|
通过网上拍卖卖家信用评价系统来判断商家及其商品信息真伪，已经成为目前互联网上互不认识的交易主体间建立网际信任的有效机制。针对现有网上拍卖评价系统，本文分析了其存在的问题，并基于粗糙集理论和模糊综合评判理论提出了一种新的更为科学的卖家信用评价系统。通过该系统可以更科学且直观的计算出网上拍卖平台中卖家的信用。
互联网给人们的消费理念和购物行为带来了很大的影响，C2C、B2C、B2B等各种模式成为最能够体现互联网的精髓和优势的交易平台。
iResearch《2006年中国网络购物研究报告》统计数据显示，截止至2006年年底，中国B2C和C2C总体交易额分别为82亿元和230亿元。通过互联网的蓬勃发展，可以预见，随着互联网的进一步普及，网民对C2C，B2C了解程度的不断加深，网上交易市场在未来很长一段时间内还将持续增长。
虽然网上拍卖信用评价机制的运用已经十分广泛，但事实上用户对现有的信用评价体系并不满意，普遍认为无标准的评价结果不够公平客观，且目前的评价不能保证未来行为。中国互联网信息中心2006年发布的《第十八次中国互联网发展状况统计报告》显示，没有过网上购物体验的网民中，71．1％表示不放心在网上购物。网络信任的缺失严重阻碍了网上拍卖市场的发展。因此，进一步完善信用评价体系，建立合理的信用评价机制已是当务之急。
网上拍卖评价体系现状
信用评价体系是信用评价机制的依据，没有一套完善的评价体系，信用评价就无法正常运转，更谈不上机制的客观性、公正性和科学性。目前，拍卖网站基本都是照搬易趣信用评价体系结构。虽然各大拍卖网站时刻紧跟理论研究与实践应用潮流，不断改进和完善信用评价体系，理论上能有效提高市场中信用信号的传导，但其有效性仍备受质疑，存在众多隐患，急待解决。
|
相关要素 |
目前标准 |
|
评分方法 |
买卖双方互相评价 |
|
评价类型 |
三类（好/中/坏） |
|
对应分值 |
1/0/-1 |
|
计算方法 |
信用评分简单相加 |
|
总等级级别 |
10级/15级 |
表1：目前网上拍卖信用评价系统
一个完善的信用评价体系应由指标、标准、等级、计算方法(包括自我评议、群众评议和专家评议；功效系数法、分段计分法、阶梯递减法等)和权重等要素组成。本文针对目前网上拍卖的情况，在基于粗糙集理论和模糊综合评判的基础上，采用分段计算的模式，设计了一个较为科学的卖家信用评价系统。
网上拍卖卖家个人信用评价系统的设计
鉴于网上拍卖的特点，信用评分系统采取目前很多网站上使用的相互评价的策略，由用户对交易过程中对对方的行为的满意程度来决定。但由于目前评价系统得到的评价结果完全受非专业用户的主观来判断，质量难以保证。而且网络购物所具有的特殊性和信用评分的简单相加也使得网上拍卖卖家为了提高信用度采用各种方法来累积虚假的积分，使得用户购物时不能判别商家信用的真假。为了更真实反应卖家信用情况，本文对目前评价系统进行了改进。
图1：网上拍卖卖家信用评价系统流程设计
由于网上购物平台上，交易是不断出现的，用户对卖家的评价也是一直在增加，最终评价用户数量是不可预知的，针对模糊综合评判具有数量有限性，本文采用分段计算的方法解决时间问题，即使用已经评价了的临近n个用户评价结构进行模糊综合评判，然后对综合评判结果进行相加，得到卖家实际的信用评价值。
结合评价系统流程图（图1），该系统主要分为以下几个步骤：
（1）通过各种科学的方法确定评价指标，这里包括了系统评价指标和用户评价指标。
（2）通过业界专家的评价，根据粗糙集理论得出各指标的权重值。
