B2B在线支付进化系统的信息基因测度模型

杨琦峰，沈 鑫，宋 平，谢光萍，王 俊

(武汉理工大学经济学院，湖北 武汉 430070)

B2B在线支付作为电子商务重要的关联产业，是实现电子商务商流、资金流、物流一体化整合和协同工作的关键环节。

国内外已有学者对身份特征模型以及信誉度模型进行了研究。CLARK提出，识别身份的方法主要有3种:基于知识或信息的识别、基于凭证的识别和生物性识别[1]，有时身份识别需要采取多种识别方式的组合。LOPUCKI对CLARK的理论进行了扩展，提出身份识别是一个特征值匹配过程，且特征值必须被识别行为双方都掌握才行[2]。特征值可能是姓名、身份证号、密码、相貌和指纹等。

ZACHARIA提出了在多主体系统中采用递归算法的Sporas信誉度模型，并设计了阻尼函数φ以减慢信誉优良的主体信誉度的递增速度[3]。SABATER提出的 Regret模型，建立了评价库IDB，定义了函数τ用于表示多主体系统中a主体对b主体在t时刻针对φ方面的贡献o的客观评价W，W∈[-1，1]，并建立独立信誉度模型与综合信誉度模型[4]。CARBÓ提出的AFRAS信誉度模糊集合，引入权重因子判别上一次信誉度与该次评价所得满意度各自对于系统的贡献，并设计了递归的权重函数ρi，根据上次评价信誉度与该次评价满意度的相近程度决定上次信誉度在该次评价中的权重[5]。

B2B在线支付系统是一个协同进化的非线性复杂大系统，基于协同论的序参量原理，发现参与者信息基因是决定B2B在线支付进化系统宏观有序性的微观序参量，笔者着重研究如何构建“身份特征值+信誉度”二维属性的参与者信息基因模型及有序度测度算法，并基于参与者信息基因对B2B在线支付进化系统协同性的作用进行了分析。

1 B2B在线支付进化系统理论基础

1.1 B2B在线支付系统信息生态系统理论模型

广义上的B2B在线支付系统是指参与者(包括企业法人、企业、银行或金融机构和认证监管部门等)、基于Internet公共网络平台的电子商务在线支付系统、系统范围内的各信息要素及其相互关系的总和。它既包含企业进行信息管理过程中的组成要素，也包含这些要素在信息管理过程中的相互作用机制。其中，B2B在线支付信息生态系统的信息要素由人、信息和信息环境(信息技术、信息组织结构、基础设施、信息战略、文化及制度等)组成[6-7]。

具体来说，B2B在线支付信息生态系统是指在企业电子商务活动中，信息主体之间以及信息主体与信息环境之间不断地进行信息交流和信息循环而形成的统一整体。在一个健康的B2B在线支付电子商务生态系统中，信息输入与输出之间存在一个相对动态平衡的关系，该系统中的各部分都处在相互适应和协调的动态平衡之中。如果系统中的各部分之间无法相互协调，就会出现系统中的信息、人、环境的不相适应，进而导致信息生态的失衡和系统的无序[8]。

1.2 信息基因模型构建思想

由于B2B在线支付信息生态系统具有自组织大系统的特征，符合自组织大系统的定义，因此可以应用自组织大系统中的序参量理论来研究B2B在线支付信息生态系统的协同有序问题以及决定B2B在线支付系统的协同进化过程的信息基因模型。

(1)基于协同论的参与者信息序度模型。B2B在线支付涉及各个参与者的协同工作，每个参与者的价值创造活动的协同有序性是构成B2B在线支付进化系统宏观有序性的基础。

参与者信息序度模型描述参与者的价值创造活动的协同有序性，该模型包含身份识别和信誉度两类结构化信息:身份识别信息(也称身份特征值)由“现实的+网络的”身份识别有序信息要素组成(独一无二)，信誉度信息由能够表征参与者价值创造活动的贡献度和美誉度的有序信息要素构成。根据协同论的观点，参与者信息序度模型是B2B在线支付进化系统的一个微观序参量，而所有参与者信息序度模型的组合形成B2B在线支付进化系统的系统序参量。

(2)基于基因理论的信息基因模型。借鉴基因工程理论，将B2B在线支付进化系统的系统序参量定义为系统信息基因，参与者信息序度模型作为系统微观序参量将成为一个系统的信息基因片段，定义为参与者信息基因，系统信息基因成为表征B2B在线支付进化系统的宏观有序度的系统序参量;参与者信息基因为系统的微观序参量。

