基于云模型的行业机构信誉综合评估模型研究

袁淑娟

摘   要：針对美容美发机构这种信誉影响因素较为复杂的情况，文章在综合评价云模型方法的基础上引入层次性，逐级分析美容美发机构的信誉影响因素，最终确定商家的信誉等级。利用云模型的逆向云发生器和云运算原理，分层次逐级地对影响美容美发机构信誉的因素进行分析，得到一个信誉综合评估模型。

关键词：云模型;信誉评估;美容美发机构

1    信誉评估相关研究

随着社会的发展，人们对美的追求也日渐强烈，美容美发机构顺势大量出现，价格也大幅上涨。为了增强顾客的黏性，现在美容美发机构普遍采取会员制，例如永琪美容美发机构推出充值5 000元成为黄金会员，每次美容美发均享受5折优惠等活动。长期来看，消费者办理会员是比较划算的，但是又担心美容美发机构出现倒闭或服务质量下降，而会员卡中的钱无法退回等情况。所以对美容美发机构做信誉评估是需要解决的问题，信誉评估较好的商家，消费者自然可以放心地成为其会员。

从现有文献看，许多学者在信誉评估方面做了研究。鲁耀斌等[1]给出了累加信誉模型和均值信誉模型，杨震[2]提出了基于协同过滤的信誉评价模型，韩中庚等[3]利用综合模糊评判方法给出了中介服务机构的信誉评估模型，刘杰等[4]提出了基于云模型的商家信誉综合评价方法，该方法的优势在于利用云模型的模糊性和随机性改进了常规模糊综合评价方法的权重矩阵和评价矩阵，进而得到综合评价云模型，能较好地体现出随机性。针对美容美发机构这种信誉影响因素较为复杂的情况，该模型并不适用。本文在此评价方法的基础上引入层次性，逐级分析美容美发机构的信誉影响因素，最终确定商家的信誉等级。

2    美容美发机构的信誉评估模型

2.1  建立信誉评估指标体系

影响美容美发机构信誉的因素有很多，笔者认为影响因素可以从法纪情况、业务情况和内部情况3个方面进行考虑。法纪情况包括遵纪守法情况、纳税情况、治安情况。业务情况包括履行合同情况、纠纷情况、服务质量、客户意见。内部情况包括内部管理、经济情况、服务项目。对于每一种情况，笔者再细致地衡量，比如遵纪守法情况可以从经营活动和财务制度两个方面来判断。商品信誉因素集A={A1，A2，A3}={法纪情况，业务情况，内部情况}，其中法纪情况A={A11，A12，A13}={遵纪守法情况，纳税情况，治安情况}，遵纪守法情况A11={A111，A211}{经营活动，财务制度}等，具体如表1所示。

2.2  建立信誉评估等级

设定信誉等级是信誉评估的前提，信誉等级需要和各因素的表现情况一致，本文对美容美发机构的信誉评语设定为5个等级V={V1，V2，V3，V4，V5}={信誉差，信誉较差，信誉一般，信誉较好，信誉好}。为了便于研究，笔者将其量化，以区间来界定信誉评语等级。这里信誉值的取值范围是[0，100]，划分为5个区间：信誉差[0，20]、信誉较差[20，50]、信誉一般[50，70]、信誉较好[70，90]、信誉好[90，100]。在不同的实际应用中，取值范围可根据具体情况有所调整，以提高信誉判别的可靠程度。

本文采用基于云模型的综合评价方法来评估美容美发机构的信誉，所以需要建立商家信誉的评语云模型（Ex，En，He）。评语云模型的计算公式：

Ex（期望值）、En（熵）和He（超熵）是云模型的3个数字特征;[Cmin，Cmax]是信誉评语的取值范围，Cmin，Cmax分别表示信誉评语取值范围的最小边界和最大边界;He反映了信誉的随机性，取值不宜过大，因为He越大，Ex的误差越大，信誉评价结果难以确定，本文中取He=η=1。

当美容美发机构的信誉值在[0，20]时，其对应的期望值、熵和超熵分别是Ex=10，En=3.33，He=1，故信誉差对应的云模型为（10，3.33，1）;具体如表2所示。

2.3  基于云模型的美容美发机构信誉综合评估方法

影响美容美发机构信誉的因素分为一级因素、二级因素和三级因素，所对应的权重值也只是对上一级的影响权重。所以对美容美发机构信誉的综合评估要分3层进行，首先对三级因素作综合评估，得到的评语云作为其所对应的二级因素的综合评价矩阵。然后，对二级因素作综合评估，得到的评语云作为其所对应的一级因素的综合评价矩阵。最后，对一级因素作综合评估，得到商家信誉的最终评语云，将最终评语云与评语集云模型中的各个评语云进行相似度计算，与最终评语云相似度最接近的评语云模型即为最终的评估结果。

