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。
4．结束语
本文在分析各类常见的信用评价模型的基础上，最终选择在模糊综合评价方法的基础上，对模型进行改良，创建对电子商务三种主要交易模式都适用的双层模糊综合信用评价模型：该模型主要是根据当前各类电子商务网站主要采用的静态和动态信用评价体系，结合模糊数学理论，根据专家制度制定权重，得出近期信用评价得分，结合各项综合因素获得综合信用评价得分。该文研究的几个电子商务网站市场在国内占有份额达到了90%以上，具有重恩的代表性，研究成果对我国电子商务交易的信用评价体系的完善有一定的参考价值。
参考文献
1 第25次中国互联网络发展状况统计报告[J/OL]. http://www.cnnic.com.cn.
2 年度网络购物行业投诉统计分析报告[J/OL]. http://www.315ts.net/stats/wanggou/2009/.
3 Xiaoquan Gong Qixing Guo. Computational Trust Model in Online Auctions[J]. IEEE Communications Society;IEEE Engineering Management Society; Shanghai Jiaotong University, China.
4 迟国泰,许文,孙秀峰. 个人信用卡信用风险评价体系与模型研究.同济大学学报(自然科学版).2006,4,Vol 34,(4).
