交易金额，时间，质量，售后服务，价格)
T={u，u，…，u}={很满意，满意，基本满意，不满意，非常满意}，根据指标不同，T的域也有所不同，但基本以上述五项为主。
（3）近三个月信用评分模型
设置静态信用评价和动态信用评价两上因素的权重分别为W1’，W2’；根据专家制度法，得到权重分配为W1’=0.45，W2’=0.55
说明：
S0：是交易主体近三个月内的交易评分总值；
S1：是交易的静态信用评分；
S2i：是一次交易的动态信用评分；
n：是交易主体在三个月内进行交易的总次数；
（4）双层模糊综合信用评价模型
利用式（4-6），根据信用评分的积累次数，计算出某交易主体的综合信用积分，
说明：
S：它是交易主体进行所有交易所得到的信用积分，反映了交易主体进行交易的整体信用情况；
S：三个月内的信用积累评分；
m：信用评分的累积次数。
3.2双层模糊综合信用评价模型程序实现
本文着重阐述双层模糊综合评价模型程序实现，对静态、动态信用评价程序不予表述。根据静态和动态信用评价阶段的信用评价得分，得出用户的两个综合信用评分；设置静态信用评价和动态信用评价两上因素的权重分别为W’，W’；根据专家制度法，得到权重分配为W’=0.45，W’=0.55，运用matlab程序，计算出近三个月的信用评价得分和综合评价得分，程序如下：
function[ScoreSta,ScoreDyn,ScoreCol,ScoreInt]=FullFuzzy(Static,Dynamic,Colli,Integrate)
%获取静态输入指标
Age=str2num(cell2mat(Static(1)));
Sex=cell2mat(Static(2));
Marry=cell2mat(Static(3));
Degree=cell2mat(Static(4));
Career=cell2mat(Static(5));
Wage=str2num(cell2mat(Static(6)));
Savings=str2num(cell2mat(Static(7)));
%调用静态评价函数
[ScoreSta,U1]=StaticFuzzy(Age,Sex,Marry,Degree,Career,Wage,Savings);
%获取动态输入指标
Credit=cell2mat(Dynamic(1));
Trade=cell2mat(Dynamic(2));
Time=cell2mat(Dynamic(3));
Qc=cell2mat(Dynamic(4));
Sale=cell2mat(Dynamic(5));
Price=cell2mat(Dynamic(6));
%调用动态评价函数
[ScoreDyn,U2]=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
%近三个月的评价得分
[r,c]=size(Colli);
Credit=zeros(r,1);
Trade=zeros(r,1);
Time=zeros(r,1);
Qc=zeros(r,1);
Sale=zeros(r,1);
Price=zeros(r,1);
ScoreDynCol=zeros(r,1);
fori=1:r
Credit=cell2mat(Colli(i,1));
Trade=cell2mat(Colli(i,2));
Time=cell2mat(Colli(i,3));
Qc=cell2mat(Colli(i,4));
Sale=cell2mat(Colli(i,5));
Price=cell2mat(Colli(i,6));
ScoreDynCol(i)=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
end
%权重系数，根据专家制度进行赋值
W=[0.450.55];
%近三个月的评价得分
ScoreCol=ScoreSta*W(1)+sum(ScoreDynCol)*W(2);
%近三个月的评价得分
[r,c]=size(Integrate);
fori=1:r
[rr,cc]=size(Integrate{i,:});
forj=1:rr
Credit=cell2mat(Integrate{i,:}(rr,1));
Trade=cell2mat(Integrate{i,:}(rr,2));
Time=cell2mat(Integrate{i,:}(rr,3));
Qc=cell2mat(Integrate{i,:}(rr,4));
Sale=cell2mat(Integrate{i,:}(rr,5));
Price=cell2mat(Integrate{i,:}(rr,6));
ScoreInt(i,j)=DynamicFuzzy(Credit,Trade,Time,Qc,Sale,Price);
end
end
ScoreSum=sum(ScoreInt');
ScoreInt=ScoreSta*W(1)+ScoreSum*W(2);
ScoreInt=sum(ScoreInt);
3.3实例验证
（1）设置静态指标为：（27，男，未婚，大学，普通职员，1500，5000）
（2）设置第一次“近三个月交易动态指标”为：；（很高，大，很满意，满意，基本满意，基本满意'）和（很高，一般，不满意，满意，满意，基本满意）；第二次“近三个月交易动态指标”为：（很高，很大，很满意，满意，基本满意，不满意）（很高，低，基本满意，满意，很不满意，满意）（很高，一般，不满意，满意，满意，基本满意）
运用Matlab程序计算，输入及获得结果如图：
图2matlab运算界面
即：静态信用评分为：0.3665；一次动态信用评分为：0.81；近三个月信用评分为：1.0064；综合信用评分为：2.3098。 1/2 1 2 下一页 尾页 |
