[发明专利]一种基于反向拍卖模型的大宗商品交易数据共享激励方法和系统在审

专利信息
申请号: 202110361421.7 申请日: 2021-04-02
公开(公告)号: CN113112360A 公开(公告)日: 2021-07-13
发明(设计)人: 蒋嶷川;杨松伟;狄凯 申请(专利权)人: 东南大学
主分类号: G06Q40/04 分类号: G06Q40/04;G06Q30/08;G06Q30/02;G06Q10/06
代理公司: 南京众联专利代理有限公司 32206 代理人: 程洁
地址: 210096 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 反向 拍卖 模型 大宗 商品交易 数据 共享 激励 方法 系统
【权利要求书】:

1.一种基于反向拍卖模型的大宗商品交易数据共享激励方法和系统,其特征在于:该方法包含以下四个步骤:

S1:数据拍卖活动发布阶段:综合服务平台作为交易数据的购买方,交易平台作为交易数据的卖方。首先由综合服务平台来发出数据拍卖需求,系统将数据需求发布给交易平台;

S2:获胜标的计算阶段:交易平台根据自己平台内已有的交易数据来参与竞拍,提交竞拍标的;综合服务平台通过计算标的,给出该次竞拍中获胜的交易平台;

S3:交易平台上传数据:交易平台上传自己的竞拍数据;

S4:报酬支付阶段:综合服务平台根据竞拍结果为获胜的交易平台支付积分。

2.根据权利要求1所述的基于反向拍卖模型的大宗商品交易数据共享激励方法和系统,其特征在于,所述步骤S1主要包含以下步骤:

S11:综合服务平台发布数据需求竞拍活动t,t主要包括竞拍活动的标题title、竞拍活动的数据需求描述desc、竞拍活动的预算budget、竞拍活动的开始时间startTime和结束时间endTime,表示为t={title,desc,budget,startTime,endTime},综合服务平台发布的所有竞拍活动构成竞拍活动列表T={t1,t2,…,tn};

S12:综合服务平台将待发布的数据需求发布给交易平台,交易平台的集合记为N={1,2,3,...,n}。

3.根据权利要求l所述的基于反向拍卖模型的大宗商品交易数据共享激励方法和系统,其特征在于,所述步骤S2主要包含以下步骤:

S21:在竞拍活动tk的开始时间startTime之后,交易平台i可以根据自己平台已有的数据选择参与tk,交易平台i提交自己的竞拍标的bi,竞拍标的由共享的数据的大小di,数据的大小的单位是MB,以及共享数据的代价ci构成,ci是综合服务平台的虚拟积分。即bi={di,ci}构成;

S22:当前时间在竞拍活动tk的结束时间endTime之后时,综合服务平台获取参与当前竞拍活动tk的交易平台提交的竞拍标的列表假设该次拍卖活动有n个交易平台参与,即N={1,2,…,n};

S23:判断当前的竞拍列表Bk是否为空,若非空,计算当前竞拍列表Bk中的每一个标的的单位数据代价其中

S24:选取单位数据代价列表中单位价值最高(即单位数据代价最小)的标的,判断总预算是否大于获胜标的,如果大于,将标的加入到胜者标的列表W中,然后更新总预算,将获胜者的标的从当前竞拍标的列表中移除。然后继续计算获胜者的列表直到竞拍列表Bk为空;

S25:假设从n个竞拍标的中计算出1个获胜用户,即W={n1,n2,…,nl,nl+1}。这里采用二价支付规则,即交易平台n1所获得的报酬然后将加入到报酬集合列表Pk中,然后依次计算剩余用户的支付报酬,最后得到所有获胜交易平台的报酬集合Pk

S26:直到数据报价列表为空。

4.根据权利要求1所述的基于反向拍卖模型的大宗商品交易数据共享激励方法和系统,其特征在于,所述步骤S4主要包含以下步骤:

S41:综合服务平台系统根据参与竞拍的用户列表以及获胜列表来通知各个交易平台是否竞拍获胜。在获胜列表中的交易平台是在此次拍卖中获胜的平台,即W集合中的交易平台。在参与竞拍的用户列表但不在获胜集合中的交易平台是未获胜的交易平台;

S42:综合服务平台会显示交易平台的竞拍结果,即该次竞拍是否成功。交易平台根据综合服务平台显示的结果来决定是否需要上传数据。如果综合服务平台显示竞拍成功,那么交易平台需要上传数据,如果显示竞拍失败,则不需要上传数据;

S43:综合服务平台为上传竞拍数据的交易平台i支付报酬

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110361421.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top