[发明专利]一种非定制化数据资产估值方法

说明书

本发明公开了一种非定制化数据资产估值方法，所述方法包括：对非定制化数据资产进行处理，得到数据集；计算数据集中数据单元价值指标值；根据数据单元价值指标值，构建数据资产的多维度价值关联图谱，根据数据资产与需求匹配度构建数据资产的价值熵；利用价值熵、潜在用户异质性和市场影响因子，完成对数据资产的综合价值估值。本发明在数据资产估值方法中充分挖掘数据资产内部数据单元和历史交易数据资产的数据单元的价值关联，考虑了不同潜在用户市场需求和市场影响因子，为下一步数据资产交易提供了科学的价值依据。

技术领域

本发明涉及数据资产交易技术领域，尤其涉及一种非定制化数据资产估值方法领域。

背景技术

当前非定制化数据资产估值方法普遍针对数据资产整体进行估值，重点分析资产成本要素、固有价值要素、市场价值要素和环境要素等关键要素对估值的影响，最终给出一个具体的估值。

这些非定制化数据资产估值方法存在的主要问题：一是缺乏将数据资产与历史交易数据资产的深度关联性分析与挖掘；二是缺乏对数据资产内部价值关系的分析与挖掘，导致估值依据不明确，准确率和市场应用满意度较低；三是没有充分考虑到潜在用户的异质性导致的用户需求差异性问题，因而，得出的具体估值往往对数据资产的实际交易指导意义不大。

发明内容

为解决上述技术问题，本发明提出一种非定制化数据资产估值方法，基于非定制化数据资产中数据单元价值指标信息，在充分挖掘非定制化数据资产内数据单元之间，以及与历史交易数据资产中数据单元的深度关联性基础上，构建了数据资产的多维度价值关联图谱，进一步构建数据资产的价值熵；基于所述价值熵和已交易数据资产影响系数，完成对非定制化数据资产的综合估值。

为达到上述目的，本发明实施例公开了一种非定制化数据资产估值方法，所述方法包括：

S1、对非定制化数据资产进行处理，得到数据集；所述数据集包括数据单元和数据单元关系；所述非定制化数据资产表征未明确需求方的数据资产；

S2、对所述数据集中所有数据单元进行处理，得到数据单元价值指标信息集；

S3、利用所述数据单元价值指标信息集，对所述数据集进行处理，构建所述非定制化数据资产的多维度价值关联图谱；

S4、根据所述多维度价值关联图谱，对所述数据集进行处理，构建所述非定制化数据资产的价值熵；

S5、基于所述价值熵，对所述非定制化数据资产进行综合估值，得到所述非定制化数据资产的估值信息。

作为一种可选的实施方式，在本发明实施例中，所述对非定制化数据资产进行处理，得到数据集，包括：

S11、利用分词、词袋向量和朴素贝叶斯分类器等自动语言处理技术，对数据资产进行最小语义单元划分，得到语义单元集；

S12、采用数据库相似度对比、t检验、语义相似度查重和杰卡德相似系数等比对查重方法，对所述语义单元集进行比对查重，去除其中重复的最小语义单元，得到第二语义单元集；

S13、利用TF-IDF表示、卡方特征选择和支持向量机分类器等智能化扫描技术，对所述第二语义单元集进行分类处理，得到所述数据集的数据单元；

S14、利用词法分析、句法分析、语用分析和语境分析等语义识别技术，对所述数据集中所有数据单元间的关系进行识别，得到所述数据集的数据单元关系。

作为一种可选的实施方式，在本发明实施例中，所述数据单元价值指标信息包括：数据成本指标、数据质量指标、数据的层次指标、数据协调性指标；

所述数据成本指标包括时间成本、经济成本、资源成本；

所述数据质量指标包括数据时效、数据内容、数据可靠性、数据技术性指标；