楊琦峰，沈 鑫，宋 平，謝光萍，王 俊

(武漢理工大學經(jīng)濟學院，湖北 武漢 430070)

B2B在線支付作為電子商務重要的關聯(lián)產(chǎn)業(yè)，是實現(xiàn)電子商務商流、資金流、物流一體化整合和協(xié)同工作的關鍵環(huán)節(jié)。

國內(nèi)外已有學者對身份特征模型以及信譽度模型進行了研究。CLARK提出，識別身份的方法主要有3種:基于知識或信息的識別、基于憑證的識別和生物性識別[1]，有時身份識別需要采取多種識別方式的組合。LOPUCKI對CLARK的理論進行了擴展，提出身份識別是一個特征值匹配過程，且特征值必須被識別行為雙方都掌握才行[2]。特征值可能是姓名、身份證號、密碼、相貌和指紋等。

ZACHARIA提出了在多主體系統(tǒng)中采用遞歸算法的Sporas信譽度模型，并設計了阻尼函數(shù)φ以減慢信譽優(yōu)良的主體信譽度的遞增速度[3]。SABATER提出的 Regret模型，建立了評價庫IDB，定義了函數(shù)τ用于表示多主體系統(tǒng)中a主體對b主體在t時刻針對φ方面的貢獻o的客觀評價W，W∈[-1，1]，并建立獨立信譽度模型與綜合信譽度模型[4]。CARBó提出的AFRAS信譽度模糊集合，引入權重因子判別上一次信譽度與該次評價所得滿意度各自對于系統(tǒng)的貢獻，并設計了遞歸的權重函數(shù)ρi，根據(jù)上次評價信譽度與該次評價滿意度的相近程度決定上次信譽度在該次評價中的權重[5]。

B2B在線支付系統(tǒng)是一個協(xié)同進化的非線性復雜大系統(tǒng)，基于協(xié)同論的序參量原理，發(fā)現(xiàn)參與者信息基因是決定B2B在線支付進化系統(tǒng)宏觀有序性的微觀序參量，筆者著重研究如何構建“身份特征值+信譽度”二維屬性的參與者信息基因模型及有序度測度算法，并基于參與者信息基因對B2B在線支付進化系統(tǒng)協(xié)同性的作用進行了分析。

1 B2B在線支付進化系統(tǒng)理論基礎

1.1 B2B在線支付系統(tǒng)信息生態(tài)系統(tǒng)理論模型

廣義上的B2B在線支付系統(tǒng)是指參與者(包括企業(yè)法人、企業(yè)、銀行或金融機構和認證監(jiān)管部門等)、基于Internet公共網(wǎng)絡平臺的電子商務在線支付系統(tǒng)、系統(tǒng)范圍內(nèi)的各信息要素及其相互關系的總和。它既包含企業(yè)進行信息管理過程中的組成要素，也包含這些要素在信息管理過程中的相互作用機制。其中，B2B在線支付信息生態(tài)系統(tǒng)的信息要素由人、信息和信息環(huán)境(信息技術、信息組織結構、基礎設施、信息戰(zhàn)略、文化及制度等)組成[6-7]。

具體來說，B2B在線支付信息生態(tài)系統(tǒng)是指在企業(yè)電子商務活動中，信息主體之間以及信息主體與信息環(huán)境之間不斷地進行信息交流和信息循環(huán)而形成的統(tǒng)一整體。在一個健康的B2B在線支付電子商務生態(tài)系統(tǒng)中，信息輸入與輸出之間存在一個相對動態(tài)平衡的關系，該系統(tǒng)中的各部分都處在相互適應和協(xié)調的動態(tài)平衡之中。如果系統(tǒng)中的各部分之間無法相互協(xié)調，就會出現(xiàn)系統(tǒng)中的信息、人、環(huán)境的不相適應，進而導致信息生態(tài)的失衡和系統(tǒng)的無序[8]。

1.2 信息基因模型構建思想

由于B2B在線支付信息生態(tài)系統(tǒng)具有自組織大系統(tǒng)的特征，符合自組織大系統(tǒng)的定義，因此可以應用自組織大系統(tǒng)中的序參量理論來研究B2B在線支付信息生態(tài)系統(tǒng)的協(xié)同有序問題以及決定B2B在線支付系統(tǒng)的協(xié)同進化過程的信息基因模型。

(1)基于協(xié)同論的參與者信息序度模型。B2B在線支付涉及各個參與者的協(xié)同工作，每個參與者的價值創(chuàng)造活動的協(xié)同有序性是構成B2B在線支付進化系統(tǒng)宏觀有序性的基礎。

