论文部分内容阅读
为了打击C2C电子商务中的投机交易,降低消费者网上购物的风险,提升消费者对网上购物的信任,信任预测对交易中的风险具有重要意义。已有的信任模型大多都是基于交易后的评价进行计算,是一种事后的信任预测,而对未来交易的信任预测更有意义。本文提出了一种商家未来交易的信任预测方法,帮助消费者在交易之前预测商家在未来交易中可能的信任度。本文的主要研究工作及成果如下：(1)提出了基于灰色预测理论的面向商家未来交易的信任预测方法。该方法基于对商家过去信任值的分析,将计算出的商家信任值看作是时间序列,采用灰色预测理论中的GM(1,1)模型预测商家在未来交易中可能的信任值。实验结果表明,对持续增长的信任值序列,GM(1,1)模型预测精度很高；对呈现波动的信任值序列,GM(1,1)模型预测精度下降。(2)提出了一种基于多维度的商家信任值的计算方法。历史信任值是信任预测的前提。通过对现有的信任值计算方法,尤其是C2C电子商务模式下的信任值计算方法进行了深入的分析,本文总结了这些方法的特征与不足,并在此基础上给出了基于反馈评分、评价时刻、商品金额、评价者可信度以及惩罚因子的商家信任值的计算方法。对于评价者可信度,提出基于买家熟悉的评价者和买家陌生的评价者的计算可信度方法。对于惩罚因子,提出基于对失败金额的惩罚和对失败次数的惩罚的加权得到最终的惩罚因子大小。实验结果表明,多维度的商家信任值计算方法可以有效防止商家进行信任值榨取和惩罚欺诈型商家。(3)提出基于马尔可夫链理论的信任预测改进方法。针对灰色预测理论中的GM(1,1)模型在预测波动性信任值数据序列时,由于波动性而导致精度降低的问题,提出利用马尔可夫链理论对GM(1,1)模型预测值进行修正的方法。实验表明,改进后的方法能够有效地处理信任值序列波动性较大的情况,预测精度明显提高。