一种网络交易数据采集及交易完成度分析方法技术

技术编号:10314259 阅读:162 留言:0更新日期:2014-08-13 16:24
本发明专利技术提供一种网络交易数据采集及交易完成度分析方法。将采集的网络交易评价数据通过逆向信用云算法进行计算,得到反映各个信用评价指标定性概念的数字特征;然后通过虚拟云综合算法得到主体的综合信用云;再通过正向信用云算法对综合信用云的数字特征进行计算,还原信用评价情况,生成一系列信用云滴数据,由此可画出信用评价云图,而信用就是网络交易完成度的一个重要衡量指标。本发明专利技术较好地解决了网络交易信用评价过程中出现的随机性及模糊性;以信用云为基础提出的评价模型可以多角度、多层次反映评价指标,确保评价结果的全面性、客观性及真实性。根据评价结果,进行交易完成度分析,可为网络交易平台运营及网络资源配置提供可靠参考依据。

【技术实现步骤摘要】
一种网络交易数据采集及交易完成度分析方法
本专利技术是一种网络交易数据采集及交易完成度分析方法,主要用于解决网络交易环境下信用不确定性度量表达、参与主体的信用评价及交易完成度分析问题,属于服务信任与信誉管理领域。
技术介绍
进入21世纪以来,随着网络技术的快速发展及网络基础设施的日益完善,互联网迅速得到了普及,基于互联网基础之上的网络交易随之也得到了空前的发展。网络交易因具有独有的优势而得到了爆发式的发展,它的未来将更具有巨大的价值创造潜能和发展空间。与传统的买卖方式相比较,基于互联网的网络交易可以进行跨越时间及空间的交易,这也是网络交易核心特征的体现。正因为这种跨时空的交易,给网络交易的参与者带来了信息的不对称,主要表现在以下两方面:一是不能完全掌握商品的信息;二是不能完全掌握交易另一方的诚信。通过建立不完全信息博弈模型进行分析可知:诚信对网络交易的健康发展起着关键作用。伴随网络交易的高速增长,网络欺诈和信用缺失问题日益严重,导致网上交易风险较大。因此,网络交易信用问题成为制约其发展的瓶颈。在开放式的网络交易环境中进行在线交易,一个必须解决的问题是交易双方如何建立信任关系,降低交易风险,提高交易完成度。因此,需要对网络交易参与主体进行信用评价,建立信用机制,才能打破瓶颈促进网络交易的发展。交易完成度,即交易完成的程度,用来表示交易成功的比率。交易完成度,与信用密切相关,信用度越高,交易成功的可能性就越高,那么交易完成度也越高。因此,要衡量交易完成度,关键一步就是怎么评价网络交易参与主体的信用。网络交易中的信用即网络交易信用是指参与网络交易的成员或组织被他人信任的程度,守承诺的程度。而信任是一种主观判断,所有的信任本质上都是主观的。信任有程度高低之分,因此,在信用评价过程中,会体现出很强的主观性、模糊性和随机性,无法精确地加以描述和验证。网络交易信用的不确定性主要包括两种:模糊性及不确定性。信任的模糊性首先表现为信任不是二值的,也即不是“非此即彼”的,而是“亦此亦彼的”。例如,人们在现实中常常会划分“完全信任”、“非常信任”、“很信任”等不同等级的信任,并且通常不会简单地断定是否应该“非常信任”某主体,而是认为应当在多大程度上“非常信任”该主体。在许多情况下,人们甚至会认为既可以一定程度“非常信任”某主体,同时也可以另一程度“很信任”该主体。信任的随机性体现在主体在不同时间对同一主体进行信用评价时,评价结果可能不一致。例如,主体A对主体B的信任等级为“很信任”,过一段时间则视为“一般信任”,而主体B在这段时间并没有发生本质变化,这就体现了信任的随机性。因此,在对信任进行度量时需要充分考虑这种模糊性及随机性。目前,处理网络交易信用不确定性的方法主要基于两种理论:概率模型、模糊集合理论及粗糙集。用以上方法来处理网络交易信用的不确定性,效果都不甚理想。其主要原因有:一是概率模型及模糊集合理论两种方法的结果最终都归结为精确数值,致使信任信息不再有丝毫的模糊性;二是概率模型及模糊集合理论方法均没有兼顾信用的随机性和模糊性交融的本质属性,基于概率模型的信用管理方法考虑了信用的随机性而忽视了模糊性,而基于模糊数学的信用管理方法重视了模糊性而忽略了随机性;三是模糊集合理论评价方法在评价过程中,获取模糊评价矩阵是一个难点,主观性较强,确定隶属度函数的方法并不是非常严格和科学;四是粗糙集方法可以减少数据量,但是属性约简后的信息相对会不完整。
技术实现思路
针对上述方法的不足,综合网络交易信用所具有的主观性、不确定性和模糊性,及参与主体信用度变化对信用决策的影响,本专利技术提出一种基于云模型的网络交易数据采集及完成度分析方法。云模型能综合考虑网络交易信用评价过程中体现出的随机性及模糊性等不确定性,可以客观地反映信用本身的模糊性和随机性本质,可有效解决信用评价中的模糊性和随机性。云模型能兼顾到随机性和模糊性的共存,由定量到定性,用数字特征表示语言值,再从定性到定量通过云发生器来模拟随机性、模糊性以及二者之间的关联性。该方法综合了主观信用评价的模糊性和随机性特点,评价结果包含有丰富的信用评价信息,能更好地反映实际的信用水平,较好地解决了网络交易信用决策问题。通过该方法可以更加合理地反映用户的实际信用情况。通过实验,可验证此方法的可行性和有效性,因此,本专利技术能很好地处理网络交易信用的不确定性、信用评价及交易完成度分析问题,为信用决策及网络资源配置提供科学合理的参考依据。针对网络交易信用评价特点,本专利技术引入一个重要概念信用云,用来描述信用关系及信用的不确定性。信用云是一种特殊的云模型,它根据信用关系和其描述方式的特点,把信用的表达用云模型的方式反映出来。在之前,先给出信用度及交易完成度的概念。定义1信用度:信用的定量描述,反映了信任的程度,是一个数值,为实现信用云的表达,把信用度和其不确定度归为[0,n]区间,可为此区间的离散值或连续值,信用的高低与信用度的大小成正比。根据应用情况,n可取值为5、10或100等,本方法将n取值为100。定义2交易完成度:表示一段时间内主体交易成功的比率,即,主体的交易完成度与其信用度成正比,主体信用度越高,则其交易完成度越高。定义3信用云:设信用度空间TD=[0,100]为云的定量论域,e是信用空间上的定性信任概念,x∈TD是对定性概念e的一次定量信任评价,x对e的确定度μ(x)∈[0,1]是有稳定倾向的随机数。μ:TD→[0,100],x→μ(x),x在论域TD上分布称为信用云,记为云TC(x)。每一个x称为一个云滴。定义4信用云的定性表示:信用云是以一维正态云形式描述网络交易参与主体之间的信任关系,形式化表述为TC(Ex,En,He),其中,Ex为信用期望,为基本信用度,表示信用度的平均值,0≤Ex≤100;En为信用熵,反映了信任关系的不确定度,0≤En≤100;He为信用超熵,反映了信用熵的不确定度,0≤He≤100。信用云是由一群信用云滴组成,而信用云滴反映了主体之间的每次交易后对服务质量的评价结果。信用云可以很好地把主体之间信任关系的不确定性和模糊性结合起来,并充分地表示出来。一般情况下,信用度有99.7%的可能落在[Ex-3En,Ex+3En]区间内。Ex=85,En=3,He=0.6表示的信用云TC(85,3,0.6)的信用云图如图1所示。本专利技术所采用的技术方案为:一种网络交易数据采集及交易完成度分析方法,包括如下步骤:步骤一:确定网络交易参与主体信用评价指标体系及信用评价等级,并确定各评价指标的权重。评价指标就是用来衡量主体信用的属性。信用评价指标可采用一级或二级指标体系,当然指标层次也不宜过多;在选择信用评价等级时,一方面采用的评价等级数越多,其所得最终结果就越精确;但另一方面,评价等级数过多,容易导致很难区分评价等级之间的差别,一般选用3或5个等级适宜;各个指标对信用评价结果的影响程度是不一样的,因此,需合理确定各指标的权重,确定评价指标权重的方法很多,如专家打分法、德尔菲法、层次分析法、熵权法等。步骤二:采集交易数据及确定属性信用云。每次网络交易完成后,对衡量主体信用的各个属性进行评价。评价完后即可采集评价数据,根据不同数据形式,需做相应数据格式转换。评价形式可是一个信用本文档来自技高网
...
一种网络交易数据采集及交易完成度分析方法

