基于改进D-S证据理论的生鲜电子商务信任模型研究

杨兴凯， 张晶晶,2

(1．东北财经大学 管理科学与工程学院，辽宁 大连 116025； 2．大连科技学院 信息科学学院，辽宁 大连 116041)

基于改进D-S证据理论的生鲜电子商务信任模型研究

杨兴凯1， 张晶晶1,2

(1．东北财经大学 管理科学与工程学院，辽宁 大连 116025； 2．大连科技学院 信息科学学院，辽宁 大连 116041)

在生鲜电子商务的发展中，消费者信任度受到信息不透明、物流水平不到位、质量安全等原因的限制，这是导致消费者对生鲜电子商务交易意愿薄弱的重要原因.本文构建生鲜电子商务信任模型，用以测度生鲜电商中的消费者信任度及其变化.一方面，根据目前国内生鲜电子商务以特产为主的特点，考虑产品特性、质量认证等指标，构建评价指标体系，评价了消费者的直接信任；另一方面，在推荐信任中运用改进D-S证据理论，在证据可信度中综合考虑交易频繁度和交易相似度，使得推荐信任更加客观有效.

生鲜农产品；电子商务；信任模型；模糊理论；D-S证据理论

自2013年以来，生鲜电商成为中国电商领域的新“蓝海”.中国电子商务研究中心(100EC.cn)的监测数据显示，2015年中国生鲜电商交易规模达到560亿元，较2014年增长达115%[1].国家对农产品电子商务的支持力度也在不断加大.2016年的中央一号文件明确提出促进农村电子商务加快发展；同年，农业部、商务部等19个部门联合印发《关于加快发展农村电子商务的意见》，其中，提出重点推动电商平台开设农业电商专区、降低平台使用费用和提供互联网金融服务等措施，鼓励农产品上网销售.财政资金的引领、国家政策的鼓励，也将使更多社会资本进入农村电商行业，培育农村电子商务发展环境.

尽管目前生鲜电子商务受重视程度很高、发展速度较快、行业处于兴起的阶段，但目前，生鲜电商所占规模比重仍然很低，2016年中国网络购物交易额中生鲜电子商务仅占1.5%，同时消费者对其的信任和接受程度也不高.究其原因，一是消费者尚未培养出生鲜电子商务的交易习惯；二是生鲜产品的产品保鲜、实时配送、质量安全等问题制约了消费者信任；三是目前生鲜电子商务不成熟，产业链比较零散，各主体各自为政，缺乏有竞争力的商业模式，也使生鲜电子商务更难以走到台前，赢得消费者信任.笔者以生鲜电子商务信任为研究主题，希望能够构建一个模型，测度生鲜电子商务的消费者信任水平及其变化.

1 研究现状

生鲜农产品指不经过加工或少量加工、无法长期在常温下保存的农畜产品，具有较强的时效性、地域分散性、季节性、非标准化的特点，这些特点使得传统电商的模式不适合传递生鲜农产品，而衍生出生鲜电子商务.生鲜电子商务利用互联网进行生鲜农产品信息的收集、整理、传递与发布，同时依托供应商、电商零售企业与物流配送系统，在网上完成生鲜产品及服务的购买、销售和电子支付等业务[2].一方面，要求供应链和物流网络具有更快的反应速度；另一方面，对生鲜产品的质量和安全也提出了更高的要求.

国外生鲜电商的发展可以追溯到2000年前后，拥有多样化的生鲜电商运营模式[3].各企业在信任的构建方面，Cybird和Local Harvest采取尽可能披露农场信息的方式来消除用户的不信任情绪；Pea Pod则通过与超市合作的方式提升用户的体验和信任度；Fresh Direct通过大数据方式来分析用户的喜好，同时通过提升物流体验来获取用户信任.在生鲜电商信任的研究方面，Lee等[4]的研究表明了消费者网购生鲜农产品时,受到健康意识、价格感知等认知因素的影响,还受到愉悦度等情绪因素的影响.Chen[5]研究了生鲜消费者时按照信任的主体和客体不同，将信任分为不同类型，并着重阐述了安全对生鲜消费的影响.G Jan Hofstede等[6]证明了在B2B跨境生鲜交易中，制度和文化元素对信任具有正向的影响.

