简论模型具有语言评价信息电子商务信任模型中国

论文导读：
内容摘要：信任是一个主观性很强、难以精确描述的问题，本文提出了采用二元语义信息处理的评价方法来对信任问题进行计算。首先，本文根据文献和电子商务网站运行的实际情况，确定信任问题的指标体系；然后在二元语义概念的基础上，描述了电子商务信任计算过程，计算出综合信任值，最后通过算例说明该计算方法的有效性。
关键词：电子商务 语言评价信息 二元语义 信息集结 信任计算
电子商务作为一种新型的商务平台逐渐被消费者所认同和接受。电子商务的迅猛发展，引起了国内外学者的广泛关注和研究。目前学术界基本达成共识：在支付和物流瓶颈突破后，信任问题成为制约电子商务发展的关键问题之一。B2C电子商务中的可信度主要是指在电子商务环境下买方对卖方能够可靠、安全、可信地进行贸易的信任程度。研究表明在线信任系统在防范网络欺骗，建立良好的信任关系，提高市场效率等方面有着积极的作用。但是信任具有模糊、动态和复杂的特点，另外信任具有很强的主观性，不容易被精确描述。另外在计算方面存在明显的漏洞和不足，主要表现在：参与评价的交易方的历史信誉度对本次反馈的影响；交易时间因素的影响，离本次交易时间越久远，影响应该越小；语言评价的不精确性。
为了解决语言信息运算或处理中所产生的信息损失问题，HERRERA提出了采用二元语义描述语言评价信息的方法，较好地解决了信息损失或扭曲。本文选取B2C电子商务为研究对象，对B2C电子商务信任度测量指标进行探讨，在考虑了反馈评论所隐含的隐式因素（时间因素和评价者的信誉度）基础上，提出了一种考虑权重的基于二元语义的电子商务信任计算模型。
B2C电子商务信任指标

(一)评价指标选取原则

对电子商务信任评价指标的选取和设计是构建电子商务信任评价模型的关键，指标选取和设计是否合理直接影响最终评价结果的科学性及有效性。应遵循以下原则：
系统性原则：指选取的指标要能够全面地反映被评价对象的特点，即必须选取那些能够影响顾客信任的主要属性，确保评价结果的全面性和可信性；
独立性原则：各指标之间应该做到互不相容，能够独立地提供信息，不能有重叠关系。即使有互相影响、相互交叉的内容，也一定要有独立的内容及含义的界定。
实用性原则：指所设计的指标体系应该简洁、实用，指标体系的内容和操作要力求简单，易于理解，指标数据要便于采集。
基于以上原则，本文提出了一个具有实用价值的电子商务信任评价指标体系，此研究不仅可以丰富国内对电子商务信任理论研究，还可以为B2C商家提供理论和实践的参考价值。

