您的当前位置:首页正文

基于用户行为的信誉预测平台研究

2020-02-12 来源:易榕旅网
龙源期刊网 http://www.qikan.com.cn

基于用户行为的信誉预测平台研究

作者:郭小强 赵高晖

来源:《软件导刊》2018年第06期

摘 要:为预测电子商务企业用户信誉,预防网络突发事件,研究了基于用户行为的信誉预测平台。根据节点群聚系数和边权度量电子商务中的购物关系,建立信誉度量指标,定量刻画其统计特性和演化机制。基于用户行为的信誉预测平台实现了不同指标维度下的模型评价结果,最终以可视化信息系统形式展示项目成果,为企业决策提供技术支持。 关键词:用户行为;信誉预测;可视化信息系统 DOI:10.11907/rjdk.172924 中图分类号:TP319

文献标识码:A 文章编号:1672-7800(2018)006-0167-03

Abstract:In order to predict the credibility of e-commerce enterprises and provide help for network emergencies, a reputation forecasting platform based on user behavior is put forward because of the widespread lack of credibility and lack of trust in e-commerce enterprises. According to the clustering coefficient and edge weight of the node, the shopping relationship in the electronic commerce is measured, the reputation measure is established, the statistical characteristics and the evolution mechanism are quantitatively quantified, and the realization of the reputation forecasting platform is described through the system analysis, system design and system function realization. The reputation forecasting platform based on user behavior realizes the model evaluation results under different index dimensions, and finally displays the project results in the form of visual information system, and makes technical support for the future decision of enterprises.

Key Words:user behavior; credibility of prediction; visual information system 0 引言

电子商务企业市场信誉度不高问题已成为制约网络购物快速发展的关键因素[1]。据eMarketer报告[2],2013年全球B2C电子商务销售额增长迅速,达到1.7万亿美元。2012年,中国已经超越日本,成为仅次于美国的全球第二大B2C电子商务市场,销售额达到1 816.2亿美元,相比于2011年的1 100.4亿美元增长65%[3]。相关研究关注的是手机通讯、社交网站中用户交互行为的时间间隔和空间分布特征,或者在线用户购买、点评行为的静态统计特征[4]。然而,用户在线购买行为不仅受到产品价格、品质、销售量等因素影响,而且受到推荐该产品的其他用户的信誉影响[5]。

龙源期刊网 http://www.qikan.com.cn

大规模社会化电子商务数据为本文研究提供了保障[6]。依据用户的在线购物和点评行为,可对用户信誉进行准确度量。准确度量用户信誉并对其影响因素和作用机理进行定量分析,可为电子商务和互联网金融健康、稳定发展提供参考[7]。 1 研究目的

信誉演化预测分析平台是对用户行为模式、信誉的度量及其影响因素和作用机理等问题进行研究[8],构建刻画用户在线行为的超网络模型。通过节点的群聚系数和边权度量电子商务中的购物关系,建立信誉度量指标,定量刻画其统计特性和演化机制,最终以可视化信息系统形式将项目成果进行展示。

本平台目标如下:①建立在线社会网络的时序分析理论,包括基于有向、加权超图的数学描述模型和统计分析方法,定义序参量描述用户交互时序、信誉演化的关联关系和演化特性[9];②建立基于用户行为时序特性的节点重要性评价方法,基于打分行为的用户信誉评价方法,定量刻画用户角色(重要性和信誉)与网络中集团结构演化的关联关系[10];③构建基于用户行为时序特性的信誉图谱可视化分析理论,开发演示平台。系统最终目标是应用于电子商务企业中的用户信誉建模,为预防网络突发事件提供帮助。 2 系统需求分析

本系统是一个面向决策的分析预测系统,通过该系统能够实现客户分析、客户识别、客户细分和客户开发等功能,从而挖掘潜在的客户群体,有针对性地进行产品创新和技术研发,降低销售成本、缩短销售周期、扩大销售量、增加企业收入与盈利[11]。因此,除了一些传统的决策支持系统基本功能需求外,还有一些客户识别功能需求,信誉演化预测分析平台需求,如图1所示。

