电商卖家信用评分的多因素校正模型及有效性检验——以淘宝网为例

发布时间：2018-01-23 10:51

本文关键词： CC 卖家信用得分多因素校正模型神经网络分位数回归有效性检验　出处：《软科学》2017年01期 　论文类型：期刊论文

【摘要】：针对电子商务环境中卖家信用得分计算方式的不足,提出了相应的改进策略:引入主营业务占比、开店时长和卖家的买家身份信用三个因素,建立卖家信用评分的多因素校正模型。更进一步,提出店铺的消费累积损失这一概念,并使用神经网络分位数回归模型和相应的评价指标,来验证改进卖家信用得分在解释店铺消费累积损失中的有效性。最后,对淘宝网信用评分实践进行研究,实证结果表明:卖家信用评分的多因素校正模型,不仅能够成功地解释店铺消费累积损失,而且能够更好地预测其未来取值变动规律,具有有效性。
[Abstract]:Aiming at the deficiency of credit score calculation in e-commerce environment, this paper puts forward the corresponding improvement strategies: introducing the proportion of the main business, the length of the shop opening and the buyer's identity credit of the seller. The multi-factor correction model of seller's credit score is established. Furthermore, the concept of cumulative consumption loss of shop is put forward, and the neural network quantile regression model and the corresponding evaluation index are used. To verify the effectiveness of improving seller's credit score in explaining the cumulative loss of store consumption. Finally, Taobao credit score practice is studied. The empirical results show that: seller's credit score multi-factor correction model. Not only can the cumulative loss of store consumption be explained successfully, but also the law of value change in the future can be predicted better, which is effective.
【作者单位】：合肥工业大学管理学院;合肥工业大学过程优化与智能决策教育部重点实验室;
【基金】：国家社会科学基金项目(15BJY008) 教育部人文社会科学研究规划基金项目(14YJA790015) 安徽省哲学社会科学规划基金项目(AHSKY2014D103)
【分类号】：F724.6
【正文快照】： 引言21世纪以来,中国电子商务发展迅猛。根据《第36次中国互联网络发展状况统计报告》,截至2015年6月,中国网民规模达6.68亿,互联网普及率达48.8%。随着中国网民规模的不断扩大,网络市场也随之得到更大的发展,而C2C电子商务中卖家信用评价所存在的弊病也成为了亟待解决的问题

【参考文献】