本文關(guān)鍵詞：電子商務(wù)交易行為的信任機制研究，由筆耕文化傳播整理發(fā)布。

【摘要】：互聯(lián)網(wǎng)和Web承載著豐富的跨時空信息，為社會和商務(wù)的發(fā)展提供了動態(tài)、開放和便捷的環(huán)境。然而在虛擬化的網(wǎng)絡(luò)中，與不相識的人進行交易，如何保證交易可靠、安全，以及確保服務(wù)質(zhì)量是一個難題。為了解決這個問題，本論文研究了電子商務(wù)交易行為的信任機制。通過建立一個消費者和商家互相了解的平臺，從而能夠動態(tài)響應(yīng)個人或商業(yè)需求，實現(xiàn)降低運營成本、改善服務(wù)以及促進網(wǎng)上交易的積極性。 論文的主要工作如下： 首先，簡要的介紹了電子商務(wù)中信任的基本概念及其理論模型。信任值計算分為直接和反饋的信任值，，而這兩者的比重很難界定。為此提出了一種動態(tài)自適應(yīng)信任機制，動態(tài)調(diào)節(jié)兩者的權(quán)重，克服了過去常用的主觀判斷的片面性。本文區(qū)分反饋信任值和反饋可信度概念，自適應(yīng)調(diào)節(jié)反饋可信度，使信任模型有更好的科學(xué)性和實際應(yīng)用。 其次，分析了上下文信息對于信任評估的影響，在此基礎(chǔ)上提出了一種利用上下文信息的推薦信任算法。該算法利用時間、地點、社會化網(wǎng)絡(luò)中的關(guān)系等上下文信息，來反映用戶間歷史交易對當(dāng)前交易的影響和作用，以提高推薦的準(zhǔn)確度。用戶間的背景和時間相似度越高，用戶的相關(guān)性就越好，推薦信息價值就越高，這樣避免巨大的計算量同時評價結(jié)果更準(zhǔn)確。 最后，通過仿真實驗與典型信任模型進行了對比分析。結(jié)果表明本文提出的模型具有良好地適應(yīng)網(wǎng)絡(luò)動態(tài)變化的能力，能夠有效地遏制惡意節(jié)點的惡意行為，可以較好的應(yīng)用在電子商務(wù)網(wǎng)絡(luò)中。
【關(guān)鍵詞】：電子商務(wù) 信任模型 聲譽 協(xié)同推薦 動態(tài)信任
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP393.08
【目錄】：