信誉演化预测分析平台需求分为以下4个方面:

(1)基础数据管理。①系统用户管理:对用户信息进行添、修、查操作;②指标基础数据管理:对模型构建的评价指标维度进行管理;③企业基础数据管理:管理企业的一些基本信息和企业所有订单数据、维度数据,可通过数据抓取或直接导入相关数据;④时间节点管理:针对系统运行的期数进行管理维护;⑤系统初始化操作:对整个系统的基础数据进行选择性的清洗操作,以保证整个系统的正常运行和使用。

(2)模型构建管理。根据获取的数据创建对应期数指标-指标模型和企业-指标模型。通过这两个模型对指标和企业进行人为或自动打分操作,可查看对应指标和数据,保证分数的公平性,同时也可根据系统计算的分数(权重)进行适当的手动调整。

(3)模型运算管理。对指标-指标模型和企业-指标模型进行计算,对不同期数的两个模型的不同指标和企业的不同维度查看分数,大致了解当前期数对应的指标和企业的大致趋势以及影响企业维度的关键因素。

龙源期刊网 http://www.qikan.com.cn

(4)报表查询管理。为了更好地展示最终结果,系统通过不同的可视化图形展示,按时间的演化预测分析该企业用户信誉的波动情况,为企业提供预测和决策支持。 3 系统设计

系统分析建立逻辑模型,系统设计建立物理模型。本文根据系统的设计思路,给出系统架构设计、功能模块设计、系统代码设计。 3.1 系统架构设计

在以上研究基础上,本文设计了用于信誉演化预测分析的平台原型,系统框架模型如图2所示。

3.2 系统功能设计

根据系统需求分析和系统功能设计原则,本系统功能分为基础数据、模型构建、模型计算、报表查询4个模块。

(1)基础数据。基础数据模块包括用户管理、指标基础数据管理、企业基础数据管理、时间节点管理、系统初始化。该模块对整个系统的基本功能和基本内容进行一个简单的管理维护,从而保证系统运行;数据获取功能为后面的模型创建提供数据支撑。

(2)模型创建。该模块是系统的核心部分。通过对系统的指标和企业相关数据进行整理,保证在不同时期、不同市场形势下用不同的指标维度进行模型构建,从而保证运算结果的正确性;通过上面的基础数据和管理维护模块进行对应操作,根据不同需要建立不同的评价维度模型,包括指标-时间模型、企业-指标模型、快捷维护管理。

(3)模型计算。模型计算过程的完整性和准确性将直接影响到整个系统是否具有使用价值,以及能否达到系统设计目标。在前面研究的基础上通过相关分析方法进行模型计算,包括指标-指标模型计算、企业-指标模型计算、指标-指标模型查询、企业-指标模型查询。 (4)报表查询。通过报表查询模块实现不同的形式查看不同的报表。该模块只提供查看功能,不允许进行其它操作,内容包括时间统计报表、时间节点查询、时间-指标查询、时间-企业查询。

3.3 系统代码设计

代码设计是数据库系统开发的前提,是系统不可缺少的重要部分。代码指与原来名称对应的编号、符号或记号,是进行信息交换、处理、传输和实现信息资源共享的关键。

龙源期刊网 http://www.qikan.com.cn

信誉演化预测分析平台按照CRM命名原则,兼顾简洁性,对系统数据信息进行如下编码设置:①指标编号使用4个长度的数字编码进行编号,从0000编号开始。由于指标分一级指标和二级指标,二级指标下面分为子指标,所以编号规则为:一级指标的编号统一为0000;二级指标根据指标的添加顺序依次从前两位进行编号,后两位为零,具体形式为0100、0200、0300……从而分辨二级指标中的不同指标,并且二级指标的编码范围只能是0100~9900。对于二级指标的子指标而言,该指标是否是某一二级指标的子指标,只需要看最后两位数字是否为00即可,具体编码规则为0101、0102、0103……(前两位是二级指标编码,后两位是子指标编码),并且子指标的编码范围只能从**01到**99;②企业编号与指标编号的编码规则相同,如一级行业的编码为0000,二级行业的代码为0100、0200、0300……编码形式内容基本与指标编码一致;③其它编号设置。由于其它信息的名称识别较为容易,所以在数据库中的编码主要以int类型的数值为编码方式,添加数据时编码依次递增。 4 系统功能实现

