CN101908185A - 一种基于互联网的信誉评价方法 - Google Patents

Abstract

本发明公开了一种基于互联网的信誉评价方法，步骤包括收集买家对卖家的信誉评价值Rep_i，统计买家与卖家交易的次数Num_sales；计算卖家的最终信誉评价值，其包括步骤：计算买家对卖家的平均评价值Rep_average＝∑Rep_i/Num_sales；计算卖家的最终信誉

，其中，a为经验参数，用于调整Rep_result接近信誉最大值的速度；上述的方法将影响卖家信誉评价的评价值和评价次数进行了融合，提高了信誉评价的准确性，消除了交易次数对信誉的误导。

Description

一种基于互联网的信誉评价方法

技术领域

本发明涉及商业信誉管理领域，特别涉及一种基于互联网的用于评价商品或服务提供商信誉的方法。

背景技术

随着商品经济的逐步发展，商品以及服务的交易活动越来越频繁，交易的双方，即买家和卖家对相互之间的信誉越来越重要。信誉(Reputation)，是指一个集体对一个个体的某种特性的一般评价。一般认为一个个体的信誉不仅跟集体中每个参与评价个体做出的评价值有关，而且还跟参与评价的个体数量有关。当一个买家面临多个可供选择的卖家时，买家如何确定一个可信、可靠的卖家并与之交易，这一直以来都是一个重要的问题。

在电子商务出现之后，网上交易逐渐兴起。一方面由于网络特有的虚拟性，使得卖家的信誉评价值，在网上交易中对买家决策起到了主导作用；另一方面由于网络的开放性，一些与交易对象的信誉相关的重要指标通过网络系统有了更加便利的收集手段，这使得根据这些指标对交易对方的信誉作出更加切合实际的评价有了可能。目前，信誉系统已广泛应用于网上交易的卖家和买家评定等领域，目前网上交易中评价卖家信誉的常见做法是：每个买家交易完成后对卖家做出好、中、差的评价，统计计算参与评价的买家中做出好评的买家比例来得出卖家的好评率，进而评估其信誉；同时积累卖家完成交易的次数，给予达到一定交易次数的卖家一个相应的“荣誉等级”(比如“钻石”代表一千次的交易次数，“皇冠”代表一万次的交易次数等)。如果好评率越高，交易次数越多，则往往代表卖家信誉越高；因此对于卖家而言，好评率和交易次数两个指标都很重要。因此，有些商家为达到私利目的，为提高好评率，特别是降低差评率，难免也有虚夸自己、诋毁竞争对手的现象发生，特别是对于一些开放式的、论坛式的网站，如大众点评网、口碑网，这就使得如何提高商家信誉评价系统的真实性，有效消除评价偏差，成了电子商务领域的一个重要课题。公开号为CN101281638A的专利公开了一种用互联网反映服务提供商信用程度的方法，其构建了一种信用管理系统，加强了对评价用户的管理，在一定程度解决了没有参与交易的用户参与评价，而导致信誉评价值畸变的问题。公开号为CN101399683A的专利也公开了一种信誉系统中的信誉计算方法，对单个评价者的评价偏离度和可靠度进行了管理和修正，在一定程度降低了虚夸、诋毁现象对最终信誉评价值的影响。但是上述的系统还存在如下不足：没有将信誉评价值与评价的次数或交易的次数统一起来，即不能将信誉唯一量化。就算买家懂得这两个指标的真正含义，也很难判断一个好评率是90％且交易次数达到20次的卖家和一个好评率是91％且交易次数只有15次的卖家哪个信誉更好。这种量化对于一个有大量卖家的网上交易平台尤其重要，因为买家通常只希望从中选择信誉最好的那一个卖家。在目前的网络信誉评价体系中，有的商家通过提高交易次数或评价次数，使自己由“钻石”上升到“皇冠”，进行低价促销，不仅扰乱了公平竞争环境，也容易误导消费者。

发明内容

本发明的主要目的是提供一种基于互联网的信誉评价方法，将信誉评价中的两个重要指标，即集合中个体做出的评价值和参与评价的个体数量，进行量化统一，以简化信誉评价的程序，提高网络交易的公信度。

为达到上述目的，本发明解决其技术问题采用的技术方案是：

一种基于互联网的信誉评价方法，步骤包括：收集买家对卖家的信誉评价值Rep_i，统计买家与卖家交易的次数(即买家的评价次数)Num_sales；计算卖家的最终信誉评价值，所述卖家的最终信誉评价值的计算方法，包括步骤：

a)计算买家对卖家的平均评价值Rep_average，

Rep_average＝∑Rep_i/Num_sales；

b)计算卖家的最终信誉Rep_result，

${\mathrm{Rep}}_{\mathrm{result}}={\mathrm{Rep}}_{\mathrm{average}}(1-1/e^{a\·{\mathrm{Num}}_{\mathrm{sales}}}),$

其中，a为经验参数，用于调整Rep_result接近信誉最大值的速度。

上述的基于互联网的信誉评价方法，a为可供调整的经验参数，可根据实际应用领域的经验数据来确定，优选地，取值范围为0.3～0.7。

上述的基于互联网的信誉评价方法，其特征在于：优选地，a的取值为0.5，适用于电子商务领域。

通过本发明，只要得到以下这两个指标，即集体中个体做出的评价值和参与评价的个体数量，就可以定量计算出交易对象的最终信誉，简化了评价程序和参数，使得买家对卖家的认识更直观，也信誉管理系统中对多个卖家的信誉排序成为可能，方便买家找到信誉最好的交易对象。

