C2C电子商务动态信用评价模型

许红冉，王凤英

（山东理工大学计算机科学与技术学院，山东淄博255091）

随着我国互联网的迅速普及和电子商务的蓬勃发展，越来越多的人开始在网络上进行购物，特别是C2C交易的发展尤为迅速．然而，在我国C2C电子商务高速发展的同时，隐藏在其中的信用问题也逐渐暴露出来，成为阻碍其发展的主要问题之一．

本文从电子商务特别是C2C电子商务中存在的问题出发，通过查阅国内外相关文献［1－2]，并对我国几大C2C门户网站进行综合比较，分析了我国C2C电子商务信用评价机制的现状以及存在的问题．以我国淘宝网为案例进行分析，对C2C电子商务网站的信用评价机制进行了研究，分析了其信用评价模型存在的问题．本文主要在信用度计算方面提出了改进措施．考虑到多种因素对信用评价体系的影响，提出了一个C2C电子商务动态信用评价模型．C2C网站淘宝网在国内占据了80%以上市场份额，具有一定的代表性，研究成果对国内C2C网站的信用评价机制建设具有一定的参考价值，同时也是对我国电子商务信用评价标准的有益探讨．

1 C2C电子商务动态信用评价模型

为了解决C2C电子商务评价模型的不足，需要考虑影响买卖双方信任的诸多因素．

Xiong和Liu等人提出了一种PeerTrust信任机制［3]，虽然他们考虑了较全的信任因素，但却没有给出信任因素的度量方法．

1．1 评价因素

本文提出的动态信用评价模型，主要考虑了交易金额、交易时间、评价方信用度、未做评价交易以及相同用户多次评价等因素的影响，并给出了相应的度量方法．

1）交易金额．Trung Dong Huynh等人在文献［4] 中提出了针对合伙欺骗的解决方法，即引入了评价者的可靠性因素．但是它忽略了买卖方双在交易时涉及的金额，所以其应用环境仍然具有一定的局限性．例如，在淘宝网上，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一样，而且信用值的增减也相同．一旦卖低价商品的人转卖贵重商品，就造成了信用度的不对等，如果这个卖家恶意欺诈，那买家的风险就增大了许多．为了防止类似行为的发生，本文提出的信用模型，设计为小额交易增加的信用度相对于大额交易较少，即所占的权重较小．

2）交易时间．目前淘宝的信用评价机制中，信用度是长期累积的结果，很久之前做出的评价和最近做出的评价对信用度的影响效果是相同的，这就会使一些卖家早期做诚信交易，然后利用累积的信用进行诈骗．由于交易时间距离计算信用值的时间越远，交易评价对信用值的影响应该越小［5]．因此，本文提出的信用模型，将交易时间作为其中的一重要参考因素．距离当前时刻越近的交易的评价所占的权重越大，反之越小．

3）评价方信用度．淘宝的信用评价机制规定：每个自然月内，评价不可以超过六次，超出六次的将无效．这样的规定在一定程度上减少了信用炒作，但仍给不法分子留有可乘之机．因此，应将评价者的信用度考虑到信用评价机制中．文献［6]提出一种新的基于交易历史的分布式信任机制，其提供的算法可以有效的抑制合谋攻击，降低恶意交易概率．但是却没有考虑评价者的可信程度．本文提出的信用模型，通过比较单个评价值与整体的平均评价值之间的差距，来判断评价者的可信程度，从而可以有效区分恶意用户和诚信用户．

4）未做评价交易．淘宝信用评价规则中，若卖方好评而买方未评，使用支付宝交易且交易成功的，在单方好评的有效期时间内，系统将自动默认给予评价方好评．而实际上，未做出评价的用户并非对商品完全满意．淘宝机制中，这样得出的好评率和实际有较大悬殊，所以对于未做评价的交易也是一个值得思考的问题．

