基于二维动态展示的电子商务信誉传播方法技术

本发明专利技术公开了一种基于二维动态展示的电子商务信誉传播方法。该方法给出了一种健壮的信誉计算模型，设计并实现了一个二维信誉动态展示的信誉传播模型，通过信誉计算和二维信誉的动态跟踪、展示，不仅可以充分展示近期卖方的信誉变化规律，有效降低消费者网上购物的不确定性和风险感知，提高诚信商家的可甄别度，还可以抵御伪装、重复评价、价值不平衡、漂白、共谋性好评、共谋性好评及诋毁等攻击信誉评价模型的行为，提高了C2C电子商务交易环境的可信性。

【技术实现步骤摘要】

本专利技术属于信息
，涉及一种基于二维动态展示的电子商务信誉传播方 法。
技术介绍
由于电子商务网上交易具有匿名性、缺乏控制性、信息不对称性、机会主义等特 征，基于电子商务的网上购物具有更大的不确定性和风险，这种不确定性和风险导致了顾 客对网上购物的不信任。特别是在C2C电子商务平台中消费者网上购物经验较少且大多与 卖方是一次性交易的情况下，由于没有任何面对面的交流，也没有以往的交易经验可以借 鉴，使得顾客对网上卖家的可信性感知更加不确定。因此，基于平台的信誉评估方法自电子 商务平台诞生之日起就引起了学术界和产业界人士的广泛关注。为了提高消费者的信任感 知，各电子商务平台和卖家已采取了很多策略来衡量并传播其质量和服务的可信性。例如， 在理论研究方面，GiorgosZacharia等提出了Sporas模型，该模型在信誉累加过程中考虑 了评价者的信誉。此外，为了防止信誉共谋，当两个交易agent互相评价多次时，只考虑它 们之间最近的一次评价。该模型没有考虑两个交易者之间重复交易的可能性。此外，该模 型没有考虑评分的时效性，即因为卖方行为的动态性，很久以前的评价对当前的卖方可能 不适用了。在Sporas模型的基础上，郭洪海等提出了一种改进的C2C成员信誉值计算模型 (E-Sporas)。相对于Sporas模型，该模型在信誉累加过程中考虑了交易量，交易次数等对 信誉的影响；同时，引入惩罚因子实现信誉的"慢升快降"。类似地，熊建英等给出了 一个抗 欺诈的C2C卖方信誉计算模型（即C2CRep)，该模型在信誉累加中综合考虑了评价者的可信 度、交易价格、交易者之间的信誉共谋程度。此外，为了避免卖家开始只在店中销售低价商 品获取信誉，信誉提高后再销售高价商品，该模型设置了价格阈值（卖家所有销售产品平 均价格的20倍）和惩罚系数，并基于它们对计算好的信誉进行折扣。这些模型存在以下问 题：（1)模型不能反映信誉的动态变化规律；（2)新用户信誉值设置过低，阻碍了新用户进 入市场的积极性；同时，也引发了新用户刷信誉的行为动机；（3)只使用一个单一的、一般 的信誉得分表示用户的信誉。 在企业方面，Ebay、Amazon、淘宝等平台构建了基于累加评分的信誉评价体系。基 于以上问题（3)，淘宝等平台要么以"宝贝与描述相符度"、"卖家服务态度"、"卖家发货速 度"等为参数"与同行业平均水平"进行比较体现给定卖家的商品质量、服务等水平，要么 通过好评、中评、差评所占比例，要么对买家评论进行分析提供关于商品的"买家印象"汇 总。一些电子商务平台还提供了以"平均退款速度"、"近30天退款率"、"近30天纠纷率"、 "近30天处罚数"等为参数比较给定店铺与行业均值在"店铺30天内的服务情况"。虽然， 信用评价和传播模型被广泛采用，但是当前的电子商务平台中尚无关于店铺信誉的动态跟 踪机制。消费者很难通过这些信息获得商家的信誉波动情况和变化规律。此外，现有信誉 计算模型大多通过累加历史购物者推荐评分的方法得到，这种方法简单、直观，较容易遭受 以下一种或几种攻击：（1)伪装攻击（Camouflage)，指一些评论者先反馈真实信息，提高 自己的信誉，然后经常或不时地反馈虚假信息攻击信誉计算模型的行为；(2)共谋性攻击 (collusive)，指一群实体根据共谋性协议一致地采取行动，包括共谋性信用炒作或者共谋 性的恶意评价；（3)价值不平衡攻击（valueimbalance)，指在小额交易中诚实交易，但是 在大额交易中造假；(4)多假名攻击（sybil)，指一个实体建立多个假名身份对同一件商品 或者服务进行评价；（5)换名重新进入市场攻击（re-enter)，指信誉很差的卖方通过换名 的形式重新进入市场，漂白自己的信誉，因此也称为漂白攻击（whitewashing)。
