當(dāng)今電子商務(wù)信用評(píng)價(jià)模型研究

1、 電子商務(wù)信用評(píng)價(jià)模型研究盧景北京郵電大學(xué)經(jīng)濟(jì)管理學(xué)院，北京（100876）E-mail ：摘 要：本文結(jié)合信用管理相關(guān)理論，對(duì)電子商務(wù)中的信用問(wèn)題做了詳盡的分析，并以淘寶網(wǎng)為實(shí)證，在淘寶網(wǎng)現(xiàn)有信用評(píng)價(jià)體系基礎(chǔ)上，提出新的較為完善的指標(biāo)體系，并提出新的C2C 信用評(píng)價(jià)模型，為C2C 模式信用管理提供了操作性較強(qiáng)的量化手段。為證明改進(jìn)后的模型所具有的優(yōu)越性，本文基于Matlab 這一仿真工具搭建了仿真實(shí)驗(yàn)平臺(tái)，通過(guò)改變參數(shù)設(shè)置，對(duì)改進(jìn)前和改進(jìn)后的兩個(gè)模型分別進(jìn)行了二十五次仿真實(shí)驗(yàn)，從評(píng)價(jià)準(zhǔn)確率方面對(duì)改進(jìn)后的模型和淘寶網(wǎng)的模型進(jìn)行了詳細(xì)的對(duì)比分析，有力的驗(yàn)證了改進(jìn)后的模型能夠?yàn)镃2C 電子商務(wù)網(wǎng)站

2、提供更有效的信用評(píng)價(jià)信息，并有利于促進(jìn)我國(guó)個(gè)人信用體系的建設(shè)。 關(guān)鍵詞：電子商務(wù)；信用管理；信用評(píng)價(jià)模型中圖分類(lèi)號(hào)：F491. 引言作為一種新興的商業(yè)模式，我國(guó)電子商務(wù)在經(jīng)歷了幾年的低谷之后，現(xiàn)已逐漸步入戰(zhàn)略機(jī)遇期并日趨成熟，互聯(lián)網(wǎng)帶來(lái)的交易的低成本、方便、快捷等優(yōu)勢(shì)初露端倪。截止到2007年12月，中國(guó)網(wǎng)民網(wǎng)絡(luò)購(gòu)物比例已達(dá)到22.1%，購(gòu)物人數(shù)規(guī)模達(dá)到4640萬(wàn)。其中，上海和北京為網(wǎng)上購(gòu)物比例最高，分別達(dá)到了41.4%和36%，網(wǎng)絡(luò)購(gòu)物已經(jīng)成為眾多網(wǎng)民網(wǎng)絡(luò)生活中的重要組成部分【1】。但進(jìn)行網(wǎng)上購(gòu)物的人數(shù)相對(duì)于網(wǎng)民的總體數(shù)量來(lái)說(shuō)，仍然是一個(gè)比較小的比例，并且與美國(guó)2006年8月網(wǎng)民網(wǎng)上購(gòu)物的比

3、例71%相比，我國(guó)22.1%的網(wǎng)民網(wǎng)絡(luò)購(gòu)物比例還有很大的差距，我國(guó)電子商務(wù)還有很長(zhǎng)的路要走，同時(shí)也面臨著更多的問(wèn)題【1】。某國(guó)內(nèi)專(zhuān)業(yè)權(quán)威調(diào)查機(jī)構(gòu)的“中國(guó)電子商務(wù)誠(chéng)信狀況調(diào)查”大型調(diào)查顯示：有過(guò)網(wǎng)上交易經(jīng)歷的網(wǎng)民對(duì)電子商務(wù)的不信任比例高達(dá)36.3%，在對(duì)“您對(duì)電子商務(wù)最擔(dān)心的問(wèn)題是什么的回答統(tǒng)計(jì)中，回答“誠(chéng)信”的比例為26.34%，結(jié)果顯示誠(chéng)信已成為公眾在網(wǎng)上交易時(shí)普遍擔(dān)憂的問(wèn)題【4】。2. 電子商務(wù)信用問(wèn)題2.1電子商務(wù)信用問(wèn)題成因結(jié)合電子商務(wù)的特點(diǎn)，筆者將電子商務(wù)信用的成因歸納為以下三點(diǎn)：（1）誠(chéng)信基礎(chǔ)薄弱在我國(guó)信用評(píng)價(jià)和監(jiān)管機(jī)制不健全的環(huán)境下，人們?cè)诮灰走^(guò)程中誠(chéng)實(shí)守信的意識(shí)還很淡薄，因?yàn)槿?/p>