5）相同用户多次评价．如果网上大多数的交易是真实的，那么老顾客的光顾则正好说明这个卖家诚实可信、商品质量可靠．淘宝网的措施虽然能把“回头客”的评价计入信用度，但同时也存在虚增信用的问题．对于同一笔交易的多次评价问题，本文借鉴eBay的信用评价机制：若好评数大于差评数，则只记1分：若好评数等于差评数，则计为0分：若好评数小于差评数，则只记－1分．

1．2 信用评价算法

若在某段时间内有k个买家B1，B2，B3，…，Bk和卖家S进行交易．这里，假设买家Bk和卖家S在此时间段内进行了n次交易，用一个五元组表示为（Bk，S，Ti，Mi，Ri）．其中，Ti表示第i次交易的时间，Mi表示第i次交易的金额，Ri表示Bk和S第i次交易成功完成后，所做出的评价值（好评则为1，中评则为0，差评则为－1）．在完成n次交易后，通过加权均值的方式求Bk对S的信用评价值Pk，具体计算公式如下．

式中，T0为初始交易的时间；ωi为每次交易Bk对S所做的评价的权重，它受交易时间和交易金额的共同影响，交易时间距离初始时间越长或者交易金额越大，那么本次交易的评价值的权重就越大．例如，在分别距离T0为20天和30天时进行了两次交易，交易金额分别为200元、50元，那么这两次交易的权重分别为4 000和1 500．一些卖家为了虚增信用，可能会利用相同用户进行多次评价．而依据时间设置权重，实现了信用度的动态计算，可以减少这种行为对信用度评价的不良影响．

前面的假设是有k个买家，并且第k个买家对卖家S的信用评价值为Pk．同样的，依据以上公式，可以分别计算出其余k－1个买家对S的信用评价值，并依次计为P1，2，P3，…Pk－1．然后，由以下式子求所有买家对S的总的信用评价值．

式中，lj为第j个买家的好评率为所有买家对卖家S信用评价值的平均值．σj为第j个买家所做评价的可信度，其大小由lj和的共同决定．考虑到买家信用度对卖家信用度评价的影响，买家做出的评价值与均值差距越大，其所做评价的可信度应该越小．但允许Pj和存在一定的差距，θ即为该允许差距．当Pj和¯P的差距超出θ时，第j个买家所做的评价将受到质疑，应该减弱其可信度，β即为衰减因子．θ和β的值应预先设定，表1中将其分别设为了0．15和0．9．当然，经过分析大量的交易历史数据，还可以依据实际情况调整θ和β的值．如果数据显示，评价值的区分度不明显，那么可以适当减小θ的值；如果希望更大程度的降低可疑评价的权重，那么可以适当增加β的值．

由于信用度还受评价率的一定影响，交易成功后不做评价的现象时有发生．为了减小评价率对信用度的影响，本文通过乘评价率对P进行了修正．最终，买家B1，B2，B3，…Bk对卖家S的信用度Q的计算如下：

2 实验与分析

2．1 仿真实验

假设要对某一卖家的信用度进行模拟计算，交易时间为1～60天的任意值，交易金额为1～3000元的任意值，其他模拟参数见表1，买卖双方交易的具体信息见表2．

表1 模拟参数

表2 交易信息

2．2 结果分析

通过实验可以看出，本文提出的信用评价模型，在综合考虑交易金额、交易时间、评价方信用度、未做评价交易以及相同用户多次评价等因素的影响基础上，可以有效区分恶意用户和诚信用户．当恶意用户做出不诚实评价时，可以减小它对卖家信用度评价的影响．而且，还可以根据实际交易数据，适当的调整特定参数，使信用度的计算更加灵活．文献［7]中提出的信用评价模型，虽然可以有效地减少信誉榨取行为的损害程度，但是没有考虑评价差异的影响．文献［8]，提出了一种基于声誉的信任机制，它较为全面地考虑了影响信任度量的信任因素，可以有效地对抗共谋和诬陷等攻击，但若用于淘宝，将是一个巨大的挑战．而本文提出的信用模型，主要建立在淘宝现有的信用评价基础之上．总之，该信用评价模型可以减少信用欺诈等行为，提高C2C电子商务的安全性，同时，为买家挑选商品提供了可靠的依据．