（3）将用户对各类指标的评价值分成等量的随机组合，形成各个组合模糊综合评价，结合系统指标（如本文所提到的交易金额）得到各个评价组的模糊矩阵。
（4）结合第三步得到的模糊矩阵与各指标的权重值，得到分段中用户对卖家的信用评分结果。
（5）由于通过模糊综合评判得到的结果是选择了n个用户的评价结果进行计算得到的，其值都处于[0，1]之间。虽然在本文中没有涉及对最后评判结果进行处理科学得到n个用户对卖家的评价值，但根据各网上购物平台的具体情况，对该步骤进行处理还是有必要的。
（6）对最后得到的各组合用户的评价值进行加总或处理得到卖家最终的信用值。
本文研究的重点在第（2）至第（4）个主要步骤上，讨论如果通过粗糙集理论和模糊综合评判理论对卖家信用进行评价。
网上拍卖卖家个人信用评价过程
1 评价指标的设定
全面、适当地确定评价因素，在建立系统之前是极为重要的。建立信用评价指标体系应该综合考虑各个影响信用行为满意程度的因素。
根据各位学者的研究成果，在网上购物中影响用户信用满意程度的用户评价主要包括产品，服务，物流和支付四个大的方面。
为了更清楚的阐述评价流程，本文将影响网购中卖家信用评价指标主要分为产品相符程度，产品到达状态，卖家服务态度，卖家网站总体评价（产品信息，浏览速度等），交易效率五个。关于指标中的系统评价指标，本文就只包括了交易金额。
2 评价方法
在信用评价体系中，假设有n个专家对各指标重要性进行评价，得到的评价结果用粗糙集的方法处理。将这n个指标评价结果作为粗糙集信息表的条件属性，构成的样本集为U＝｛ ｝，卖家信用评价的决策系统可以表示为S＝（U，C D），且 ，通过粗糙集的方法确定各个指标的权重。
根据用户对卖家的评价值建立一个用户评价决策系统，在该决策系统中加入系统评价指标，然后通过计算出各评价指标的隶属度得到一个模糊矩阵。
结合指标权重和模糊矩阵得出建立该模糊矩阵评价的n个用户对卖家信用的总体评价值。
3 评价指标权重的确定
要使得评价系统中设立的指标及其权重得到较为科学的体现出来，所以本文建议在指标权重确定时需相关专家进行对组建网上拍卖卖家信用指标的重要性进行评价。本文假设专家的评价按照上述五个方面进行，根据不同情况设置不同的评价级别（如三级评语：1——不重要，2——一般，3——重要），目的是直接得到离散化的信息表，依此类推，各专家根据评价情况分别给出各自的结论。最终可以得到决策表的决策属性。由此得到网上拍卖卖家信用评价决策表，其中a—卖家网站/网店总体评价、b—交易态度，c—产品相符程度，d—到达状态，e—交易效率，这五项构成决策表的条件属性，n表示做出此项判断的专家人数，即支持数，经过合并相同记录处理并累积统计数，得到决策表。决策表中s属性表示做出此项判断的的用户数量，用 表示有n个专家的评价结果一样。
这时对每种指标来说其重要性就可以确定了，对于i指标来说，其重要性为：
根据值考虑各个指标是单一的属性，归一化后得到各个指标的权重系数。这里i指标的最终权重为：
得到网上拍卖卖家信用指标的权重为（ ）。
4 确定评价指标等级
在进行网上卖家信用评价过程中，由于多个因素是很难用具体量化指标划分等级，为了比较客观评价出卖家信用，因此，我们对各个因素都采取使用5个等级划分——{很好，好，一般，差，很差}，其中属性值为：1——很好，2——好，3——一般，4——差，5——很差。如：a—卖家网站/网店总体评价，Va＝{很好，好，一般，差，很差}，其中，1——很好，2——好，3——一般，4——差，5——很差；其中，D为决策属性，表示信用评价等级，Vz＝{好评，较好，中评，较差，差评}，1——好评，2——较好，3——中评，4——较差，5——差评。
