1、.云環(huán)境下基于BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)企業(yè)信任評(píng)估模型研究-電子商務(wù)論文云環(huán)境下基于BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)企業(yè)信任評(píng)估模型研究 文李凌霞摘要：針對(duì)云環(huán)境下電子商務(wù)企業(yè)信任評(píng)估模型的不足，從交易行為、網(wǎng)站、云環(huán)境等方面構(gòu)建信任度評(píng)價(jià)指標(biāo)體系，并充分考了虛假評(píng)價(jià)和惡意推薦帶來的影響及信任度新近變化情況，建立了云環(huán)境下基于BP神經(jīng)網(wǎng)絡(luò)的電子商務(wù)企業(yè)信任評(píng)估模型。對(duì)云環(huán)境下數(shù)據(jù)的動(dòng)態(tài)性、不確定性等特點(diǎn)，運(yùn)用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)技術(shù)，采用在隱含層的神經(jīng)元設(shè)置可調(diào)多項(xiàng)式函數(shù)序列作為激活函數(shù)，提高網(wǎng)絡(luò)的收斂速度，權(quán)重采用的是較小的隨機(jī)數(shù)，沒有復(fù)雜的人工計(jì)算過程，較好的克服了評(píng)估中的人為影響因素。關(guān)鍵詞：信任評(píng)估

2、模型；BP神經(jīng)網(wǎng)絡(luò)；云計(jì)算中圖分類號(hào)：TP939 文獻(xiàn)標(biāo)識(shí)碼：A黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目：云計(jì)算環(huán)境下電子商務(wù)企業(yè)信任評(píng)估研究，項(xiàng)目編號(hào)：12541103引言云計(jì)算作為一種全新的計(jì)算模式和服務(wù)模式，為電子商務(wù)企業(yè)實(shí)現(xiàn)資源整合、多樣的服務(wù)及降低成本提供了技術(shù)支持，使電子商務(wù)企業(yè)擁有一個(gè)開放的交易平臺(tái)。由于云環(huán)境下網(wǎng)絡(luò)交易存在的動(dòng)態(tài)性、時(shí)空分離性、虛擬性及不確定性等特點(diǎn)，給電子商務(wù)的交易安全帶來了許多與云應(yīng)用相關(guān)的新挑戰(zhàn)。為此，云環(huán)境下信任評(píng)估問題的研究吸引了國內(nèi)外眾多學(xué)者的關(guān)注，通過對(duì)云環(huán)境下電子商務(wù)信任度評(píng)價(jià)指標(biāo)體系的構(gòu)建及信任評(píng)估算法的設(shè)計(jì)，提高對(duì)商家的信任度的定量評(píng)估能力，對(duì)促進(jìn)電子

3、商務(wù)健康持續(xù)發(fā)展具有重要意義。1相關(guān)理論研究1.1 信任信任1在不同的學(xué)科中的定義不盡相同，在電子商務(wù)交易中，信任是買賣雙方在特定的時(shí)間段和特定的上下文環(huán)境中，買方對(duì)賣方在某一交易中按照預(yù)期完成交易的誠信性、安全性及可靠性的一種主觀感受，大小用信任度來衡量，表示信任的程度，可對(duì)信任度進(jìn)行量化表示。1.2 信任模型研究現(xiàn)狀近年來，國內(nèi)外學(xué)者對(duì)信任及評(píng)估問題進(jìn)行了大量的研究，M.Blaze等人1于1996年首次提出“信任管理”，即采用統(tǒng)一的方法描述信任關(guān)系，用精確、理性的方式度量復(fù)雜的信任關(guān)系。唐文等2將語言變量、模糊邏輯引入主觀信任管理研究中，對(duì)信任的度量機(jī)制提出了新見解。劉亮等3提出了在考慮服

