基于熵的數據價值衡量與定價方法技術

本發明專利技術提供了一種基于熵的數據價值衡量與定價方法，包括如下步驟：步驟1：定義數據商品新型的價格函數；步驟2：將數據集抽象成為數據矩陣；步驟3：從數據集的行和屬性兩個角度來度量數據集的信息量，獲得數據集的定價策略。本發明專利技術提供的基于熵的數據價值衡量與定價適用性強，數據交易平臺只需要收集數據集的瀏覽點擊次數和為獲得該數據集支付的成本費用等信息，便可根據本發明專利技術中給出的定價方法進行定價；通過大量的實驗發現，本發明專利技術的度量方法與分類正確率有較高的正相關性，因此本發明專利技術的定價策略相較于傳統方法更加可靠，且具有較高的針對性。

【技術實現步驟摘要】
基于熵的數據價值衡量與定價方法
本專利技術涉及信息服務
，具體地，涉及基于熵的數據價值衡量與定價方法。
技術介紹
近年來，信息商品的交易和無線網絡的使用正在經歷一個巨大的增長。人們對于高質量，可信賴的信息商品的需求與日俱增。信息商品的交易量逐年遞增，此類交易服務多數由各大數據提供平臺(諸如MicrosoftAzureDataMarketplace,Inforchimp等)所提供。這些數據提供平臺不僅出售數據和信息商品，同時還搭配出售與數據相關的分析和存儲服務。但是，至今在這些平臺上，仍然沒有一個統一的、明確的信息商品定價策略，這阻礙了信息商品交易的進一步發展。如今，主流的或者被廣泛研究的定價策略有三種：訂閱制(Subscription)策略：訂閱制是一種傳統的信息商品定價策略。在那些使用該策略的數據交易平臺，如MicrosoftAzureDataMarketplace，數據購買者并不會真正擁有數據，而是每月繳納一定的費用，從而獲得訪問該數據平臺上相應數據的權利。比如在Azure平臺，數據商品分為兩大類：無限制訂閱型和有限制訂閱型。無限制訂閱型數據商品是指用戶在每月繳納一定費用后，可以無限制次數地訪問該數據商品。而有限制訂閱型數據商品是指用戶在每月繳納一定費用后，只能有限次數地訪問該數據商品。繳費是月結制，即每月用完訪問次數或者使用時間已到，就只能到下個月重新繳費再獲得數據訪問權。雖然，對于數據交易平臺來說，這種定價策略易于實現，但是如果沒有設計好商品價格水平的話，會容易出現套利現象，從而導致平臺利益受損。基于查詢(Query)的定價策略：基于查詢的定價策略是收到SQL關系數據庫的啟發。其交易流程是數據購買者對于自己想要的數據商品，向數據交易平臺發起一個查詢(Query)。數據交易平臺根據該查詢將指定數據集的視窗(View)作為結果返回給購買者。其交易費用是由交易平臺根據查詢復雜度而制定。然而，比較難的是找到一個精確度量查詢復雜度的函數，從而比較難制定出交易費用。捆綁以及區別定價(BundlingandDiscrimination)策略：捆綁定價策略是來自于資本數據交易市場。在資本數據交易市場，數據提供者常常將多種信息商品捆綁在一起，并對不同層次的消費者收取不同的費用。因此，這種定價策略就會產生價格歧視效應。這種定價策略只有在捆綁銷售中單個商品之間是呈負相關關系時才會有效，不同的購買者才會愿意以不同的價格購買該捆綁商品。但是如今大多數信息商品都是非文本的數值數據(離散型的或者連續型的)，人們不容易直觀地發現這些數據間的相關程度。另外，如今也沒有一個量化的方法來度量數據商品中的信息量。因此，數據生產商們也很難對自己的數據商品進行一個合理定價，因此更無法有效地捆綁出售自己的產品。
技術實現思路
針對現有技術中的缺陷，本專利技術的目的是提供一種基于熵的數據價值衡量與定價方法。根據本專利技術提供的基于熵的數據價值衡量與定價方法，包括如下步驟：步驟1：定義數據商品新型的價格函數；步驟2：將數據集抽象成為數據矩陣；步驟3：從數據集的行和屬性兩個角度來度量數據集的信息量，獲得數據集的定價策略。優選地，所述步驟1包括：令數據的價格P是數據信息熵H的函數，記為：P＝f(H)(1)將一個擁有n個可能的值，記為{x1,x2,…,xn}和概率分布函數為p(X)的離散變量X的熵定義為H(X)：式中：p(xi)表示取xi值時的概率；當存在兩個離散變量X,Y，且分別對應有n和m個可能的輸出值，記為{x1,x2,…,xn}，{y1,y2,…,ym}，則定義X,Y的聯合概率分布函數p(X,Y)，采用聯合熵來度量X,Y所共同擁有的信息量，定義為H(X，Y)：式中：p(xi,yj)表示輸出值xi,yj同時出現的聯合概率；n和m為正整數。優選地，所述步驟2包括：步驟2.1：將擁有n行記錄m列屬性的數據集抽象成為一個n×m的數據矩陣X，記為：令ri＝(xi1xi2…xim)，ri表示第i條記錄，對應于矩陣X的第i行；其中i＝1,2,…,n；矩陣X的第j列屬性記為：其中j＝1,2,…,m。優選地，所述步驟3包括：步驟3.1：基于屬性的數據集信息度量；對于單個屬性cj，共有k個可能的值記為利用信息熵來度量屬性cj所含有的信息量：其中，式中：H(cj)表示第j個屬性的信息熵，表示第j個屬性中第i個值出現的概率，表示第j個屬性的第i個值，xij表示數據集中第i行第j列的值，表示xij是否等于當數據集中有多個屬性需要度量時，采用聯合熵，具體地，定義一個屬性集合所述屬性集合Sk的基于屬性的信息量定義為多個屬性的聯合熵：式中：Hc(Sk)表示k個屬性組成的集合的信息熵，表示在這個屬性集合中第k個屬性，表示這k個屬性組成的信息熵的聯合熵；聯合公式2、公式5、公式6求解公式7所定義的多屬性的聯合熵；步驟3.2：基于行的數據集信息度量；將擁有n行記錄m個屬性的數據集X基于行的信息量定義為：式中：ri表示第i個數據集中的一條記錄；Hr(X)表示數據子集X的信息熵，p(ri)表示第i條記錄出現的概率，假設在數據交易平臺中，給定一個數據集D，數據購買者可能購買整個數據集D，也可能只購買數據集D的子集S，其中子集S可以就是數據集D本身；則基針對數據子集S給出如下定價策略如下：式中，compensate(D)表示數據平臺為獲得數據集D所需要向數據擁有者支付的費用，h(D)表示數據集D在整個數據平臺中的熱度，Price(S)表示欲購買數據子集S的價格，Hr(S)表示S的信息熵，Hr(D)表示數據集D的信息熵，h(D)表示數據集D在數據平臺中的熱度；其中：式中，click(D)表示該平臺下數據集D點擊瀏覽的次數，click(Di)表示該平臺下數據集Di點擊瀏覽的次數；Di表示數據平臺中第i個數據集；公式10中分子表示該數據集被點擊的次數，分母表示該平臺下所有數據集被點擊瀏覽的次數，從而來表示數據集D在整個數據交易平臺中的熱門程度。與現有技術相比，本專利技術具有如下的有益效果：本專利技術提供的基于熵的數據價值衡量與定價方法適用性強，數據交易平臺只需要收集數據集的瀏覽點擊次數和為獲得該數據集支付的成本費用等信息，便可根據本專利技術中給出的定價方法進行定價；通過大量的實驗發現，本專利技術的度量方法與分類正確率有較高的正相關性，因此本專利技術的定價策略相較于傳統方法更加可靠，且具有較高的針對性。附圖說明通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本專利技術的其它特征、目的和優點將會變得更明顯：圖1為某一數據集的記錄示意圖；圖2為Letter數據集上的分類正確率與基于屬性的信息熵的關系示意圖；圖3為在Mushroom數據集上的分類正確率與基于屬性的信息熵的關系示意圖；圖4為在Ecoli數據集上的分類正確率與基于屬性的信息熵的關系示意圖；圖5為在Vehicle數據集上的分類正確率與基于屬性的信息熵的關系示意圖；圖6為在Letter數據集上的分類正確率與基于行的信息熵的關系示意圖；圖7為在Mushroom數據集上的分類正確率與基于行的信息熵的關系示意圖；圖8為在Ecoli數據集上的分類正確率與基于行的信息熵的關系示意圖；圖9為在Vehicle數據集上的分類正確率與基于行的信息熵的關系示意圖。具體實施方式本文檔來自技高網...