4、們的失信成本很低，或者說(shuō)有時(shí)還不存在失信成本，這使得部分人越來(lái)越不誠(chéng)實(shí)、不守信。（2）電子商務(wù)在某些方面信息不對(duì)稱(chēng)信息不對(duì)稱(chēng)理論是由美國(guó)經(jīng)濟(jì)學(xué)家約瑟夫斯蒂格利茨、喬治阿克爾洛夫、邁克爾斯彭斯在1970年提出的。是指在市場(chǎng)經(jīng)濟(jì)條件下，市場(chǎng)的買(mǎi)賣(mài)主體不可能完全占有對(duì)方的信息，這種信息不對(duì)稱(chēng)必定導(dǎo)致信息擁有方為謀取自身更大的利益而使另一方的利益受到損害。電子商務(wù)市場(chǎng)的低成本以及在提供信息方面的高效率等優(yōu)勢(shì), 理論上能給企業(yè)帶來(lái)利潤(rùn), 但是并不意味著電子商務(wù)市場(chǎng)就一定有很高的市場(chǎng)效率。事實(shí)上, 與傳統(tǒng)市場(chǎng)比較起來(lái), 電子 商務(wù)市場(chǎng)的低入門(mén)障礙使出售劣質(zhì)產(chǎn)品的商家更加容易進(jìn)入市場(chǎng); 信息技術(shù)在給電子商務(wù)

5、市場(chǎng)帶來(lái)低成本優(yōu)勢(shì)的同時(shí)也給制造虛假的產(chǎn)品質(zhì)量信息提供了方便; 豐富的信息在給消費(fèi)者提供更多決策支持的同時(shí)也增加了虛假信息誤導(dǎo)其做出非理性決策的可能性。電子商務(wù)市場(chǎng)中由于產(chǎn)品質(zhì)量的不確定引發(fā)的信息不對(duì)稱(chēng)不僅存在, 而且更加嚴(yán)重【5】。（3）電子商務(wù)進(jìn)入壁壘低電子商務(wù)行業(yè)的性質(zhì)決定了該市場(chǎng)的進(jìn)入壁壘低，主要體現(xiàn)在:開(kāi)辦網(wǎng)店審批容易，只需要將個(gè)人信息提交便可開(kāi)張營(yíng)業(yè); 資產(chǎn)投入少、資產(chǎn)專(zhuān)用性低; 對(duì)流動(dòng)資金的要求不高; 對(duì)從業(yè)人員的資質(zhì)要求低等。這種低進(jìn)入壁壘，加之網(wǎng)絡(luò)的虛擬性，為電子商務(wù)的誠(chéng)信埋下了伏筆。因?yàn)镮nternet 為所有的市場(chǎng)參與者提供了平等的機(jī)會(huì), 在這里大公司并不比小公司具有先天

