本申请实施例涉及数据交易技术领域，公开了一种数据商品定价方法、装置、设备及计算机可读存储介质，该方法包括：获取待评估数据商品及其类型；获取与待评估数据商品的类型相同的所有同类数据商品的用户评价和销售价格；由情感分析模型输出每个所述同类数据商品的用户评价对应的情感系数；计算每个同类数据商品的评价量权重；计算每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积；将所有的乘积求和，得到所述待评估数据商品的定价。通过上述方式，本申请实施例实现了对待评估商品的定价更为准确。为准确。为准确。
【技术实现步骤摘要】
数据商品定价方法、装置、设备及计算机可读存储设备
[0001]本申请实施例涉及数据交易
，具体涉及一种数据商品定价方法、装置、设备及计算机可读存储设备。
技术介绍
[0002]目前，数据作为新型生产要素，已快速融入生产、分配、流通、消费和社会服务管理等各环节，数据定价是打开数据要素交易市场的关键因素。现有的数据定价方案主要是依赖于平台软件算法建立数据定价模型进行分析定价。在基于数据质量的定价模型中依赖于多种数据质量维度，不同的机构、企业和用户对数据质量维度的标准不尽相同，数据质量的评估方法有定量方法、定性方法和综合方法，准确性、完整性等维度可以用公式定量，客户诚信、维度权重的可解释性等就需要专家评估或者用户反馈。
[0003]现有的数据定价模型对用户反馈分析的普遍方案是根据用户评分对卖家用户进行资质分级，然后加到数据质量分析中。然而用户评分只能大致反映出用户对于数据商品的满意度和数据交易平台的整体服务质量，得到的分析效果过于笼统，无法得出具有针对性的准确结果。
技术实现思路
[0004]鉴于上述问题，本申请实施例提供了一种数据商品定价方法、装置及设备，可以使对待评估商品的定价更为准确。
[0005]根据本申请实施例的一个方面，提供了一种数据商品定价方法，所述方法包括：获取待评估数据商品及其类型；获取与所述待评估数据商品的类型相同的所有同类数据商品的用户评价和销售价格；将每个同类数据商品的用户评价分别输入情感分析模型中，由所述情感分析模型输出每个所述同类数据商品的用户评价对应的情感系数，其中，所述情感系数为0
‑
1之间的数值；计算每个同类数据商品的用户评价数量在所有同类数据商品的用户评价总数中的占比，得到每个同类数据商品的评价量权重；计算每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积；将所有的乘积求和，得到所述待评估数据商品的定价。
[0006]本申请实施例提供的数据商品定价方法，首先根据待评估数据商品的类型获取所有同类数据商品的用户评价和销售价格，跟同类型数据商品的销售价格和用户评价作比较可以使待评估数据商品的定价更符合市场标准。接着将获取到的所有同类数据商品的用户评价分别输入情感分析模型中，由情感分析模型输出每个所述商品的用户评价对应的情感系数，每个同类数据商品的情感系数代表了用户对该数据商品的反馈。然后计算每个同类数据商品的用户评价数量在所有同类数据商品的用户评价总数中的占比，得到每个同类数据商品的评价量权重，评价量越多的同类数据商品的权重越高，削弱了某些极端情况下，例如某个同类数据商品的评价量较少，但存在明显情感偏向而导致该同类数据商品的情感系数过大或过小的不客观情况对定价的影响，使得结果更加合理。最后将每个同类数据商品
的销售价格、评价量权重和情感系数的乘积求和得到待评估数据商品的定价。
[0007]在一种可选的方式中，在所述计算每个同类数据商品的用户评价数量在所有商品的用户评价总数中的占比，得到每个商品的评价量权重之后，所述方法还包括：去除小于预设阈值的评价量权重对应的同类数据商品。将评价量过少的同类数据商品去除可以使得待评估数据商品的定价更加合理。
[0008]在一种可选的方式中，所述计算每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积，包括：按照预定的大小顺序对所述情感系数进行排序，去除前第一预设范围和后第二预设范围情感系数对应的同类数据商品；计算其余每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积。将情感系数过大和过小的同类数据商品去除，从而能更准确地反映同类数据商品的市场价值的一般趋势。
[0009]在一种可选的方式中，所述计算每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积，包括：获取所述待评估数据商品和每个同类数据商品的数据量；计算所述待评估数据商品的数据量与每个同类数据商品的数据量之间的比值，得到每个商品的数据量系数；计算每个同类数据商品的销售价格、评价量权重、该商品的用户评价对应的情感系数以及该同类数据商品的数据量系数四者的乘积。使得待评估数据商品的定价更符合其本身的价值。
