论文部分内容阅读
随着中国经济的高速发展,互联网用户的日益增加,中国的电子商务经济规模迅速发展。其中,C2C电子商务更是在最近几年以年均50%左右的速度增长。淘宝网,易趣网等C2C交易平台网站迅速崛起。人们在享受网上购物便利的同时,也正受到前所未的C2C交易中的欺诈威胁。用户需要一个安全,可靠的信用评价体系来揭示C2C交易中的欺诈现象,并且能够对进行欺诈行为的用户给予惩戒。
本文分析了国内C2C交易平台一淘宝网和易趣网的信用评分机制,指出其不足之处。并针对国内C2C交易平台的特点,进行了以下方面的研究:
(1)利用SOM(自组织映射)神经网络算法识别有信用炒作交易行为的用户。信用炒作是目前C2C交易平台中最常见的欺诈行为。随着网络购物平台认证机制的不断完善,单一依靠用户自己炒作信用已经不多见,更常见的是协同炒作信用,即多位有信用炒作需要的用户彼此之间进行虚假交易,互刷信用。本文结合我国国内C2C电子商务交易的现状,考虑到我国实物交易中的物流时间因素,认为短时间内相同用户间的多次交易的欺诈可能性比较大。本文分别计算用户之间交易的次数,求出不同次数买家占总买家的百分比。将不同次数下的百分比作为输入神经元,利用科恩的SOM神经网络算法训练网络,再用K-means方法聚类,将卖家分为正常卖家,可疑卖家和很可疑卖家。为了简化运算,本文又提出了利用一次交易买家的比例来识别可疑卖家的简单识别算法。
(2)提出C2C交易平台中的用户信用评分模型-Sporasplus模型。针对交易系统中个人信用的评价问题,本文重点分析了淘宝网模型,易趣网模型和Sporas信用模型,指出了他们的优点以及不足。本文综合考虑交易时间,交易金额,买家信用等多方因素,提出了Sporas的改进模型-Sporasplus模型。在模型仿真中,Sporasplus模型表现出良好的对欺诈交易的揭示作用。同时Sporasplus信用模型能够比较全面的反应交易系统中的用户的综合信用状况,有利于识别信用不良的用户。针对一些信用不良的用户信用积分可能与交易次数少的新用户相同的情况,本文提出了平均交易信用分的概念。通过使用Sporasplus信用评分来确定用户目前的基本信用状况等级,再利用平均交易信用分的来比较相同信用分的用户信用状况,充分体现出用户的信用,有利于其他用户做出是否与其交易的选择。