BtoC电子商务中基于分层Bayesian网络的信任与声誉计算理论研究

Since the relationships among peers based on trust are both subjective and objective, trust computation can be achieved but also is challenging. One of the main culprits of the trades in electronic commerce community is the lack of trust among peers. However, most current computational algorithms for perceived trust and reputation don’t accurately reflect the nature and dynamics of the perceived trust. Based on above consideration, trust and reputation computaiton models based on the hierarchical Bayesian-network are researched this project. Main objects of the project are focused on the following problems: 1)Based on the conception of subjective and objective trust,the components and properties of consumers' perceived subjective trust in network environment are analyzed. And computational mathematical concepts are proposed by using the relationships between trust and reputation. 2) In BtoC electronic commerce concrete field,the consumer reviews data for the components of trust are acquired. And the nodes of the Bayesian network model are formulated from the review data.Then static Bayesian-network based trust and reputation comutation model is proposed. 3)The dynamicial properties of trust and reputation evolution are further analyzed.The refined iterative trust and reputation computational model is established with close-loop feedback control theory. 4)Based on relevant data in representative BtoC websites, the theories of established trust and reputation computational models are verified. With the theoretical research results, practical computation methods for trust and reputation evaluation are proposed to meet the needs of consumers in BtoC electronic commerce community.

信任的可计算性和困难在于人类信任关系具有主观与客观双重特性。信任缺失是阻碍人们从事电子商务交易的主要原因之一。针对目前电子商务中的信任与声誉计算方法没有准确反映信任的内在规律和动态特性，本项目研究BtoC电子商务中基于分层Bayesian网络的信任与声誉计算模型。内容包括: 1)在讨论主、客观信任概念的基础上，分析网络环境下消费者主观感知信任的构成和特点,研究信任与声誉的关系,建立可计算性数学概念；2）在BtoC电子商务中，采用消费者信任要素评论数据进行分析处理，获得Bayesian网络的基本节点单元，建立静态Bayesian网络信任与声誉模型；3）进一步分析信任与声誉演化的动态特性，利用闭环反馈控制论思想，建立信任与声誉的迭代更新计算模型；4）以BtoC电子商务网站评论数据为基础，对信任与声誉计算模型进行验证；在此基础上提出实用性的信任与信任评价方法以满足BtoC电子商务中信任与声誉分析需要。

信任的可计算性和困难在于人类信任关系具有主观与客观双重特性。本项目研究了BtoC电子商务中基于分层Bayesian网络的信任与声誉计算模型。项目完成的主要内容包括: 1) 分析了B2C电子商务中信任决策模型与计算理论。概述了信任对消费者决策的作用；分析了B2C电子商务中信任相关概念、信任与信息互动的关系，以及信任与声誉的关系；讨论了电子商务中信任相关决策理论，重点分析了不同的信任计算模型。2)实证研究了移动位置服务中的用户决策行为理论。针对移动位置服务发展的障碍之一就是用户参与的主动性不足，将网络效应引入位置服务，融合信任理论和技术接受模型，提出基于网络效应的位置服务用户决策理论。3）分析了B2C电子商务环境中影响消费者信任入驻商的主要因素。在分析B2C电子商务中消费者与入驻商关系的基础上，阐述了在线信任的作用，构建了信任影响购买意愿的逻辑机理，建立了消费者对入驻商信任的概念模型。4）讨论了具有局部特性的信任与具有整体特性的声誉之间的关系；在此基础上借鉴控制论闭环反馈思想，建立了信任与声誉逻辑模型；进而对单一商家同一商品重复交易的具体情形，在信任评价的基础上建立了信任与声誉的迭代数学模型；通过对实际信任评价数据进行计算的实例说明提出模型的有效性。5）提出了基于最小风险贝叶斯决策理论的在线评价排名方法。针对目前电商客户评论中的好评与差评的权重风险相等的不足，提出一种基于最小风险贝叶决策的评价排名方法。利用网络爬虫语言抓取所有商品累计评论；将根据已有的停用词词典，对生成文档进行文本预处理，并进行关键词的提取，获得关键词权重；利用最小风险贝叶斯决策模型获得风险权重排名，并以天猫为例，与已有排名数据进行比较。提出方法新获得的排名为最小风险权重下的商家排名，该方法有助于顾客在进行高风险商品购买决策时根据不同风险偏好，获得最优购买决策。在项目资助下撰写论文14篇，发表10篇，录用1篇，在投3篇，培养硕士研究生6人，出版书籍1本。