Journal of Computer Science and Technology

September 2009, Volume 24, Issue 5, pp 820–832| Cite as

On Desideratum for B2C E-Commerce Reputation Systems

Abstract：This paper reviews existing approaches to reputation systems, their constraints as well as available solutions. Furthermore, it presents and evaluates a novel and comprehensive reputation model devoted to the distributed reputation system for Business-to-Consumer (B2C) E-commerce applications that overcomes the discussed drawbacks. The algorithm offers a comprehensive approach as it considers a number of issues that have a bearing on trust and reputation such as age of ratings, transaction value, credibility of referees, number of malicious incidents, collusion and unfair ratings. Moreover, it also extends the existing frameworks based on information about past behaviour, with other aspects affecting online trading decisions which relate to the characteristic of the providers, such as existence of trust mark seals, payment intermediaries, privacy statements, security/privacy strategies, purchase protection/insurance, alternative dispute resolutions as well as the existence of first party information.

Keywords：decision support；distributed systems；electronic commerce

1 Introduction

The process of globalization creates new challenges and opportunities for companies by offering an access to new markets that were previously closed due to cost, regulations, etc. The adoption of the Internet, in particular Internet-enabled B2C E-business solutions, allows many Small and Medium Enterprises (SMEs) to respond to these challenges and opportunities by extending the geographic reach of their operations. Very often, however, websites created for sales purposes are simple in design and functionality and therefore, do not arouse trust at first glance. Furthermore, in contrast to “big brands” which have already established their reputation in the online marketplaces, SMEs are unknown to many E-commerce customers.

In the E-commerce environment, which does not require the physical presence of the participants, there is a high level of “uncertainty” regarding the reliability of the services, products, or providers. Although many technologies exist to make the transaction more secure, there is still the risk that the unknown provider will not comply with the protocol used. Thus, the decision of who to trust and with whom to engage in a transaction becomes more difficult and falls on the shoulders of the individuals. In such an environment, reputation systems come in place to assist consumers in decision making. One of the important aspects in such decisions is a third partyrsquo;s reputation based on the various parameters of past behaviour.

There are a number of existing consumer-toconsumer (C2C) on-line reputation systems such as those used by eBay[1] or Amazon[2]. However, unlike C2C E-commerce marketplaces, most B2C sites do not provide users with feedback information. There are some centralized services/websites though, which do offer store ratings and reviews to their users, such as BizRate[3] or Resellerratings[4]. All of them, however, rely only on simple algorithms calculating the average rating based on the given feedback.

Nevertheless, much academic work on reputation systems has been devoted to the C2C part of Ecommerce (Peer-to-Peer networks) which can be found in [5–8]. Unlike the existing centralized approaches (e.g., eBay, Amazon) which are single-factor based, many authors proposed distributed reputation systems which still tend to be “one issue-centric”[9minus;12] (addressing only one of many problems existing in the reputation systems[6minus;8]). Even in studies attempting to provide more complex reputation methods, for example work on Histos/Sporas[13], some issues are still not taken into consideration, such as the transaction value, age of rating, or the credibility of referees.

Many of the problems addressed in C2C reputation models also apply to the B2C E-commerce environment. Not many authors, however, concentrate on the latter model of the marketplace. The only work known to the authors addressing it is [14] and [15]. Regular Paper Anna Gutowska et al.: On Desideratum for B2C E-Commerce Reputation Systems 821 Nevertheless, to the best of the authorsrsquo; knowledge, there are no studies which focus on deriving reputation ratings in B2C E-commerce environment taking into account the characteristics of the providers.

At first, this paper describes a selection of reputation systems that constitute a good representation of current research. It reviews existing approaches, constraints of current systems and available solutions, and discusses some aspects of trust and reputation systems that require more attention. Based on the above, the reputation metric which is suitable for B2C E-commerce is presented together with its evaluation and results. The proposed reputation model offers a comprehensive approach by including age of rating, transaction value, credibility of referees, and number of malicious incidents, as well as preventing collusion and inclusion of unfair ratings. Furthermore, in addition to the information about past behaviour it also incorporates other aspects affecting online trust which are based on providersrsquo; characteristics. Past behaviour is not the only information source affecting trust/reputation rating of an online vendor. According to previous research[16minus;17], there are many issues influencing online trust-based decisions such as the existence of trustmark seals, payment intermediaries, privacy statements, security/privacy strategies, purchase protection/insurance, alternative dispute resolutions as well as the existence of first party i

剩余内容已隐藏，支付完成后下载完整资料

B2C电子商务信誉系统的发展趋势

摘要：本文回顾了信誉系统的现有方法，它们的限制以及可用的解决方案。此外，它还提出并评估了一种专门用于企业对消费者（B2C）电子商务应用程序的分布式信誉系统的新型全面信誉模型，该模型克服了所讨论的缺点。该算法提供了一个全面的方法，因为它考虑了一些与信任和声誉有关的问题，例如评分年龄，交易价值，裁判可信度，恶意事件数量，共谋和不公平评级。此外，它还扩展了基于过去行为信息的现有框架，以及影响与提供商特征相关的在线交易决策的其他方面，例如信任商标图章的存在，支付中介，隐私声明，安全/隐私策略，购买保护/保险，替代争议解决方案以及第一方信息的存在

关键词：决策支持 分布式系统 电子商务

1简介

全球化进程为公司提供了新的挑战和机遇，因为它提供了一个由于成本，法规等原因而关闭的新市场。采用互联网，特别是支持互联网的B2C电子商务解决方案，可以让许多小型和中型企业（SMEs）通过扩大其业务地域范围来应对这些挑战和机遇。但是，经常为销售目的创建的网站在设计和功能上很简单，因此，乍一看不会引起信任。此外，与已经在网上市场树立声誉的“大品牌”形成鲜明对照的是，许多电子商务客户并不知道中小企业。

在电子商务环境中，不需要参与者的实际存在，就服务，产品或提供者的可靠性而言，存在高度的“不确定性”。尽管存在许多技术来使交易更安全，但仍存在未知提供商不遵守所使用的协议的风险。因此，谁来信任谁以及与谁进行交易的决定变得更加困难并落在个人的肩上。在这样的环境下，信誉系统将帮助消费者做出决策。这种决策的一个重要方面是基于过去行为的各种参数的第三方声誉。

有许多现有的消费者对消费者（C2C）在线信誉系统，如eBay [1]或亚马逊[2]使用的那些。然而，与C2C电子商务市场不同，大多数B2C网站不向用户提供反馈信息。尽管存在一些集中的服务/网站，它们向用户提供商店评级和评论，例如BizRate [3]或Resellerratings [4]。但是，它们都只依靠简单的算法来计算基于给定反馈的平均评分。

尽管如此，许多有关声誉系统的学术研究一直致力于可以在[5-8]中找到的电子商务（对等网络）的C2C部分。与基于单一因素的现有集中式方法（例如eBay，亚马逊）不同，许多作者提出了分布式信誉系统，该系统仍然倾向于“一个以问题为中心”[9-12]（仅解决存在于声誉系统[6-8]）。即使在试图提供更复杂的声誉方法的研究中，例如对Histos / Sporas的研究[13]，仍然没有考虑到一些问题，例如交易价值，评级年龄或者裁判的可信度。

C2C声誉模型中解决的许多问题也适用于B2C电子商务环境。然而，并不是很多作者集中在市场的后一种模式上。作者所知道的唯一工作是[14]和[15]。定期报告Anna Gutowska等人：关于B2C电子商务信誉系统的理论研究821尽管如此，据作者所知，没有关于在B2C电子商务环境中考虑特征的信誉评级的研究的提供者。

