电子商务中信任值计算方法改进研究

电子商务中信任值计算方法改进研究
电子商务中产生的安全问题和信任问题都是电子商务中的关键问题。

让买卖双方相互产生信任并放心安全的进行交易，是人们在电子商务中面对的一个核心问题。

信任和信誉具有可度量的特点，对信任和信誉进行合适的量化。

以淘宝网为例，根据信任和信誉所具有的特点，提出在电子商务中把商品价格也做为计算因子参与信任和信誉的量化。

这种量化方法可以对电子商务中产生的欺诈行为产生一种严厉的惩罚策略，对规范电子商务中的交易行为起到一定的作用。

构建了一种新的信誉计算模型，有效的提高了信任值和信誉值的表值达能力，为电子商务提供了可靠的信誉参考。

标签：
电子商务；信任模型；信任；信誉；信任值
1 引言
现在电子商务发展迅猛，越来越多的人喜欢在网上购物。

这种网上购物的方式，买卖双方在互不认识、互不见面的情况下，双方的资金安全和货物安全就显得尤为重要。

如何让买卖方双方相互信任并发生交易呢？本文以淘宝网为例，淘宝网采用的是基于信誉的信任评价方式。

即买家先在淘宝网上搜索需要的商品，在看中商品以后，根据该商铺以往的信誉等级和交易记录来决定是否在该店铺购买商品。

有很多商铺都出售该商品，而且在价格和质量都相同的情况下，如何确定买哪个商铺的商品呢？一般情况下，如果某商铺的信誉值高于其他商铺，顾客一般会更加信任这个商铺，会选择购买这家商铺的商品。

在淘宝网购物时，会出现这样的情况：商铺为了在短时间内获取比较高的信誉值，会卖一些价格比较低质量也比较好的商品，获取非常低的利润，他们这样做的目的是为了让客户给出“好评”，获得更高的信誉值，从而获取其他买家的信任。

这时他们会比较诚实的经营自己的店铺。

等到他们获得了比较高的信誉值后，他们就开始销售单价比较高的商品，并且不像以前那样诚实经营。

他们会利用前面所积累的信誉值来欺诈客户，比如销售质次的商品。

为什么会遇到这样的问题？分析原因，其实是店家利用顾客信任店铺以前积累的信誉的心理，从而达到了欺诈的目的。

就算该店铺欺诈一次，扣除的信誉值也不多，不能很好的惩罚该店铺的恶意行为。

这种评价方式只根据销售次数来计算信誉值，优点是很容易计算信誉值，缺点是信任值的计算过于简单，忽视了信任的其他因素，留下了一些漏洞。

本文首先重新构建了每次交易时信任值的计算公式，改进了信任值的计算方法，在每次进行电子商务交易的时候，在计算本信任值时把本次交易商品的价格因素也考虑进去，使得出的信任值更加合理、科学，对以后的客户决定是否购买
该店铺的商品更具有信誉参考，提高电子商务交易中的安全性能。

2 信任、信誉与安全关系
传统的交易都是买卖双方面对面的进行交流沟通，从而达成交易意向。

而电子商务却是买卖双方在没有谋面的情况下就可以把交易完成。

电子商务中的不谋面的交易，交易的风险增加了很多。

信任：指对节点身份的认可及对节点能够按照预想完成其行为的能力的信赖。

信任用信任值来度量。

信任值并不是一个与节点身份绑定的固定值而是以节点身份为参照，并依赖于特定时间段及特定上下文环境的变量。

信任既包含身份信任也包含行为信任。

Mul等人认为，信任是一个实体基于历史交互经验而对其他实体未来行为的一种主观期望。

说明了信任信息的来源是历史交互经验。

信誉：指通过对节点过去交易行为的综合考察并依据其他节点对该节点的信任评估而得出的综合期望值。

信誉同样也依赖于特定时间段及特定上下文环境。

在两个节点进行交易时，若彼此间从未有过直接的信任接触，往往可借助对方的信誉来进行信任抉择。

在信任管理中，信誉（Reputation）是一个经常出现的术语。

和信任一样，信誉也没有统一的定义。

本质上信誉属于社会学的范畴，在社会学中，信誉是社会网络中的一个网络参数，并且是全局的、公开的。

信誉和信任相比，信任的主观性更强，是两个Agent间一对一的关系；而信誉是整体的，全局的观点，是一个Agent在由多个Agent组成的公众中的总体形象与综合评价结果的体现。