系统功能实现是将系统的前期分析与设计采用合适的开发技术展现给用户的阶段。在myeclipse开发平台上,运用J2EE数据,采用瀑布模型,按照系统开发生命周期法开发。系统通过Java语言将不同的功能进行编写,然后进行功能封装,从而通过不同的功能接口在前端页面中利用四层架构模式实现所有功能,具体实现方法如下:

基础数据:该模块主要用来对整个系统的基本功能和基本内容进行一个简单的管理维护,从而保证系统正常运行。由于该模块主要功能就是进行数据的添删改查操作,所以在实现过程中对数据库的访问、数据的添加操作、数据的删除操作、数据的修改操作、数据的查看操作都进行了方法编写,同时将对应的方法进行封装,以便其它模块调用。

模型构建:该模块对系统指标和企业相关数据进行整理维护,对数据进行添加、删除以及查看操作。根据不同需要建立不同的评价维度模型,通过自定义新的评价方法进行封装,然后与数据库访问类进行连接,从而将对应的评分录入对应的数据表中,为查询和修改提供数据支撑。

模型计算:该模块通过AHP和用户行为分析方法进行模型计算,从而得到评价分析结果。

报表查询:该模块用来对整个系统进行查询操作,主要是数据库访问操作和数据查询操作,实现方法同基础数据,不过在该模块中需要使用图形报表进行数据展示。图形实现需要通过脚本插件echart实现:首先通过在Web前端页面引用插件,然后通过脚本语言的ajax()方法与程序代码进行交互,在程序代码中通过查询和数据库访问提取数据并封装为指定的json格式,最后通过ajax()方法获取对应的数据,实现前端页面的不同图形报表显示形式。 5 结语

龙源期刊网 http://www.qikan.com.cn

本文通过分析用户的信誉演化研究,提出了一种基于用户行为的信誉预测平台分析系统,解决了电子商务企业中的用户信誉预测问题,为预防网络突发事件提供帮助。电商企业必须通过艰苦的客户培养过程,逐渐建立自己的信誉平台,才能最大程度地获得客户认可和支持。 参考文献:

[1] LI Y J, DAI Y F.Research on trust mechanism for P2P network [J].Chinese Journal of Computers, 2010,33(3):390-405.

[2] EMARKETER.Worldwide retail e-commerce:the E-marketer forecast for 2015 [EB/OL]. https://www.emarketer.com/Article/Worldwide-Retail-Ecommerce-Sales-Will-Reach-1915-Trillion-This-Year/1014369

[3] 杨晓梅.基于C2C电子商务网站的信誉评价机制研究[J].山西大学学报,2009,32(2):116-119.

[4] 张琳.电子商务信任模型分析与中国企业的应用性选择[J].经济学研究,2007(11):37-42.

[5] 郭学俊,杜春,秦雪杰.基于本体的Web服务发现模型的研究[J].计算机技术与发展,2006(6):207-212.

[6] 中国互联网络信息中心.2014年中国网络购物市场研究报告[EB/OL]. http://blog.sina.com.cn/s/blog_5101b9050102vlkk.html

[7] YANG X M.Research on the reputation mechanism of the C 2C-based E-commerce sites[J].Journal of Shanxi University,2009,32(2):116-119.

[8] LI H, LIU D S. An efficient approach for evaluating trust in e-commerce [J]. Journal of Modern Book&Information Technology,2008,170(10):38-42.

[9] 李勇军,代亚非.对等网络信任机制研究[J].计算机学报,2010,33(3):390-405. [10] 曹云,王峰.基于网站营销的信誉系统的分析[J].商场现代化,2011(2):77-78. [11] 李慧,刘东苏.一种有效的电子商务信任评价方法[J].现代图书情报技术,2008,170(10):38-42.

(责任编辑:杜能钢)

龙源期刊网 http://www.qikan.com.cn

因篇幅问题不能全部显示,请点此查看更多更全内容