C2C信誉互评机制研究——基于协同过滤的信誉度计算

• 作 者: 赵柏敏
• 机 构: 南京大学
• 出 处: 南京大学
• 发表日期: 2008年期
• 关键词: 信誉系统 协同过滤 频繁项集 信誉互评机制 电子商务系统

互联网给我们的工作和生活带来了前所未有的改变。数字化和信息化的生存模式以及工业生产革命,使整个世界的经济面临新的机遇和挑战。电子商务作为全球经济发展的最终趋势,将成为二十一世纪贸易活动的基本形态。但电子商务有不同于传统交易的特点,这使得机会主义行为更易发生,因此信任和信誉问题就显得更为突出。　　
一些典型的电子商务系统(如淘宝,易趣 eBay)通过实名认证、第三方支付、法律法规和信誉系统来控制和规范用户的交易行为。本文将着重讨论了C2C模式下的信誉计算模型。鉴于现有的信誉模型缺乏对评价信息有效性的分析,不能很好地应对信誉炒作和诽谤。本文将针对此问题进行模型改进,通过对评价信息进行数据分析,挖掘恶意用户,剔除恶意评价信息,充分并有效地利用评价信息,更好地辅助C2C电子交易系统的用户进行决策。　　
在模型提出之前,文章对在线信任和信誉计算模型进行了广泛的文献搜索和分析,澄清了信任和信誉的定义,以及信任和信誉的区别和联系。　　
随后文章通过信誉的分类学研究提出了信誉计算模型的研究框架,并在此基础上构建了基于协同过滤的信誉计算模型。模型通过频繁项集挖掘来剔除恶意评价信息,并将交易价格和交易时间等因素引入信誉计算模型,大大提高了信誉系统稳定性和有效性。　　
在模型分析阶段,文章提出了衡量信誉系统有效性的三个指标,即恶意频繁项集挖掘效果指标FIME、信誉计算误差指标RCE和信誉纯度误差指标PRCE。最后通过模拟实验的数据分析,对比基于协同过滤信誉计算模型和淘宝信誉模型,说明了本文模型的有效性。　　
模型在实验环境下有较好的表现,但由于计算复杂度较高,在实际应用中面临计算成本的问题。同时实验环境的局限性,也会影响到结果分析的准确性。