中国生鲜电子商务的研究伴随着生鲜电子商务的发展而发展和进步，目前研究领域主要集中在生鲜电商的发展模式、问题和对策、供应链管理及物流优化等研究领域，定性研究较为广泛.信任的研究则主要集中在生鲜产品信任的影响因素方面，肖哲晖[7]强调了制度信任(服务承诺、可追溯机制、安全认证等)在生鲜电子商务中的重要地位；林家宝等[8]以水果为主体研究了信任的影响因素，肖丽平[9]的研究主体则为蔬菜，这种以某一类生鲜产品为主体的信任研究不能实现总体信任测度模型的构建，具有一定的局限性.在信任模型的研究方面，吴先富[10]构建了基于贝叶斯网络的农产品电子商务信任模型，在此基础上，加入云模型以规避了信任的模糊性问题，但贝叶斯方法也存在着需要先验概率的问题.

以生鲜为商品的电子商务在信任的影响因素上具有特殊性，例如对制度的敏感性、对食品安全的关注等；在评价模型构建上，还要考虑如何解决生鲜电子商务交易量少而分散，不利于模型构建的问题.因此，构建基于模糊理论和改进D-S证据理论的生鲜电子商务信任评价模型.

2 生鲜电子商务信任影响因素分析

生鲜电子商务消费者购物意愿产生的原因分为两个方面，一是消费者由于生活节奏加快等原因在线购买日常所需的蔬菜水果、肉蛋、奶制品等生鲜产品；二是随着特产模式的兴起，以及进口生鲜食品在网购中的不断加温，消费者有意愿在线跨区域购买生鲜产品，这种模式目前仍然是生鲜电子商务的主流模式，也是本文探讨生鲜电子商务模式.考虑该模式下消费者信任的影响因素，并借鉴国内外研究和生鲜电子商务的现状，最终将生鲜电子商务的信任影响因素归纳为消费者、产品和服务、网站平台、物流和第三方认证、交易环境五个方面.

2.1 消费者因素

Lee[11]在研究模型中提出了消费者因素.一方面，信任是主观的过程，消费者的信任倾向决定了他们在首次接受新事物时候是选择购买、询问还是观望；另一方面，过去失败的经历也会决定消费者是否会信任该产品.因此，消费者因素主要包括了消费者的信任倾向、消费经验这两方面的因素.

2.2 商家及其提供的产品、服务因素

在电子商务交易中，标准化程度较高的产品和服务往往能给消费者带来更高的信任感，但生鲜电子商务一方面由于其产品特性的限制，标准化非常困难；另一方面，消费者目前在平台上购买生鲜电子商务产品，仍是以特色产品为主，他们非常关心产地和应季性.因此，产品因素是消费者信任的重要因素.另外产品和服务的描述的精确度以及商家本身的品牌和信誉度也是商家信任的保障.因此，商家及产品、服务因素中主要包括产品种类和特性、产品的产地和应季性、商家品牌和声誉、商家页面展示、商家服务和承诺五方面的内容组成.

2.3 网站平台

网站平台是消费者接触消费信息的重要途径，消费者之所以使用并信任电子商务服务，是因为网站平台具有一定的口碑、易用性和可用性、安全性.对于生鲜电子商务这种新型的电子商务模式来说，平台是否专门经营生鲜电子商务决定了它的各项条件是否专门为生鲜产品打造，也是消费者十分关心的问题；另外，对于每一个新兴电子商务模式，用户能否从其他用户的消费中得到反馈体验也是影响他们消费的重要因素[12].因此，生鲜电子商务的网站平台因素主要包括平台的知名度、平台的专业性、易用性和可用性、支付与安全和平台的反馈机制.

2.4 物流和第三方认证

在生鲜电子商务的发展过程中，对生鲜电子商务信任贡献最大的两个因素是物流因素和第三方因素.生鲜电子商务的物流配送与传统电子商务具有较大的不同，生鲜产品具有易损性，并且保鲜期很短，使得企业的物流成本和消费者的物流体验成为悖论，因此物流服务质量很大程度上影响了消费者对生鲜电子商务的信任.Pavlou等[13]发现对于搜索型商品，市场驱动的制度管控因素能够有效促进消费者信任.而问卷调查也显示，有70%的被调查者认为，有第三方认证和溯源体系会让消费者觉得该生鲜产品更加可信.

