基于信息融合理论的电子商务信用行为研究①

哈尔滨商业大学管理学院 张鹤冰



基于信息融合理论的电子商务信用行为研究①

哈尔滨商业大学管理学院 张鹤冰

摘 要：本文结合电子商务的发展现状，分析了研究信用行为的重要意义，述评了现有研究成果，并在此基础上，将信用行为划分为三个维度，继而构建了电子商务信用行为管理模型，运用Kalman滤波理论对模型进行递推，基于Bar-Shalom-Campo信息融合算法实现多维信用行为的信息融合，最终推导出系统信用值的表达式。

关键词：电子商务 信用行为 Kalman滤波 信息融合

1　引言

随着电子商务发展环境的不断变化，国家也将电子商务的发展列入了战略行动计划之中。但是在电子商务高效快捷（运营高效、服务高效、利润高效）的背后，也亟须依法规范信用行为，寻求电子商务环境下激励信用水平提升的新方式，完善电子商务市场信用的管理体系，促进我国电子商务信用体系与电子商务的协调发展，同时提高交易主体的经济效益。因此，在大数据背景下，本文基于信息融合理论，对电子商务信用行为进行跟踪及监测，致力于运用滤波算法分析交易信用行为的动态转变过程，意在从动态视角下深化电子商务信用行为的研究，具有一定的理论意义及实际应用价值。

马云在2013年10月31日国务院总理李克强召开的座谈会上发言：“希望在中国创建新的C2B模式”，即按需定制模式。通过电子商务中海量数据，挖掘有价值的信息，通过实时分析消费者数据，建立柔性化生产模式和高效组织结构。大数据将成为电子商务发展的突破口，商务部、统计局在2014年会逐步将电子商务大数据纳入统计、征信体系。美国政府将大数据定义为“未来的新石油”。Bryant等发表了非常有影响力的白皮书《大数据计算：商务、科学和社会领域的革命性突破》，使得学者和管理者意识到大数据真正重要的是其新用途、新见解，而并非数据本身。冯芷艳等［1］对大数据背景下商务管理的若干前沿课题进行了总结，并指出在大数据背景下，企业与消费者之间的关系趋向平等、互动和相互影响，企业对市场的理解和洞察需求正在日益走向实时化和精准化。因此，通过合理、有效地运用电子商务大数据，反向驱动与消费交互服务，从而提高消费者与经营者的互动效率是电子商务发展的新方向。

电子商务交易信用行为可分为若干阶段，或者说是若干个系统结构，每个阶段中交易信用行为发生的目标是不同的。例如，在交易信用行为的第一个阶段，消费者会把价格看做首要目标，但是当价格这个目标达到平衡时，即进入第二个阶段，或者以经营者的被评价结果、或者以经营者的响应程度等为目标，接下来再确定下一个阶段目标，直至交易行为完成。目前，大多都是单阶段的研究消费者行为的演化过程。Roozmand等［2］提出基于Agent的消费者决策制定的可计算概念模型，预测消费者购买行为。Schenk等［3］建立Agent模型来模拟消费者的消费行为，模拟结果在预测消费者行为以及经营者之间的竞争情况等方面具有较高的意义。

2　相关研究述评

2.1信息融合理论在电子商务应用中的相关研究

信息融合理论广泛应用于军事领域。随着智能化、自动化等需求的牵引，近年来又取得了诸多新的理论与方法。

郑华［6］探索性地提出了电子商务信息融合模型，以及在电子商务信息处理、物流运输管理、客户个性化服务等方面的应用构思。在此基础之上，陈平昌等［7］进行了深入研究，利用信息融合理论对电子商务进行了动态设计，并给出了动态电子商务信息融合的程序实现。其中应用最广泛的是协同滤波算法在电子商务推荐系统中的应用，利用矩阵和向量为每个评价项目进行用户评级［8］，但是在滤波过程中存在数据稀疏问题，针对此问题，Qusai［9］提出了基于信任函数的数据融合算法，用来设计B2B推荐系统，因而提高了电子商务信息覆盖及推荐精度。在电子商务系统安全问题上，Diamantopoilos［10］认为电子商务系统安全问题是一个多维度结构的融合，并构造了多维信息融合模型。在此基础之上，Zhang［11］利用层次分析法确定各维度指标的权重，同时利用D-S证据推理，实现了不确定信息的融合，解决了电子商务系统安全评估问题。Edward［12］在这方面做了更深入研究，从消费者多维信息感知的角度研究了电子商务系统的安全问题。