传统的安全技术知识解决了“身份信任”问题，并没有解决“行为信任”的问题。

合法身份的成员会做出损害其他成员的行为。

在电子商务中，卖家通过合法的用户名和密码登陆上了网站，网站对这个卖家的身份是信任的，但是这并不代表这个卖家是诚实的，也不代表这个卖家的商品是高质量的。

而信任系统能够解决上述问题。

行为安全更加重要，需要一套良好的信任系统来保证交易的安全，需要有一个好的评价方式和模型来对信任和信誉做出“量化”，为电子商务提供安全保障。

3 电子商务中改进的信任值计算方法
31 淘宝网现在信誉值的计算过程
淘宝网现在一个网上店铺信誉值的计算过程：
（1）一个网上店铺成立，信誉（Reputation）的初始值为0；
（2）当有一个顾客光顾该店铺，遇到自己喜欢的商品，而且价格也合适，
顾客会根据该店铺的信誉值和其他买家的评价，通过第三方支付（支付宝）购买该店铺的商品；
（3）商家通过快递或者其他途径将商品送达顾客，该顾客收到商品，如果选择“好评”，该店铺的信誉值加1；如果是“中评”，该店铺的信誉值不加也不减；如果是“差评”，该店铺的信誉值减1。

得到该店铺本次交易结束后的信誉值；
（4）下一个顾客光顾该店铺，转到（2）。

在这里，不管是“好评”还是“差评”，信誉值（Reputation）或者是加1，或者是减1，从而得到新的信誉值。

这种信任值的计算比较简单，即使店家有恶意的欺诈行为，也没有给出太大的惩罚。

用公式表示为：
Trust i=f（x i）
Trusti表示第i次交易的信任值，x i表示完成第i次交易。

在这个信任值
的计算公式里，只考虑了该次交易的是否成功以及交易后顾客给出的评价，没有考虑其他的任何影响信任的因素。

淘宝网上每个店铺的信誉值（Reputation）是每次交易完成后买家给出的信任值之和，该店铺的信誉值（Reputation）的计算公式为：
Reputa=ni=1Trusti
Trusti表示第i个买家给出的信任值，Reputa表示把各个买家给出的信任值简单相加得到的该店铺的信誉值。

这是现在淘宝网的信誉值的计算模式。

32 改进后新的信任值和信誉值的计算公式
淘宝网上面的信誉值的计算方法存在一定的缺陷，计算某次交易的信任值的时候只跟该店铺本次交易是否成功以及顾客给出的评价有关，没有考虑信任所具有其他特性和其他的任何因素。

但在真正的电子商务中，信任还和很多其他的因素由关系。

这也是淘宝网在计算信任值时忽略的地方，每次销售价格低的商品和销售价格高的商品，他们得到的信任值是一样的，没有考虑每次交易时价格的因素。

在计算信任值的时候如果考虑了价格因素，这样计算出的信任值就更加符合现实情况，可以有效的抵制前面提到的信任值的计算漏洞。

本文在淘宝网现有的信誉评价中，根据具体情况引进了一个新参数——每次交易商品的价格。

在信誉值计算过程中，根据信任的主观性、不确定性和上下文相关性等特征，合理引入参数，更好的描述信任值，增加信任的表达能力。

改进后的信任值计算过程：如果本次交易成功，而且顾客收到的商品质量好，那么就会给出“好评”，信任值的计算公式是：本次交易的信任值=（（用本次交易
后的平均价格）/（本次交易前的平均价格））*1，然后用该店铺以前的信誉值
加上本次交易的信任值，得到该店铺新的信誉值。

如果本次交易是一次恶意的交易，那么顾客就会给出“差评”，这时信任值的计算公式是：本次交易的信任值=（本次恶意交易后的平均价格/本次恶意交易前的平均价格）*该次恶意交易的价格，然后用该店铺在本次交易之前的信誉值减去本次恶意交易的信任值，得到该店铺交易后的信誉值。

信任值用公式表示为：Trust i=f（x i，y i）
Trust i表示第i次交易得到的信任值，x i表示第i次交易，y i表示第i 次交易的价格。

信任值的计算公式里，考虑了两个参数，交易次数和商品价格。

新的信誉值的计算过程：
（1）网上店铺成立，信誉值初始为0，即Reputa=0；
（2）当有顾客光顾该店铺，遇到自己喜欢的商品，根据该店铺的信誉值和以前买家的评价，购买了该店铺的商品；
（3）商家发货，该顾客收到商品，如果选择“好评”，该店铺的本次交易信任值Trusti=（（用本次交易后的平均价格）/（本次交易以前的平均价格））*1；如果是“中评”，该店铺的信任值为0；如果是“差评”，该店铺本次交易的信任值
Trust i=-（本次恶意交易后的平均交易价格/本次恶意交易前的平均交易价格）*该次恶意交易的价格。

