２０１０年第６期 （总第１３０期） 大众科技 ＤＡＺＨＯＮＧ ＫＥ Ｊ ＮＯ．６。２０１０ （Ｃｕｍｕｌａｔｉｖｅｌｙ Ｎｏ．１３０） 一种改进的电子商务信用评价模型 祁 燕 （江南大学信息工程学院，江苏无锡２１４０００） 【摘要】在电子商务理论知识的基础上，对比分析现有信用管理体系模型和相关数据，结合电子商务交易特点，详细分 析了信用评价在Ｂ２Ｂ、Ｂ２Ｃ、Ｃ２Ｃ三种主要模式中的重点影响因素指标，并选取模糊综合评价法作为建立新型电子商务信用评 价模型的主要依据和手段，创新出双层模糊综合信用评价模型。 【关键词】电子商务；信用评价；双层模糊综合评价模型 【中图分类号】Ｆ７１３．３６ 【文献标识码】Ａ 【文章编号】１００８－１１５１（２０１０）０６－００１４－０３ （一）概述 其中Ｒ 表示用户的当前信用度，Ｒ 表示用户近期信用度， 根据我国权威的中国互联息中心（ＣＮＮＩＣ）的调查报 ｒ 表示用户得到第ｎ次信用反馈评分，ｒ ∈｛一１，０，１）。 告显示，从２００７￣２００９的对比看，网络消费指数增长明显， 现有的信用评价中静态、动态各有不足：静态信用评价 具有较高的增长空间，同时，６５．９％的网民认为“网络交易不 更加注重卖方进行身份认证；缺乏监管机制；忽视交易双方 安全”。这些问题无疑制约着网络消费类应用的深度发展，其 所在地区、交易方式等表示买卖双方基本信息的数据；动态 中最难解决的问题就是信用问题。据３１５ＴＳ发布的数据显示， 信用评价容易助长信用炒作；信用评价体系不完善，信用数 ２００９年，３１５ＴＳ共接到网络购物的投诉２１６５７宗，与２００８年相 据无法共享：信用数值的可比性和区分度差；忽视评价人的 比，增长了２４８．５８％。网络消费投诉已经成了新的热点，投诉 信用状况；缺乏行业及商品类型特点。 量在增长，电子商务，这种新兴的交易方式吸引了大量的中 （三）改进的信用评价模型实现 小企业和个人消费者，但是由于其交易方式的特殊性，以及 本文在分析电子商务信用评价指标的基础之上，结合我 监管的困难，各种问题日益增多，其中，信用问题已经成了 国电子商务的特点，利用模糊综合评价方法，构建电子商务 制约电子商务发展的重要问题。信用评价模型在电子商务信 的双层模糊综合信用评价模型，从而通过对电子商务信用评 用评价管理中利用率越来越高，而建立一套较为完善的信用 价指标进行量化，来为买卖双方提供信用参考，使交易主体 评价体系对于电子商务的发展尤为重要，它可以客观地反映 做出合理的选择，降低交易风险。根据上述分析，该文利用 交易主体的历史交易获得的评价，从而大大提高了交易的成 模糊综合评价方法，提出改进后的交易主体的信用评价模型 功率。 ——双层模糊综合信用评价模型，如图ｉ所示： （二）电子商务信用评价体系分析 我国电子商务从２Ｏ世纪９０年代初开始兴起，然而有意识 的电子商务交易信用评价出现也只仅限于２Ｏ世纪９０年代末期 出现的Ｂ２Ｂ和Ｃ２Ｃ中，现在的淘宝、拍拍这种信用评价已经成 为衡量一个店铺信用级别的唯一标准。 １．信用评价指标分析 对目前国内外电子商务网站的信用评价指标进行分析， 可以发现这些影响信用评价的指标主要可以划分为两个部 分，一部分叫静态信用评价，静态信用评价是衡量网店信用 的重要组成部分：另一部分是动态的信用评价，是在交易的 积累和反馈中不断变化的，这部分信用是可以通过交易历史 或炒作达到的，并且在交易过程中不断变化的，所以在用户 购买物品时只可作为部分参考信用，不能看成是衡量网店信 用的全部。 ２．现有的电子商务信用评价体系的问题 信用评价大都只是简单的对每次交易的评价结果进行累 加，该方法将用户得到的所有信用反馈评分进行累加，作为 用户的总体信用值。淘宝、易趣等大多拍卖网站都采用这种 图Ｉ双层模糊综合信用评价模型原理图 累计信用模型。累加信用模型表示为： １．数学模型 Ｒ＝ 一。＋ ， ｒ∈｛一１，０，１｝ （１）静态信用评价指标评分矩阵确定 【收稿日期】２０１０—０３—１９ 【作者简介】祁燕（１９８２一），女，江南大学信息工程学院在读硕士生。 ．１４． ｙ Ｖ Ｖ ｙ ｙ ｙ Ｖ ● ２ ３ ４ ５ ６ ７ Ｕｌ＝ 如舢 说明： ｕ。：是静态信用指标评分矩阵； Ｖ ：是静态信用评价指标集合； Ｖｌ＝（ｖｌ１，ｖｌ２，ｖｌ３，ｖＨ，ｖｌ５，ｖｌ６，ｖｌ ７） ＝（年龄，性别，婚姻状况，学历，职业，银行存款， 月收入） Ｔ。：是各个指标的等级域；指标不同，ｎ的取值不同，对 于空位以“０”填充； Ｔｌ ｛ｔ１ｌ，ｔｌ２，…ｔ１ ｝ Ｓ 它是每个指标对应论域上的取值； （２）动态信用评分模型 根据已经建立的动态信用评价指标，利用模糊隶属函数， 得到模糊评分矩阵如下： 。 ： Ｕ ２＝ ２３ ２４ ２ ５ ２６ 说明： Ｕ。：一次交易的动态信用评价指标评分矩阵 Ｖ２＝（ｖ。 ，ｖ： ，ｖ 。，ｖ ｖ ，ｖ ）＝（买家信用度，交易金 额，时间，质量，售后服务，价格） Ｔ２＝ｆｕ 。，ｕ 。，…，ｕ ）＝｛很满意，满意，基本满意，不满 意，非常满意），根据指标不同，Ｔ 的域也有所不同，但基本 以上述五项为主。 （３）近三个月信用评分模型 设置静态信用评价和动态信用评价两上因素的权重分别 为ｗ１’，Ｗ２ ；根据专家制度法，得到权重分配为ｗｌ ＝０．４５， Ｗ２’＝０．５５ Ｓ。