參與者信息序度模型描述參與者的價值創(chuàng)造活動的協(xié)同有序性，該模型包含身份識別和信譽度兩類結構化信息:身份識別信息(也稱身份特征值)由“現(xiàn)實的+網(wǎng)絡的”身份識別有序信息要素組成(獨一無二)，信譽度信息由能夠表征參與者價值創(chuàng)造活動的貢獻度和美譽度的有序信息要素構成。根據(jù)協(xié)同論的觀點，參與者信息序度模型是B2B在線支付進化系統(tǒng)的一個微觀序參量，而所有參與者信息序度模型的組合形成B2B在線支付進化系統(tǒng)的系統(tǒng)序參量。

(2)基于基因理論的信息基因模型。借鑒基因工程理論，將B2B在線支付進化系統(tǒng)的系統(tǒng)序參量定義為系統(tǒng)信息基因，參與者信息序度模型作為系統(tǒng)微觀序參量將成為一個系統(tǒng)的信息基因片段，定義為參與者信息基因，系統(tǒng)信息基因成為表征B2B在線支付進化系統(tǒng)的宏觀有序度的系統(tǒng)序參量;參與者信息基因為系統(tǒng)的微觀序參量。

B2B在線支付進化系統(tǒng)的信息基因定義為:決定B2B在線支付進化系統(tǒng)的有生命周期的、有遺傳價值的標準化序參量，分為參與者信息基因和系統(tǒng)信息基因。參與者信息基因是標準化參與者信息序度模型，系統(tǒng)信息基因是標準化的系統(tǒng)序參量，系統(tǒng)序參量為參與者信息序度模型的集合。

2 B2B在線支付進化系統(tǒng)的信息基因

2.1 信息基因模型

參照生物基因形成模型，每個參與者信息基因代表一個特定的微觀序參量，對應于生物中的基因片段;定義參與者信息基因中的交易載體為“染色體”，主要包括商流、資金流、物流和政務流;生物基因片段的作用是控制決定生物特性的蛋白質的生長，參與者信息基因的作用是控制系統(tǒng)數(shù)據(jù)庫表信息結構、系統(tǒng)各層之間的接口信息標準以及交易載體的信息表達，控制系統(tǒng)的有序度。B2B在線支付進化系統(tǒng)的信息基因形成模型如圖1所示。

圖1 B2B在線支付進化系統(tǒng)的信息基因形成模型

針對B2B在線支付系統(tǒng)無序的幾種表現(xiàn)，解決在線支付系統(tǒng)無序的關鍵是解決信用問題，而解決信用問題的關鍵是加強身份監(jiān)管和信用監(jiān)管。以加強身份監(jiān)管和信用監(jiān)管為宗旨，構建參與者信息基因模型，該模型既體現(xiàn)了對參與者的身份監(jiān)管，同時又體現(xiàn)了對參與者在系統(tǒng)中的運作行為的監(jiān)管。

B2B在線支付進化系統(tǒng)需要嚴格的實名制，讓每個參與者的身份可監(jiān)控，從而對每一個參與者進行約束。在目前實行的實名制基礎上，筆者提出“身份特征值+信譽度”二維屬性的參與者信息基因模型，“身份特征值”屬性相對固定，對系統(tǒng)有序度的貢獻是一個常量;“信譽度”屬性是可變的，對系統(tǒng)有序度的貢獻是一個函數(shù)。

(1)身份特征。身份特征由基本特征以及生物特征構成?；咎卣魇侵窧2B在線支付進化系統(tǒng)參與者擁有的、被人為賦予的、表征其在支付過程中身份特征的信息。如企業(yè)法人姓名、ID、身份證號、企業(yè)的公司名稱和工商注冊號等。生物特征是指B2B在線支付進化系統(tǒng)參與者擁有的、與生俱來的、表征其在支付過程中身份特征的信息。如企業(yè)法人的虹膜、指紋和基因等[9]。

在參與者信息基因模型中，基本特征為:

生物特征為:

式中:ei(i=1，2，…，n)為上述列舉和未列舉但同屬基本特征的因素;bi(i=1，2，…，m)為上述列舉的和未列舉但同屬生物特征的因素;n和m為基本特征和生物特征信息的維數(shù)，維數(shù)越大代表基本特征和生物特征信息所包含的信息種類越多，也就能越準確地定位到一個具體的參與者。

(2)信譽度。信譽度是指在線支付系統(tǒng)參與者在支付過程中的運作表現(xiàn)信用的積累。影響在線支付中的買方和賣方信譽度的因素包括:交易金額、對方評價和投訴率等。在參與者信息基因模型中，信譽度為:

式中:ci(i=1，2，…，k)為上述列舉的和未列舉但同屬信譽評價的因素;k為信譽評價信息的維數(shù)，維數(shù)越大代表信譽評價所包含的信息種類越多，也就越能準確地評價一個參與者的信譽情況。

綜上所述，參與者信息基因模型(微觀序參量模型)為:

式中:pi(i=1，2，…，j)為一個具體參與者的信息基因模型;Ej、Bj、Cj分別為第 j個參與者的基本特征、生物特征和信譽度。

參與者信息基因分類可按照價值活動特點分為:買(賣)方信息基因、物流信息基因、銀行機構信息基因和監(jiān)管信息基因等。以買賣方信息基因為例，B2B在線支付進化系統(tǒng)中所有的j個類型為買(賣)方企業(yè)的參與者信息基因的集合為:

B2B在線支付進化系統(tǒng)中其他類型的參與者的信息基因模型可依此類推。

如果其他機構參與者的“生物特征”以機構法人代表的法人生物特征信息表征，則以上參與者信息基因模型可以推廣到一般情況，成為普遍使用的模型。當然，細化的模型細節(jié)會有所區(qū)別，都會體現(xiàn)出個性化特征。

B2B在線支付進化系統(tǒng)的系統(tǒng)信息基因模型為B2B在線支付進化系統(tǒng)參與者信息基因模型的集合。若系統(tǒng)中各個類型參與者的信息基因模型為:O={O1，O2，…，On}，則系統(tǒng)信息基因Osystem為系統(tǒng)中各類參與者的信息基因模型的集合，即:

2.2 參與者信息基因測度模型

信息基因模型中所涉及到的3方面信息中，每一個方面所包含的各個因素的權重不盡相同，用 WE，WB，WC來表示 E，B，C 的權重:

式中，WE+WB+WC=1，wei(i=1，2，…，n) ＞0，wbi(i=1，2，…，m) ＞0，wci(i=1，2，…，k) ＞0。

2.2.1 身份特征測度模型

基本特征與生物特征的各因素可以利用信息熵模型的思想來量度，信息量越大，熵減越高，信息的不確定性越小。筆者用各信息因素的維數(shù)和權重來衡量基本特征與生物特征的“值”。信息因素的維數(shù)越大，代表信息越詳實，越能準確地定位到一個具體的企業(yè)類型的參與者;而權重方面，越是重要的信息，越是能唯一確定一個參與者的信息，這個信息因素的權重越大。

(1)基本特征的測度模型為:

式中:EAj(j=1，2，…，n)為參與者 j的基本特征測度模型;wde為基本特征的信息因素維數(shù)的權重;為買(賣)方企業(yè)類型的參與者j的基本特征各信息因素的絕對值，當該信息因素被收納在信息基因模型中時，該值為1，否則為0。

(2)生物特征的測度模型為:

式中:bAj(j=1，2，…，n)為買(賣)方企業(yè)類型參與者j的生物特征測度模型;wdb為生物特征的信息因素維數(shù)的權重;為企業(yè)類型的參與者j的生物特征各信息因素是否被收納的判別運算，當該信息因素被收納在信息基因模型中時，該值為1，否則為0。

2.2.2 信譽度測度模型

(1)信譽度的影響因素。在線支付活動中，參與者的信譽度的構成因素有很多種，如交易金額、交易次數(shù)、對方評價和投訴率等。這里涉及的參與者的信譽度，從交易金額、對方評價和投訴率3個方面來考慮。①交易金額。完成一筆交易的交易金額越大，對參與者信譽度的貢獻越大。之所以選擇交易金額而不是交易次數(shù)，是因為采用交易次數(shù)可能產(chǎn)生搭便車現(xiàn)象，即參與者為了增加交易次數(shù)專門進行多次小金額交易以代替一次大金額交易，這種情況下進行一次小金額交易和一次大金額交易所獲得的評價機會是相同的，且信譽的增減一樣，最終造成信譽的不對等。②對方評價。在完成一筆交易以后，信息消費者和信息生產(chǎn)者之間會根據(jù)對方提供服務的質量、到貨速度、付款速度等多個方面進行評價。對方評價通常分為好評、中評和差評3個檔次，不同的評價結果對參與者信譽度的貢獻不同。③被投訴率。當消費者發(fā)現(xiàn)賣方有諸如銷售假冒產(chǎn)品或者進行虛假交易的行為時可以向在線支付的監(jiān)管機構投訴，投訴一經(jīng)查實監(jiān)管部門就會降低賣方的信譽度。投訴率越高對賣方信譽度的影響也越大。