4、務(wù)的直接信任度的同時(shí)兼顧推薦信任度，引入信任度調(diào)節(jié)因子，對(duì)直接信任度和推薦信任度進(jìn)行加權(quán)綜合，得到服務(wù)的綜合信任度。趙娉婷等4提出一種基于服務(wù)等級(jí)協(xié)議SLA的中立第三方動(dòng)態(tài)信任評(píng)估系統(tǒng)框架，形成對(duì)云服務(wù)商服務(wù)可信度的全面和動(dòng)態(tài)的評(píng)價(jià)。胡偉雄等5運(yùn)用BP神經(jīng)網(wǎng)絡(luò)技術(shù)，構(gòu)建一個(gè)C2C電子商務(wù)信任度評(píng)價(jià)模型，可以對(duì)信任度進(jìn)行較為客觀有效的評(píng)估。通過對(duì)已有的研究方法的比較，常用的信任度評(píng)價(jià)方法有加權(quán)平均法、模糊綜合評(píng)價(jià)、灰色聚類評(píng)價(jià)法等分析方法，這些方法雖然各有優(yōu)勢(shì)，但也還存在一些缺陷。例如，加權(quán)平均法模型中權(quán)重的確定非常主觀和不確定，權(quán)重不同最后的結(jié)果將會(huì)完全不同；模糊綜合評(píng)價(jià)法較好地表達(dá)了信任的模

5、糊性，能夠表達(dá)定性的知識(shí)和經(jīng)驗(yàn)，使得評(píng)價(jià)更客觀、靈活，但模型在一些指標(biāo)取值方面還存在著計(jì)算復(fù)雜、求解煩瑣等不足。BP人工神經(jīng)網(wǎng)絡(luò)是通過數(shù)學(xué)方法對(duì)人腦的基本特性進(jìn)行模擬的非線性信息處理系統(tǒng)。它通過樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，動(dòng)態(tài)調(diào)整對(duì)評(píng)估對(duì)象產(chǎn)生的影響，其缺點(diǎn)是算法的收斂速度慢。因此，本文通過對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的輸入變量，調(diào)整初始權(quán)值和閾值，將網(wǎng)絡(luò)隱含層中神經(jīng)元的激活函數(shù)設(shè)置為可調(diào)多項(xiàng)式函數(shù)，克服BP算法的收斂速度慢的缺陷，建立云環(huán)境下的BP神經(jīng)網(wǎng)絡(luò)信任評(píng)估模型，對(duì)電子商務(wù)企業(yè)進(jìn)行信任評(píng)估。2云環(huán)境下電子商務(wù)企業(yè)信任度評(píng)價(jià)指標(biāo)體系已經(jīng)有多名學(xué)者就信任度的評(píng)價(jià)指標(biāo)做了大量的研究，本

6、文將從云環(huán)境下，電子商務(wù)企業(yè)信任度的主要影響因素進(jìn)行研究，包括3個(gè)方面：即交易行為的信任度、網(wǎng)站的信任度、云環(huán)境的安全性，通過對(duì)電子商務(wù)企業(yè)這三方面的可信度的評(píng)估，可判定其商務(wù)活動(dòng)的可信度。1）影響交易行為信任度的主要因素有：交易完成時(shí)消費(fèi)者反饋評(píng)價(jià)、反饋評(píng)價(jià)的信任值、交易商品的價(jià)值、商家積累的歷史信任值、評(píng)價(jià)的時(shí)間范圍等。2）影響網(wǎng)站信任度的主要因素有：網(wǎng)站使用性建設(shè)，包括網(wǎng)站的實(shí)用性、安全性、個(gè)性化、吸引力等方面的建設(shè)，這種建設(shè)越完善其信任度越高；網(wǎng)站的制度建設(shè)，比如使用第三方支付如支付寶，建立退換貨機(jī)制，提供投訴通道等保障消費(fèi)者權(quán)益的機(jī)制，這種讓消費(fèi)者放心購物的機(jī)制越完善，網(wǎng)站的信任度也