2.4  三级因素的综合评估方法

二级因素一共有11个，将三级因素根据其所对应的二级因素分成11组，分别计算其评语云。在基于云模型的综合评价方法中，采用逆向云发生器生成的云模型代替隶属度函数来计算相应的权重矩阵及综合评价矩阵。逆向云发生器[5]是生成云模型的方法，输入端是相关数据，输出端是云模型（Ex，En，He），如图1所示。

逆向云发生器具体生成过程如下：

以第1组（遵纪守法情况所对应的三级因素）为例，计算其评语云。遵纪守法情况包括经营活动和财务制度两个方面，故遵纪守法情况的因素集A11={A111，A211}，相应的权重为W11={W111，W211}，相应的评价矩阵为V11={V111，V211}。

权重的相关数据来自于专家打分，3位专家分别对各因素所占权重打分，分数为十分制的数，然后，对权重分值利用逆向云发生器得出相应的云参数（Ex，En，He）。以经过调查的乔治美容美发机构（化名）为例，3位专家对该商家经营活动和财务制度的权重打分分别为（0.6，0.4），（0.5，0.5），（0.4，0.6），这里的权重值是指对上一级的影响权重。然后将经营活动的权重统计数据x1=0.6，x2=0.5，x3=0.4和财务制度的权重统计数据x1=0.4，x2=0.5，x3=0.6分别代入逆向云发生器，得到权重矩阵W11：

评价的相關数据来自于实际调查数据和3位专家意见，参考已经设定的信誉等级，对影响商家信誉的各因素进行赋值打分，分数[0，100]，然后对评价分数利用逆向云发生器得出相应的云参数（Ex，En，He）。例如，结合实际调查数据，3位专家对乔治给出经营活动的评价分数分别为100，95，90，财务制度的评价分数分别为90，93，87，然后将评价分数代入逆向云发生器，分别计算出V111和V211，得到评价矩阵V11：

然后利用模糊合成算子“”计算综合评价结果，具体的云运算原理参考Shi等6]提出的，得到评语云R11：

=（92.5，11.202 2，7.366 2）。

同理，可求得其他10组的评语云R12，R13，R21，R22，R23，R24， R31，R32，R33，R34。

2.5  二级因素的综合评价方法

一级因素一共有3个，故将二级因素根据其对应的一级因素分成3组，分别计算出每一组的评语云R1，R2，R3。每一组对应的权重矩阵W1，W2，W3的计算方法和W11相同，但是对应的评价矩阵V1，V2，V3却是由三级因素的评语云构成的，即：

V1=[R11 R12 R13]T，V2=[R21 R22 R23 R24]T，V3=[R31 R32 R33  R34]T。

评语云具体的计算结果如下：

W1=（96.966 7，17.621 4，8.932）

W2=（77.455 6，10.211 7，4.085 6）

W3=（78.577 8，11.524 6，5.630 8）

2.6  一级因素的综合评价方法

一级因素的综合评价方法和二级因素的一样，通过计算得到的评语云即为该美容美发机构信誉的最终评语云W=（86.172 2，12.003，4.851 4 ）。

2.7  评语云的相似度计算

通过以上的计算得到乔治美容美发机构信誉的最终评价云，接下来，研究者采用文献中提出的云模型相似度计算方法[7]，分别计算最终评语云和每个评语集云模型的相似度，相似度最高的评语集云模型对应的信誉等级就是该商家的信誉等级。具体计算结果如表3所示。

根据表3中云模型的相似度计算结果，可以得出信誉较好所对应的评语集云模型与最终评语云相似度最大。所以，乔治美容美发机构的信誉等级为信誉较好。

3    结语

文章利用云构建权重矩阵和评价矩阵能够充分表征信誉影响因素的模糊性和随机性，减少了主观判断等因素对评估结果的影响，采用逐层分析多重影响因素的方式，可以应对复杂情况下的信誉评估，最终得到更加符合实际的评估结果。

[参考文献]

[1]鲁耀斌，周涛.电子商务信任[M].武汉：华中科技大学出版社，2007.

[2]杨震.网络拍卖信誉反馈系统的优化研究[D].青岛：中国海洋大学，2009.

[3]韩中庚，张彦肖.中介服务机构的信誉评估模型[J].数学的实践与认识，2001（5）：517-518.

[4]刘杰，王宇，李文立.基于云模型的商家信誉综合评价方法[J].大连理工大学学报（社会科学版），2017（1）：88-93.

[5]YAN W，NIU J，SU H.A study on program evaluation and review technology based on cloud model[C].Roma：IEEE International Conference，2007.

[6]SHI Y，ZHANG A，GAO X，et al.Cloud model and its application in effective evaluation[C].Beijing：15th Annual Conference Proceeding，International Conference，2008.

[7]张仕斌，许春香，安宇俊.基于云模型的风险评估方法研究[J].电子科技大学学报，2013（1）：92-97.