6、優(yōu)勢(shì)。在實(shí)物市場(chǎng)上,“大”是非常有效的市場(chǎng)信號(hào), 但在電子商務(wù)市場(chǎng)“大”和產(chǎn)品質(zhì)量并沒(méi)有必然的聯(lián)系, 這就降低了市場(chǎng)進(jìn)入的障礙。一家網(wǎng)上商店可以在一天內(nèi)建立起來(lái), 也可以在第二天就消失。 2.2電子商務(wù)信用體系電子商務(wù)作為一種商業(yè)活動(dòng)，信用是其存在和發(fā)展的基礎(chǔ)。而且，電子商務(wù)所具有的遠(yuǎn)程性、記錄的可更改性、主體的復(fù)雜性等特征，就決定其信用問(wèn)題更加突出。因此，電子商務(wù)呼喚誠(chéng)信，更需要建立完善的信用體系。如果沒(méi)有一整套完善的網(wǎng)上信用保證制度，電子商務(wù)可能成為某些不法之徒手中的欺詐工具。正是網(wǎng)絡(luò)這個(gè)虛擬世界缺乏誠(chéng)信， 使電子商務(wù)的發(fā)展受到了嚴(yán)重阻礙?？梢哉f(shuō)，信用問(wèn)題是阻礙我國(guó)電子商務(wù)發(fā)展的重要瓶頸。

7、作為市場(chǎng)經(jīng)濟(jì)重要基礎(chǔ)的信用對(duì)電子商務(wù)的發(fā)展也有著重大的影響，因此對(duì)電子商務(wù)的信用進(jìn)行客觀公正的評(píng)價(jià)是非常必要的。市場(chǎng)經(jīng)濟(jì)是信用化的商品經(jīng)濟(jì)，信用是市場(chǎng)經(jīng)濟(jì)的基礎(chǔ)和生命線，特別是在經(jīng)濟(jì)全球化的過(guò)程中，信用是進(jìn)入國(guó)際市場(chǎng)的通行證。電子商務(wù)作為一種商業(yè)活動(dòng)，信用同樣是其存在和發(fā)展的基礎(chǔ)。電子商務(wù)和信用服務(wù)都是發(fā)展很快的新興領(lǐng)域，市場(chǎng)前景廣闊，從二者的關(guān)系看，一方面，電子商務(wù)需要信用體系，而信用體系也很可能最先在電子商務(wù)領(lǐng)域取得廣泛的應(yīng)用并體現(xiàn)其價(jià)值。沒(méi)有信用體系支持的電子商務(wù)活動(dòng)風(fēng)險(xiǎn)極高，后果不堪設(shè)想。2.3信用體系現(xiàn)狀及存在問(wèn)題本文將以淘寶網(wǎng)為例，介紹目前廣大電子商務(wù)網(wǎng)站的信用體系，并找出存在的問(wèn)

8、題： 淘寶用戶的信用體系最終主要體現(xiàn)現(xiàn)在信用值上，用戶在完成交易后，對(duì)交易伙伴在本次交易中的表現(xiàn)，作出自己的評(píng)價(jià)，評(píng)價(jià)結(jié)果分為:好評(píng)、中評(píng)、差評(píng)三種，每種評(píng)價(jià)對(duì)應(yīng)一個(gè)信用積分，具體為:“好評(píng)”加一分，“中評(píng)”不加分， “差評(píng)”扣一分，用戶得到的所有評(píng)價(jià)構(gòu)成用戶信用記錄【3】。但單純的信用累加模型存沒(méi)有很好地發(fā)揮信用評(píng)價(jià)模型的作用，原因如下：（1）信用指數(shù)的可比性差目前電子商務(wù)網(wǎng)站采用的信用評(píng)價(jià)模型在信用的積累性方面做的比較好，對(duì)交易記錄作了詳細(xì)的記錄，但在可比性方面有待完善。假設(shè)一個(gè)商家賣(mài)出價(jià)值為3000元的手機(jī)，并獲得好評(píng)，他的信用指數(shù)僅增加一分，而另一個(gè)商家賣(mài)出價(jià)格為3元的游戲卡，并獲得好