7、就越高。3）云環(huán)境的安全性：在云計(jì)算中主要提供3種類型的服務(wù)基礎(chǔ)設(shè)施，即服務(wù)（IaaS）、平臺(tái)即服務(wù)（ PaaS）、軟件即服務(wù)（SaaS），對(duì)每種服務(wù)類型根據(jù)云服務(wù)商簽訂的保證服務(wù)質(zhì)量的協(xié)議的各項(xiàng)服務(wù)參數(shù)，通過對(duì)這些參數(shù)監(jiān)測(cè)來判斷是否達(dá)到服務(wù)水平。這些信任影響因素是信任模型建立的基礎(chǔ)，在綜合信任度的評(píng)估中，除了考慮影響信任度的主要因素外，還需要考慮兩種特殊情況：首生是虛假評(píng)價(jià)和惡意推薦帶來的影響；另外，能夠調(diào)整賣方最近的信任度在綜合信任度評(píng)估中所占的比重，能夠區(qū)別一個(gè)有著高信任度的賣方開始進(jìn)行不誠信的交易活動(dòng)，以及有著低信任度值的賣方開始進(jìn)行誠信的交易活動(dòng)，由此確定的指標(biāo)體系，如表1所示： 整

8、個(gè)信任度評(píng)價(jià)體系運(yùn)行的結(jié)果劃分為四種狀態(tài)，分別為可信、基本可信、警惕、不可信。3云環(huán)境下BP神經(jīng)網(wǎng)絡(luò)信任模型框架3.1 BP神經(jīng)網(wǎng)絡(luò)方法BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)之一，其基本組成是由各個(gè)神經(jīng)元的連接權(quán)組成，可以大體分為3個(gè)層次：輸入層、隱含層和輸出層，本文將網(wǎng)絡(luò)隱含層中神經(jīng)元的激活函數(shù)設(shè)置為可調(diào)多項(xiàng)式函數(shù)序列，用以提高BP神經(jīng)網(wǎng)絡(luò)收斂速度。具體工作原理是：輸入信號(hào)從輸入層輸入學(xué)習(xí)樣本，使用反向傳播算法對(duì)網(wǎng)絡(luò)的權(quán)值和偏差進(jìn)行反復(fù)的調(diào)整訓(xùn)練，減小輸出端的誤差，使輸出值與期望值的誤差作反向傳播，反復(fù)修改各層間的權(quán)值和閾值，直到當(dāng)網(wǎng)絡(luò)輸出層的誤差達(dá)到允許的范圍時(shí)訓(xùn)練完成，保存網(wǎng)絡(luò)的權(quán)值

9、和閥值。3.2 評(píng)價(jià)指標(biāo)的歸一化從樣本中獲取表1中的二級(jí)指標(biāo)數(shù)據(jù)，即為二級(jí)指標(biāo)的值，這樣就得到了13個(gè)指標(biāo)值。完成原始數(shù)據(jù)進(jìn)行歸一化處理，將它們轉(zhuǎn)化為閉區(qū)間0，1上的無量綱性指標(biāo)值，以此作為BP網(wǎng)絡(luò)的輸入。本文采用的歸一化公式是： 3.3 基于BP神經(jīng)網(wǎng)絡(luò)的信任度評(píng)價(jià)模型的構(gòu)建 輸入層設(shè)計(jì)輸入層的節(jié)點(diǎn)個(gè)數(shù)為二級(jí)信任指標(biāo)個(gè)數(shù)，我們采用13維的輸入向量。 隱藏層設(shè)計(jì)隱藏層的節(jié)點(diǎn)個(gè)數(shù)的確定，采用常用的經(jīng)驗(yàn)公式： 其中，l為隱含層節(jié)點(diǎn)數(shù)，m為輸入層節(jié)點(diǎn)數(shù)，n為輸出層節(jié)點(diǎn)數(shù)，a為110間的常數(shù)。本模型中附加層用來給隱藏層產(chǎn)生初始值，通常根據(jù)經(jīng)驗(yàn)人為地設(shè)定。隱藏層的每一節(jié)點(diǎn)代表一個(gè)神經(jīng)元，通過所對(duì)應(yīng)的可調(diào)