＝Ｓ。× ＋∑Ｓ： × ｌ 说明： ｓ０：是交易主体近三个月内的交易评分总值； Ｓ１：是交易的静态信用评分； Ｓ２ｉ：是一次交易的动态信用评分； ｎ：是交易主体在三个月内进行交易的总次数； （４）双层模糊综合信用评价模型 利用式（４－６），根据信用评分的积累次数，计算出某交 易主体的综合信用积分， Ｓ：∑Ｓｏ， ｌ 说明： Ｓ：它是交易主体进行所有交易所得到的信用积分，反映 了交易主体进行交易的整体信用情况； Ｓｏｉ：三个月内的信用积累评分； ｍ：信用评分的累积次数。 ２．双层模糊综合信用评价模型程序实现 本文着重阐述双层模糊综合评价模型程序实现，对静态、 动态信用评价程序不予表述。根据静态和动态信用评价阶段 的信用评价得分，得出用户的两个综合信用评分；设置静态 信用评价和动态信用评价两上因素的权重分别为Ｗ。’，ｗ。’； 根据专家制度法，得到权重分配为Ｗ ’＝Ｏ．４５，Ｗ ’＝０．５５，运 用ｍａｔｌａｂ程序，计算出近三个月的信用评价得分和综合评价 肌加肌肌 ｎ 月 ｎ 得分，程序如下： ｆｕｎｃｔｉｏｎ ［ＳｃｏｒｅＳｔａ，ＳｃｏｒｅＤｙｎ，ＳｃｏｒｅＣｏｌ，Ｓｃｏｒｅｌｎｔ］ ＝Ｆｕｌ１Ｆｕｚｚｙ（Ｓｔａｔｉｃ，Ｄｙｎａｍｉｃ，Ｃｏｌｌｉ，Ｉｎｔｅｇｒａｔｅ） ％获取静态输入指标 Ａｇｅ＝ｓｔｒ２ｎｕｍ（ｃｅｌ１２ｍａｔ（Ｓｔａｔｉｃ（１）））： Ｓｅｘ＝ｃｅｌ１２ｍａｔ（ＳｔａｔｉＣ（２））： Ｍａｒｒｙ＝ｃｅｌ１２ｍａｔ（Ｓｔａｔｉｃ（３））： Ｄｅｇｒｅｅ＝ｃｅｔ１２ｍａｔ（Ｓｔａｔｉｃ（４））： Ｃａｒｅｅｒ＝ｃｅｌ１２ｍａｔ（Ｓｔａｔｉｃ（５））： Ｗａｇｅ＝ｓｔｒ２ｎｕｍ（ｃｅｌ １２ｍａｔ（Ｓｔａｔｉｃ（６）））： Ｓａｖｉｎｇｓ＝ｓｔｒ２ｎｕｍ（ｃｅｌ１２ｍａｔ（Ｓｔａｔｉｃ（７）））： ％调用静态评价函数 ［ＳｃｏｒｅＳｔａ，Ｕ１］＝ＳｔａｔｉｃＦｕｚｚｙ（Ａｇｅ，Ｓｅｘ，Ｍａｒｒｙ，Ｄｅｇｒｅｅ，Ｃ ａｒｅｅｒ，Ｗａｇｅ，Ｓａｙｉｎｇｓｊ： ％获取动态输入指标 Ｃｒｅｄｉｔ＝ｃｅｌ１２ｍａｔ（Ｄｙｎａｍｉｃ（１））： Ｔｒａｄｅ＝ｃｅｌ１２ｍａｔ（Ｄｙｎａｍｉｃ（２））： Ｔｉｍｅ＝ｃｅｌ１２ｍａｔ（Ｄｙｎａｍｉｃ（３））： Ｑｃ＝ｃｅ１１２ｍａｔ（Ｄｙｎａｍｉｃ（４））： Ｓａｌｅ＝ｃｅｌ １２ｍａｔ（ＤｙｎａｍｉＣ（５））： Ｐｒｉｃｅ＝ｃｅｌ １２ｍａｔ（Ｄｙｎａｍｉｃ（６））： ％调用动态评价函数 ［ＳｃｏｒｅＤｙｎ，Ｕ２］＝ＤｙｎａｍｉｃＦｕｚｚｙ（Ｃｒｅｄｉｔ，Ｔｒａｄｅ，Ｔｉｍｅ，Ｑｃ， Ｓａｌｅ，Ｐｒｉｃｅ）： ％近三个月的评价得分 ［ｒ，ｃ］＝ｓｉｚｅ（Ｃｏｌ１ｉ）： Ｃｒｅｄｉｔ＝ｚｅｒｏｓ（ｒ，１）： Ｔｒａｄｅ＝ｚｅｒｏｓ（ｒ，Ｉ）： Ｔｉｍｅ＝ｚｅｒｏｓ（ｒ，１）： Ｑｃ＝ｚｅｒｏｓ（ｒ，１）： Ｓａｌｅ＝ｚｅｒｏｓ（ｒ，１）： Ｐｒｉｃｅ＝ｚｅｒｏｓ（ｒ，１）： ＳｃｏｒｅＤｙｎＣｏ１＝ｚｅｒｏｓ（ｒ，ｉ）： ｆｏｒ ｉ＝１：ｒ Ｃｒｅｄｉｔ＝ｃｅｌ１２ｍａｔ（Ｃｏｌｌｉ（ｉ，１））： Ｔｒａｄｅ＝ｃｅｌ１２ｍａｔ（Ｃｏｌｌｉ（ｉ，２））： Ｔｉｍｅ＝ｃｅｌ１２ｍａｔ（Ｃｏｌ１ｉ（ｉ，３））： Ｏｃ＝ｃｅｌ１２ｍａｔ（Ｃｏｌｌｉ（ｉ，４））： Ｓａｌｅ＝ｃｅｌ１２ｍａｔ（Ｃｏｌ１ｉ（ｉ，５））： Ｐｒｉｃｅ＝ｃｅｌ１２ｍａｔ（Ｃｏｌｌｉ（ｉ，６））： 一ｌ５． 运用Ｍａｔｌａｂ程序计算，输入及获得结果如图２： ＳｃｏｒｅＤｙｎＣｏｌ（ｉ）＝ＤｙｎａｍｉｃＦｕｚｚｙ（Ｃｒｅｄｉｔ，Ｔｒａｄｅ，Ｔｉｍｅ，Ｑｃ，Ｓａｌ ｅ，Ｐｒｉｃｅ）： ｅｎｄ ％权重系数，根据专家制度进行赋值 ｗ＝［０．４５ ０．５５］： ％近三个月的评价得分 ＳｃｏｒｅＣｏ１＝Ｓｃ０ｒｅＳｔａ术Ｗ（１）＋ｓｕｍ（ＳｃｏｒｅＤｙｎＣｏ１）幸ｗ（２）： ％近三个月的评价得分 ［ｒ，ａ］＝ｓｉｚｅ（Ｉｎｔｅｇｒａｔｅ）： ｆｏｒ ｉ＝ｌ：ｒ ［ｍｒ，ｃｅ］＝ｓｉｚｅ（Ｉｎｔｅｇｒａｔｅ｛ｉ，：｝）： ｆｏｒ ｊ＝ｌ：ｒｒ 图２ ｍａｔｌａｂ运算界面 即：静态信用评分为：０．３６６５；一次动态信用评分为： Ｃｒｅｄｉｔ＝ｃｅｌ１２ｍａｔ（Ｉｎｔｅｇｒａｔｅ｛ｉ，：｝（ｒｒ，ｉ））： Ｔｒａｄｅ＝ｅｅｌ１２ｍａｔ（Ｉｎｔｅｇｒａｔｅ｛ｉ，：｝（ｒｒ，２））： Ｔｉｍｅ＝ｃｅｌ１２ｍａｔ（Ｉｎｔｅｇｒａｔｅ｛ｉ，：）（ｒｒ，３））： Ｑｃ＝ｃｅｌ１２ｍａｔ（Ｉｎｔｅｇｒａｔｅ｛ｉ，：）（ｒｒ，４））： Ｓａｌｅ＝ｃｅｌ１２ｍａｔ（Ｉｎｔｅｇｒａｔｅ｛ｉ，：｝（ｒｒ，５））： Ｐｒｉｃｅ＝ｃｅｌ１２ｍａｔ（Ｉｎｔｅｇｒａｔｅ｛ｉ，：）（ｒｒ，６））： ０．８１；近三个月信用评分为：１．００６４：综合信用评分为： ２．３０９８。 （四）结束语 本文在分析各类常见的信用评价模型的基础上，晟终选 择在模糊综合评价方法的基础上，对模型进行改良，创建对 电子商务三种主要交易模式都适用的双层模糊综合信用评价 模型：该模型主要是根据当前各类电子商务网站主要采用的 静态和动态信用评价体系，结合模糊数学理论，根据专家制 Ｓｃｏｒｅｌｎｔ（ｉ，ｊ）＝ＤｙｎａｍｉｃＦｕｚｚｙ（Ｃｒｅｄｉｔ，Ｔｒａｄｅ，Ｔｉｍｅ，Ｑｃ，Ｓａｌｅ ，Ｐｒｉｃｅ）； ｅｎｄ 度制定权重，得出近期信用评价得分，结合各项综合因素获 ｅｎｄ 得综合信用评价得分。