2.5 交易环境因素

制度信任是不确定环境下消费者产生信任的重要影响因素.Pavlou等[13]指出，制度信任对消费者购买意愿的影响远远大于技术信任，他还将电子商务制度管控分为市场驱动和法律驱动.Chen[5]等指出消费者对农产品的制度信任分为两类，分别是农产品加工销售企业和第三方监管部门的信任管控制度，为了区分生鲜电子商务信任方面交易平台、第三方和其他制度信任，因此交易环境包括利好政策、制度和法律、执法力度.

3 生鲜电子商务信任模型构建

信任按照其来源可以分为直接信任和推荐信任.其中，直接信任是买卖双方直接交易产生的信任，而推荐信任则来自他人的推荐，这种推荐能够在信任网络上传递并不断衰减.本文所构建的生鲜电子商务信任模型也是基于生鲜网上交易的直接信任和推荐信任两个维度所构建的，首先，将交易产生的直接信任通过模糊综合评价法进行处理，获取直接信任向量；然后假设间接信任来自系统中的其他消费者，通过D-S证据理论获取推荐信任向量，釆用加权平均的方法将二者整合，得到生鲜电子商务消费者的整体信任.

T=ωDTD+ωRTR.

(1)

其中，TD为直接信任向量，TR为间接信任向量，ωD为直接信任的权重，ωR为推荐信任的权重，由于直接信任和间接信任构成了消费者的信任，因此ωD+ωR=1.笔者认为，直接信任和推荐信任在消费者的信任中所占的比例取决于二者的比例关系，即：

ωD=x/(x+y),

ωR=y/(x+y) .

(2)

其中，x为直接信任向量的反模糊量化值，y为推荐信任的量化值.且随着直接信任的不断提升，直接信任在信任当中所占的比例也将不断提升.

3.1 直接信任

在直接信任的测量上，本文以廖列法等[14]的二层模糊综合评价法为基础，采取了不同的时间、价格因子，构建了直接信任评价模型.该方法在获取用户直接信任向量的过程中，将时间、价格等客观因素也运用模糊综合评价方法进行合成，解决了客观因素的模糊评价问题.该方法的具体步骤如下：

(1)根据生鲜电子商务的消费者信任影响因素构建评价指标体系，运用模糊层次分析方法求出指标权重，如表1所示.

表1 基于C2C的生鲜电子商务消费者直接信任指标体系及权重

.

(3)

(3)求出二层模糊综合评价的权重向量，即计算与多次交易信任情况相关的时间、价格因子的权重，合成总的权重向量.这是最终的直接信任的权重向量.各因子及权重计算过程如下：

定义2(时间衰减因子) 令T(Δt)为时间衰减函数，则：

(4)

在函数中，Δt=t-t1，即为交易时间与直接信任生成时间的间隔，设1年为365天.由于生鲜产品的质量受当年的气候、土地状况等环境以及耕作方式、选种等因素的影响，认为当直接信任的生成时间距离交易时间大于1年时，上一次交易对本次交易的影响将非常小，即为0.000 1.

定义3(价格因子) 设消费者单次购买的生鲜农产品的总价格为Ci，i=1,2,…,m.

.

(5)

(4)根据交易矩阵和时间、价格因子合成的权重向量，按照模糊综合评价方法，进行二次模糊综合评价，其结果即为最终的直接信任向量TD：

TD=A′·B=(d1,d2,…,d5).

(6)

3.2 推荐信任

关于推荐信任的研究，胡建理[20]认为，推荐信任的可信度取决于评分相似度和交易的频繁度两方面，赵秋月[21]构建了基于评分相似度的可信度因子.由于生鲜电子商务数据量少、且推荐信任的评价具有一定的随机性和模糊性，本文考虑运用改进D-S理论模型来衡量推荐信任，通过改进D-S证据理论的证据融合的规则，在可信度函数的计算中引入交易频繁度，对推荐主体之间的可信度及信任合成做进一步修正.

3.2.1 推荐证据的筛选 为消除对恶意评价和群体性攻击对推荐证据公平程度的影响，采取模糊聚类方法对证据进行分类.其中，证据的相似程度通过余弦相似度来计算.

定义5设存在模糊向量A=(a1,a2,…,an)和B=(b1,b2,…,bn)，则二者的余弦相似度为

.

(7)

模糊集合贴近度的值越接近1，说明A,B的相似度越高.

则运用模糊聚类算法筛选推荐证据的步骤为：

首先，运用式(7)计算每两个证据间的相似度，求得模糊相似矩阵R|x|=(rij)|x|.