10、激活函數(shù)序列回歸神經(jīng)網(wǎng)絡(luò)6，使其具有較強(qiáng)的函數(shù)逼近能力，能夠提高網(wǎng)絡(luò)的收斂速度及計(jì)算精度。 輸出層設(shè)計(jì)輸出層輸出綜合信任度，綜合信任度是對(duì)電子商務(wù)企業(yè)的商務(wù)活動(dòng)的最終評(píng)估結(jié)果，因此輸出層的節(jié)點(diǎn)個(gè)數(shù)為1個(gè)。整個(gè)信任度評(píng)價(jià)體系運(yùn)行的輸出結(jié)果劃分為四種狀態(tài)，分別為可信、基本可信、警惕、不可信，當(dāng)網(wǎng)絡(luò)輸出結(jié)果小于輸出層閾值時(shí)，則認(rèn)為是危險(xiǎn)信號(hào)，設(shè)置其輸出值為0，表示不可信；反之，則設(shè)置其輸出值為1，即表示可信。4模型的訓(xùn)練與驗(yàn)證我們構(gòu)建仿真實(shí)例：假設(shè)云計(jì)算環(huán)境下的電子商務(wù)平臺(tái)有20個(gè)賣家，獲取表1中的二級(jí)信任指標(biāo)數(shù)據(jù)，對(duì)賣家的每一項(xiàng)指標(biāo)數(shù)據(jù)，采用多個(gè)買家對(duì)其評(píng)價(jià)在該項(xiàng)數(shù)據(jù)上的平均值。選擇前10個(gè)賣家數(shù)

11、據(jù)作為訓(xùn)練集，后10個(gè)賣家數(shù)據(jù)作為測(cè)試集，模擬待評(píng)價(jià)的對(duì)象。求信任度的步驟如下：BP神經(jīng)網(wǎng)絡(luò)初始化，對(duì)所有連接權(quán)值、閾值賦予-1，1之間的較小的隨機(jī)值；設(shè)定隱含層節(jié)點(diǎn)數(shù)、傳遞函數(shù)、誤差精度和學(xué)習(xí)次數(shù)等參數(shù)值；為隱含層的神經(jīng)元設(shè)置可調(diào)多項(xiàng)式函數(shù)序列作為激活函數(shù)；根據(jù)訓(xùn)練集數(shù)據(jù)，輸入學(xué)習(xí)樣本的輸入向量，計(jì)算實(shí)際輸出值與期望輸出值的誤差，判斷誤差是否小于設(shè)定值，是則轉(zhuǎn)向步驟六；根據(jù)步驟四得出的誤差，調(diào)整輸入層、隱含層、輸出層的連接權(quán)值，誤差信號(hào)反向傳播，調(diào)整各層之間節(jié)點(diǎn)的連接權(quán)值和閾值，減小誤差，轉(zhuǎn)向步驟四；直至誤差小于設(shè)定值，BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值為問題的最終解，采用測(cè)試集數(shù)據(jù)，求各賣家的信任度

12、。5結(jié)語本文構(gòu)建了云環(huán)境下電子商務(wù)企業(yè)信任評(píng)估模型，分析了云環(huán)境下影響電子商務(wù)企業(yè)信任度的主要因素，并充分考慮了虛假評(píng)價(jià)和惡意推薦帶來的影響。針對(duì)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度慢的缺陷，運(yùn)用為隱含層的神經(jīng)元設(shè)置可調(diào)多項(xiàng)式函數(shù)序列作為激活函數(shù)加以改進(jìn)，建立電子商務(wù)信任度評(píng)價(jià)體系。在整個(gè)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程中，權(quán)重采用的是較小的隨機(jī)數(shù)，將給定的目標(biāo)輸出直接作為多項(xiàng)式線性方程的代數(shù)和，求得待求權(quán)值，沒有復(fù)雜的人工計(jì)算過程，較好的克服了評(píng)估中的人為影響因素。參考文獻(xiàn)1 Blaze M.Feigenbaum J.Decentralized trust management/Proceedingds of the Symposium on Security and Privacy.Oakland,1996:164-1732 唐文，陳鐘基于模糊集合理論的主觀信任管理模型研究J軟件學(xué)報(bào)，2003，14（8）：1401：14083 劉亮，周德儉，謝曉蘭，李靜基于云計(jì)算的服務(wù)信任評(píng)估模型. 軟件導(dǎo)刊，2011，10（5）：75-774 趙娉婷，韓臻，