3 信用评价系统实现

图1展示了评价模型的电子商务网站功能模块，从中可以体现出，是如何将提出的信用评价模型应用到实际的电子商务中的．

图1 C2C电子商务网站功能模块

当买家需要购买商品时，在看中一款商品的同时，还要到信用展示模块查看卖家的信用度，这里可以显示卖家信用度和评价率等信息．在确定该卖家诚信可靠的情况下，与其进行交易．商品交易完成，买家在交易评价模块，给予卖家一个原始评价值，该值将在C2C电子商务动态信用评价模型中进行处理．同时，卖家也将对买家进行打分，给予一个原始评价值．双方评价完成后，信用评价模型从商品交易管理模块取得交易双方的ID、交易金额、双方交易次数、交易时间4个数据，利用交易双方的ID从用户管理中心模块，取得与该卖家交易的买家数目、与该卖家交易的所有买家的总交易次数、以及买家对交易未评价的次数．从交易评价、商品交易管理、用户管理中心3个模块中取得上述数据之后，利用提出的信用评价模型进行计算，得到计算公式所需要的参数．然后，根据式（4）计算出每个买家对该卖家交易评价值的权重σ．最后，用（3）式、（6）式计算得到经修正过的该卖家的信用度．计算完成后，将本次交易信用度、评价率和好评率发送给信用展示模块，更新买卖双方的信用信息．至此一次交易完成．

4 结束语

本文提出的C2C电子商务动态信用评价模型，综合考虑了多种因素对最终信任值的影响，得出一种新的信用度计算方法，可以提供更准确、更客观的用户信用度供交易双方参考．该模型依据用户信用的时间特性，动态计算信用度，可以有效地减小虚假交易等行为对信用度计算的影响．由于本模型考虑了交易金额的因素，使得交易金额和评价的权重成反比，从而提高了信用炒作的成本，在一定程度上降低了信用炒作的危害．在今后的工作中，将进一步提高模型的效率，并考虑针对电子商务中的恶意行为，开发有效地激励机制，使模型具有较强的对抗恶意行为的能力．

［1] Zhang J，Cohen R．Trusting advice from other buyers in e－marketplaces：the problem of unfair ratings［C] ／／Proceedings of The Eighth International Conference on Electronic Commerce，ACM，2006：225－234．

［2] 薛海清．电子商务中信用与安全问题的研究［D] ．北京：北京交通大学，2006．

［3] Xiong L，Liu L．PeerTrust：supporting reputation－based trust for peer－to－peer electronic communities［J] ．IEEE Transactions on Knowledge and Data Engineering，Special Issue on Peer－to－Peer Based Data Management，2004，16（7）：843－857．

［4] Huynh T D，Jennings N R，Shadbolt N R．Certified reputation：how an agent can trust a stranger［C] ／／Hakodate，Japan：Proceedings of Fourth International Joint Conference on Autonomous Agents and MultiAgent Systems，2006：1 217－1 224．

［5] Yuan W，Li J S，Hong P L．Distributed peer－to－peer trust model and computer simulation［J] ．Journal of System Simulation，2006，18（4）：938－942．

［6] 彭冬生，林闯，刘卫东．一种直接评价节点诚信度的分布式信任机制［J] ．软件学报，2008，19（4）：946－955．

［7] Jia Y T，Yu H Q．Trustworthy credit reputation model based on C2C［J] ．Computer Engineering，2010，36（18）：256－258．

［8] Jiang S X，Li J Z．A reputation－based trust mechanism for P2P E－Commerce Systems［J] ．Journal of Software，2007，18（10）：2 551－2 663．