最后，进行聚类分析.求得t(R|x|)的λ截矩阵Rλ，即将推荐证据按照其信任相似程度进行分类，动态地选择阈值λ，就能得到满足不同应用需求的分类结果.

3.2.2 基本概率分配函数 董仲慧[22]将直觉模糊数与证据概率分配结合起来.按照生鲜电商的直接信任模糊评价集来设置识别框架，以推荐人的直接信任评价向量TD为推荐证据的依据，完成基本概率分配：

Mi(Vj)=dij,j=1,2,3,4,5.

(8)

3.2.3 推荐证据的可信度 构建的推荐证据的可信度由推荐人与被推荐商家交易的频繁度以及公平证据的相似度构成，其中，交易越频繁、支持度越高，其证据的可信程度就越大.

定义6设推荐人与被推荐商家交易频繁度fi(Ni)为

fi(Ni)=(1-e-Ni)α.

(9)

其中，交易次数为Ni，α为调节因子且有α≥1，即可以通过确定α来放大或缩小交易频繁程度的影响.推荐人的交易次数越多，fi(Ni)越接近1.

定义7已知通过筛选的模糊相似矩阵Rm×m=(rij)m×m包含m个推荐证据，则推荐证据的相似度为

(10)

定义8设共有m个推荐证据，则第i个推荐证据的可信度crd(Mi)为

(11)

其中，fi(Ni)为推荐人与被推荐商家的交易频繁度，Si为交易相似度.

(12)

依照改进的证据合成规则，对指标依次进行复合运算：M(V) =M(((1,2),i),m)(V)，2

4 仿真分析

为了验证生鲜农产品电子商务信任模型的有效性，运用Matlab对该信任模型进行仿真实验.假设交易系统中存在两种推荐人：善意推荐人和恶意推荐人.推荐人的总数设定为1 000，按照恶意推荐人所占的比例分为10%,20%,30%,…,80%八组.

4.1 模糊聚类效果分析

为验证模糊聚类方法筛选推荐的准确度，在每组内通过模糊聚类分析将推荐人分成三类，即可信推荐人、一般推荐人及不可信推荐人.测定时，分别计算该组内每一类推荐人的推荐信任度，其结果如图1所示.

由图1可以看出，在不同的恶意用户比例下，选择第一类推荐人时，对恶意推荐的敏感度较第二类、第三类有所提高；第二类推荐人又较第三类推荐人对恶意评价的敏感度有所提高，因此，本文认为，如果追求评价的准确度，应选择第一类推荐人计算推荐信任度，如果数据较少可以选择一、二类推荐人，第三类推荐人的推荐较为不准确.

4.2 模型的有效性检验

分别通过本模型和经典D-S证据模型计算推荐信任，将所得内容进行比较，其结果如图2所示.可以看出，在不同的恶意用户比例下，本文模型对恶意推荐评价的敏感度较经典D-S模型有所提升.

图1 筛选推荐证据的效果分析Fig.1 Effect analysis of filtering recommendation evidence

图2 本文模型与经典D-S信任模型的比较Fig.2 Comparative analysis between model in this paper and classic D-S trust model

5 结 语

综合考虑生鲜网购的实际情况，加入了产地因素、季节因素、第三方认证、产品溯源，并考虑交易频率的影响而构建了基于改进D-S证据理论的推荐信任模型.随着生鲜电子商务信任研究的不断深入，基于分布式、数据挖掘的应用将会引导信任评价向更加准确、更加快捷的方向发展.因此，生鲜电子商务消费者信任水平仍然是信任领域重要的研究方向之一.

[1] 中国电子商务研究中心．2015年中国电子商务监测报告[EB/OL]．(2016-02-02)[2016-04-20].http://www.100ec.cn/detail--6310158.html.

[2] 黄宇红．电子商务下我国农产品物流模式的研究[J]．哈尔滨商业大学学报(社会科学版),2006(2):37-38.

[3] 吴传淑.国外生鲜电商发展模式探析[J].世界农业,2015(5):136-138+150.

[4] LEE D,JEONG H, CHO J, et al. Grocery shopping via t-commerce in korea: new shopping channel adoption behavior based on prior e-commerce experience[J].International Food and Agribusiness Management Review,2015,18(2):1-13.

[5] CHEN W.The effects of different types of trust on consumer perceptions of food safety: An empirical study of consumers in Beijing Municipality,China[J].China Agricultural Economic Review,2013,5(1):43-65.

