【技术实现步骤摘要】
本专利技术属于电子商务，具体涉及一种商家信誉值计算方法。
技术介绍
1、随着智能手机和移动技术发展，移动电子商务系统展现出强大的生命力，越来越多的实体店老板或者普通用户逐渐改变习惯，转向通过移动电子商务开始卖货或购物，小到日用品，大到房产珠宝。在秒杀、秒付、隔天到货的时代，移动电子商务系统因为有了移动支付技术的加持，发展势头如火如荼，但是问题也是层出不穷。一方面原因是部分商家缺乏诚信与品德，另一方面是用户辨别商家信誉值能力有限。如果有一种方法，能够对商家信誉值进行评估，将大大减少移动购物、支付与欺诈等问题，同时对商家行为进行约束。
2、传统的商家信誉值计算方法主要是专家打分法。专家打分法是最容易理解的商家信誉值计算方法，核心思想是充分利用专家知识，并尽可能用数据去评估，通过专家对商家信誉值打分，从而计算商家信誉值。这种方法简单实用，但干扰误差大的专家评分会导致商家信誉值有较大的偏差。如何尽可能减小异常专家评分影响，避免过多的主观因素，获得客观、全面的商家信誉值计算结果，为消费者提供更有力的数据和方法支撑，一直是电子商务领域急切关注的重难点问题。
技术实现思路
1、为了克服商家欺诈、失信、不道德等行为，提高消费者购物体验，强化移动支付电子商务系统消费安全与质量保证，研究商家信誉值计算方法，为消费者挑选商家提供理论和方法支撑，减少电子商务纠纷，商家信誉值计算过程如下。
2、1商家信誉值指标评分
3、根据当前国情、移动支付、购物体验、物流和电子商务系统
4、企业特征(u1)，包括企业实力(u11)、用户好评度(u12)和客服服务态度(u13)。企业实力(u11)越雄厚、用户好评度(u12)越高、客服服务态度(u13)越好，网络用户对该企业越信任。
5、企业实力(u11)信誉值计算见公式(1)，其中z＞0表示注册资本。
6、u11＝1-exp(-z) (1)
7、用户好评度(u12)信誉值计算见公式(2)，其中n0表示好评数量，n1表示非好评数量。
8、
9、客服服务态度(u13)信誉值计算见公式(3)，其中anice表示服务态度非常好的数量，agood表示服务态度好的数量，acommon表示服务态度一般的数量，abad表示服务态度差的数量。
10、
11、系统特征(u2)，包括系统流畅度(u21)、商品匹配度(u22)和商品质量(u23)。系统流畅度(u21)越快、商品匹配度(u22)越高、商品质量(u23)越好，用户越能够快速定位好的商品，增加交易成功率，同时避免无聊的等待和糟糕的购物体验。
12、系统流畅度(u21)信誉值计算见公式(4)和公式(5)，其中ti表示第i次购买等待时间，tmean是平均等待时间，β表示流畅度调整系数。
13、
14、u21＝exp(-βtmean) (5)
15、商品匹配度(u22)信誉值计算见公式(6)，其中nmached表示匹配次数，nunmached是未匹配次数。
16、
17、商品质量(u23)信誉值计算见公式(8)，其中qi、si表示第i件商品质量和标准质量，n表示比较商品数。
18、
19、
20、移动支付特征(u3)，包括支付方式(u31)、担保制度(u32)和七天无理由退款时间(u33)。支付方式(u31)越灵活、担保制度(u32)越牢靠、七天无理由退款时间(u33)越短，用户支付选择越多，购买时越放心。
21、支付方式(u31)信誉值计算见公式(9)，其中kj、m表示第j种支付方式使用频率和支付方式数量。
22、
23、担保制度(u32)信誉值计算见公式(10)，其中tcompensate_mean表示平均赔付时间，λ表示赔付因子。
24、u32＝exp(-λtcompensate_mean) (10)
25、七天无理由退款时间(u33)信誉值计算见公式(11)，其中trefund_max表示最大七天无理由退款时间，表示退款因子。
26、
27、物流特征(u4)，包括送货速度(u41)、货物完好率(u42)和快递服务态度(u43)。送货速度(u41)越快、货物完好率(u42)越低、快递服务态度(u43)越好，用户购物体验越佳，越会形成回头客。