（4）该店铺本次交易结束后，信誉值=以前的信誉值+该店铺本次交易的信任值。

即
Reputa=ni=1Trusti。

（5）下一个顾客光顾该店铺，转到（2）。

Trusti的计算公式如下：
Trust i=f（X i,Y i）=
本次交易后的平均价格本次交易前的平均价格*1好评
0好评
-1*本次恶易交易后的平均价格本次恶易交易前的平均价格*该次恶意交易的价格差评
4 实验设计及结果分析
41 改进算法后的信誉值计算流程图
改进算法后信誉值的计算流程图如下所示：
42 实验过程和分析
根据情况，做了两种不同的场景实验，淘宝网只与交易次数有关的信誉值计算方法和本文把价格因素考虑在信誉值中的计算方法，将这两种计算方法得出的信誉值做了比较。

场景一：模拟有100次交易，前90每次交易都成功，给出的都是“好评”。

前90次交易商品的价格都在5~100元之间，都是低价格的商品，后面10次交易价格在500~1000元之间，是价格比较高的商品。

当所有的交易客户都是给出“好评”时，两种不同的信誉值的计算方法得出的曲线图如下：
图2根据场景一做的实验。

按照淘宝网现有的算法得出的信誉值和按本文改进算法后得出的信誉值并没有太大的区别。

前90次交易时，两种算法得出的信誉值基本是相同的，只是在第91次交易时，因为本次交易是价格比较高的商品，所以在本次交易成功后，此时的平均价格比本次交易前的平均价格要高，根据本文构建的本次信任值的计算公式：本次交易的信任值=（本次交易后的平均价格/
本次交易前的平均价格）*1，可以得知，此次交易的信任值会比以前的大，从
而累加的信誉值也较大，所以从第91次交易开始，改进算法后得出的信誉值比淘宝网现在信誉值算法得出的信誉值要稍微高一些。

场景二：在店铺刚成立时，店铺为了快速增加交易量，提高信誉值。

刚开始的交易都是低价格的商品，但每次交易的商品质量都是很好的而且服务也很好，客户给出了大量的“好评”，店铺快速提高了信誉值。

很多客户看到该店铺信誉值比较高，信任该店铺，开始放心大胆的在该店铺购买商品。

随后该店铺开始卖高价格的商品，但是商品的质量不再是很好的，服务质量开始下降，对客户有了欺诈行为。

这时两种不同的信誉值的计算方法得出的曲线图如下：
图3是模拟场景二做的实验结果。

模拟有100次电子交易，前90次电子交易，每次交易都成功，给出的都是“好评”。

其中前90次都是低价格的商品，价
格在5-100元之间，后面10次交易都是价格较高的商品，价格在500-1000元之间，其中第91次交易的时候，商品价格较高，属于恶意交易，欺诈行为，客户给出的是“差评”，从第92次交易到第100次交易之间是“好评”。

从图3可以清晰地看出，用淘宝网现在的信誉评价方式，在第91次恶意交易时，店铺的信誉值损失是很小的，几乎可以忽略，看不出信誉值下降。

在后面的9次交易后，该店铺的信誉值依然很平稳上升，只需要一次“好评”的交易就把上次恶意交易造成的信誉值损失补回来。

而在加入商品价格后改进的信誉值算法中，前90次电子交易的信誉值和原来算法的信誉值区别不是很大，但在第91次恶意交易时，客户给出“差评”，该算法让店铺的信誉值大幅度下降。

在第92次到第100次电子交易时，每次交易也是价格比较高的商品，而且都是“好评”，从图3上可以看出，此时信誉值也很难快速恢复。

这样就可以威慑那些企图通过刚开始卖低价商品积累信誉值，等到信誉值积累高了，就卖高价商品从而欺诈客户这样的交易行为。

5 结论
本文以淘宝网为例，指出现有电子商务中信誉评价方式的不足之处，提出了将电子商务中交易商品的价格也做为信任的计算因子，改进了信任值的计算方法，给出了新的信誉计算模型。

将每次交易的价格也作为信任值量化的一个计算因子，这样得到的信任值会更加客观、准确，增强了信任值的表达能力。

那么这样得出的信任值在电子商务中更加有参考价值。

参考文献
［1］李文娟.一种新型的网格信任模型［C］硕士学位论文福州大学，2005.
［2］Mui LComputational models of trust and reputation: Agents，evolutionary games，and social networks，Massachusetts Institute of Technology，2002
［3］王进.开放计算系统中基于DSmT的信任管理研究［C］博士学位论文南京理工大学，2009。