首先，本文描述了一系列构成当前研究的良好表现的声誉系统。它回顾了现有方法，当前系统和可用解决方案的制约因素，并讨论了需要更多关注的信任和信誉系统的某些方面。在此基础上，提出了适合B2C电子商务的信誉度量与评估结果。所提出的声誉模型提供了一个全面的方法，包括评级年龄，交易价值，裁判可信度和恶意事件数量，以及防止勾结和纳入不公平评级。此外，除了关于过去的行为的信息外，它还包含了影响在线信任的其他方面，这些方面是基于提供者的特征。过去的行为不是影响在线供应商的信任/信誉评级的唯一信息来源。根据之前的研究[16-17]，影响基于信任的在线决策存在很多问题，如信任标记的存在，支付中介机构，隐私声明，安全/隐私策略，购买保护/保险，替代争议解决方案以及第一方信息的存在。本文提出的扩展方法产生了有前途的改进的分布式B2C信誉机制。

2声誉系统分类

信誉系统收集，分发和汇总关于参与者，服务或产品的反馈，这些反馈可以帮助其他用户做出将来的决策。他们旨在鼓励可信赖的行为，并帮助防止那些不诚实的人参与[18]。

在线信誉系统可以根据网络架构，电子商务模型和信誉信息来源进行分类。

信誉网络体系结构[6]决定如何收集评级并将其存储在信誉系统中。两种主要类型是集中式和分布式架构。电子社区信任管理的初步工作是建立在集中信任数据库基础之上的。在这些系统中，有关参与者表现的信息被收集为评级并存储在中央机构（信誉中心）中。所有信誉分数都是公开可用的，因此参与者在决定与哪一方进行交易时可以使用它们。许多现有的信誉系统都是集中式的，例如eBay，亚马逊，BizzRate和分销商。还有很多已经在网络社区和市场环境中进行过研究[13,19]。分布式信誉系统没有用于提交反馈或获得信誉评级的中心位置。相反，每个参与者负责获取并收集其他参与者的评分。可以有可以提交评级的分布式商店，或者每个参与者记录他们对与其他方交易的意见。因此，要了解潜在交易伙伴的声誉，参与者需要找到分布式商店或尝试从与目标方直接接触的其他参与者那里获得评级[6]。用户根据收到的分数计算信誉评级。

根据电子商务模型，信誉机制可以大致分为双向和单向[14]。第一种类型存在于C2C电子商务模式中，例如在线拍卖和点对点服务（例如eBay，亚马逊），用户可以充当买家和卖家，因此他们可以评级并评级为同一时间。在这种情况下，可以从分配给它们的显式评级中提取用户信誉。后一种类型涉及卖家，产品和服务由用户（买家）或选定的评估者（例如BizzRate，分销商）评级的B2C模型。

在声誉信息来源的基础上，声誉系统可以分为显性和隐性两类[14]。前一组信誉系统使用明确的反馈信息，即用户的信誉由其他用户评估，如在双向系统中。隐式信誉机制使用隐式信誉信息，例如，通过分析每个用户在社交网络中的位置得出[20]。

3声誉系统的约束

在所有商业和学术声誉系统中存在主要由市场参与者的机会主义行为引起的几个问题。其中一些限制已经得到解决，而另一些限制则需要研究界的更多关注。它们在下面被识别和呈现。

3.1不公平评级

避免或试图减少不正当评级的影响，无论是不公正的积极或消极的影响，都构成了声誉系统中的根本问题，因为他们依赖于他人的反馈6。这个问题通常与共谋攻击有关，其中一组市场参与者试图操纵他们自己的声誉或他人的声誉。一方面，一个共谋集团可以给单个买家提供不公平的高评级，以提高他的声誉，这就是所谓的投票填充}。另一方面，为了驱使他对卖家给予不公平的负面评价退出市场，即贬义。