9、評(píng)， 信用指數(shù)也會(huì)增加一分。同樣一分，意義明顯不同，不具有可比性。在這種情況下，很難判斷出哪一個(gè)商家信用度更高。（2）忽視評(píng)價(jià)人的信用狀況現(xiàn)有的信用模型里都沒(méi)有考慮評(píng)分用戶的信用值，這就容易受到信用低毀、惡意推薦等行為的影響。信用值比較高的評(píng)價(jià)者相對(duì)于信用值不是很高的評(píng)價(jià)者，他們所做評(píng)價(jià)的可信度顯然也是有一定差距的。3. 改進(jìn)后的信用評(píng)價(jià)模型3.1信用體系指標(biāo)（1）用戶反饋評(píng)分用戶在完成一次交易之后，可以對(duì)交易對(duì)象進(jìn)行信用評(píng)分，本模型對(duì)于這一項(xiàng)綜合評(píng)分采用的是1，0，-1的范圍，1分代表對(duì)交易非常滿意，可以和對(duì)方長(zhǎng)期合作下去；0分代表對(duì)交易基本滿意，下次交易還可以繼續(xù)考慮與對(duì)方合作；-1分代表

10、對(duì)交易非常不滿意，不會(huì)再與對(duì)方繼續(xù)合作。該項(xiàng)分值將會(huì)作為最主要的計(jì)算內(nèi)容，對(duì)本項(xiàng)指標(biāo)的最終分值起到?jīng)Q定性的作用；（2）評(píng)分用戶的信用值現(xiàn)有的信任模型，在計(jì)算特定用戶的信任度時(shí)，均未考慮評(píng)分用戶(提交信用反饋評(píng)分的用戶 的信用值，這為交易雙方之間進(jìn)行共謀評(píng)分提供了可乘之機(jī)。為此，引入了評(píng)分用戶的信用值參量，在模型的公式進(jìn)行計(jì)算時(shí)，評(píng)分用戶的信用值作為用戶綜合評(píng)分的一個(gè)權(quán)重，信用值越高，他提供的信用反饋評(píng)分也會(huì)更有參考意義；（3）單筆交易價(jià)值交易價(jià)值是影響交易信用的重要因素。交易價(jià)值愈大，交易風(fēng)險(xiǎn)愈大，交易雙方也愈難以信任對(duì)方因而，在網(wǎng)上環(huán)境下，當(dāng)交易價(jià)值很大時(shí)，交易雙方都將背負(fù)著巨大的交易風(fēng)險(xiǎn)，

11、在此情形下，交易雙方依然采取誠(chéng)信的交易行為(按期付款、保質(zhì)保量發(fā)貨等 ，則與價(jià)值較小的交易相比，此交易帶給交易雙方的信用增值應(yīng)更大。為此引入交易價(jià)值參量，旨在根據(jù)不同的交易價(jià)值，設(shè)置信用反饋評(píng)分的權(quán)重，以降低信用欺詐行為給信用值計(jì)算帶來(lái)的負(fù)面影響；（4）用戶交易次數(shù)在國(guó)內(nèi)的電子商務(wù)網(wǎng)站的信用評(píng)價(jià)中，多數(shù)都是采用了累加信用模型。而在現(xiàn)實(shí)中，信用的形成是一個(gè)隨著時(shí)間和交易次數(shù)變化的過(guò)程，并且用戶行為變化也會(huì)導(dǎo)致其信用狀況的波動(dòng)。采用累加信用模型得到的信用值，只能反映出用戶在所有交易過(guò)后的一個(gè)最終反饋值，卻不能直觀的反映出該用戶在長(zhǎng)期交易之后的穩(wěn)定的交易信用水平。假設(shè)某網(wǎng)站的用戶A 與用戶B 在同一

