一种基于人工智能的数据资产管理方法、系统及介质技术方案

本发明专利技术公开了一种基于人工智能的数据资产管理方法、系统及介质，具体涉及人工智能技术领域，包括S1、多源数据采集，基于人工智能技术的多模态感知能力，通过全栈埋点技术在各类系统中植入轻量化数据采集代理，实时获取多源数据，采用差分隐私技术对敏感数据注入拉普拉斯噪声，确保原始数据脱敏，然后对齐进行归一化；针对数据断点，通过时间序列插值算法补全数据，构建多模态数据特征矩阵；输出为结构化的多源异构数据集；本发明专利技术通过整合基础属性、动态行为、资产价值三类多模态数据，构建三层异构评估体系，解决了传统方法依赖单一维度的局限性，实现了数据资产的多维度量化评估。

【技术实现步骤摘要】

本专利技术涉及人工智能，更具体地说，本专利技术涉及一种基于人工智能的数据资产管理方法、系统及介质。

技术介绍

1、随着数字化进程的加速，企业和组织积累了海量的数据，这些数据蕴含着巨大的价值。有效的数据资产管理，对于提升数据质量、挖掘数据价值、为业务决策提供支持具有关键意义。

2、传统的数据资产管理方法通常包括数据收集、数据整理和数据分析等步骤。其中，数据收集主要通过企业内部系统记录、人工录入等方式获取数据；数据整理是对收集到的数据进行清洗、分类和存储；数据分析则是运用简单的统计方法对整理后的数据进行处理，以获取初步的信息。

3、然而，传统方法在实际应用中存在诸多问题；数据评估维度单一，仅关注数据存储属性，缺乏对数据质量、使用频率、业务价值等多维度的综合分析，难以全面量化资产价值；动态响应能力不足：基于历史数据的静态管理模式，无法实时捕捉数据资产的访问波动、更新频率等动态特征，导致资源配置滞后；异构数据处理低效，对非结构化数据的处理能力有限，缺乏统一的特征建模方法，难以实现多模态数据的价值融合。

4、因此，亟需提供一种基于本文档来自技高网...

【技术保护点】

1.一种基于人工智能的数据资产管理方法，其特征在于，包括：

2.根据权利要求1所述的一种基于人工智能的数据资产管理方法，其特征在于：所述多源异构数据集包括数据质量数据、动态价值数据以及资产关联数据。

3.根据权利要求2所述的一种基于人工智能的数据资产管理方法，其特征在于：所述数据质量数据包括数据完整性，记作I，数据准确性，记作A，错误率，记作E，冗余度，记作R，行业数据质量基准值，记作Q；动态价值数据包括访问频率，记作ρ，更新活跃度，记作U，关联应用数，记作C；企业内最高动态价值基准，记作D；资产关联数据包括业务关联度，记作Rb，使用效益，记作B，合规风险等级，记...

【技术特征摘要】

1.一种基于人工智能的数据资产管理方法，其特征在于，包括：

2.根据权利要求1所述的一种基于人工智能的数据资产管理方法，其特征在于：所述多源异构数据集包括数据质量数据、动态价值数据以及资产关联数据。

3.根据权利要求2所述的一种基于人工智能的数据资产管理方法，其特征在于：所述数据质量数据包括数据完整性，记作i，数据准确性，记作a，错误率，记作e，冗余度，记作r，行业数据质量基准值，记作q；动态价值数据包括访问频率，记作ρ，更新活跃度，记作u，关联应用数，记作c；企业内最高动态价值基准，记作d；资产关联数据包括业务关联度，记作rb，使用效益，记作b，合规风险等级，记作c，全局资产关联基准，记作rg，数据未使用天数，记作δt。

4.根据权利要求1所述的一种基于人工智能的数据资产管理方法，其特征在于：所述数据价值影响系数通过数据完整性作为正向驱动与准确性作为正向驱动的乘积表征数据基础价值，以错误率与冗余度的乘积作为逆向抑制因子削弱低质量数据的影响，最终通过行业基准值实现量纲归一，消除不同行业数据质量标准的差异，用于量化数据资产的基础质量水平，识别数据在完整性和准确性层面的核心优势与缺陷。

5.根据权利要求1所述的一种基于人工智能的数据资产管理方法，其特征在于：所述数据时效性影响系数通过访问频率与更新活跃度的乘积捕捉数据实时价值，以关联应用数增强跨系统数据交互的价值权重，采用双曲正切函数压缩异常高频访问的噪声干扰，最终通过企业内最高动态价值基准实现量级归一，用于反映数据资产...

【专利技术属性】
技术研发人员：胡国安，万峥，岳星，朱玉才，马辉，
申请(专利权)人：深圳有为通讯科技有限公司，
类型：发明
国别省市：