(2)信譽度測度模型。參與者序參量模型與身份特征模型不同，身份特征對系統(tǒng)有序度的貢獻是固定值，而參與者序參量模型是動態(tài)的，隨著交易金額、對方評價次數(shù)和投訴率等的變化而改變。因此，參與者序參量的測度模型與身份特征的測度模型不同，不再應用熵模型對其進行測度。這里從如下3個角度來研究參與者信譽度的測度模型:①交易金額。在線支付交易中，交易金額與信譽度是同向增長的關系，即交易金額越大參與者的信譽度越高。因此，假設截止到某一時點參與者所有交易金額的和為m，單位交易金額(假設為一元)對信譽度的貢獻為k1，則此時交易金額對第i個參與者信譽度的貢獻為:c1i=k1·m，其中，k1＞0;m＞0。②對方評價。由于對方評價分為3種不同的級別，因此對信譽度的貢獻也不同。假定“好評”信譽度增加1分，“差評”信譽度減少1分，而“中評”時信譽度不加分也不減分。假設某一時點，參與者獲得的“好評”次數(shù)為n1，“中評”次數(shù)為n2，“差評”次數(shù)為n3，則對方評價對第i個參與者信譽度的貢獻為:c2i=1·n1+0·n2+(-1)·n3=n1-n3，其中，n1，n2，n3=1，2，…，n。③被投訴次數(shù)。在線支付中如果賣方提供虛假產(chǎn)品或者信譽度，將給消費者帶來很大的損失，擾亂B2B在線支付產(chǎn)業(yè)的正常發(fā)展。因此一旦投訴被確認成立，監(jiān)管機構將對參與者進行懲罰。為了加大懲罰的力度和改善在線支付環(huán)境，假設至某一時點，參與者被確認的投訴次數(shù)為p，則扣除的信譽度積分為:c3i=k2·ep-1，其中，k2為投訴懲罰系數(shù)，p=1，2，…，n。

綜合交易金額、對方評價和被投訴次數(shù)對參與者信譽度的影響，得出第i個參與者的信譽度測度模型為:

綜上所述，買(賣)方企業(yè)類型的參與者信息基因模型的測度模型PA為:

式中:WE+WB+WC=1;WE＞0;WB＞0;WC＞0;pAj為單個買(賣)方企業(yè)類型的參與者的信息基因測度模型。

在線支付信息生態(tài)系統(tǒng)中的買(賣)方企業(yè)眾多，因此在線支付信息生態(tài)系統(tǒng)所有買(賣)方企業(yè)類型參與者的信息基因測度模型PA為:

該信息基因測度模型適用于B2B在線支付信息生態(tài)系統(tǒng)中的買(賣)方企業(yè)類型參與者。同時該模型只假設了一部分影響因素，還可能有其他的影響因素，隨著研究工作的進行，在以后的工作中還將繼續(xù)完善和豐富。B2B在線支付進化系統(tǒng)中其他類型的參與者信息基因模型的測度模型可依此類推。

2.3 系統(tǒng)信息基因的測度

令信息基因組測度模型為OA，表示B2B在線支付進化系統(tǒng)所有j個買(賣)方企業(yè)類型的參與者信息基因模型的測度模型的集合，即:

將系統(tǒng)中各個類型參與者的信息基因組測度模型列出，如:OA1OA2，…，OAn，則系統(tǒng)信息基因測度模型(OsystemA)為系統(tǒng)中各個類型參與者的信息基因組測度模型的集合，即:

3 參與者信息基因及協(xié)同性

基于參與者信息基因模型來提升B2B在線支付系統(tǒng)協(xié)同性的前提是將參與者信息基因模型應用于系統(tǒng)中的每一個參與者，并利用其測度模型計算出各個參與者的信息序度，將這個信息序度與參與者在B2B在線支付系統(tǒng)中的獎懲相聯(lián)系，如建立信息序度的評級制度，當某個身份參與者的信息序度達到高級水平時，可以給予該參與者稅率折扣或交易折扣;而當其信息序度低于某一警戒線時，將提高其消費稅率或限制其交易次數(shù)，嚴重的可以將其逐出B2B在線支付系統(tǒng)，取消其使用B2B在線支付系統(tǒng)的資格。獎懲的最終目的是激勵B2B在線支付系統(tǒng)的參與者提高自身的信息序度。在這個前提下，信息基因模型自身的協(xié)同性也就能發(fā)揮相應的作用。