28、送货速度(u41)信誉值计算见公式(12)，其中tdeliver_mean表示平均送货时间，κ表示最大容忍送货时间。
29、
30、货物完好率(u42)信誉值计算见公式(13)，其中wgood表示平均货物完好次数，wbad表示平均货物破损次数。
31、
32、快递服务态度(u43)信誉值计算见公式(3)。
33、设计的商家信誉值指标体系充分考虑了当前移动支付、快递服务、消费者体验等行业特点，能够从用户角度较为客观的评价商家信誉值，指标简单实用。
34、2基于支持向量机的商家信誉值指标权重计算方法
35、支持向量机是一类按照监督学习方式对数据进行分类的广义线性分类器，其决策边界是对学习样本求解最大边距超平面。在分类问题中给定输入数据x＝{x1，x2，…，xn}，学习目标y＝{y1，y2，…，yn}，其中输入数据的每个样本xi＝[x1，x2，…，xm]t都包含多个特征并由此构成特征空间，其中m表示特征个数，而学习目标是二元变量，取值为1或者-1。寻找最佳决策边界线的问题可以转化为求解两类数据的最大间隔问题，间隔中间就是决策边界。任意超平面可以用线性方程wtx+b＝0来描述。点(x1，x2，…，xm)到直线wtx+b＝0的距离为d，见公式(14)。
36、
37、根据拉格朗日法、kkt条件、对偶问题等，支持向量机问题最后化简为公式(15)
38、
39、在实际应用中，常常存在过拟合情形，解决办法是增加软间隔。不允许个别特征点在前面介绍的最大间隔内的间隔是硬间隔，允许部分特征点在最大间隔内的间隔是软间隔。为了度量软间隔，为每一个样本引入一个松弛变量ζi≥0，则约束方程变为yi(wtxi+b)≥1-ζi。
40、硬间隔和软间隔都是在说样本的完全线性可分或者大部分样本点是线性可分的情况，但我们可能会碰到的一种情况是样本点不是线性可分的，此时需要引入核函数，将二维线性不可分样本映射到高维空间中，让样本点在高维空间线性可分，这就是非线性支持向量机问题。
41、用x表示原来的样本点，用φ(x)表示x映射到新的特征空间后的新向量。分割超本文档来自技高网...
【技术保护点】
1.一种商家信誉值计算方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种商家信誉值计算方法，其特征在于，所述步骤11)的商家信誉值指标包括企业特征、系统特征、移动支付特征和物流特征4个一级指标和企业实力、用户好评度、客服服务态度、系统流畅度、商品匹配度、商品质量、支付方式、担保制度、七天无理由退款时间、送货速度、货物完好率和快递服务态度12个二级指标，其中二级指标商家信誉值计算方法为：
3.如权利要求2所述的一种商家信誉值计算方法，其特征在于，所述步骤12)指标权重计算方法有基于支持向量机的商家信誉值指标权重计算方法、基于平均法的商家信誉值指标权重计算方法、基于加权平均法的商家信誉值指标权重计算方法和基于最小差异度的商家信誉值指标权重计算方法，四种计算方法为：
4.如权利要求3所述的一种商家信誉值计算方法，其特征在于，所述步骤13)商家信誉值综合计算包括以下步骤：
【技术特征摘要】
1.一种商家信誉值计算方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种商家信誉值计算方法，其特征在于，所述步骤11)的商家信誉值指标包括企业特征、系统特征、移动支付特征和物流特征4个一级指标和企业实力、用户好评度、客服服务态度、系统流畅度、商品匹配度、商品质量、支付方式、担保制度、七天无理由退款时间、送货速度、货物完好率和快递服务态度12个二级指标，其中二级指标商家信誉值计算方法为：...
【专利技术属性】
技术研发人员：刘诗文，
申请(专利权)人：辽宁机电职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。