附图说明

图1是在不同的评价值时，评价次数对最终评价值Rep_result的影响关系图，其中经验参数a＝0.5、最大信誉评价值C＝10，平均评价值Rep_average分别为1、5、10。

具体实施方式

信誉评价值是信誉管理系统对卖家的一种定量评价值，可以采用0～5，0～10，或0～100计分评价法，总之最大值C是一个常数，如常用的满分为10的记分法，如果卖家的信誉最好则为10分，如果毫无信誉则为0分。

一般，信誉评价的方法或步骤包括，构建基于互联网的信誉管理系统，收集卖家、买家的相关基础信息，收集针对交易后买家对卖家的评价，统计交易或评价次数，对买家对卖家的信誉评价情况进行分析处理，获得卖家的信誉评价值。

本发明的信誉评价方法实施步骤包括：

1)收集所有买家对该卖家的信誉评价值，记为Rep_i，0≤Rep_i≤C，C为常数，若Rep_i＝C，代表买家对卖家的评价最高，卖家信誉最好；若Rep_i＝0，代表买家对卖家的评价最差，卖家毫无信誉，本发明中C取值为10。

2)统计卖家和买家交易的次数，特别是参与评价的个体数量Num_sales。

3)计算买家对卖家的平均评价值Rep_average＝∑Rep_i/Num_sales，按通常的理解评价平均值越高，卖家的信誉越好。

4)计算参与评价的个体数量Num_sales(或者评价的次数)对最终卖家信誉的影响。按通常的理解平均评价值一定的情况下，参与评价的个体数量越多卖家的信誉越有保障，但是卖家的最终信誉不会无限增大而会有一个极大值，这个极大值就是单个买家对卖家信誉评价的最大值(常数C)。根据经验构造一个函数

来反映个体数量Num_sales对卖家最终信誉Rep_result的影响，其中a是一个用来调整Rep_result接近最大值的速度的参数，可以根据实际经验数据来确定，在不同的应用领域会有所不同。如附图1中以a＝0.5为例，得出的结果比较贴近电子商务领域的情况。

5)计算卖家最终信誉 ${\mathrm{Rep}}_{\mathrm{result}}={\mathrm{Rep}}_{\mathrm{average}}(1-1/e^{a\·{\mathrm{Num}}_{\mathrm{sales}}}).$

本发明以电子商务领域为例，取a＝0.5，信誉最大值C＝10，进行了仿真计算。分别假设卖家的平均信誉评价值C为1、5、10，即分别为较差、中等、好评情况下，平均次数对最终评价值的影响，从仿真计算的结果来看，当评价次数较少时，特别是评价次数小于10时，评价次数对最终信誉评价值较大，采用算术平均方法计算信誉评价值被畸变的可能性较大，特别是被虚夸的可能性更大，当平价次数越大，特别是超过15以后，评价次数对最终评价值影响越小。因此对于一个卖家的信誉评价而言，当评价次数较小时，采用算术平均的方法对卖家的信誉进行计算误差较大，采用本发明方法具有更高的可信度；当评价次数较大时，采用算术平均的方法计算所得的对卖家的信誉评价值与本发明的方法计算值比较接近，平均评价值可以比较真实地反应卖家的信誉实际情况。

通过应用本发明：1)对平均评价值和评价次数两个指标进行了融合，形成一个评价值指标；2)消除了在评价次数过少时，特别评价次数不足10次时，评价值的畸变问题；3)消除了买家认为评价次数越多或交易次数越多卖家的信誉越高的认识误区。

本发明是基于互联网对卖家的信誉情况进行评价的方法，需要具备网络终端、主机伺服器、有线或无线网络接口、互联网络设备等硬件，以及信用采集和评价软件。本发明的实施例不局限上述的情况，可以进行相应的修改，取用不同的经验数据，只要采用了本发明涉及的类似方法都将落入本发明的保护范围。

Claims (3)

1.一种基于互联网的信誉评价方法，步骤包括：收集买家对卖家的信誉评价值Rep_i，统计买家对卖家评价的次数Num_sales；计算卖家的最终信誉评价值，其特征在于：所述的卖家的最终信誉评价值的计算方法，包括步骤：

a)计算买家对卖家的平均评价值Rep_average，

Rep_average＝∑Rep_i/Num_sales；

b)计算卖家的最终信誉Rep_result，

${\mathrm{Rep}}_{\mathrm{result}}={\mathrm{Rep}}_{\mathrm{average}}(1-1/e^{a\·{\mathrm{Num}}_{\mathrm{sales}}}),$

其中，a为用于调整Rep_result接近信誉最大值速度的经验参数。

2.根据权利要求1所述的基于互联网的信誉评价方法，其特征在于：a为可供调整的经验参数，可根据实际应用领域的经验数据来确定，优选地，取值范围为0.3～0.7。

3.根据权利要求2所述的基于互联网的信誉评价方法，其特征在于：优选地，a的取值为0.5，适用于电子商务领域。

Images