网络购物具有交易便利、选择广泛、优惠活动较多等优势，越来越多的消费者选择从网上购买农产品，使得农产品电子商务具有积极的市场前景，同时，交易过程中商家的信用度也被消费者看得至关重要。

　　云模型及贝叶斯网络的引入

　　“云模型”是在传统的模糊集理论和概念统计的基础上，借助隶属函数的思想建立起来的一种用于实现定性定量不确定性转换的模型。直接信任评价指标的特点就是具有模糊性和随机性，可以把直接信任评价的定性描述换成定量空间上的每个点（云滴）。所以，可以将云模型应用在农产品电子商务的直接信任评价问题中研究定性概念的量化方法，具有直观性和可操作性。

　　“贝叶斯网络”是一种使用统计方法去表示不同元素之间概率关系的关系型网络，它的理论基础是贝叶斯公式：

　　p（h）是假设h的先验概率；p（e）是证据e的先验概率；p（h/e）是在给定证据e下的h的概率；p（e/h）是在给定假设h下的e的概率。

　　一个朴素的贝叶斯网络就是一个简单的贝叶斯网络，它由一个根节点和若干个叶子节点组成。我们可以使用一个朴素的贝叶斯网络来表示节点间的信任。

　　基于“云模型和贝叶斯网络模型”的农产品信任评价模型构建

　　（一）参数设置

　　农产品电子商务中商家的总信任评价值由两部分组成，通常会根据评价的自身需要对两部分的权重进行设定。

　　1.第n次交易完成后消费者的直接信任评价值。其受多种因素影响，如农产品交易金额、农产品质量、评价用户的信用度等。

　　2.其他用户的推荐信任评价值。其设定是为了使新商家能够公平地进行网上交易，使之与差评的商家有所区别。对于新商家来讲，推荐信任评价值是其总信任评价值的最关键、最直接的影响因素。
 
　　（二）直接信任评价值的计算

　　当两个节点交易完成后，综合考虑专家意见、经验知识，评价标准设定为因素集U={好，较好，一般，较差，差}，该值对应了专家们的主观评价，可以用非精确的语言进行描述。这5个定性概念在评判集V={v1，v2，v3，v4，v5}，vi=C（EXi，ENi，HEi）采用“一维正态云”方法来表示：v1=C（95，5/3，0.05），v2=C（85，5/3，0.05），v3=C（75，5/3，0.05），v4=C（65，5/3，0.05），v5=C（55，5/3，0.05）。然后，可以运用正向云发生器把指标层的定性指标转换为定量指标，再运用逆向云发生器计算数值特征（分别是期望Ex、熵En和超熵He），并由正向云发生器产生评价指标的云图，如图1所示，反复进行计算最终获得评价结果及每项评价指标的量化值。

　　如：首先使用德尔菲法，综合专家意见，形成对直接信任值的评价体系。然后，在运用层次分析法等方法对指标体系中的指标设置各自权重，如表1所示。完成以上各步骤后，再利用正向云发生器和逆向云发生器计算每项指标的评价结果，如表2所示。最后，采取加权和的计算方法计算得到最终的直接信任评价值。

　　（三）推荐信任评价值的计算

　　1.贝叶斯网络信任模型的建立。在电子商务交易中，商家能力的度量不是统一的。有些商家通过高速网络进行交易，而有些商家由于各种原因所处的网络速度较慢；有些商家与客户的交流较好，而有些商家提供产品和服务的性价比较高。因此，商家的能力可以通过不同方面表现，如：提供产品和服务的性价比、物流速度、与客户交流的态度等，如图2所示。

　　不同情况下消费者的需求也不同。有些消费者想了解商家的整体能力，有些消费者只对商家某个方面的能力感兴趣。如：有些消费者只在乎商家所提供产品和服务的性价比，而对于物流速度并不特别敏感；有些消费者既对商家所提供产品和服务的性价比敏感，也对物流速度敏感。

　　消费者可以采用贝叶斯网络模型把这两方面的信任值连接起来并判断该商家是否值得信任。每一个节点可以发展成为一个朴素的贝叶斯网络，并且相互交易的节点之间相互连接。每一个贝叶斯网络都有一个根节点T，该根节点有两个值，分别是“满意”或“不满意”，用“1”或“0”来表示。P（T=1）代表消费者对商家能力的全部信任，它由相互交易中满意交易的比例来表示，P（T=0）代表不满意交易的比例，假设所有交易次数为n，满意交易次数为m。