12、時(shí)間段的交易狀況如表所示。表1 累加評(píng)分和均值評(píng)分的對(duì)比用戶交易次數(shù) 好評(píng)次數(shù) 中評(píng)次數(shù) 差評(píng)次數(shù) 最終得分 平均得分 用戶A用戶B 從最終得分來(lái)看，用戶A 比用戶B 的信用值相同，似乎無(wú)法衡量出他們究竟誰(shuí)的誠(chéng)信度更高。但是從他們的平均得分我們就可以直觀的判斷出用戶B 顯然比用戶A 的信用度要 高。因此在本模型中，我們選擇了均值信用模型來(lái)計(jì)算交易信用反饋評(píng)分，同時(shí)也引入了交易次數(shù)的因素，作為計(jì)算中的一項(xiàng)重要參數(shù)。3.2信用評(píng)價(jià)模型（1）評(píng)價(jià)模型的定義定義1：給定用戶u,R(u為用戶所有交易的信用反饋總分值，I(u為用戶的總交易次數(shù)，R(u,i為用戶u 在第i 次交易后通過(guò)二次計(jì)算獲得的交易信用

13、反饋得分;定義2：給定用戶u,r(u,P為第i 次交易后由本次交易伙伴做出的對(duì)用戶u 的反饋評(píng)分，其取值范圍為(1,0,-1，分別代表好評(píng)，中評(píng)，差評(píng);C(u,i為用戶u 第i 次交易的交易伙伴信用值的權(quán)重；D(u,i為用戶u 第i 次交易的交易額的權(quán)重;定義3：給定用戶，P(u,e為用戶u 第i 次交易的交易伙伴自身的信用值; P 為該網(wǎng)站所有買(mǎi)家的信用平均值；h(u,i為用戶第i 次交易的交易額, 為本網(wǎng)站中用戶“所在行業(yè)的同類(lèi)產(chǎn)品交易的平均交易額(考慮到不同行業(yè)不同類(lèi)別產(chǎn)品的交易額存在差異，因此平均交易額會(huì)特別強(qiáng)調(diào)是本行業(yè)本類(lèi)產(chǎn)品的平均交易額 。（2）評(píng)價(jià)模型的表示根據(jù)以上定義，給出如下

14、基于多影響因素的信用評(píng)價(jià)模型，即在有限次交易后，用戶u 的信用值采用以下模型計(jì)算:信用評(píng)價(jià)模型 1*(1 n nn R n r R n += (4-3n r 為本次交易信用值 (, *max(, *(, ,1n r s u i c u i d u i = (4-4(, s u i 為本次交易中雙方的評(píng)分 (, (1,0,1 s u i (, c u i 為賣(mài)家信用度權(quán)重 (, (, p u i c u i P = (4-5(, p u i 為本次交易買(mǎi)家信用值P 為該網(wǎng)站所有買(mǎi)家信用平均值1m i i p P m = m 為所有買(mǎi)家數(shù)量 (4-6(, d u i 為本次交易額權(quán)重 (, (,

15、h u i d u i H = (4-7(, h u i 為本次交易商品價(jià)格為同類(lèi)產(chǎn)品平均價(jià)格1n i i h n = (4-8之所以在(, *(, c u i d u i 和1中取最大值，是因?yàn)橐_保模型中加入的權(quán)重對(duì)評(píng)價(jià)用戶所做出的綜合評(píng)分是加強(qiáng)的作用，如果不與1進(jìn)行比較，則可能會(huì)引起削弱用戶綜合評(píng)分的效果，因此模型在此處加入了Max 函數(shù)。 4matlab 仿真驗(yàn)證仿真實(shí)驗(yàn)的目的是對(duì)兩個(gè)模型R 模型和TB 模型的評(píng)價(jià)正確率進(jìn)行比較。所謂評(píng)價(jià)正確率是指模擬實(shí)驗(yàn)結(jié)束之后所區(qū)分出來(lái)的賣(mài)家類(lèi)型與實(shí)驗(yàn)之初設(shè)定好的用戶類(lèi)型進(jìn)行比較后的結(jié)果。如果實(shí)驗(yàn)最初設(shè)定的是誠(chéng)信用戶，實(shí)驗(yàn)結(jié)束之后也是屬于誠(chéng)信用戶，

