一种基于泛化表示的数据资产的价值分配与价值评估方法技术

本发明专利技术提供一种基于泛化表示的数据资产的价值分配与价值评估方法，包括以下步骤：步骤(1)获取数据资产，利用基于泛化表示的数据资产的价值分配方法，得到价值分配比例；步骤(2)对基于泛化表示的数据资产进行价值评估，得到数据拥有者、加工者、销售者、数据平台的评估价值。本发明专利技术旨在促进数据要素产的流通，实现数据要素的增值，从数据资产的相关概念组合和多源多模态数据的泛化表示出发，提供了一种基于泛化表示的数据资产的精准价值分配方法，包括传统生产要素、数据要素和算法的价值分配方法，为数据资产拥有者、加工者、销售者、数据平台等相关主体提供了一种基于泛化表示的价值量化评估方法。值量化评估方法。值量化评估方法。

【技术实现步骤摘要】
一种基于泛化表示的数据资产的价值分配与价值评估方法


[0001]本专利技术涉及数据资产的价值分配与价值评估领域，特别是涉及一种基于泛化表示的数据资产的价值分配与价值评估方法。

技术介绍

[0002]如何精准分配并量化评估数据资产相关主体的价值对于数据要素的流通和数据资产的增值具有重要意义。给定多模态数据与配套算法一起为相关决策提供支持，并为用户创造价值，这些给定数据也因此成为一种资产要素。例如，给定某交通类企业的环境部门共享的文本数据、物联设备感知的传感数据、市民随手拍的图像数据等多模态交通数据与配套的CNN卷积神经网络算法，一起为该企业的故障预警、安全防控、流程优化等决策提供支持，并通过降低风险、增加收益等方式为该企业创造价值，这些多模态数据也因此成为一种资产要素。为精准分配并量化评估给定多模态数据中每种模态数据的价值，首先要定义每种模态数据在决策支持中所起的作用。传统的基于模态属性的数据表示不足以精准定义每种模态数据在决策支持中所起的作用，因而不利于数据资产的精准价值分配和量化价值评估。

技术实现思路

[0003]针对现有技术的上述问题，本专利技术提供一种基于泛化表示的数据资产的价值分配与价值评估方法，包括如下步骤：
[0004]步骤(1)获取数据资产，利用基于泛化表示的数据资产的价值分配方法，得到数据拥有者E
po
、加工者E
pr
、销售者E
sa
、数据平台E
pl
的价值分配比例；
[0005]步骤(2)对基于泛化表示的数据资产进行价值评估，得到数据拥有者E
po
、加工者E
pr
、销售者E
sa
、数据平台E
pl
的评估价值。
[0006]作为优选，所述步骤(1)中，所述利用基于泛化表示的数据资产的价值分配方法，得到数据拥有者E
po
、加工者E
pr
、销售者E
sa
、数据平台E
pl
的价值分配比例，具体包括以下步骤：
[0007]模态组成部分X
k
中数据单元x
k,i
，其针对一致决策要求的泛化表示为由归一化特征属性信息和决策影响知识决定；
[0008]由归一化特征属性信息N(x
k,i
)和决策影响知识I(x
k,i
)通过加和的方式得到数据单元x
i
针对特定决策要求的泛化表示，如下式所示：
[0009]G(x
k,i
)＝I(x
k,i
)+N(x
k,i
)
ꢀꢀꢀꢀꢀ
(1)
[0010]所述数据单元x
i
针对特定决策要求的泛化表示，代表数据单元x
i
对于特定决策要求的价值；
[0011]对于由n个数据单元组成的数据子要素X
k
，所述数据子要素X
k
由对应的数据集为用户相关决策提供支持并为用户创造价值后转变而来，对n个数据单元的泛化表示进行求和得到在无重复数据单元的情况下，所述由n个数据单元组成的
数据子要素X
k
的价值；
[0012]对于由m个数据子要素X1,
…
,X
k
,
…
,X
m
；组成的数据要素X，数据子要素X
k
的价值分配比例R(X
k
)由X
k
中数据单元的泛化表示之和占比得到，如下式所示：
[0013][0014]在数据资产与算法的价值分配方法方面，设在单项决策领域内由传统生产要素F
t
创造的价值为V
t
，所述传统生产要素F
t
包括劳动、资本、技术因素，
[0015]将数据要素X和初级通用算法A
i
作为初级要素F
i
，所述初级要素F
i
超出传统生产要素所创造的价值记为V
ia
，
[0016]将数据要素X和高级定制算法A
a
作为高级要素F
a
，所述高级要素F
a
，超出传统生产要素所创造的价值记为V
aa
，
[0017]V
aa
‑
V
ia
认定为高级定制算法A
a
创造的价值；在由传统生产要素F
t
和初级要素F
i
创造的价值中，传统生产要素F
t
和数据要素X的分配比例为：
[0018]R(F
t
)＝V
t
/(V
t
+V
ia
)
ꢀꢀꢀꢀꢀ
(3)
[0019]R(X)＝V
ia
/(V
t
+V
ia
)
ꢀꢀꢀꢀꢀ
(4)
[0020]在由传统生产要素F
t
和高级要素F
a
创造的价值中，传统生产要素F
t
、数据要素X和高级定制算法的分配比例为：
[0021]R(F
t
)＝V
t
/(V
t
+V
aa
)
ꢀꢀꢀꢀꢀ
(5)
[0022]R(X)＝V
aa
/(V
t
+V
aa
)
ꢀꢀꢀꢀꢀ
(6)
[0023]R(A
a
)＝(V
aa
‑
V
ia
)/(V
t
+V
aa
)
ꢀꢀꢀꢀꢀ
(7)
[0024]其中，V
ia
>0，V
aa
>0且V
aa
>V
ia
；
[0025]数据的持续加入将持续提高数据完备性，即“唯一数据样本分布的完备性”和决策水平，带来额外的新增价值V
ea
；从初次数据完备点a到完全数据完备点b的过程中，额外新增价值V
ea
趋于稳定；此时，总的价值按以下方式得到：
[0026]初级要素F
i
参与时，总的价值为：V
t
+V
ia
+V
ea
，
[0027]高级要素F
a
参与时，总的价值为：V
t
+V
aa
+V
ea
，
[0028]在分别由初级要素F
i
和高级要素F
...