2.2电子商务信用行为的相关研究

目前，对于电子商务信用行为的研究大多是从经营者的假货交易行为、信用炒作行为和消费者的购后评价行为、支付行为等角度进行研究。

Macnnes［14］总结出网上假货欺诈行为的影响因素。基于影响因素的分析，Gregg［15］对假货交易行为进行研究，并提出相应的应对策略。许光［16］对中国电子商务假货交易行为的现状、根源进行研究。在此基础之上，张燕［17］对中国电子商务假货交易行为的成因进行经济学分析，有针对性地提出治理我国电子商务平台假货交易行为存在的问题，并借鉴国外假货交易行为治理经验提出治理措施。Zhang［18］创造性地在中国电子商务信任欺诈问题中构建了动态时间衰减模型。丁乃鹏［19］认为经营者信用炒作行为不仅是商家竞争的必然，同时也是在网络市场存在漏洞情况下的恶性竞争的结果，结合我国法律制度对电子商务信用炒作行为展开深入探讨。

消费者“购后后悔”现象会对其购后评价行为有显著影响［20］，结合消费者的购后反馈、投诉行为，架构出消费者信用行为框架，建立技术接受模型，分析感知有用性和感知易用性的因素［21］。

2.3电子商务信用水平的评价研究

对于电子商务信用水平的评价研究，大多集中于对经营者信用水平的评价方面。Dan［22］建立了多维度电子商务信用评价模型，Czekster［23］、Casado［24］在此模型的构建思路之上，提出了多种评价标准，能够捕捉网络服务信用行为，对可能发生的影响信用行为因素进行分类。Hsu［25］将ANP方法结合一致模糊偏好关系方法，通过n-1个评判结果来计算n个标准的成对对比矩阵，提高了信用评价的效率和决策的准确度。Rosaci［26］主要从理论上进行创新，提出了基于XML的MAST模型，同时完成了在JADE框架下MAST的完整原型模拟，进一步深化了电子商务信用评价的理论方法。

Resnick［27］通过对eBay信用评价系统的实证研究，发现89%的交易发生于陌生的交易双方之间，98.9%的交易双方不会有4次以上的交易。因此，每次交易都可能产生“囚徒困境”结局（Ba，2003）。基于此结论，闻红利以淘宝网为例，分别从完全信息博弈和不完全信息博弈的角度研究了C2C电子商务网站的信用评价问题，并综合考虑消费者和经营者的信用值，设计了综合评价模型。

2.4对现有研究的评述

综上所述，现有的研究在以下几个方面取得了进展。

（1）信息融合理论能有效地解决电子商务中信息处理的问题，并且在电子商务领域的多个方面已经有了成熟的应用，对电子商务的发展具有很强的推动作用。

（2）在目前社会信息化、大数据的驱动下，对于交易行为的研究有了更新的思路，更全面的数据支撑，促进了行为科学的发展。

（3）对于电子商务信用评价方面已有不少成果，并在逐步深化发展，从Zhang（2013）构建的动态时间衰减模型可以看出，对于信用评价的研究已从静态评价转向动态评价，不仅为电子商务的评价工作提供了新的视角，而且有助于发现电子商务信用行为的动态演化规律。

已有的研究成果对电子商务信用行为研究的开展作了有益铺垫，但是，现有研究还存在以下不足之处。

（1）大数据是近年来极为关注的话题，而电子商务中大数据的问题尤为突出，如何利用好已有的理论对电子商务环境下交易主体的行为数据进行挖掘、处理、融合，是亟待深入研究的。