16、那么可以判定對(duì)該用戶的評(píng)價(jià)是準(zhǔn)確的；同樣，如果實(shí)驗(yàn)最初設(shè)定的是非誠(chéng)信用戶，在實(shí)驗(yàn)結(jié)束之后判定是非誠(chéng)信用戶，那么可以判定對(duì)該用戶的評(píng)價(jià)也是準(zhǔn)確的；除此之外，把誠(chéng)信用戶和非誠(chéng)信用戶的類(lèi)比判定錯(cuò)誤，則認(rèn)為對(duì)該用戶的評(píng)價(jià)是不準(zhǔn)確的。所有評(píng)價(jià)準(zhǔn)確的用戶個(gè)數(shù)占整個(gè)參與交易用戶的比重就是評(píng)價(jià)準(zhǔn)確率。4.1仿真變量說(shuō)明為了描述方便，筆者把淘寶的信用模型簡(jiǎn)稱(chēng)為T(mén)B 模型，本文所提出的模型簡(jiǎn)稱(chēng)為R 模型。首先介紹在仿真開(kāi)始時(shí)進(jìn)行的參數(shù)設(shè)置：（1）仿真初始參數(shù)表2 仿真初始變量表參數(shù)描述 網(wǎng)站的賣(mài)家數(shù)量 m 網(wǎng)站的買(mǎi)家數(shù)量（假設(shè)所以買(mǎi)家都是誠(chéng)信）本次交易中雙方的評(píng)分，（1，0，-1）(, h u i 本次交易物品的

17、價(jià)格（1，2，10），隨機(jī)產(chǎn)生k 非誠(chéng)信賣(mài)家的比率非誠(chéng)信賣(mài)家的欺詐比率交易次數(shù)p 買(mǎi)家信用值（TB 初始值設(shè)為0，R 模型初始值設(shè)為1）賣(mài)家信用值（TB 初始值設(shè)為0，R 模型初始值設(shè)為1） 其中，網(wǎng)站的賣(mài)家分為兩種類(lèi)型：一種是誠(chéng)信用戶，另一種是非誠(chéng)信用戶，仿真實(shí)驗(yàn)中假設(shè)非誠(chéng)信用戶是以一定的比率mrate 從事非誠(chéng)信的交易行為（即欺詐行為），因此該網(wǎng)站出現(xiàn)欺詐行為的概論是m=k*mrate。（2）仿真用戶參數(shù)網(wǎng)站的用戶分為買(mǎi)家和賣(mài)家，他們的屬性分別是：表3 仿真買(mǎi)家屬性參數(shù)描述 備注 編號(hào) 買(mǎi)家ID 編號(hào)，用以區(qū)別不同的買(mǎi)家用戶 信用分值 交易后經(jīng)過(guò)R 模型計(jì)算出的信用分值 TB信用分值 交易

18、后經(jīng)過(guò)TB 模型計(jì)算出的信用分值 交易額 交易中由系統(tǒng)隨機(jī)產(chǎn)生的交易金額 i總交易次數(shù) 每次模擬實(shí)驗(yàn)中該用戶的交易次數(shù) s(u,i交易對(duì)象評(píng)分 每次交易結(jié)束后，交易對(duì)象對(duì)其的評(píng)分，（1,0,-1） 因?yàn)楸疚闹饕懻摰男庞皿w系主要針對(duì)賣(mài)家是否是誠(chéng)信用戶，為了簡(jiǎn)化程序，默認(rèn)所有買(mǎi)家均為誠(chéng)信用戶。賣(mài)家的很多屬性與買(mǎi)家類(lèi)似，在買(mǎi)家的基礎(chǔ)上又增加了誠(chéng)信比率和非誠(chéng)信交易率，如下表所示：表4 仿真賣(mài)家屬性參數(shù) 描述 備注編號(hào) 賣(mài)家ID 編號(hào)，用以區(qū)別不同的買(mǎi)家用戶 信用分值 交易后經(jīng)過(guò)R 模型計(jì)算出的信用分值 TB 信用分值 交易后經(jīng)過(guò)TB 模型計(jì)算出的信用分值 交易額 交易中由系統(tǒng)隨機(jī)產(chǎn)生的交易金額 總交