　　P（T=1）=m/n

　　P（T=1）+P（T=0）=1

　　2.条件概率表（CPT）的确定。在根节点下的叶子节点代表了商家在不同方面的能力描述。每一个叶子节点都与一个条件概率表（CPT）建立联系。如：节点XJB代表产品和服务的性价比，假设它包括五种值，分别是“好、较好、一般、较差、差”，它的条件概率如表3所示。每一栏遵循一个约束，与根节点建立联系，整个栏的值的总和为1。

　　p（XJB=好/T=1）表示的是在交易为满意的情况下，产品和服务的性价比为好的可能性，可以通过公式计算：
　　其中，p（XJB=好，T=1）是交易为满意且产品和服务的性价比为好的概率，，m1是当产品和服务的性价比为好的时候交易满意的次数。

　　p（XJB=好/T=0）表示的是在交易为不满意的情况下，产品和服务的性价比为好的可能性，通过表3可以用相同的方法计算其概率值。

　　节点WLSD表示的是物流速度，它分为“快、中、慢”三个值。节点JLTD表示的是商家的交流态度，它也可以由“好、中、差”三个值表示。它们的条件概率表的建立与表3类似。

　　本文只考虑了与信任相关的三个因素，诸如“客服对服务的喜好程度”等更多相关因素也可以加到贝叶斯网络模型中去考虑。

　　一旦得到了每一个节点的条件概率表，消费者就可以利用贝叶斯法则去计算商家在不同方面的信任值。如：p（T=1/XJB=好）表示的是在产品和服务的性价比为好的情况下，交易为满意的可能性，p（T=1/WLSD=快）表示的是在物流速度为快的情况下，交易为满意的可能性。消费者可以根据他们的需要去设置条件，每一种概率代表着商家在某一个方面的能力。在贝叶斯网络中，消费者可以通过相关概率去推断他们需要的各方面的信任值，这可以帮助消费者节省时间。

　　3.交易过程的评估。在每次交易评价后，节点可以更新它们相关的贝叶斯网络。如果一次交易是满意的，则m的值和n的值均增加1；如果交易是不满意的，则只有n的值增加1。在交易过程中，消费者两方面的因素是需要考虑的，即：他们的交易速度SD和他们交易产品的质量ZL。如果这两方面因素的综合评定值大于事先设定的满意度临界值，则认为此次交易满意，T赋值为1，否则T赋值为0。

　　4.推荐信任的处理。在交易过程中，消费者可以根据自身需求去发送各种推荐请求。如：一个消费者在交易时关心产品和服务的性价比，发送请求可以为“商家提供产品和服务的性价比好吗？”；而另一个消费者既关心产品和服务的性价比又关心物流速度，那么发送请求可以为“商家是否能提供高性价比的产品和服务并且物流速度较快？”。当另一个提供推荐的节点收到这些请求时，它将会检查它们的信任值描述，如它们的贝叶斯网络，去了解它能否回答这样的问题。如果一个推荐者以前在被推荐的商家处接受过产品或服务，他将发送含有p（T=1/XJB=好）的值去回答这个问题。消费者在同一时间会收到许多这样的推荐值，这些推荐值来自熟悉的节点或是陌生的节点，如果推荐不可信，消费者会立即拒绝他的推荐。消费者应把来自可信的推荐和陌生的推荐整合起来，以得到对商家的整体推荐值：

　　其中，rij是第i个消费者得到的关于第j个商家的整体推荐值。k代表的是可信的推荐的数量，g代表的是陌生的推荐的数量。tril是在第1个可信推荐中的来自第i个消费者的信任值。tlj是指在第j个商家中的第1个可信推荐的信任值。tzj是在第j个商家中的第z个陌生的推荐的信任值。wt和ws代表了可信推荐和陌生推荐的权重。因为节点通常有不同的偏好和观点，节点的可信推荐者是那些具有相同偏好和观点的节点，所以一般情况下节点对于从可信节点给出的信任值要比从陌生节点给出的信任值更重视，赋予更高的权重。

　　5.对推荐节点推荐信任的更新。每一次交易结束之后，都要对推荐节点所提供的信任信息利用如下公式进行更新处理：

　　tri=a*tri+（1-a）*tr0

　　tri为对推荐节点i原先的推荐信任，tr0为对本次推荐的满意程度。
 
　　结论

　　在我国农业经济朝着信息化方向迈进的进程中，农产品电子商务交易平台为消费者提供了快速获取农产品的有效途径。鉴于目前我国很多地区尚未建立成熟的农产品电子商务交易平台和食品安全、营养、健康对于消费者的重要性，“信任”便成了消费者在进行农产品电子商务交易时首先应考虑的要素。本文试图构建一种有效评价农产品电子商务信任值的评价模型，为消费者进行商家选择提供参考。对直接信任值的评价，实现了量化计算并使用云模型等技术进行完善；对推荐信任值的评价，运用贝叶斯网络模型进行计算与更新。

　　参考文献：

　　1.谢苑.基于贝叶斯网络的动态信任模型研究[D].河南大学，2010
　　2.刘玉龙，曹元大，李剑.一种新型推荐信任模型[J].计算机工程与应用，2004（29）
　　3.李丹.基于云模型的多属性决策系统应用研究[D].黑龙江科技学院，2010
　　4.孙萍.基于云模型的文化产品商业价值评价指标研究[J].商业时代，2014（11）