【技术保护点】
一种网络交易数据采集及交易完成度分析方法,其特征在于:该方法包括如下步骤:1)确定网络交易参与主体信用评价指标体系及信用评价等级,并确定各评价指标的权重;2)采集数据及确定属性信用云,每次网络交易完成后,采集相关数据并转换成信用度,然后对衡量主体信用的各个属性进行评价;信用度是一个数值,把每一次评价作为一个云滴,多次评价则形成一系列云滴,将这一系列云滴作为数据样本,根据算法1逆向信用云生成器生成各个指标的属性信用云;算法1逆向信用云生成器输入:一系列信用云滴xi,i=1,2,…,n,其中n为自然数,输出:反映信用定性概念的数字特征:期望Ex,熵En,超熵He;算法步骤:1.1)根据xi计算这组数据的样本均值一阶样本中心距样本方差S2=1nΣi=1n(xi-X‾)2;]]>2.1)Ex=X‾;]]>3.1)En=π2×d;]]>4.1)He=S2-En2;]]>3)确定综合信用云获得各个属性的属性信用云的数字特征后,利用虚拟云综合算法,即如下公式(1),将属性信用云综合起来可获得综合信用云的数字特征;Ex=Σi=1n(wiExi)En=Σi=1n(wiEni2)He=Σi=1n(wiHei)---(1)]]>其中,wi表示第i个指标的权重,(Exi,Eni,Hei)表示第i个指标评价云的数字特征参数,n表示子指标项的个数;4)确定标准信用云若有m个评价等级,则对应有m个标准信用云,其中m为自然数;对于存在双边约束[Cmin,Cmax]的评语可以用正态对称云模型来描述,得到每个语言的标准云,具体计算如公式(2)所示;Ex=(Cmin+Cmax)/2En=(Cmax-Cmin)/6He=α---(2)]]>其中,α是常数,可依据评价指标的不确定性及随机性作具体调整;5)确定信用等级及信用决策利用欧式距离公式计算主体综合信用云的3个数字特征(Ex,En,He)分别与m个标准信用云3个数字特征的距离,得出其与标准信用云的相似度,相似度计算方法见算法2;算法2:信用云相似度计算输入:主体综合信用云TC(Ex,En,He),标准信用云STCi(Exi,Eni,Hei),i=1,2,…,m;输出:信用云相似度ρi;算法步骤:2.1)计算主体信任云与第i个标准信用云的距离:di=(Ex-Exi)2+(En-Eni)2+(He-Hei)2;]]>2.2)yi=1di;]]>2.3)s=Σi=1myi;]]>2.4)ρi=yis*100;]]>相似度计算出来后,取表示此主体的信用云与第k等级的标准信用云最接近;6)信用评价等级验证可利用正向信用云发生器算法3还原出足够数量的信用云滴,算出落在各个评语值区间云滴的隶属度,就能验证评价结果的正确性;7)信用评价可视化展示最终信用评价等级能用文字描述,还能用信用云图直观地展现出来,利用正向信用云发生器算法3可还原出信用评价状况,生成一系列的信用云滴,据此可画出信用云图,将主体的信用情况用可视化的方式直观地表达出来;算法3正向信用云发生器输入:表示信用定性概念的三个数字特征(Ex,En,He),云滴数量N;输出:N个云滴x及其确定度μ;算法步骤:3.1)生成以En为期望值,He为方差的一个正态随机数En'i=NORM(En,He);3.2)生成以Ex为期望值,En'i为方差的一个正态随机数xi=NORM(Ex,En'i);3.3)计算μ(xi)=e-(xi-Ex)22(Eni′)2]]>3.4)令带有确定度μ(xi)的xi成为数域中的一个云滴;3.5)重复步骤3.1)到3.4),直至产生N个云滴为止。其中,NORM(Ex,En'i)为生成以Ex为期望值,En'i为方差的正态随机数的函数。8)交易完成度分析根据各主体的综合信用评价等级,分析整个平台的交易完成度,为交易平台的运营提供决策参考依据。对每个评价等级赋予一个等级值,设有m个评价等级,则相应等级值为1,2,3,…,m,值越大,评价等级越高;设有n个主体,其等级值分别为t1,t2,t3,…,tn,参与的交易次数分别为d1,d2,d3,…,dn,则交易完成度计算方法如公式(3)所示:...