19、易次數(shù) 每次模擬實(shí)驗(yàn)中該用戶的交易次數(shù)交易對(duì)象評(píng)分 每次交易結(jié)束后，交易對(duì)象對(duì)其的評(píng)分（1，0，-1）是否是誠(chéng)信用戶區(qū)別賣(mài)家是否是誠(chéng)信用戶，（1，0） 非誠(chéng)信交易率該屬性只屬于非誠(chéng)信用戶，表示其非誠(chéng)信交易率（3）仿真服務(wù)器參數(shù)在仿真中，交易矩陣中儲(chǔ)存了每次交易的屬性，以便進(jìn)行后續(xù)的數(shù)據(jù)處理： 在整個(gè)仿真實(shí)驗(yàn)結(jié)束之后，未做交易的用戶不參與準(zhǔn)確率的評(píng)價(jià)，本信用評(píng)價(jià)系統(tǒng)定義信用值排在前0(*(1i p n n k =的用戶為系統(tǒng)認(rèn)定誠(chéng)信用戶，其中i p n =表示為參與交易的賣(mài)家數(shù)量，其余用戶默認(rèn)為非誠(chéng)信用戶。模擬結(jié)束后，將這些被評(píng)價(jià)用戶的誠(chéng)信類(lèi)型與實(shí)驗(yàn)初始的用戶設(shè)置進(jìn)行對(duì)比，得出各個(gè)模型評(píng)價(jià)準(zhǔn)確的

20、用戶數(shù)量。由此計(jì)算出每個(gè)模型的評(píng)價(jià)正確率。通過(guò)評(píng)價(jià)準(zhǔn)確率的對(duì)比，可以比較出TB 模型和R 模型在用戶誠(chéng)信度的區(qū)分上的優(yōu)劣。 4.2仿真流程圖 圖1 仿真實(shí)驗(yàn)流程圖5. 仿真結(jié)果分析根據(jù)本文設(shè)定的實(shí)驗(yàn)?zāi)康?，分別的R 模型和TB 模型設(shè)置了五個(gè)可變參數(shù)，每個(gè)參數(shù)賦值五次，每個(gè)模型合計(jì)進(jìn)行了二十五次仿真，本文共進(jìn)行了五十次仿真實(shí)驗(yàn)。詳細(xì)數(shù)據(jù)統(tǒng)計(jì)見(jiàn)附件。5.1賣(mài)家數(shù)量評(píng)價(jià)準(zhǔn)確率的對(duì)比其他參數(shù)值不變，(I=300，k=30%, mrate=50%,m=20，改變賣(mài)家數(shù)量n 的值（100、150、200、250、300），得出賣(mài)家數(shù)量由100變化到300時(shí)，兩個(gè)系統(tǒng)評(píng)價(jià)準(zhǔn)確率的變化和對(duì)比，如圖所示：圖2

21、賣(mài)家數(shù)量評(píng)價(jià)準(zhǔn)確率對(duì)比 從圖中可以看出隨著用戶數(shù)的增多，R 模型和TB 模型的評(píng)價(jià)準(zhǔn)確率整體呈上升趨勢(shì)，但R 模型的評(píng)價(jià)準(zhǔn)確率始終高于TB 模型。n=100時(shí)，R 模型的評(píng)價(jià)準(zhǔn)確率最低，但仍高于TB 模型，由此可以看出，無(wú)論賣(mài)家數(shù)量如何，R 模型的評(píng)價(jià)準(zhǔn)確率始終優(yōu)于TB 模型。5.2買(mǎi)家數(shù)量評(píng)價(jià)準(zhǔn)確率的對(duì)比該實(shí)驗(yàn)?zāi)康氖峭ㄟ^(guò)買(mǎi)家數(shù)量的變化，分析兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率。初始設(shè)置：I=100,mrate=50%，n=100,k=30%，買(mǎi)家數(shù)量由20增加到100時(shí)，兩個(gè)模型評(píng)價(jià)準(zhǔn)確率的對(duì)比如圖所示： 圖3 買(mǎi)家數(shù)量評(píng)價(jià)準(zhǔn)確率對(duì)比買(mǎi)家數(shù)量由20變化到100時(shí)，兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率均呈波動(dòng)狀態(tài)，在m=20

