C2C模式下名声系统模型改进.docVIP

C2C模式下名声系统模型的改进 　　 【摘要】 文章分析了现有C2C电子商务网站名声系统模型的缺点：现有的信任模型或基于信任链，不能充分利用门户网站上丰富的推荐信息；或缺乏对推荐信息有效性的分析，不能很好地应对信任炒作和诽谤。文章指出将以往模型进行改进，对推荐信息采用长期分析和短期分析结合的方法，充分利用了推荐信息，并能有效应对信任炒作和诽谤，可以更好地辅助C2C电子交易系统的用户进行决策。 　　【关键词】C2C 电子商务 名声 模型 　　 　　一、引言 　　 　　在电子商务C2C模式下，当不存在可信的第三方（Trusted Third Parties，TTP）时，名声系统提供了一种新的信任管理方式，即通过社会控制在参与者中间建立信任。 　　近年来，人们对于名声系统进行了大量研究，提出了各种各样的名声管理模型。而现有的模型在名声计算、结构等方面存在以下缺点：但在应用中此类系统存在以下缺点：第一，名声计算过程过于简单，缺乏对时间等因素的关注，不能反映对方的真实声誉；第二，多数模型假定评价者是诚实的，无法应对信任炒作和诽谤行为的出现；第三，评价信息数量多，信息量大，用户不能完全参照。 　　本文针对C2C电子商务系统的特点，提出了一个新的基于名声的信任模型：数据处理上，对交易对象历史评价数据进行长期和短期分析，使实体的行为及时反映在声誉值上；在名声形成过程中依据评价者的交易经验、时间等因素采信交互记录，使声誉值更加合理，可以有效应对信任炒作和诽谤的问题。 　　 　　二、改进模型的说明 　　 　　 名声可以来源于其他实体的推荐，或者是与这个实体的直接交互结果，也可以是两者的结合。 　　本文提出的信任模型的数据处理流程见图1。由于在开放环境下遇到的交互实体往往是陌生的，所以本模型主要利用推荐信息得出名声，这也是模型的主要部分。 　　 　　 图1模型数据流程 　　模型的结构随时间进行变化，当和一个陌生实体开始交互时，模型处于初始阶段，对陌生实体声誉值的判断完全或大部分来源于其他实体的推荐。当和这个实体交易若干次后，声誉值就依赖于其他实体的推荐和自己的直接??互（见图2）。当交易次数继续增加到一定数量，对方已成为熟悉的交互伙伴，声誉值可以完全或大部分依赖于直接交互信息。 　　 　　图2模型的演化 　　 　　三、模型的建立 　　 　　1、推荐名声 　　声誉计算的关键是确定每个推荐的影响程度。基于信任链的模型中，推荐信息的影响力是由以这个推荐作为结尾的信任链上的所有信任值决定的。这类模型应用于C2C环境下有以下不足：首先在陌生实体较多的情况下，信任链很难形成；其次在网上交易系统里，交易信息在一定程度上是可靠的，可以不用构建信任链而直接采用，构建信任链本身会导致较大的开销。本模型的是声誉计算基于C2C交易网站提供的所有推荐信息（包括陌生实体的推荐），计算过程包括长期分析和短期分析两个部分。 　　（1）长期分析 　　长期分析是对所有记录的分析，得到被评价实体的累计名声。输入的数据是历史交互记录和评价，其结构如下： 　　（ID，duty，amount，time，rec，c_rep）。ID是评价者的身份，duty是评价者在这次交易中的角色（卖家或买家），amount是交易额，time是交易时间，rec是评价者对被评价者的评价（推荐），c_rep是评价者作为相同角色的名声（用得到好评的次数表示）。 　　淘宝中有三种评价rec∈（“好评”，“中评”，“差评”） 　　好评表示对交互结果很满意；中评表示交互成功完成，但是产品质量或服务质量有部分缺陷；差评表示欺诈行为或产品质量与描述严重不符。为了便于计算，引入映射函数： 　　f（rec）=1（rec=“好评”）0（rec=“中评”），rec∈（“好评”，“中评”，“差评”）-1（rec=“差评”） 　　c_rep∈N，c_rep越大其评价的可信度越高，c_rep是评价者得到的好评数，c_rep越大，说明评价者在以往的成功交易越多，从而它是非恶意实体的可能性越大，因此它给出客观评价的可能性越大。同样给出N－[0，1]函数： 　　 　　duty的作用在于确定历史记录和当前交互的相似程度。当前交互中使用模型的实体的角色用my_duty表示。duty，my_duty∈（“买家”，“卖家”），定义（“买家”，“卖家”）－ [0，1]的函数likeness用以区别不同角色的评价记录对当前名声影响的差异： 　　likeness（duty，my_duty）=0（duty≠my_duty）1（duty=my_duty） 　　当评价记录中的评价者是买家并且用户当前角色也是买家时，这条记录的影响应较大，likeness为1，反之角色不同时，评价记录的影响应减小，l