3.1 基本特征和生物特征與系統(tǒng)協(xié)同性

由式(4)和式(5)可得基本特征模型的測度模型為:

對模型進行分析可知:①基本特征信息維數(shù)n與EAj的取值成正相關，也就是說，該模型激勵參與者提供更詳細的基本特征信息，實現(xiàn)更嚴格的實名制。②基本特征各信息因素的權重取值可控，可以將各信息因素按照是否能唯一確定一個具體的參與者進行降序排序，排名越靠前的信息因素，權重越大。激勵參與者提供更為重要的基本特征信息，從而實現(xiàn)嚴格意義上的實名制。

對于生物特征模型的分析可以依此類推。

通過基本特征和生物特征對于系統(tǒng)協(xié)同性的促進作用，基本上可以解決B2B在線支付中的身份盜用問題。

3.2 信譽度與系統(tǒng)協(xié)同性

由式(3)～式(15)可知:①該模型沒有涉及到信譽度評價因素的維數(shù)，因此參與者的信息維數(shù)都是一致的，該變量不具有差異性，遂不列入測度。②基本特征各信息因素的權重取值可控，可以將各信譽度評價因素按照其表征的行為對B2B在線支付系統(tǒng)有序度的影響程度進行降序排序，排名越靠前的信譽度評價因素權重越大。這樣可以激勵參與者在系統(tǒng)運作中，規(guī)范自身行為，激勵誠信行為，懲罰欺詐行為。

通過信譽度測度和監(jiān)管，基本上可以解決B2B在線支付中的信用炒作和信用缺失問題，因而對提升系統(tǒng)有序度有著促進作用。

參與者信息基因模型自身的有序作用與B2B在線支付系統(tǒng)宏觀環(huán)境的獎懲機制相結合，一內(nèi)一外，相輔相成，從而實現(xiàn)B2B在線支付系統(tǒng)從無序向有序方向發(fā)展，實現(xiàn)初級階段有序向更高階段有序的進化。

3.3 序參量及系統(tǒng)協(xié)同性

B2B在線支付系統(tǒng)的參與者將不斷提升自身微觀序參量的值，從而增大各類參與者的信息基因組的值，最終使得B2B在線支付系統(tǒng)的系統(tǒng)序參量的值不斷增大，有序性不斷提高。

具體來說，一個參與者的基本特征信息與生物信息越詳盡，則基本特征測度值及生物特征值越大;該參與者的運作表現(xiàn)越佳，則信譽度測度值越大;該參與者的微觀序參量值增大，該類參與者的信息基因組的值增大，繼而使系統(tǒng)序參量的值增大，使系統(tǒng)向更有序的方向發(fā)展。

4 結論

筆者基于序參量理論建立了B2B在線支付系統(tǒng)的“基本特征+生物特征+信譽度”的參與者信息基因模型及測度模型。在理論上，為探索建立B2B在線支付系統(tǒng)有序性量化研究的理論方法體系，探究電子商務信息生態(tài)系統(tǒng)有序性的一般規(guī)律做了有益的探討;在實踐上，為規(guī)范B2B在線支付系統(tǒng)的有序建設和協(xié)同管理制定規(guī)章制度，促進系統(tǒng)有序發(fā)展建立激勵機制提供理論指導。

[1] CLARK R.Human identification in information systems:management challenges and public policy issues[J].Information Technology ＆ People，1994，7(4):6-37.

[2] LOPUCKI L M.Human identification theory and identity theft problem[J].Texas Law Review，2001，80(1):89-136.

[3] ZACHARIA G，MAES P.Trust management through reputation mechanisms[J].Applied Artificial Intelligence，2000(14):881-907.

[4] SABATER J，SIERRA C.REGRET:reputation in gregarious societies[C]//Proceedings of the Fifth International Conference on Autonomous Agents.Montreal:ACM Press，2001:194-195.

[5] CARBó J，MOLINA J，DVILA J.Trust management through fuzzy reputation[J].International Journal of Cooperative Information Systems，2003(12):135-155.

[6] 蔣錄全.信息生態(tài)與社會可持續(xù)發(fā)展[M].北京:北京圖書館，2003:21-98.

[7] 張永紅.企業(yè)信息生態(tài)環(huán)境下知識創(chuàng)新的研究[D].吉林:吉林大學圖書館，2007.

[8] 郭吉晶.企業(yè)信息生態(tài)系統(tǒng)的構建與發(fā)展策略研究[D].吉林大學:吉林大學圖書館，2009.

[9] 朱亞濤，金花，呂晶.基于生物特征的身份識別技術[J].現(xiàn)代電子技術，2005(6):6-7.