（2）在电子商务信用行为的研究中，大多集中在消费者的支付行为、购后评价行为，经营者的假货交易行为以及信用炒作行为，而一些其他的信用行为，如消费者的退货行为、经营者的矛盾处理行为、赔付行为却鲜有研究，而这些也恰恰是评价信用水平的重要指标。

（3）在电子商务系统中的相关评价大多都是基于静态视角的评价，目前只有少量文献从动态角度出发，但是仅仅停留在动态评价模型的构建上，对于评价体系上创新性较小。由于电子商务系统的特殊性，对于不同周期应考虑不同的评价体系，这是需要进一步探索的问题。另外一个重要问题是如何通过评价结果对系统进行改进，这才是评价的最终意义，而这方面的研究问津者寥寥无几。

3　基于信息融合的电子商务信用行为管理模型

3.1信用行为动态特征分析

由于在网络交易过程中各种信用问题层出不穷，不仅加剧了网络交易过程中的道德成本，而且严重污染了电子商务的运行环境。文献基于亚超度量空间角度，确定行业信用风险的关联结构，在此思想的启发下，本文将交易信用行为分解成若干系统结构，不同系统结构间考虑的因素有一个渐变或突变的关系，并且一些主要的因素在不同时刻也会变得无关紧要。因此，可从交易信用行为的时间、偏好及过程等三个维度描述电子商务交易信用行为的动态表征。（1）交易信用行为时间研究，包括交易的持续时间、持续宽度以及是否及时付款等。（2）交易信用行为偏好研究，包括对产品的检验期、质量属性、付款先后以及商家赔付情况的重视程度。（3）交易信用行为过程研究，包括经营者对产品宣传真实性、消费者对产品评价的真实性、是否再次重复购买以及偏好传递等。

引入时间变量t，建立不同子系统节点的信用行为状态方程和观测方程，最后从信息融合的视角，对各个子系统信用值进行数据融合，研究信用变化速度的状态与趋势。

3.2信用行为状态方程和观测方程

3.2.1状态方程

描述商家信用值，这里用j来表示商家信用行为的j种表征，比如产品宣传的真实性等，其状态方程为：

将其描述为矩阵形式为：

3.2.2观测方程

描述买家与商家交互后产生的信用值，这里用i来表示买家信用行为的i种表征，比如针对商家的宣传，消费者评价的真实性，其观测方程为：

3.3信用子系统信用值的Kalman滤波估计

由此，可进一步得出，商家信用的估计值：

其中可用和递推表示：

由此，可获得交易行为产生后信用系统的信用值。

4　结语

本文对电子商务信用问题的相关文献研究进行了梳理，并进行了评述，在结合前人的研究成果以及存在的问题基础上建立了基于信息融合的电子商务信用行为管理模型，主要是从多种信用行为的维度考虑，同时引入时间变量，在不同状态下，建立信用行为的状态转移矩阵，利用Kalman滤波算法对状态方程和观测方程进行递推，并给出基于Bar-Shalom-Campo融合算法来求解递推公式。有助于更好地确定电子商务系统的信用值，以分析交易过程中的信用行为对电子商务发展的影响。

参考文献

［1］ 冯芷艳，郭迅华，曾大军，等.大数据背景下商务管理研究若干前沿课题［J］.管理科学学报，2013（1）.

［2］ Omid Roozmand，Nasser Ghasem-Aghaee，Gert Jan Hofstede，Mohammand Ali Nerantbakhsh，Ahmad Baraani，Tim Verwaart.Agent-based modeling of consumer decision making process based on power distance and personality［J］.Knowledge-Based Systems，2011（24）.

［3］ Tilman A.Schenk，Gunter L ffler，Jurgen Rauh，Agentbased simulation of consumer behavior in grocery shopping on a regional level［J］.Jouranl of Business Research，2007（60）.

［4］ 潘泉，王增福，等.信息融合理论的基本方法与进展［J］.控制理论与应用，2012（10）.

［5］ 郑华.信息融合在电子商务中的应用研究［J］.中国管理信息化，2008（5）.

［6］ 陈平昌，吕红梅，杨光应.基于融合的动态电子商务设计［J］.中国管理信息化，2009（3）.

