本文關(guān)鍵詞： CC 賣(mài)家信用得分 多因素校正模型 神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸 有效性檢驗(yàn)　出處：《軟科學(xué)》2017年01期 　論文類(lèi)型：期刊論文

【摘要】：針對(duì)電子商務(wù)環(huán)境中賣(mài)家信用得分計(jì)算方式的不足,提出了相應(yīng)的改進(jìn)策略:引入主營(yíng)業(yè)務(wù)占比、開(kāi)店時(shí)長(zhǎng)和賣(mài)家的買(mǎi)家身份信用三個(gè)因素,建立賣(mài)家信用評(píng)分的多因素校正模型。更進(jìn)一步,提出店鋪的消費(fèi)累積損失這一概念,并使用神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸模型和相應(yīng)的評(píng)價(jià)指標(biāo),來(lái)驗(yàn)證改進(jìn)賣(mài)家信用得分在解釋店鋪消費(fèi)累積損失中的有效性。最后,對(duì)淘寶網(wǎng)信用評(píng)分實(shí)踐進(jìn)行研究,實(shí)證結(jié)果表明:賣(mài)家信用評(píng)分的多因素校正模型,不僅能夠成功地解釋店鋪消費(fèi)累積損失,而且能夠更好地預(yù)測(cè)其未來(lái)取值變動(dòng)規(guī)律,具有有效性。
[Abstract]:Aiming at the deficiency of credit score calculation in e-commerce environment, this paper puts forward the corresponding improvement strategies: introducing the proportion of the main business, the length of the shop opening and the buyer's identity credit of the seller. The multi-factor correction model of seller's credit score is established. Furthermore, the concept of cumulative consumption loss of shop is put forward, and the neural network quantile regression model and the corresponding evaluation index are used. To verify the effectiveness of improving seller's credit score in explaining the cumulative loss of store consumption. Finally, Taobao credit score practice is studied. The empirical results show that: seller's credit score multi-factor correction model. Not only can the cumulative loss of store consumption be explained successfully, but also the law of value change in the future can be predicted better, which is effective.
【作者單位】： 合肥工業(yè)大學(xué)管理學(xué)院;合肥工業(yè)大學(xué)過(guò)程優(yōu)化與智能決策教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家社會(huì)科學(xué)基金項(xiàng)目(15BJY008) 教育部人文社會(huì)科學(xué)研究規(guī)劃基金項(xiàng)目(14YJA790015) 安徽省哲學(xué)社會(huì)科學(xué)規(guī)劃基金項(xiàng)目(AHSKY2014D103)
【分類(lèi)號(hào)】：F724.6
【正文快照】： 引言21世紀(jì)以來(lái),中國(guó)電子商務(wù)發(fā)展迅猛。根據(jù)《第36次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》,截至2015年6月,中國(guó)網(wǎng)民規(guī)模達(dá)6.68億,互聯(lián)網(wǎng)普及率達(dá)48.8%。隨著中國(guó)網(wǎng)民規(guī)模的不斷擴(kuò)大,網(wǎng)絡(luò)市場(chǎng)也隨之得到更大的發(fā)展,而C2C電子商務(wù)中賣(mài)家信用評(píng)價(jià)所存在的弊病也成為了亟待解決的問(wèn)題

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 甘早斌;曾燦;馬堯;魯宏偉;;基于信任網(wǎng)絡(luò)的C2C電子商務(wù)信任算法[J];軟件學(xué)報(bào);2015年08期

2 許啟發(fā);張金秀;蔣翠俠;;基于非線(xiàn)性分位數(shù)回歸模型的多期VaR風(fēng)險(xiǎn)測(cè)度[J];中國(guó)管理科學(xué);2015年03期

3 王俊峰;吳海洋;;基于改進(jìn)的TOPSIS法的B2C企業(yè)信用評(píng)價(jià)[J];軟科學(xué);2014年06期

4 李旭芳;;基于AHP的電商多維信譽(yù)的模型設(shè)計(jì)[J];統(tǒng)計(jì)與決策;2014年11期

5 何耀耀;許啟發(fā);楊善林;余本功;;基于RBF神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸的電力負(fù)荷概率密度預(yù)測(cè)方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年01期

6 陳傳紅;趙學(xué)鋒;張金隆;;在線(xiàn)信譽(yù)系統(tǒng)的應(yīng)用現(xiàn)狀及問(wèn)題應(yīng)對(duì)[J];情報(bào)雜志;2012年08期

7 彭惠;王永瑞;;C2C電子商務(wù)市場(chǎng)整體賣(mài)家信用分布研究[J];情報(bào)雜志;2012年05期

8 易傳和;彭江;;基于FAHP的個(gè)人信用評(píng)分模型[J];統(tǒng)計(jì)與決策;2009年15期

9 譚中明;;中小企業(yè)信用評(píng)價(jià)體系研究[J];學(xué)術(shù)論壇;2009年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許啟發(fā);王陶;蔣翠俠;楊善林;;電商賣(mài)家信用評(píng)分的多因素校正模型及有效性檢驗(yàn)——以淘寶網(wǎng)為例[J];軟科學(xué);2017年01期

2 余芳;;C2C電子商務(wù)中買(mǎi)家信用問(wèn)題研究——基于C2C網(wǎng)絡(luò)商家的實(shí)證分析[J];重慶交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2016年06期

3 許啟發(fā);蔡超;蔣翠俠;;指令不均衡與股票收益關(guān)系研究——基于大規(guī)模數(shù)據(jù)分位數(shù)回歸的實(shí)證[J];中國(guó)管理科學(xué);2016年12期

4 劉大福;蘇e，

本文編號(hào)：1457367