C2C商家信任度动态分类机制研究

doi:10.3778/j.issn.1002-8331.2009.19.067

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (19): 217-219.DOI: 10.3778/j.issn.1002-8331.2009.19.067

C2C商家信任度动态分类机制研究

张景安¹,刘军²

1.山西大同大学数学与计算机科学学院，山西大同 037009
2.北京物资学院信息学院，北京 101149

收稿日期:2008-12-30 修回日期:2009-03-09 出版日期:2009-07-01 发布日期:2009-07-01
通讯作者: 张景安

Research on dynamic mechanism-classified of trust degree for C2C-sellers

ZHANG Jing-an¹,LIU Jun²

1.School of Mathematics and Computer Science，Shanxi Datong University，Datong，Shanxi 037009，China
2.School of Information Science，Beijing Wuzi University，Beijing 101149，China

Received:2008-12-30 Revised:2009-03-09 Online:2009-07-01 Published:2009-07-01
Contact: ZHANG Jing-an

摘要/Abstract

摘要： 在C2C电子商务的交易中，买家因交易目的不同，对商家信任度的粒度要求是不同的。为提高交易的成功率，应建立商家信任度的动态分类机制，以满足不同应用的需求。为此，从买家对商家信任的本质出发，首先通过使用模糊集合理论的隶属度概念，提出了信任的定量描述方法；其次，引进模糊聚类分析方法，建立了商家信任度的动态分类机制；最后，通过实验仿真分析，验证了该方法的有效性和合理性。

关键词: 商家, 信任度, 主观信任, 隶属度, 模糊聚类

Abstract: In C2C E-commerce，due to make different transaction，buyers will require different trust degree’s granularity to sellers.In order to improve successful ratio of transaction，dynamic mechanism-classified of trust degree for C2C-sellers should be established.Therefore，based on the essence of buyers-to-sellers trust，the membership degree of the fuzzy sets theory is firstly introduced to descript trust quantitatively by trust vectors.Then dynamic mechanism-classified of trust degree for C2C-sellers is proposed based on the fuzzy clustering theory.Finally，validity and rationality of method this paper proposes are confirmed by simulation experiment.

Key words: C2C-sellers, trust degree, subjective trust, degree of membership, fuzzy clustering

张景安¹,刘军². C2C商家信任度动态分类机制研究[J]. 计算机工程与应用, 2009, 45(19): 217-219.

ZHANG Jing-an¹,LIU Jun². Research on dynamic mechanism-classified of trust degree for C2C-sellers[J]. Computer Engineering and Applications, 2009, 45(19): 217-219.

[1]	但雨芳，陶剑文，徐浩特. 可能性聚类假设的半监督分类方法[J]. 计算机工程与应用, 2020, 56(9): 65-74.
[2]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[3]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.
[4]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[5]	顾明星，黄伟建，黄远，生龙，申超，张梦甜. 结合用户聚类与改进用户相似性的协同过滤推荐[J]. 计算机工程与应用, 2020, 56(22): 185-190.
[6]	王永贵，刘凯奇. 一种优化聚类的协同过滤推荐算法[J]. 计算机工程与应用, 2020, 56(15): 66-73.
[7]	崔芳怡1，荆晓远2，董西伟2，3，吴飞2，孙莹2. 自适应蝙蝠算法优化的模糊聚类及其应用[J]. 计算机工程与应用, 2019, 55(7): 16-22.
[8]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[9]	雷乐，王丽珍，肖清. 空间co-location模式挖掘中的模糊技术初探[J]. 计算机工程与应用, 2019, 55(21): 158-166.
[10]	余炳光，刘冬梅. 特征逐减的可能性模糊聚类算法[J]. 计算机工程与应用, 2019, 55(19): 58-65.
[11]	徐小来，房晓丽. 基于改进的直觉模糊核聚类的图像分割方法[J]. 计算机工程与应用, 2019, 55(17): 227-231.
[12]	李娟，游晓明，刘升，陈佳. 自适应模糊蚁群系统[J]. 计算机工程与应用, 2019, 55(15): 75-81.
[13]	张岭军，李聪，段云龙. 结合空间邻域信息的SAR图像变化检测[J]. 计算机工程与应用, 2019, 55(15): 185-192.
[14]	陈勇1，2，3，周晓锋2，3，李帅1，2，3. 铝电解关键指标预测方法的研究与应用[J]. 计算机工程与应用, 2019, 55(12): 250-258.
[15]	孙佳美，吴成茂. 正则化图形模糊聚类及鲁棒分割算法[J]. 计算机工程与应用, 2019, 55(11): 179-186.

C2C商家信任度动态分类机制研究

Research on dynamic mechanism-classified of trust degree for C2C-sellers

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics