Web環(huán)境下信用體系關鍵技術的研究與應用.pdf

1、現(xiàn)代服務業(yè)的飛速發(fā)展，對標準化的征信和信用服務提出了要求。為了達到建設我國非官方的、商業(yè)化的信用體系的目的，一個標準化的征信和信用管理系統(tǒng)的建設迫在眉睫。傳統(tǒng)的電子商務信用評價體系中存在一些問題，比如單次交易評分等級設計過于簡單，信用聚合算法的抗干擾能力差，都需要我們在設計系統(tǒng)的信用評價體系時引起注意。 本文首先將就征信和信用管理系統(tǒng)采用的信用評價體系和信用評估算法進行介紹。針對單次交易評分等級設計過于簡單的問題，我們提出采用服

2、務質(zhì)量度量框架，將評分細化到具體的評分規(guī)則上去，使得評分的辨別度大大提高。針對聚合算法的抗干擾能力差的問題，我們對于常見的信用欺詐行為都采取了針對性的措施，比如：利用實名制消除多重身份和惡意評價的影響，利用時間和金額因子體現(xiàn)交易/服務質(zhì)量變化的影響，利用一些過濾算法減小信用炒作的影響。 聚類過濾算法是一種利用真實和炒作評分不同分布規(guī)律來消除信用炒作的算法。原算法在真實信用度較低時效果仍不太理想，并且在真實信用度較高時容易出現(xiàn)信用

3、度負偏移的情況。根據(jù)實際情況，我們對原始算法的前提條件做了一些限制，加入了時間因子并改進了距離函數(shù)，使得算法在征信和信用服務系統(tǒng)上的準確性有了大幅提高。 基于Social Network的信用算法從一種全新角度來考慮信用度的計算。算法從征信企業(yè)的社會關系出發(fā)，聚合了關系企業(yè)的推薦意見，并能夠根據(jù)征信企業(yè)的反饋動態(tài)調(diào)整關系企業(yè)推薦意見的可信度，提高將來信用聚合的準確度，從而實現(xiàn)“學習性”和“個性化”的信用服務。這種算法也可以逐漸地