[6] CANAVARI M,FRITZ M,HOFSTEDE G J,et al.The role of trust in the transition from traditional to electronic B2B relationships in agri-food chains[J].Computers and electronics in agriculture,2010,70(2):321-327.

[7] 肖哲晖．电子商务环境下生鲜农产品消费者信任研究[D]．武汉：华中科技大学，2015.

[8] 林家宝，万俊毅，鲁耀斌．生鲜农产品电子商务消费者信任影响因素分析：以水果为例[J]．商业经济与管理，2015(5)：5-15.

[9] 肖丽平．生鲜农产品电子商务消费者信任影响因素分析——以蔬菜为例[J]. 商业经济研究,2016(16):67-69.

[10] 吴先富．基于Bayes网络的农产品C2C模糊信任评价模型研究[D]．合肥：安徽农业大学，2013.

[11] LEE M K O,TURBAN E.A trust model for consumer internet shopping[J].International Journal of Electronic Commerce，2001，6(1):75-91．

[12] McKNIGHT D H,CHARLES K.The impact of initial consumer trust on intentions to transact with a website: a trust building model[J].The Journal of Strategic Information Systems,2002(11):297-323.

[13] PAVLOU P A,GEFEN D.Building effective online market places with institution-based trust[J].Information Systems Research,2004,15(1):37-59.

[14] 廖列法,刘朝阳.P2P网络中基于模糊评判的推荐信任模型[J]. 计算机工程与设计,2014,35(4):1183-1187.

[15] KOUFARIS M,HAMPTON-SOSA W.The development of initial trust in an online company by new customers[J].Information & management,2004,41(3):377-397.

[16] NEBENZAHL I D,JAFFE E D,KAVAK B.Consumers' punishment and rewarding process via purchasing behavior[J].Teaching Business Ethics,2001,5(3):283-305.

[17] BELANGER F,HILLER J S,SMITH W J.Trustworthiness in electronic commerce: the role of privacy,security,and site attributes[J].The journal of strategic Information Systems,2002,11(3/4):245-270.

[18] GRAYSON K,JOHNSON D,CHEN D F R. Is firm trust essential in a trusted environment? How trust in the business context influences customers[J].Journal of Marketing Research,2008,45(2):241-256.

[19] DING Y L,VEEMAN M M, ADAMOWICZ W L.The impact of generalized trust and trust in the food system on choices of a functional GM food[J].Agribusiness,2012,28(1):54-66.

[20] 胡建理，吴泉源，周斌,等．一种基于反馈可信度的分布式P2P信任模型[J]．软件学报,2009,20(10):2885-2898．

[21] 赵秋月,左万利,田中生,等. 一种基于改进D-S证据理论的信任关系强度评估方法研究[J]. 计算机学报,2014,37(4):873-883.

[22] 董仲慧,梁工谦. 基于D-S直觉模糊TOPSIS产品质量控制方案决策方法[J]. 管理现代化,2016,36(2):104-106.

[23] 李文立,郭凯红. D-S证据理论合成规则及冲突问题[J]. 系统工程理论与实践,2010,30(8):1422-1432.

Atrustmodeloffreshagriculturalproductse-commercebasedontheimprovedD-Sevidencetheory

YANGXingkai1,ZHANGJingjing1，2

(1.School of Management Science and Engineering, Dongbei University of Finance and Economics, Dalian 116025， China；2.School of Information Science, Dalian Institute of Science and Technology, Dalian 116041， China)

Within the development of Fresh Agricultural Products E-commerce，consumer trust is limited by information opaque，logistics quality，foodsafety and so on，which leads to the weakness of consumers’purchase intention.This paper builds a trust model of Fresh Agricultural Products E-commerce to measure the customer trust degree and its change.On the one hand,considering the indicators such as product features，quality certification and other indicators, evaluation indicators system is built to measure direct trust based on characteristics of Fresh Agricultural Products E-commerce.On the other hand，recommendation trust model employs the improved D-S Evidence Theory and the recommendation trust is more objective and effective by considering the transaction frequency and transaction similarity in the evidence credibility.

agricultural products；e-commerce；trust models；fuzzy theory；D-S evidence theory

F724.2;F323

A

2017-10-20

辽宁省教育厅科学研究一般项目(L2014459)

杨兴凯(1970- ),男，辽宁朝阳人，东北财经大学教授，博士.E-mail:xkyang@vip.sina.com

1000-1735(2017)04-0467-07

10.11679/lsxblk2017040467