处理不公平评级问题的常用方法是过滤出错误的输入21.有些研究人员甚至更进一步，例如提出一种惩罚机制。在这种情况下，如果反馈来自两个对等方的消息参与交易意见不一致意味着至少有一方在说谎，因此双方都受到惩罚，因为很难确定哪一方不可信。还有其他一些系统试图通过要求交互证明来提高交易反馈的准确性，即交易证书必须在交易评级时由双方签字。虽然这可能不会阻止参与者说谎的结果，但它确实阻止提交他们未与之交互的卖家的欺诈性反馈。

然而，仍然有一些制度假设买家总是提供无偏见的反馈，因此不公平评级的困境并未得到解决。

3.2裁判员的可信度

这个问题与信任参与者需要从其他人收集关于潜在交易伙伴的信誉等级（间接评级，证人信息）有关。为了从谎言中获得一些好处，有些同伴可能不诚实。有些声誉模型并没有处理推荐人（提供反馈的用户）可能会对他们对另一位代理人的评级的可能性，并假设大多数用户的表现很好。

然而，研究人员正在研究说谎证人的问题。处理这个问题的一般假设是系统中的参与者不完全信任。其中一个解决方案是通过评估声誉提供商的声誉来评估声誉提供商的可信度。在C2C电子商务模型（例如在线拍卖和其他P2P服务，如eBay）中可以找到的双向评级机制中，评估者/评审人的可信度可以很容易的从显式评级（显式反馈信息）中提取，用户既是评估者也是评估者（评级用户）14。这个解决方案可以在[9-10]中找到，其中声誉提供者的可信度通过评估他们的声誉来评估。有一个假设，低评级的评估者可能会给出不公平的评级。在来自具有高声誉的推荐人的25条建议中提出的模型具有与直接互动相同的重要性，而来自声誉不佳的业务代表的则不被考虑。在该研究中，交易之后，代理人还将推荐与推荐代理人的实际行为进行比较，并据此推荐推荐人的声誉增加或减少.Huynh，Jennings和Shadbolt还计算了实际交易对方的表现以及裁判给出的评分。然而，利用这些信息，他们计算了裁判的可信度，而不是依靠他的声誉。 [9,26]也提出了类似的方法，其中提供者的声誉根据其过去的意见的准确度来判断。

3.3改变身份

声誉系统是基于这样的假设：身份长期存在，以及过去某个特定方的声誉评级与未来同一方有关。改变身份与新实体进入系统的问题密切相关。某些模式可能会鼓励改变身份，例如，当新进入者在开始时获得一些正面声誉时，会获得初始信用。声誉不佳的用户可以轻松使用此机会放弃他们的化名，以清除过去的低绩效记录并重新开始。在[27]中，这个问题被称为廉价假名和市场参与者改变被称为白色洗衣粉的身份的困境。

Feldman等人[28]已经完成了关于陌生人政策和粉饰问题的广泛研究，谁提出了一个“陌生人适应性”策略，它使用所有首次互动的信息来估计被另一个陌生人欺骗的可能性。

不同的模式对新进入者的声誉有不同的处理。 Papaioannou和Stamoulis [22]指定了较低的初始声誉值，以限制名称变更的激励。 Bamasak和Zhang [10]将初始信任和可靠性值设置为零，这大于恶意代理的值，这意味着新进入者不会受到不公平的对待。另一方面，这种方案激励欺骗方改变其身份并从“零”开始。 Huynh，Jennings和Shadbolt [11]提出的系统中，每个代理人首先收到默认的可信度值，因为它不能提供任何有关其先前行为的参考。最终用户可以决定如何引用新的参与者：诋毁他们，直到他们被证明是可信的，或者认为他们是准确和诚实的，直到证明不是。

Garget al。[29]提出了贷款声誉的新颖解决方案。为了启动新实体，知道新实体的现有成员可以选择通过“借出”其部分声誉来推荐它，该声誉从那时起处于风险中。如果新实体表现良好，贷款人获得借贷声誉加上一些奖励。另一方面，如果表现糟糕，贷方会失去处于风险中的声誉部分。这种机制不鼓励参与者改变他们的身份以再次进入该系统，他们将不得不找到能够借给他们一部分声誉的人。