技术实现思路
针对现有技术中存在的上述问题，本专利技术提出了一种基于二维动态展示的电子商 务信誉传播方法，该方法以C2C电子商务平台为视角，给出了一种信誉计算模型，并提供了 一种新的二维动态跟踪、展示电子商务用户信誉的信誉传播模型，上述两种模型有机结合 不仅可以有效提高信誉模型的健壮性，有效降低消费者网上购物的不确定性和风险感知， 还可以提高诚信商家的可甄别度，对电子商务可信环境的构建具有重要的意义。 为了实现上述目的，本专利技术采用如下技术方案： ，包括如下步骤： a建立信誉计算模型，并定义以下参数：Dxi表示评价者； 2) x.j表示被评价者； 3)rating(Xl，X])代表C2C电子商务平台最新获得的评价者对被评价者的商品/服 务的评分，ratingU^Xj)的取值范围为; 4)R(Xj)为被评价者的旧信誉，取值范围为;该信息由C2C电子商务平台计 算和管理；新卖方用户注册时以行业平均信誉f作为其初始信誉，新买方用户注册是以零 作为其初始信誉； 5)R'（X])为新评价累积之后被评价者的新信誉，由C2C电子商务平台的信誉评价 模型计算获得； 6)f是评价时的行业平均信誉，是C2C电子商务平台提供的统计信息，该值随着 评分的动态增加而动态变化； 7)R(Xl)为评价者的当前信誉，由C2C电子商务平台计算和管理； 8)priCe是评价者购买商品/服务的价格，由卖方设定； 9)n是评价者在过去15天里对被评价者的评价次数，由电子商务平台记录、统计；越慢，由C2C电子商务平台设定；11) a是阻尼函数缩放因子，a G(〇,I)，a越大表示缩放程度越低，由C2C电子 商务平台设定； 评价者提交对被评价者的评价后，会触发C2C电子商务平台中的信誉计算模型， 该信誉计算模型基于以上参数计算被评价者新信誉值的过程分以下几步： al、从电子商务平台获取以下信息： 评价者IDXi,被评价者IDx_j，评分ratingUi,xj，评价时间被评价者的信誉 RUj)，当前行业平均信誉f，.评价者打过分的被评分者集合S，给被评价者打过分的评价者 集合C，评价者的当前信誉R(X1)，商品销售价格price，评价者最近15天从该商家购买商品 的次数n，阻尼因子〇，阻尼函数缩放因子a，价格权重函数的阈值I1, 12, 13,I4; a2、根据如下公式（1)和公式（2)得到新评价到来之后被评价者的新信誉R'（X]); 其中，I1, 12, 13, 14为价格权重函数的阈值，由电子商务平台定期统计后按照平台 中价格的分布特点设置； a3、将计算所得被评价者的新信誉R'（X])存储到对应数据库中； b建立信誉传播模型 在得到被评价者的新信誉值R'（X])后，将一些信誉模型计算需要的参数存储到相 应数据库中，然后设计并实现一个二维的信誉跟踪、展示模型； 其中，天数为横轴，信誉值为纵轴；横轴共显示最近15天的日期，每天固定长度的 区间；纵轴取值范围为0-10分的实数，表示信誉值的变化范围； 基于该信誉跟踪、展示模型，动态展示最近15天被评价者的信誉，执行过程如下：bl从数据库中查询该被评价者最近15天的评分rating(Xl，Xj)、评价时间cU言誉 计算前的信誉值R(X])、信誉计算后的信誉值R'（X])、评价时的同行业平均信誉/7，按评价时 间的顺序插入该商品的最近15天用户评分数组A中； 本文档来自技高网...