系统指标p—交易金额，由各个系统根据交易总体的情况和单个用户交易金额进行设定。
5 确定模糊综合评判中的隶属度
在确定了各评价指标在评价系统重的权重之后，要进行模糊综合评判，就必须确定评价指标中各指标对于各权重系统的隶属度。关于网上拍卖卖家信用评价的隶属度可以根据交易情况，系统选择最近n次的交易评价得到。同时由于网上购物交易范围广且种类多，许多交易存在量和质的差别（如有些交易金额<10元，有些金额>10000），如果按照一般的模糊综合评判中的交易笔数累积相加然后除以评价总人数的话得到的结果不够科学，所以在这里加入了一个系统指标（p—交易金额）。
首先系统给出一个交易额的基数指标Q（改指标值根据购物网站交易总体情况得出），然后用实际交易额除以这个基数，得到的数 。然后再把其中某一类指标 相同等级的相加，再除以参加评价的总的 的和，得到该类指标隶属于各等级的隶属度。最终组成各类指标与各等级之间的模糊关系矩阵如下：
其中 表示第i指标的j等级的隶属度， ， 是把第i个评价指标为第j等级的 的数量相加， 是所有 值相加。
例：假设淘宝交易网站设定卖家的信用评分制度是按每最近10次交易评价综合得到最近10次信用数，且淘宝系统给出的最优交易额基数指标为150元，如下表所示：
表2：网上拍卖卖家信用各指标评价表（表中数据为虚构）
那么对于指标a来说，它的评价为1的隶属度为：（0.5＋0.23＋0.53＋0.13）/ =0.114，最终得到a在模糊关系矩阵中的值为： ，以此类推得出， ， ， ，得到模糊矩阵为：
6 建立模糊综合评判
文章前面根据粗糙集理论得到的各评价指标的权重，并根据模糊综合评判方法得到了模糊关系矩阵，在此基础上使用模糊变换（最大最小或其它算子）我们可以建立如下的模糊综合评价模型：
其中 代表运算，不同的购物网站可以根据自身的具体情况选择不同的算法，如最大最小法，以“乘”代替“取小”法，以“加”代替“最大”法，加权平均法等等。
通过模糊综合评价模型，得出安全系数，然后可以按照最大隶属原则对得到的安全系数进行评判，得到最后的评价结论。由于在这个评价系统中，我们是按n个用户的评价值进行评价的，所以可以根据得出的结论，适当采取一些计算方法（如乘以n等）得到最终的卖家关于这n各用户对他的信用评价值。
总结
综上所述，本文中基于粗糙集和模糊综合评判理论下的网上拍卖卖家信用评价系统，首先将各位专家评估出的各类评价指标的重要性结果，通过粗糙集理论较为科学的计算出各类评价指标的权重系数；然后确定出各类用户评价指标的评价级数（本文提出的为五级），在用户评价后，系统的将用户的评价数按数n分开，建立模糊评价关系矩阵，这时加上系统指标，即为买卖交易金额，通过加上交易金额算出各类指标在各个评价等级的隶属度，得出模糊关系矩阵；最后将之前得出的各类指标的权重数和模糊关系矩阵进行模糊变换得到评价结果，根据评价结果和综合评判中评价用户数量n的值及实际情况得到最终卖家关于这n个用户的信用评价。
在该信用评价体系中，综合评判中评价用户数量n，系统指标交易额中所需要的交易额基数Q，以及最后根据综合评判结论计算这n个用户对卖家的总体信用评价方法都需要根据不同交易网站具体情况进行设定，所以在使用该体系进行评价时，需综合考虑购物网站特定情况，然后对这三个因素做出准确的判断。
由于网站交易的多方面性，其卖家信用评价指标不一定是本文中所指定的5个指标，可以根据网上交易情况及用户反馈信息更科学的设置评价指标（如：采用多层指标，使用多层模糊综合评判），最终得出最为科学的卖家信用评价系统。
(作者单位：西南财经大学经济信息工程学院)
|