所研究的几个电子商务网站市场在国 内占有份额达到了９０％以上，具有重恩的代表性，研究成果对 我国电子商务交易的信用评价体系的完善有一定的参考价 值。 ＳｃｏｒｅＳｕｍ＝ｓｕｍ（Ｓｃｏｒｅｌｎｔ’）： ＳｃｏｒｅＩｎｔ＝ＳｃｏｒｅＳｔａ木Ｗ（１）＋ＳｃｏｒｅＳｕｍ＊Ｗ（２） ＳｃｏｒｅＩｎｔ＝ｓｕｍ（ＳｃｏｒｅＩｎｔ）： ３．实例验证 （１）设置静态指标为：（２７，男，未婚，大学，普通职 员，１５００，５０００） 【参考文献】 …１第２５次中国互联网络发展状况统计报告［Ｊ／ＯＬ］． ｈ￣ｐ：／／ｗｗｗ．ｃｎｎｉｃ．ＣＯＩｌ１．ｃｎ． （２）设置第一次“近三个月交易动态指标”为：：（很高， 大，很满意，满意，基本满意，基本满意’）和（很高，一般， 【２］２００９年度网络购物行业投诉统计分析报告［Ｊ／ＯＬ］． ｈｔｔｐ：／／ｗｗｗ．３１５ｍ．ｎｅｔ／ｓｔａｔｓ／ｗａｎｇｇｏｕ／２００９／． 不满意，满意，满意，基本满意）；第二次“近三个月交易动 态指标”为：（很高，很大，很满意，满意，基本满意，不 满意）（很高，低，基本满意，满意，很不满意，满意）（很 高，一般，不满意，满意，满意，基本满意） ［３】迟国泰，许文，孙秀峰．个人信用卡信用风险评价体系与模 型研究［Ｊｌ－同济大学学报（自然科学版），２００６，４，Ｖｏｌ ３４，（４）． （上接第１３页）从而对采集来的数据进行保存，由于它 的容量为２Ｋ所以用地址线为１１位，我们的设计思想是用８０５１ 【参考文献】 ［１】沈兰荪．数据采集处理器［ＭＩ．能源出版社出版，１９９０：７２． 单片机的Ｐ０．０ｕｐ 经７４ＬＳ３７３锁存后接６１１６的Ａｏ～Ａ 作为 ６１１６的高８为地址线，用Ｐ 。～Ｐ。。直接接到６１ｌ６的Ａ。～ 【２】何立民．ＭＣＳ一５１系列单片机应用系统设计［Ｍ１．北京航空 航天大学，１９９０：５８． Ａ 作为６ｌ１６的低３位地址线。这样就可以充分保证６１１６的 ２Ｋ的寻址范围，它的选通位用单片机的 与 位号控制， 即保证了单片机工作的实时性。 ［３】薛钧义，张彦斌．ＭＣＳ－５１／９６系列单片微型计算机及其应 用『Ｍ１．西安交通大学出版社，１９９９． 【４孙涵芳，４１徐爱卿．ＭＣＳ－５１／９６系列单片机原理及应用［ＭＩ． 北京航空航天大学． （五）结论 高速数据采集系统通过硬件串行数据传输设计方式，实 现了高速采集系统的模拟量采集的通道数多、数据采集的精 度高、低功耗和稳定性等。 【５］沈德金，陈粤初．ＭＣＳ－５１系列单片机接口电路与应用程序 实例【Ｍ１．北京航空航天大学． ．１６．
