论文部分内容阅读
C2C作为传统电子商务中最活跃的一种模式,与B2B和B2C模式相比,除了虚拟性与时空跨越性外,还包括个体参与、市场进出壁垒低、参与者可以匿名注册等特性,这些都会造成交易双方信息的不对称,导致交易不确定性,增加消费者风险感知。而随着移动商务的发展,基于位置、情境的服务技术正深刻的影响着电子商务产业的变革,推动C2C模式的改革创新。情境(上下文)相关的C2C模式给用户带来巨大商机,正逐渐被人们所接受。这种交易上下文相关性特征,也进一步加剧了信息的不对称性,给欺诈带来更多可趁之机。已有研究与实践表明建立信任关系可以降低交易不确定性和风险性,提高合作效率,抑制交易欺诈。虽然,针对传统C2C的信任管理已取得不少研究成果,但在信誉欺诈处理上还存在一些漏洞,而且缺少对这种上下文相关的C2C交易模式的信任评估研究。因此,分析不同C2C交易场景,建立在线信任管理规避交易风险,从而打造诚信交易环境已成为C2C应用与未来发展的重要问题。本文将从C2C电子商务交易模式出发,分析两种具有代表意义的交易场景,包括:(1)传统C2C交易场景,该场景是目前普遍被人们接受的商务形式,例如淘宝网;(2)上下文相关的C2C交易场景,该场景是在移动商务背景下,随着基于位置服务发展而提出的,C2C平台可以根据上下文进行交易推荐,用户也可以进行交易搜索,然后通过协商,最后进行线下交易的一种方式,如拼车服务。本文在基于这两类应用背景,归纳出研究需要解决的两个主要问题。(1)传统C2C交易信任管理中,需要分析信誉欺诈行为特征,以及已有C2C信誉模型存在的问题,最后进行改进以提高信誉模型的抗欺诈能力。(2)上下文相关的C2C交易信任管理中,由于交易是需要在线下一定交易上下文中完成,不同上下文对交易者会产生不同的风险感知,再加上该商务模式并不成熟,容易出现反馈稀疏、缺少同等上下文下的反馈参考,这使得信任评估需要考虑降低信任的偶然性,并处理不同风险上下文的信誉反馈。针对所要解决的问题,主要研究工作可以细分为以下四个方面。(1)对传统C2C交易场景进行描述,分析已有C2C信任管理中,信誉累计模型所容易滋生的信誉欺诈问题,详细描述了本文所提出的C2CRep模型建立准则、参数选取、各因子计算依据,及实验评价。(2)分析C2C信任管理中买方评论反馈对潜在买家决策的影响作用,提出一种依靠评论反馈可靠度排名方法,将可靠度高的评论优先显示从而提高评论阅读效率。为了计算反馈可靠度,本文改进加权的RFM客户价值模型以适应C2C环境,分析了RFM中各指标计算过程,通过AHP方法以确定RFM各指标权重,最后综合客户价值理论与客户信誉建立反馈可靠度计算模型。(3)描述上下文相关的C2C交易场景,分析不同上下文所产生的风险评估问题。借鉴信息系统风险评估方法,提出一种基于模糊集合理论的方法,分析了风险上下文因素层次结构、各层因素风险模糊定量分析、最终得到风险综合评判结果。(4)针对上下文相关的C2C交易中容易出现反馈稀疏、不同上下文的信任映射问题,本文提出依靠反馈偏移度进行不实反馈过滤的方法。通过反馈数量计算反馈稳固度,结合内容(3)中对上下文风险评估研究,通过风险值进行不同上下文的信任映射,建立一种上下文风险感知C2C信任管理模型。在以上研究内容中,本文所存在的创新点主要包括:(1)提出了C2CRep卖方信誉模型,该模型增加共谋因子平衡了交易次数与反馈过于集中问题;增加了差评度指标抑制反馈敲诈行为;改进价格衡量指标以动态适应商品类型个性差异。与传统C2C模型和SPORAS经典模型相比,实验结果表明,在“低价商品信誉欺诈”,“信誉共谋”,“信誉诋毁”方面都有更强的抵抗作用。(2)提出一种基于RFM模型的买方评论反馈可靠度计算方法,该方法综合客户价值与信誉理论,并改进了RFM客户价值模型以适应C2C电子商务环境。实验表明,与传统利用信誉的方法相比,增加了通过虚假交易获取反馈评价排名的交易时间、频率、金额的欺诈成本。(3)提出一种上下文风险感知的C2C信任模型,该模型基于模糊理论对上下文风险进行评估,通过交易中上下文风险值进行不同情境下的信任映射,同时在基于反馈偏移度的不实反馈过滤中考虑了反馈的稳固度,一定程度上缓解了反馈数量不足导致的偶然信任。仿真结果表明,与传统均值模型、PeerTrust模型相比,提高了信任评估的准确性,抑制了低风险上下文的信任榨取问题。通过本文的研究工作,取得了一点阶段性成果,这将一定程度上丰富电子商务信任管理机制,也将进一步推进未来C2C商务的应用发展。