［7］ G.Adomavicius，A.Tuzhilin.Towards the next generation of recommender systems：a survey of the state-of-theart and possible extensions［J］.IEEE Trans Knowl.Data Eng.2005（17）.

［8］ Qusai Shambour，Jie Lu.Atrust-semantic fusion-based recommendation approach for e-business applications［J］. Decision Support Systems，2012（1）.

［9］ A Diamantopoulos，P.Riefler，K.P.Roth.Advancing formative measurement models［J］.Joumal of Business Research，2008（61）.

［10］ Yajuan Zhang，Xinyang Deng.Assessment of E-Commerce security using AHP and evidential reasoning［J］.Expert Systems with Applications，2012（39）. ［11］ Edward Hartono，Clyde W.Holsapple.Measuring perceived security in B2C electronic commerce website usage：A respecification and validation［J］.Decision Support Systems，2014（62）.

［12］ Resnick P，Zeckhauser R.Trust among strangers in intemet transactions empirical analysis of ebay’s reputation system［J］.Adv.Appl.Microecon，2002（11）.

［13］ Macnnes I.Causes of Disputes in Online Auctions［J］. Electronic Markets，2005（2）.

［14］ 许光.互联网假货交易的现状、根源及其应对策略［J］.学术交流，2011（12）.

［15］ 张燕.治理我国电子商务平台假货交易行为的研究［D］.哈尔滨商业大学，2013.

［16］ Yu Zhang，Jing Bian.Trust fraud：A crucial challenge for China’s e-commerce market［J］.Electronic Commerce Research and Applications，2013（12）.

［17］ 丁乃鹏，方萍.电子商务环境下“信用炒作”现象分析及对策探讨［J］.经济与社会发展，2012（4）.

［18］ Taylor Kimberly A.A regret theory approach to assessing consumer Satisfaction［J］.Market Letters，1997（2）. ［19］ Prashant Palvia.The role of trust in e-commerce relational exchange：A unified model［J］.Information & Management，2009（4）.

［20］ Dan J.Kim，Yong I.Song，S.B.Braynov.A multidimendional trust formation model in B-to-C e-commerce：a conceptual framework and content analyses of academia/practitioner perspectives［J］.Decision Support Systems，2005（40）.

［21］ Ricardo M.Czekster，Paulo Fernandes.Stochastic Model for QoS Assessment in Multi-tier Web Services［J］.Electronic Notes in Theoretical Computer Science，2011（27）.

［22］ Ruben Casado，Muhammad Younas.Multi-dimensional criteria for testing web services transactions［J］.Joumal of Computer and System Sciences，2013（7）.

［23］ Chia-Wei Hsu，Allen H.Hu.Using the FDM and ANP to construct a sustainability balanced scorecard for the semiconductor industry［J］.Expert Systems with Applications，2011（10）.

［24］ D.Rosaci，G.M.L.Sarnè.Multi-agent technology and ontologies to support personalization in B2C E-Commerce［J］.Electronic Commerce Research and Applications.2014（13）.

［25］ Resnick & Zeckhauser.Trust among strangers in Internet transactions：Empirical analysis of eBay’s reputation system［A］.The Economics of the Internet and E-Commerce［C］.New York：Elservier Science，2002.

［26］ 闻红利.C2C电子商务网站信用评价研究——以淘宝为例［D］.浙江工业大学，2013.

［27］ 罗长青，欧阳资生，王纲金.基于亚超度量空间的信用风险关联结构分析［J］.技术经济，2013（4）.

中图分类号：F713.36

文献标识码：A

文章编号：2096-0298（2016）06（c）-071-04

基金项目：①国家自然科学基金项目（7137061）；中国博士后科学基金项目（2015M571430）；哈尔滨商业大学研究生创新科研项目；基于大数据分析的农户小额贷款信用体系建设调研（YJSCX2015-366HSD）。

作者简介：张鹤冰（1984-），女，黑龙江哈尔滨人，哈尔滨商业大学管理学院物联网教研室主任，讲师，导航、制导与控制博士，主要从事复杂系统建模与仿真，滤波算法方面的研究。