• 摘要4-5
• ABSTRACT5-12
• 注釋表12-13
• 第一章 緒論13-18
• 1.1 研究背景與意義13-14
• 1.2 國內(nèi)外發(fā)展歷程與研究現(xiàn)狀14-16
• 1.3 本文的主要研究工作及組織結(jié)構(gòu)16-18
• 第二章 電子商務(wù)中信任機制概述18-28
• 2.1 文獻中的信任的定義18-19
• 2.1.1 社會學(xué)、心理學(xué)、商務(wù)以及法律中信任定義18
• 2.1.2 計算中的信任定義18-19
• 2.2 信任的相關(guān)概念19-20
• 2.2.1 信任19
• 2.2.2 信任者和被信任者19
• 2.2.3 信念19-20
• 2.2.4 背景20
• 2.2.5 時間點、時段、時間域20
• 2.3 聲譽的概念20-22
• 2.3.1 聲譽20-21
• 2.3.2 聲譽查詢21
• 2.3.3 第一手、第二手和第三手看法21-22
• 2.4 基于聲譽的信任管理模型應(yīng)用現(xiàn)狀22-26
• 2.4.1 聲譽機制22-23
• 2.4.2 淘寶網(wǎng)23-25
• 2.4.3 京東商城25
• 2.4.4 各網(wǎng)站聲譽系統(tǒng)總結(jié)25-26
• 2.5 信任管理模型關(guān)鍵技術(shù)26-27
• 2.5.1 信任度的計算26
• 2.5.2 惡意行為的處理26
• 2.5.3 身份變換26
• 2.5.4 如何激勵26-27
• 2.5.5 模型與應(yīng)用的結(jié)合問題27
• 2.6 本章小結(jié)27-28
• 第三章 基于聲譽的信任管理模型構(gòu)建28-44
• 3.1 信任關(guān)系28-30
• 3.1.1 信任關(guān)系與信任值28
• 3.1.2 背景和時段28-29
• 3.1.3 信任模型29-30
• 3.2 信任的模糊與動態(tài)性30-34
• 3.2.1 內(nèi)隱性30-31
• 3.2.2 非對稱性31
• 3.2.3 傳遞性31-33
• 3.2.4 反義性33
• 3.2.5 異步性33-34
• 3.3 節(jié)點的特性34-36
• 3.3.1 節(jié)點的內(nèi)在因素34
• 3.3.2 節(jié)點的外在因素34-35
• 3.3.3 各因素的關(guān)系35-36
• 3.4 聲譽關(guān)系36-37
• 3.5 第三方推薦節(jié)點的可信度37-40
• 3.5.1 已知節(jié)點作為推薦節(jié)點38
• 3.5.2 參照節(jié)點作為推薦節(jié)點38-39
• 3.5.3 未知的推薦節(jié)點39
• 3.5.4 惡意節(jié)點39-40
• 3.5.5 聯(lián)合與串通合謀40
• 3.6 聲譽模型40-41
• 3.7 信任模型模擬環(huán)境41-43
• 3.7.1 現(xiàn)有的信任模型評估方法41
• 3.7.2 實驗環(huán)境41-43
• 3.8 本章小結(jié)43-44
• 第四章 動態(tài)自適應(yīng)的信任機制44-58
• 4.1 問題提出44-45
• 4.2 直接評價計算45-47
• 4.2.1 對準(zhǔn)則的承諾45-46
• 4.2.2 準(zhǔn)則的影響力46
• 4.2.3 實際交付的質(zhì)量評價46-47
• 4.3 反饋信任加權(quán)因子(反饋因子)47-48
• 4.4 直接信任加權(quán)因子(自信因子)48-49
• 4.5 分類權(quán)重的計算49-50
• 4.6 基于交易時間的直接信任序列50-51
• 4.7 反饋可信度計算51-54
• 4.8 實驗仿真與分析54-57
• 4.8.1 仿真實現(xiàn)54-55
• 4.8.2 結(jié)果與分析55-57
• 4.9 本章小結(jié)57-58
• 第五章 利用上下文信息的推薦信任算法58-73
• 5.1 推薦算法的相關(guān)概念58
• 5.2 推薦算法評測58-59
• 5.3 相似度計算59-64
• 5.3.1 基于用戶的協(xié)同過濾算法(UserCF)59-61
• 5.3.2 基于交易信息的協(xié)同過濾算法(ItemCF)61-64
• 5.3.3 冷啟動問題64
• 5.4 利用上下文信息推薦算法64-69
• 5.4.1 時間效應(yīng)簡介64-65
• 5.4.2 時間上下文相關(guān)的 ItemCF 算法65-66
• 5.4.3 時間上下文相關(guān)的 UserCF 算法66
• 5.4.4 地點上下文信息66-67
• 5.4.5 基于社會化網(wǎng)絡(luò)的推薦信任機制67-69
• 5.5 推薦系統(tǒng)架構(gòu)69-70
• 5.6 實驗仿真與分析70-72
• 5.6.1 仿真實現(xiàn)70
• 5.6.2 結(jié)果與分析70-72
• 5.7 本章小結(jié)72-73
• 第六章 總結(jié)與展望73-75
• 6.1 工作總結(jié)73-74
• 6.2 后期展望74-75
• 參考文獻75-78
• 致謝78-79
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文79

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 潘靜;徐鋒;呂建;;面向可信服務(wù)選取的基于聲譽的推薦者發(fā)現(xiàn)方法[J];軟件學(xué)報;2010年02期

2 甘早斌;丁倩;李開;肖國強;;基于聲譽的多維度信任計算算法[J];軟件學(xué)報;2011年10期

  本文關(guān)鍵詞：電子商務(wù)交易行為的信任機制研究，由筆耕文化傳播整理發(fā)布。

本文編號：337986