B2B在线支付进化系统的信息基因定义为:决定B2B在线支付进化系统的有生命周期的、有遗传价值的标准化序参量，分为参与者信息基因和系统信息基因。参与者信息基因是标准化参与者信息序度模型，系统信息基因是标准化的系统序参量，系统序参量为参与者信息序度模型的集合。

2 B2B在线支付进化系统的信息基因

2.1 信息基因模型

参照生物基因形成模型，每个参与者信息基因代表一个特定的微观序参量，对应于生物中的基因片段;定义参与者信息基因中的交易载体为“染色体”，主要包括商流、资金流、物流和政务流;生物基因片段的作用是控制决定生物特性的蛋白质的生长，参与者信息基因的作用是控制系统数据库表信息结构、系统各层之间的接口信息标准以及交易载体的信息表达，控制系统的有序度。B2B在线支付进化系统的信息基因形成模型如图1所示。

图1 B2B在线支付进化系统的信息基因形成模型

针对B2B在线支付系统无序的几种表现，解决在线支付系统无序的关键是解决信用问题，而解决信用问题的关键是加强身份监管和信用监管。以加强身份监管和信用监管为宗旨，构建参与者信息基因模型，该模型既体现了对参与者的身份监管，同时又体现了对参与者在系统中的运作行为的监管。

B2B在线支付进化系统需要严格的实名制，让每个参与者的身份可监控，从而对每一个参与者进行约束。在目前实行的实名制基础上，笔者提出“身份特征值+信誉度”二维属性的参与者信息基因模型，“身份特征值”属性相对固定，对系统有序度的贡献是一个常量;“信誉度”属性是可变的，对系统有序度的贡献是一个函数。

(1)身份特征。身份特征由基本特征以及生物特征构成。基本特征是指B2B在线支付进化系统参与者拥有的、被人为赋予的、表征其在支付过程中身份特征的信息。如企业法人姓名、ID、身份证号、企业的公司名称和工商注册号等。生物特征是指B2B在线支付进化系统参与者拥有的、与生俱来的、表征其在支付过程中身份特征的信息。如企业法人的虹膜、指纹和基因等[9]。

在参与者信息基因模型中，基本特征为:

生物特征为:

式中:ei(i=1，2，…，n)为上述列举和未列举但同属基本特征的因素;bi(i=1，2，…，m)为上述列举的和未列举但同属生物特征的因素;n和m为基本特征和生物特征信息的维数，维数越大代表基本特征和生物特征信息所包含的信息种类越多，也就能越准确地定位到一个具体的参与者。

(2)信誉度。信誉度是指在线支付系统参与者在支付过程中的运作表现信用的积累。影响在线支付中的买方和卖方信誉度的因素包括:交易金额、对方评价和投诉率等。在参与者信息基因模型中，信誉度为:

式中:ci(i=1，2，…，k)为上述列举的和未列举但同属信誉评价的因素;k为信誉评价信息的维数，维数越大代表信誉评价所包含的信息种类越多，也就越能准确地评价一个参与者的信誉情况。

综上所述，参与者信息基因模型(微观序参量模型)为:

式中:pi(i=1，2，…，j)为一个具体参与者的信息基因模型;Ej、Bj、Cj分别为第 j个参与者的基本特征、生物特征和信誉度。

参与者信息基因分类可按照价值活动特点分为:买(卖)方信息基因、物流信息基因、银行机构信息基因和监管信息基因等。以买卖方信息基因为例，B2B在线支付进化系统中所有的j个类型为买(卖)方企业的参与者信息基因的集合为:

B2B在线支付进化系统中其他类型的参与者的信息基因模型可依此类推。

如果其他机构参与者的“生物特征”以机构法人代表的法人生物特征信息表征，则以上参与者信息基因模型可以推广到一般情况，成为普遍使用的模型。当然，细化的模型细节会有所区别，都会体现出个性化特征。

B2B在线支付进化系统的系统信息基因模型为B2B在线支付进化系统参与者信息基因模型的集合。若系统中各个类型参与者的信息基因模型为:O={O1，O2，…，On}，则系统信息基因Osystem为系统中各类参与者的信息基因模型的集合，即:

2.2 参与者信息基因测度模型

信息基因模型中所涉及到的3方面信息中，每一个方面所包含的各个因素的权重不尽相同，用 WE，WB，WC来表示 E，B，C 的权重:

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 身份特征测度模型

基本特征与生物特征的各因素可以利用信息熵模型的思想来量度，信息量越大，熵减越高，信息的不确定性越小。笔者用各信息因素的维数和权重来衡量基本特征与生物特征的“值”。信息因素的维数越大，代表信息越详实，越能准确地定位到一个具体的企业类型的参与者;而权重方面，越是重要的信息，越是能唯一确定一个参与者的信息，这个信息因素的权重越大。

(1)基本特征的测度模型为:

式中:EAj(j=1，2，…，n)为参与者 j的基本特征测度模型;wde为基本特征的信息因素维数的权重;为买(卖)方企业类型的参与者j的基本特征各信息因素的绝对值，当该信息因素被收纳在信息基因模型中时，该值为1，否则为0。

(2)生物特征的测度模型为:

式中:bAj(j=1，2，…，n)为买(卖)方企业类型参与者j的生物特征测度模型;wdb为生物特征的信息因素维数的权重;为企业类型的参与者j的生物特征各信息因素是否被收纳的判别运算，当该信息因素被收纳在信息基因模型中时，该值为1，否则为0。

2.2.2 信誉度测度模型

(1)信誉度的影响因素。在线支付活动中，参与者的信誉度的构成因素有很多种，如交易金额、交易次数、对方评价和投诉率等。这里涉及的参与者的信誉度，从交易金额、对方评价和投诉率3个方面来考虑。①交易金额。完成一笔交易的交易金额越大，对参与者信誉度的贡献越大。之所以选择交易金额而不是交易次数，是因为采用交易次数可能产生搭便车现象，即参与者为了增加交易次数专门进行多次小金额交易以代替一次大金额交易，这种情况下进行一次小金额交易和一次大金额交易所获得的评价机会是相同的，且信誉的增减一样，最终造成信誉的不对等。②对方评价。在完成一笔交易以后，信息消费者和信息生产者之间会根据对方提供服务的质量、到货速度、付款速度等多个方面进行评价。对方评价通常分为好评、中评和差评3个档次，不同的评价结果对参与者信誉度的贡献不同。③被投诉率。当消费者发现卖方有诸如销售假冒产品或者进行虚假交易的行为时可以向在线支付的监管机构投诉，投诉一经查实监管部门就会降低卖方的信誉度。投诉率越高对卖方信誉度的影响也越大。

(2)信誉度测度模型。参与者序参量模型与身份特征模型不同，身份特征对系统有序度的贡献是固定值，而参与者序参量模型是动态的，随着交易金额、对方评价次数和投诉率等的变化而改变。因此，参与者序参量的测度模型与身份特征的测度模型不同，不再应用熵模型对其进行测度。这里从如下3个角度来研究参与者信誉度的测度模型:①交易金额。在线支付交易中，交易金额与信誉度是同向增长的关系，即交易金额越大参与者的信誉度越高。因此，假设截止到某一时点参与者所有交易金额的和为m，单位交易金额(假设为一元)对信誉度的贡献为k1，则此时交易金额对第i个参与者信誉度的贡献为:c1i=k1·m，其中，k1＞0;m＞0。②对方评价。由于对方评价分为3种不同的级别，因此对信誉度的贡献也不同。假定“好评”信誉度增加1分，“差评”信誉度减少1分，而“中评”时信誉度不加分也不减分。假设某一时点，参与者获得的“好评”次数为n1，“中评”次数为n2，“差评”次数为n3，则对方评价对第i个参与者信誉度的贡献为:c2i=1·n1+0·n2+(-1)·n3=n1-n3，其中，n1，n2，n3=1，2，…，n。③被投诉次数。在线支付中如果卖方提供虚假产品或者信誉度，将给消费者带来很大的损失，扰乱B2B在线支付产业的正常发展。因此一旦投诉被确认成立，监管机构将对参与者进行惩罚。为了加大惩罚的力度和改善在线支付环境，假设至某一时点，参与者被确认的投诉次数为p，则扣除的信誉度积分为:c3i=k2·ep-1，其中，k2为投诉惩罚系数，p=1，2，…，n。

综合交易金额、对方评价和被投诉次数对参与者信誉度的影响，得出第i个参与者的信誉度测度模型为:

综上所述，买(卖)方企业类型的参与者信息基因模型的测度模型PA为:

式中:WE+WB+WC=1;WE＞0;WB＞0;WC＞0;pAj为单个买(卖)方企业类型的参与者的信息基因测度模型。

在线支付信息生态系统中的买(卖)方企业众多，因此在线支付信息生态系统所有买(卖)方企业类型参与者的信息基因测度模型PA为:

该信息基因测度模型适用于B2B在线支付信息生态系统中的买(卖)方企业类型参与者。同时该模型只假设了一部分影响因素，还可能有其他的影响因素，随着研究工作的进行，在以后的工作中还将继续完善和丰富。B2B在线支付进化系统中其他类型的参与者信息基因模型的测度模型可依此类推。

2.3 系统信息基因的测度

令信息基因组测度模型为OA，表示B2B在线支付进化系统所有j个买(卖)方企业类型的参与者信息基因模型的测度模型的集合，即:

将系统中各个类型参与者的信息基因组测度模型列出，如:OA1OA2，…，OAn，则系统信息基因测度模型(OsystemA)为系统中各个类型参与者的信息基因组测度模型的集合，即:

3 参与者信息基因及协同性

基于参与者信息基因模型来提升B2B在线支付系统协同性的前提是将参与者信息基因模型应用于系统中的每一个参与者，并利用其测度模型计算出各个参与者的信息序度，将这个信息序度与参与者在B2B在线支付系统中的奖惩相联系，如建立信息序度的评级制度，当某个身份参与者的信息序度达到高级水平时，可以给予该参与者税率折扣或交易折扣;而当其信息序度低于某一警戒线时，将提高其消费税率或限制其交易次数，严重的可以将其逐出B2B在线支付系统，取消其使用B2B在线支付系统的资格。奖惩的最终目的是激励B2B在线支付系统的参与者提高自身的信息序度。在这个前提下，信息基因模型自身的协同性也就能发挥相应的作用。

3.1 基本特征和生物特征与系统协同性

由式(4)和式(5)可得基本特征模型的测度模型为:

对模型进行分析可知:①基本特征信息维数n与EAj的取值成正相关，也就是说，该模型激励参与者提供更详细的基本特征信息，实现更严格的实名制。②基本特征各信息因素的权重取值可控，可以将各信息因素按照是否能唯一确定一个具体的参与者进行降序排序，排名越靠前的信息因素，权重越大。激励参与者提供更为重要的基本特征信息，从而实现严格意义上的实名制。

对于生物特征模型的分析可以依此类推。

通过基本特征和生物特征对于系统协同性的促进作用，基本上可以解决B2B在线支付中的身份盗用问题。

3.2 信誉度与系统协同性

由式(3)～式(15)可知:①该模型没有涉及到信誉度评价因素的维数，因此参与者的信息维数都是一致的，该变量不具有差异性，遂不列入测度。②基本特征各信息因素的权重取值可控，可以将各信誉度评价因素按照其表征的行为对B2B在线支付系统有序度的影响程度进行降序排序，排名越靠前的信誉度评价因素权重越大。这样可以激励参与者在系统运作中，规范自身行为，激励诚信行为，惩罚欺诈行为。

通过信誉度测度和监管，基本上可以解决B2B在线支付中的信用炒作和信用缺失问题，因而对提升系统有序度有着促进作用。

参与者信息基因模型自身的有序作用与B2B在线支付系统宏观环境的奖惩机制相结合，一内一外，相辅相成，从而实现B2B在线支付系统从无序向有序方向发展，实现初级阶段有序向更高阶段有序的进化。

3.3 序参量及系统协同性

B2B在线支付系统的参与者将不断提升自身微观序参量的值，从而增大各类参与者的信息基因组的值，最终使得B2B在线支付系统的系统序参量的值不断增大，有序性不断提高。

具体来说，一个参与者的基本特征信息与生物信息越详尽，则基本特征测度值及生物特征值越大;该参与者的运作表现越佳，则信誉度测度值越大;该参与者的微观序参量值增大，该类参与者的信息基因组的值增大，继而使系统序参量的值增大，使系统向更有序的方向发展。

4 结论

笔者基于序参量理论建立了B2B在线支付系统的“基本特征+生物特征+信誉度”的参与者信息基因模型及测度模型。在理论上，为探索建立B2B在线支付系统有序性量化研究的理论方法体系，探究电子商务信息生态系统有序性的一般规律做了有益的探讨;在实践上，为规范B2B在线支付系统的有序建设和协同管理制定规章制度，促进系统有序发展建立激励机制提供理论指导。

[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] 蒋录全.信息生态与社会可持续发展[M].北京:北京图书馆，2003:21-98.

[7] 张永红.企业信息生态环境下知识创新的研究[D].吉林:吉林大学图书馆，2007.

[8] 郭吉晶.企业信息生态系统的构建与发展策略研究[D].吉林大学:吉林大学图书馆，2009.

[9] 朱亚涛，金花，吕晶.基于生物特征的身份识别技术[J].现代电子技术，2005(6):6-7.