22、時(shí)，R 模型的準(zhǔn)確率高出TB 很多，隨著m 的增大，優(yōu)勢(shì)逐漸縮小，在m=100時(shí)，兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率幾乎相等，甚至TB 模型的評(píng)價(jià)準(zhǔn)確率還略高一些。經(jīng)過(guò)分析可知，總交易次數(shù)不變，隨著買(mǎi)家數(shù)量的增多，買(mǎi)家的平均交易次數(shù)在不斷下降，單個(gè)用戶的交易次數(shù)減少，使得系統(tǒng)不穩(wěn)定，所以，買(mǎi)家數(shù)量越少，單個(gè)用戶的交易次數(shù)越多，系統(tǒng)越穩(wěn)定。所以，如果繼續(xù)增加單個(gè)用戶的交易次數(shù)，兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率會(huì)逐漸穩(wěn)定，R 模型的優(yōu)勢(shì)將更加顯著。5.3交易次數(shù)評(píng)價(jià)準(zhǔn)確率的對(duì)比該仿真實(shí)驗(yàn)?zāi)康氖峭ㄟ^(guò)改變交易次數(shù)I （200,300,400,500,600），得出兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率。初始設(shè)置：k=30%, mrate=50%

23、,n=100,m=20 圖4 交易次數(shù)評(píng)價(jià)準(zhǔn)確率對(duì)比吸取上一次實(shí)驗(yàn)的教訓(xùn)（單個(gè)用戶的交易次數(shù)少，影響了模型的穩(wěn)定性），本次實(shí)驗(yàn)從整體上提高了交易總次數(shù)。隨著交易次數(shù)的增加，兩種系統(tǒng)的信用評(píng)價(jià)的準(zhǔn)確率也越來(lái)越高。這是因?yàn)榻灰状螖?shù)的增多，欺詐行為的數(shù)量也隨之增多. 從而拉大了誠(chéng)信用戶和非誠(chéng)信用戶的分差。由圖中可以看出，兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率均趨于平緩，雖然有個(gè)別異常點(diǎn)。R 模型的評(píng)價(jià)準(zhǔn)確率始終高于TB 模型，說(shuō)明R 模型的公式起到了積極作用，R 模型優(yōu)于TB 模型。5.4非誠(chéng)信用戶比率評(píng)價(jià)準(zhǔn)確率的對(duì)比本次仿真實(shí)驗(yàn)通過(guò)改變非誠(chéng)信用戶比率k （20%，30%，40%，50%，60%），得出兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率，并觀察k 對(duì)模型評(píng)價(jià)準(zhǔn)確率的影響。初始設(shè)置：I=300,mrate=50%，n=100,m=20 圖5 非誠(chéng)信用戶比率評(píng)價(jià)準(zhǔn)確率對(duì)比隨著賣(mài)家非誠(chéng)信比率的增加，即非誠(chéng)信賣(mài)家的增多，兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率都在下降，當(dāng)系統(tǒng)中誠(chéng)信用戶比率很高時(shí)，兩個(gè)模型都有很高的評(píng)價(jià)準(zhǔn)確率，符合實(shí)際情況；隨著非誠(chéng)信用戶比率的增加，兩個(gè)模型的評(píng)價(jià)準(zhǔn)確率也都在下降，但R 模型的總是高于TB