【技术保护点】
基于二维动态展示的电子商务信誉传播方法，其特征在于，包括如下步骤：a建立信誉计算模型，并定义以下参数：1)xi表示评价者；2)xj表示被评价者；3)rating(xi,xj)代表C2C电子商务平台最新获得的评价者对被评价者的商品/服务的评分，rating(xi,xj)的取值范围为[0，10]；4)R(xj)为被评价者的旧信誉，取值范围为[0，10]；该信息由C2C电子商务平台计算和管理；新卖方用户注册时以行业平均信誉作为其初始信誉，新买方用户注册是以零作为其初始信誉；5)R'(xj)为新评价累积之后被评价者的新信誉，由C2C电子商务平台的信誉评价模型计算获得；6)是评价时的行业平均信誉，是C2C电子商务平台提供的统计信息，该值随着评分的动态增加而动态变化；7)R(xi)为评价者的当前信誉，由C2C电子商务平台计算和管理；8)price是评价者购买商品/服务的价格，由卖方设定；9)n是评价者在过去15天里对被评价者的评价次数，由电子商务平台记录、统计；10)称为关于n的阻尼函数，σ是阻尼因子，σ越大，阻尼函数值变化越慢，由C2C电子商务平台设定；11)α是阻尼函数缩放因子，α∈(0,1)，α越大表示缩放程度越低，由C2C电子商务平台设定；评价者提交对被评价者的评价后，会触发C2C电子商务平台中的信誉计算模型，该信誉计算模型基于以上参数计算被评价者新信誉值的过程分以下几步：a1、从电子商务平台获取以下信息：评价者ID xi，被评价者ID xj，评分rating(xi,xj)，评价时间dr，被评价者的信誉R(xj)，当前行业平均信誉评价者打过分的被评分者集合S，给被评价者打过分的评价者集合C，评价者的当前信誉R(xi)，商品销售价格price，评价者最近15天从该商家购买商品的次数n，阻尼因子σ，阻尼函数缩放因子α，价格权重函数的阈值l1,l2,l3,l4；a2、根据如下公式(1)和公式(2)得到新评价到来之后被评价者的新信誉R'(xj)；R′(xj)=10ifTR(xj)≥100ifTR(xj)≤0TR(xj)otherwise---(1)]]>TR(xj)=R(xj)+(rating(xi,xj)-R‾+bxi+bxj)×w(price)×α×(1-11+e10-nσ)×R(xi)---(2)]]>其中，和分别代表评价者和被评价者的偏差；w(price)是price的权重函数；和按照如下公式(3)和公式(4)计算：bxi=Σxk∈S(rating(xi,xk)-R‾-bxk)×λ(dc-dr)25+|S|---(3)]]>bxj=Σc∈C(rating(c,xj)-R‾)×λ(dc-dr)25+|C|---(4)]]>其中，λ∈(0,1]是折扣因子，dc代表当前时间，dr代表rating(xi,xk)的评价时间，且dc≥dr，25为压缩系数；w(price)是价格的权重函数，按照公式(5)计算：w(price)=0,price∈(0,l1]1,price∈(l1,l2]2,price∈(l2,l3]3,price∈(l3,l4]4,price∈(l4,+∞)---(5)]]>其中，l1,l2,l3,l4为价格权重函数的阈值，由电子商务平台定期统计后按照平台中价格的分布特点设置；a3、将计算所得被评价者的新信誉R'(xj)存储到对应数据库中；b建立信誉传播模型在得到被评价者的新信誉值R'(xj)后，将一些信誉模型计算需要的参数存储到相应数据库中，然后设计并实现一个二维的信誉跟踪、展示模型；其中，天数为横轴，信誉值为纵轴；横轴共显示最近15天的日期，每天固定长度的区间；纵轴取值范围为0‑10分的实数，表示信誉值的变化范围；基于该信誉跟踪、展示模型，动态展示最近15天被评价者的信誉，执行过程如下：b1从数据库中查询该被评价者最近15天的评分rating(xi,xj)、评价时间dr、信誉计算前的信誉值R(xj)、信誉计算后的信誉值R'(xj)、评价时的同行业平均信誉R，按照评价时间的顺序插入该商品的最近15天用户评分数组A中；b2将被评价者在最近15天每笔交易后的新信誉R'(xj)、评价时的行业平均信誉R的数据映射到直角坐标系中；b3应用Java的JFreeChart时序图技术实现二维动态展示模型。...

【技术特征摘要】

【专利技术属性】
技术研发人员：纪淑娟，刘宝华，张纯金，梁永全，邹本法，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37