(二) B2C电子商务信任评价指标的设计

以往B2C电子商务信任评价指标大多从网站设计质量和网站运营质量等角度来测评，而忽略了顾客对电子商务信任的建立来自于整个网络购物流程的体验，用户不仅要评价服务过程，还会关注服务结果，另外，服务出现问题时的补救行为或者交易结束后的后续服务都会影响顾客对电子商务的信任感。本研究认为：电子商务信任计算模型应该涉及顾客交易过程的所有因素，因此，将电子商务信任定义为在交易过程中，顾客对网络商店交付双方约定的服务的意愿和能力的信念。按照交易过程划分为过程信任（Process trust）、结果信任（Outcome trust）及补偿信任（compensatory trust）。
由于网络的转换成本很低，用户很容易转移到另外一家网站，因此，用户在网站上的体验会直接影响用户是否进行交易，是整个交易过程中重要环节。影响用户初始体验的因素有很多，如商家的信誉、企业规模及用户个人因素。本文设计了过程信任，指顾客在交易前和交易中阶段与网站交互过程中对网站内容和性能等因素总体评价，主要包括网站设计与功能、安全与隐私、信息质量和系统有效性四个指标。这四个指标主要从用户体验角度反映网站的运行情况，通过这些指标的评估，帮助网站更能有效地改善其服务。
当前网络购物发展逐渐成熟，从电子商务向电子服务转变，用户希望得到有品质的服务，开始逐渐关注商家线下的服务质量，这直接会影响其是否会再次交易，例如收到产品是否与网站描述一致、快递公司服务专业性和快递人员的服务态度都是客户十分在意的影响因素。结果信任指顾客对网络商店服务结果是否达到了自己的目的或期望，以及对线下配送服务人员的整体评价，包括商品质量保证、完成性、线下服务三个指标。这三个指标能较全面地反映出一次交易结果的呈现，通过指标的定义及用户打分，能够帮助商家有效地修正出现的问题。
由于网络购物是一种远程交易，存在一定的时滞性，货品配送的及时性、准确性、商家对于用户的投诉能否及时处理以及对问题处理是否专业，也是电子商务发展一个很重要环节。因此，本文提出补偿信任，是指顾客对出现问题及产品售后的网络商店的整体评价，包括反应性、补偿性两个指标。主要考察从商家对于用户在售后阶段的服务及时性和服务满意度来评价，通过这些指标来考察商家，希望商家能对自己产品和服务负责，需要持续的投入。从上面分析，可得出本文B2C电子商务评价指标体系，如图1所示。
二元语义方法概念
设S={s0，s1，…，sg}是一个语言评价集，它是一个预先定义好的由奇数个元素构成的有序集合。本文考虑由5条语言短语构成集合，S={s0=VP，s1=P，s2=M，s3=G，s4=VG}，对于产品、交易和服务其含义为：S={s0=VP（很差），s1=P（差），s2=M（中），s3=G（好），s4=VG（很好）}；对于表示指标权重，其含义为S={s0=VP（很不重要），s1=P（不重要），s2=M（一般）， s3=G（重要），s4=VG（很重要）}。二元语义模型用二元组（si，α）表示信息，其中si事先定义的语言短语集中的语言短语，α表示计算得到的语言信息与初始语言信息集中最贴近语言短语之间的差别，α∈[-0.5，0.5）。定义1：假设si∈S是一个语言短语，实现语言短语到二元组的转换函数Φ：
Φ（si）=（si ，0）， si∈S （1）
并且具有如下性质：逆运算：Neg（si）=sj其中j=g-i，g+1是语言集S元素的个数，本例中g=4。。
定义2：设β∈[0， g]是一个数值，表示语言符号集结运算的结果，那可根据函数：
（2）
Δ及Δ-1实现语义的基本运算，
（3）
其中，Round（g）表示“四舍五入”的取整运算。
定义3：设x={（r1 ，α1），…，（rn ，αn）}是一组二元语义信息，则二元语义信息的算术平均值x计算如下：
（4）
定义4：设S={（s1 ，α1），（s2 ，α2），…，（rl ，αl）}是一个二元语义信息集合，W =[（w1 ，α′1），（w2 ，α′2），…，（wl ，α′l）]T是与x对应的二元语义权重向量，则基于T-WA算子φ可定义为：
模型原理与方法

(一)问题描述

根据表1所示的指标数据结构，构造基于语言评价信息的信任模型，如下：
对某电子商务进行信任计算时，设指标集合为表1所示，电子商务网论文导读：
站用户集为E={e1 ， e2 …en}（n≥2），其中ek表示按照交易时间先后顺序第k个客户，k值越大，表示交易时间离现在越近，反之则越远。对指标集中每个Xij，用户ek从语言评价集S中选择一个元素作为指标的评价值，记为vkij∈S，其中i=1，2，3；j=1，2，3，4；k=1，2，…n，并利用公式（2）将其用二元语义表示形式；利用层次分析法确定评价指标体系的权重；以及信任管理中，客户评价权重确定，最后利用二元语义聚合公式进行信任聚合运算。下面考虑根据客户给出的语言评价信息及相关的权重信息计算电子商务信任问题。