【技术特征摘要】
1.一种网络交易数据采集及交易完成度分析方法,其特征在于:该方法包括如下步骤:1)确定网络交易参与主体信用评价指标体系及信用评价等级,并确定各评价指标的权重;2)采集数据及确定属性信用云,每次网络交易完成后,采集相关数据并转换成信用度,然后对衡量主体信用的各个属性进行评价;信用度是一个数值,把每一次评价作为一个云滴,多次评价则形成一系列云滴,将这一系列云滴作为数据样本,根据算法1逆向信用云生成器生成各个指标的属性信用云;算法1逆向信用云生成器输入:一系列信用云滴xi,i=1,2,…,n,其中n为自然数,输出:反映信用定性概念的数字特征:期望Ex,熵En,超熵He;算法步骤:1.1)根据xi计算这组数据的样本均值一阶样本中心距样本方差1.2)1.3)1.4)3)确定综合信用云获得各个属性的属性信用云的数字特征后,利用虚拟云综合算法,即如下公式(1),将属性信用云综合起来可获得综合信用云的数字特征;其中,wi表示第i个指标的权重,(Exi,Eni,Hei)表示第i个指标评价云的数字特征参数,n表示子指标项的个数;4)确定标准信用云若有m个评价等级,则对应有m个标准信用云,其中m为自然数;对于存在双边约束[Cmin,Cmax]的评语可以用正态对称云模型来描述,得到每个语言的标准云,具体计算如公式(2)所示;其中,α是常数,可依据评价指标的不确定性及随机性作具体调整;5)确定信用等级及信用决策利用欧式距离公式计算主体综合信用云的3个数字特征(Ex,En,He)分别与m个标准信用云3个数字特征的距离,得出其与标准信用云的相似度,相似度计算方法见算...

【专利技术属性】
技术研发人员:陶利民梁锡坤
申请(专利权)人:杭州师范大学
类型:发明
国别省市:浙江;33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1