【技术保护点】

【技术特征摘要】
1.一种基于泛化表示的数据资产的价值分配与价值评估方法，其特征在于，包括如下步骤：步骤(1)获取数据资产，利用基于泛化表示的数据资产的价值分配方法，得到数据拥有者E
po
、加工者E
pr
、销售者E
sa
、数据平台E
pl
的价值分配比例；步骤(2)对基于泛化表示的数据资产进行价值评估，得到数据拥有者E
po
、加工者E
pr
、销售者E
sa
、数据平台E
pl
的评估价值。2.如权利要求1所述的一种基于泛化表示的数据资产的价值分配与价值评估方法，其特征在于，所述步骤(1)中，所述利用基于泛化表示的数据资产的价值分配方法，得到数据拥有者E
po
、加工者E
pr
、销售者E
sa
、数据平台E
pl
的价值分配比例，具体包括以下步骤：模态组成部分X
k
中数据单元x
k，i
，其针对一致决策要求的泛化表示为由归一化特征属性信息和决策影响知识决定；由归一化特征属性信息N(x
k，i
)和决策影响知识I(x
k，i
)通过加和的方式得到数据单元x
i
针对特定决策要求的泛化表示，如下式所示：G(x
k，i
)＝I(x
k，i
)+N(x
k，i
)
ꢀꢀꢀꢀ
(1)所述数据单元x
i
针对特定决策要求的泛化表示，代表数据单元x
i
对于特定决策要求的价值；对于由n个数据单元组成的数据子要素X
k
，对n个数据单元的泛化表示进行求和得到在无重复数据单元的情况下，所述由n个数据单元组成的数据子要素X
k
的价值；对于由m个数据子要素X1，...，X
k
，...，X
m
；组成的数据要素X，数据子要素X
k
的价值分配比例R(X
k
)由X
k
中数据单元的泛化表示之和占比得到，如下式所示：在数据资产与算法的价值分配方法方面，设在单项决策领域内由传统生产要素F
t
创造的价值为V
t
，所述传统生产要素F
t
包括劳动、资本、技术因素，将数据要素X和初级通用算法A
i
作为初级要素F
i
，所述初级要素F
i
超出传统生产要素所创造的价值记为V
ia
，将数据要素X和高级定制算法A
a
作为高级要素F
a
，所述高级要素F
a
，超出传统生产要素所创造的价值记为V
aa
，V
aa
‑
V
ia
认定为高级定制算法A
a
创造的价值；在由传统生产要素F
t
和初级要素Fi创造的价值中，传统生产要素F
t
和数据要素X的分配比例为：R(F
t
)＝V
t
/(V
t
+V
ia
)
ꢀꢀꢀꢀ
(3)R(X)＝V
ia
/(V
t
+V
ia
)
ꢀꢀꢀꢀ
(4)在由传统生产要素F
t
和高级要素F
a
创造的价值中，传统生产要素F
t
、数据要素X和高级定制算法的分配比例为：R(F
t
)＝V
t
/(V
t
+V
aa
)
ꢀꢀꢀ
(5)R(X)＝V
aa
/(V
t
+V
aa
)
ꢀꢀꢀ
(6)R(A
a
)＝(V
aa
‑
V
ia
)/(V
t
+V
aa
)
ꢀꢀꢀ
(7)其中，V
ia
＞0，V
aa
＞0且V
aa
＞V
ia
；
数据的持续加入将持续提高数据完备性，即“唯一数据样本分布的完备性”和决策水平，带来额外的新增价值V
ea
；从初次数据完备点a到完全数据完备点b的过程中，额外新增价值V
ea
趋于稳定；此时，总的价值按以下方式得到：初级要素F
i
参与时，总的价值为：V
t
+V
ia
+V
ea
，高级要素F
a
参与时，总的价值为：V
t
+V
aa
+V
ea
，在分别由初级要素F
i
和高级要素F
a
参与创造的价值中，数据要素X的价值分配比例分别按下式所示的方式得到：R(X)...

【专利技术属性】
技术研发人员：彭伟民，陈爱红，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：