【技術保護點】
一種基于熵的數據價值衡量與定價方法，其特征在于，包括如下步驟：步驟1：定義數據商品新型的價格函數；步驟2：將數據集抽象成為數據矩陣；步驟3：從數據集的行和屬性兩個角度來度量數據集的信息量，獲得數據集的定價策略。

【技術特征摘要】
1.一種基于熵的數據價值衡量與定價方法，其特征在于，包括如下步驟：步驟1：定義數據商品新型的價格函數；步驟2：將數據集抽象成為數據矩陣；步驟3：從數據集的行和屬性兩個角度來度量數據集的信息量，獲得數據集的定價策略。2.根據權利要求1所述的基于熵的數據價值衡量與定價方法，其特征在于，所述步驟1包括：令數據的價格P是數據信息熵H的函數，記為：P＝f(H)(1)將一個擁有n個可能的值，記為{x1,x2,…,xn}和概率分布函數為p(X)的離散變量X的熵定義為H(X)：式中：p(xi)表示取xi值時的概率；當存在兩個離散變量X,Y，且分別對應有n和m個可能的輸出值，記為{x1,x2,…,xn}，{y1,y2,…,ym}，則定義X,Y的聯合概率分布函數p(X,Y)，采用聯合熵來度量X,Y所共同擁有的信息量，定義為H(X，Y)：式中：p(xi,yj)表示輸出值xi,yj同時出現的聯合概率；n和m為正整數。3.根據權利要求1所述的基于熵的數據價值衡量與定價方法，其特征在于，所述步驟2包括：步驟2.1：將擁有n行記錄m列屬性的數據集抽象成為一個n×m的數據矩陣X，記為：令ri＝(xi1xi2…xim)，ri表示第i條記錄，對應于矩陣X的第i行；其中i＝1,2,…,n；矩陣X的第j列屬性記為：其中j＝1,2,…,m。4.根據權利要求1所述的基于熵的數據價值衡量與定價方法，其特征在于，所述步驟3包括：步驟3.1：基于屬性的數據集信息度量；對于單個屬性cj，共有k個可能的值記為利用信息熵來度量屬性cj所含有的信息量：其中，

【專利技術屬性】
技術研發人員：姚建國，李希君，管海兵，
申請(專利權)人：上海交通大學，
類型：發明
國別省市：上海,31