3.4声望生命时间

市场参与者的行为和表现随着时间的推移而变化，因此可信度也不会保持相同的价值。处理这个问题主要有两种方法。其中之一是仅适用考虑交易的时间窗[10]。然而，为特定声誉计算确定适当的时间阈值的问题尚未得到很好的理解[21]。另一种方法是使用衰减函数，即为最近的评级赋予更多的权重而不是旧的权重。 Fan等人[21]应用了这种解决方案。历史的影响受到先前信誉分数的指数平滑函数控制。同样，在Huynh等人[30]提出的工作中，声誉等级的年龄相关性是根据其近因指数衰减函数计算出来的。此外，REGRET [31]的作者使用基于时间相关函数的标准化权重，给出了前一次推荐的更多相关性。上面提到的两种方法的组合可以在[9]中找到，其中每个经纪人应用不同的时间阈值来决定是否应该以全值进行信誉评级。如果建议在时间阈值内报告，则考虑时间差异因子。

然而，许多系统认为，代理人的行为不会随时间而改变，因此不考虑时间因素[26]。

3.5交易价值

交易价值构成了一个问题，尚未得到学术界的足够重视。在计数信誉评级时，还应该考虑交易的价值，因为它可以防止不诚实的提供商通过在许多小型交易中合作并在非常大的交易中作弊而建立高声誉。

Bamasak和Zhang [10]试图解决这个问题。但是，在计算信誉评级时，不会考虑此模型中的交易价值。只应用与交易价值成正比的声誉阈值。交易价值越高，门槛越高。范等人[12]提出了一种方案，其中交易价值的信息被包含在信誉评分算法中，但仅在价值剪报可能的恶意行为的情况下，即项目价值远高于其余交易的交易。在该算法中，应用与新的高交易值和1之间的差值成比例的额外罚值（即，在该方案中，其余交易的项目值被设置为1）。该研究集中在指数平滑机制上，特别是平滑因素的价值如何影响作弊量。这也适用于销售项目的价值遵循长期正态分布的情况，这意味着它不处理销售项目价值的高度变化。因此，将交易价值纳入信誉评级需要进一步研究。

4 B2C声誉系统

上一节讨论的问题主要涉及C2C市场，并且主要在这方面进行了研究。然而，它们中的很多都适用于B2C环境，因此，它们的解决方案被视为成功的B2C在线信誉系统的要求。本研究中提出的信誉模型涵盖了这些理想特征加上其他B2C特定问题。作者认为，它们构成了下文介绍的B2C电子商务信誉系统的必要条件。

1）反馈是一个向量，而不是标量值（如eBay），反映了其他用户对所提供服务质量不同方面的评估，并且包含以下组件：交易结果，即如果收到产品/服务，履行供应商的信号[21]，例如，如果交付时间，产品是承诺的，以及客户服务/支持。

2）提供者的行为和表现随着时间而改变。因此，为了建立声誉的动态性质，本研究中的声誉价值随着时间衰减。通过这种方式，最近的评级被认为更重要，并且比较老的评级更高（见6.2）。此外，正如[13]中所述，信誉系统的记忆被认为是无视旧评级的。

3）在计数信誉评级时，交易价值也被考虑到基于价值账户的指数函数中（参见第6.2节）。此外，交易价值范围取决于信誉系统将应用的上下文，即市场上出售的商品/服务的最高价格。

4）在选择用户组来要求数据来计算间接声誉时，重要的是将他们的可信度考虑为裁判员（参见第5.1节）。原因是三重的。首先，收集与提供商相关的评级结果通常过于昂贵或不可能[6]。其次，避免将不诚实的反馈纳入显示共谋行为或不公平评级的用户的信誉计算中。第三，选择具有“相似意见”的用户的合适子集。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23413]，资料为PDF文档或Word文档，PDF文档可免费转换为Word