(二)层次分析法确定指标权重

层次分析法（Analytic Hierachy Process）是美国著名运筹学家T.L.萨蒂于20世纪70年代提出的一种方法，充分利用人的分析、判断和综合能力。基本方法是：找出研究对象所涉及的主要因素；分析各因素的关联、隶属关系，构建有序的阶梯层次结构模型；对同一层次各因素对于上一层准则的相对重要性进行两两比较，建立判断矩阵；利用判断矩阵，求出反映每个因素相对重要的权重向量。计算步骤为：
第一，计算判断矩阵X每一行元素的乘积Mi ：其中xij为判断矩阵元素；第二，计算各行Mi的n次方根值： i=1，2，3，…n；第

三、将向量归一化运算：，即为各指标权重值。

对一级指标，对B2C电子商务网站来说，过程指标、补偿性指标相对于结果指标稍弱些，因此，一级指标权重设置为P1=0.3，P2=0.4，P3=0.3。
对于过程指标（X1），经过商家和用户调查，建立X1判断矩阵，如表1所示。
按照上述步骤进行计算，可得到各项指标权重：ω11=0.08，ω12=0.2，ω13=0.33，ω14=0.39，同样可取得结果指标和补偿指标各项权重，如表2所示。

(三)用户权重的获取

电子商务信任计算的关键是把不同用户的评价信息进行综合，不同的用户应该具有不同的权重。在日常生活中，信用度越高的人，其评价的可信度越高。信任模型如果忽视了评价用户的信任度，就难以真实反映被评价商家的实际的信任度。因此，在信任计算模型中，应该将用户的信任度作为信任计算的因子，即信任度高的用户应该拥有较高的权重。
（6）
其中（ck ，δk）为用户k的可信度二元语义表示形式。

(四)信任计算过程

针对客户给出的语言形式的评价信息，可以根据以下步骤来计算某个B2C电子商务的信任值：
步骤1：初始化商家信任值，将其设置为V0=（s2 ， 0）
步骤2：根据式（1）将客户ek，k=1，2，…n给出的语言评价信息mkij转换成二元语义形式的评价信息记为M=（mkij ， 0）
步骤3：将第k=1，2，…n个客户二元语义信息集合M k =（mkij ， 0）和上本确定的信任评价指标的权重ωij信息进行集结，记为vk =（mk ， αk ）αk∈[-0.5， 0.5），即为每个用户对电子商务网站的评价。其计算公式如下：
（7）
Score={（mi ，αi ）|i=1，2，…k}记为该客户群对商家打分集合，该集合为有序集合，下标代表时间的先后，越小代表交易时间越久远。
步骤4：根据评价客户ek的信誉值（ck，δk ）按照公式（6）进行计算客户ek客户可信度wk，将其作为反映客户评分的权重。
步骤5：计算k个交易完毕后，该商家当前信任值Vk =（vk ，βk ），计算公式如下：
（8）
其中0<γ<1表示当前时间交易的评价对该商家信任值的影响程度，γ越大表明平台当前交易情况对该商家的信任值度越大，本文现将设γ=0.7。
从上面计算过程可以看出：信任是随时间动态变化的，是一个积累过程，通常情况下，近期的评分要比早期的评分更能反映交易用户行为变化对商家信用的影响，更具有参考价值，因此，公式（8）由于γ的存在，使得近期的评价更能在信任值计算中占较大比重，越久远的评价在信任计算中占比重越小。
算例
以淘宝商城某童装店为例，按照时间顺序有5个客户对进行的交易进行评价，5个客户在评价时，假设这几个客户信誉值为：C={（s3 ， 0.12）， （s2 ， 0.34）， （s4 ， -0.48）， （s1 ， 0.46）， （s3 ， -0.12）}，每个客户分别给出了各个指标的评价信息，如表3所示。 源于：免费论文网www.7ctime.com
摘自：毕业论文结论范文www.7ctime.com