[0010]在一种可选的方式中，在所述将每个同类数据商品的用户评价分别输入情感分析模型中之前，所述方法还包括：获取交易平台所有数据商品的用户评价，所述交易平台所有商品的用户评价包括文本信息和用户评价星级；将星级数量大于或等于预设星级数量的用户评价星级对应的文本信息确定为积极评价样本，将星级数量小于所述预设星级数量的用户评价星级对应的文本信息确定为消极评价样本；将所述积极评价样本和所述消极评价样本输入情感分析模型当中进行训练，得到训练好的情感分析模型，其中，在所述积极评价样本中出现频率越高的关键词对应的情感系数越高，在所述消极评价样本中出现频率越高的关键词对应的情感系数越低。得出属于数据交易领域且最贴合该交易平台内的数据商品的情感分析模型，由此使得待评估数据商品的定价更准确。
[0011]在一种可选的方式中，在所述将所述积极评价样本和所述消极评价样本输入情感分析模型中进行训练之前，所述方法还包括：将设定好的关键词典导入到所述情感分析模型中的分词模块，其中，所述关键词典包含与数据商品相关的文本信息。使得情感分析的结果更加准确。
[0012]在一种可选的方式中，在所述将所述积极评价样本和所述消极评价样本输入情感分析模型当中进行训练，得到训练好的情感分析模型之后，所述方法还包括：获取最近设定时间段内生成的用户评价；将所述最近设定时间段内生成的用户评价作为所述交易平台所有商品的用户评价，并跳转至所述将星级数量大于或等于预设星级数量的用户评价星级对应的文本信息确定为积极评价样本，将星级数量小于所述预设星级数量的用户评价星级对应的文本信息确定为消极评价样本的步骤。进一步更新情感分析中特征词的权重，使得情感系数的结果更符合数据交易市场的客观发展规律。
[0013]根据本申请实施例的另一方面，提供了一种数据商品定价装置，包括：获取模块，用于获取待评估数据商品及其类型和与所述待评估数据商品的类型相同的所有同类数据
商品的用户评价和销售价格；输入模块，用于将每个同类数据商品的用户评价输入情感分析模型中；学习模块，用于训练情感分析模型，得到每个同类数据商品的情感系数；计算模块，用于计算每个同类数据商品的用户评价数量在所有同类数据商品的用户评价总数中的占比，所述计算模块还用于计算每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积，所述计算模块还用于将所有的乘积求和，得到所述待评估数据商品的定价。
[0014]根据本申请实施例的另一方面，提供了一种数据商品定价设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存储可执行指令，所述可执行指令使所述处理器执行如上任意本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据商品定价方法，其特征在于，所述方法包括：获取待评估数据商品及其类型；获取与所述待评估数据商品的类型相同的所有同类数据商品的用户评价和销售价格；将每个同类数据商品的用户评价分别输入情感分析模型中，由所述情感分析模型输出每个所述同类数据商品的用户评价对应的情感系数，其中，所述情感系数为0
‑
1之间的数值；计算每个同类数据商品的用户评价数量在所有同类数据商品的用户评价总数中的占比，得到每个同类数据商品的评价量权重；计算每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积；将所有的乘积求和，得到所述待评估数据商品的定价。2.根据权利要求1所述的数据商品定价方法，其特征在于，在所述计算每个同类数据商品的用户评价数量在所有商品的用户评价总数中的占比，得到每个商品的评价量权重之后，所述方法还包括：去除小于预设阈值的评价量权重对应的同类数据商品。3.根据权利要求1所述的数据商品定价方法，其特征在于，所述计算每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积，包括：按照预定的大小顺序对所述情感系数进行排序，去除前第一预设范围和后第二预设范围情感系数对应的同类数据商品；计算其余每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积。4.根据权利要求1所述的数据商品定价方法，其特征在于，所述计算每个同类数据商品的销售价格、评价量权重和该同类数据商品的用户评价对应的情感系数三者的乘积，包括：获取所述待评估数据商品和每个同类数据商品的数据量；计算所述待评估数据商品的数据量与每个同类数据商品的数据量之间的比值，得到每个商品的数据量系数；计算每个同类数据商品的销售价格、评价量权重、该商品的用户评价对应的情感系数以及该同类数据商品的数据量系数四者的乘积。5.根据权利要求1所述的数据商品定价方法，其特征在于，在所述将每个同类数据商品的用户评价分别输入情感分析模型中之前，所述方法还包括：获取交易平台所有数据商品的用户评价，所述交易平台所有商品的用户评价包括文本信息和用户评价星级；将星级数量大于或等于预设星级数量的用户评价星级对应的文本信息确定为积极评价样本，将星级数量小于所述预设星级数量的用户评价星级对应的文本信息确定为消极评价样本；将所述积极评价样本和所...
【专利技术属性】
技术研发人员：杜自然，吴悦兆，邵雷，董传晔，
申请(专利权)人：深圳市羚动数据管理合伙企业有限合伙，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。