CN107590694A - 一种数据交易确定方法及装置 - Google Patents

一种数据交易确定方法及装置 Download PDF

Info

Publication number
CN107590694A
CN107590694A CN 201710820881 CN201710820881A CN107590694A CN 107590694 A CN107590694 A CN 107590694A CN 201710820881 CN201710820881 CN 201710820881 CN 201710820881 A CN201710820881 A CN 201710820881A CN 107590694 A CN107590694 A CN 107590694A
Authority
CN
Grant status
Application
Patent type
Prior art keywords
target
variable
data
price
seller
Prior art date
Application number
CN 201710820881
Other languages
English (en)
Inventor
刘驰
李义常
Original Assignee
北京理工大学
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date

Links

Abstract

本发明实施例提供了一种数据交易确定方法及装置,该方法为获取目标卖方对应的价格阈值,获取预设交易价格,将所述预设交易价格作为当前交易价格,判断当前交易价格是否大于每个价格阈值,大于价格阈值的当前交易价格,基于当前交易价格,获取第一优化目标模型,通过计算获得第一变量;基于当前交易价格,获取第二优化目标模型,通过计算获得第二变量,根据第一变量、第二变量和当前交易价格,获取第三优化目标模型,计算第三优化目标模型,获得交易平台利益最大值;根据所述交易平台利益最大值,确定交易价格。本发明提供的实施例保证了数据定价的公平,提高了数据市场交易效率。

Description

一种数据交易确定方法及装置

技术领域

[0001] 本发明涉及大数据信息技术领域,特别是涉及一种数据交易确定方法及装置。

背景技术

[0002] 随着信息技术的飞速发展和经济的融合,在各行各业,尤其是金融和IT产业产生 的海量的交易数据和业务数据,已经成为企业的核心资源,数据交易也成为了创新的商业 模式。由于缺乏规范的交易渠道和交易规范,统一的大数据交易平台的出现势在必行。

[0003] 目前,大数据交易平台的定价均为卖方与交易所确定,以国内贵阳大数据交易所 的定价系统为例,数据价格主要由卖方,数据定价由卖方和交易所共同确定。数据买方可以 通过交易系统查询每一类数据的实时价格。按成交方式,最终成交价分为两种形式:

[0004] 自动成交:当数据买方应约价等于或者高于卖方挂牌价时,自动成交,成交价为买 方应约价。

[0005] 卖方选择成交:对于不能自动成交的应约,卖方可选择能接受的应约与其成交,成 交价为买方应约价。

[0006] 由上可知,数据交易市场实行“卖方定价-买方选择”的简单模型,数据定价由卖方 主导,由于卖方主导的数据定价偏高或偏低,造成交易不公平,交易效率低。

发明内容

[0007] 本发明实施例的目的在于提供一种数据交易确定方法及装置,以实现交易公平 化,提尚交易效率。

[0008] 本发明实施例提供了一种数据交易确定方法,所述方法包括:

[0009] 获取目标卖方对应的价格阈值;获取预设交易价格,将所述预设交易价格作为当 前交易价格;判断当前交易价格是否大于每个价格阈值;

[0010] 大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量为变量的第 一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第一变量为第i个目标 买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一目标优化模型为目标 买方利益达到最大化的模型;

[0011] 基于当前交易价格,获取以第二变量为变量的第二优化目标模型,计算第二优化 目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖目标数据,所述第二 优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序号;

[0012] 根据第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优化目 标模型,计算第三优化目标模型,获得交易平台利益最大值,其中,所述第三变量为第i个目 标买方是否购买了第j个目标卖方的数据,所述第三优化模型为交易平台利益达到最大化 的模型;

[0013] 根据所述交易平台利益最大值,确定交易价格。

[0014] 本发明实施例提供了一种数据交易确定装置,所述装置包括:

[0015] 第一获取模块,用于获取目标卖方对应的价格阈值;

[0016] 第二获取模块,用于获取预设交易价格,将所述预设交易价格作为当前交易价格; 判断模块,用于判断当前交易价格是否大于每个价格阈值;

[0017] 第一变量获取模块,用于大于价格阈值的当前交易价格,基于当前交易价格,获取 以第一变量为变量的第一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所 述第一变量为第i个目标买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述 第一目标优化模型为目标买方利益达到最大化的模型;

[0018] 第二变量获取模块,用于基于当前交易价格,获取以第二变量为变量的第二优化 目标模型,计算第二优化目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是 否卖目标数据,所述第二优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序 号;

[0019] 利益最大值获取模块,用于根据第一变量、第二变量和当前交易价格,获取以第三 变量为变量的第三优化目标模型,计算第三优化目标模型,获得交易平台利益最大值,其 中,所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据,所述第三优化模型 为交易平台利益达到最大化的模型;

[0020] 交易价格确定模块,用于根据所述交易平台利益最大值,确定交易价格。

[0021] 在本发明实施的又一方面,本发明提供的实施例提供了一种电子设备,其特征在 于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总 线完成相互间的通信;

[0022] 存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,使得 计算机执行上述任一所述的一种数据交易确定方法。

[0023] 在本发明实施的又一方面,还提供了一种计算机可读存储介质,所述计算机可读 存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的一种数 据交易确定方法。

[0024] 在本发明实施的又一方面,本发明提供的实施例还提供了一种包含指令的计算机 程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的一种数据交易确定方 法。

[0025] 本发明实施例提供的一种数据交易确定方法及装置,可以获取目标卖方对应的价 格阈值;获取预设交易价格,将所述预设交易价格作为当前交易价格;判断当前交易价格是 否大于每个价格阈值;大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量 为变量的第一优化目标模型,计算第一优化目标模型,获得第一变量,基于当前交易价格, 获取以第二变量为变量的第二优化目标模型,计算第二优化目标模型,获得第二变量,根据 第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优化目标模型,计算第 三优化目标模型,获得交易平台利益最大值,根据所述交易平台利益最大值,确定交易价 格。该方法和装置保证了数据定价的公平,提高了数据市场交易效率,当然,实施本发明的 任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

[0026] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍。

[0027] 图1为本发明实施例提供的第一种数据交易确定方法的示意图;

[0028] 图2为本发明实施例提供的数据源个数与数据质量关系的示意图;

[0029] 图3为本发明实施例提供的第二种数据交易确定方法的示意图;

[0030] 图4为本发明实施例提供的第三种数据交易确定方法的示意图;

[0031] 图5为本发明实施例提供的第四种数据交易确定方法的示意图;

[0032] 图6为本发明实施例提供的一种数据交易确定装置的示意图;

[0033] 图7为本发明实施例提供的一种电子设备的示意图。

具体实施方式

[0034] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完 整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于 本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例,都属于本发明保护的范围。

[0035] 图1为本发明实施例提供的第一种数据交易确定方法的示意图,所述方法包括:

[0036] SlOl,获取目标卖方对应的价格阈值;

[0037] 其中,目标买方是数据需求者,一般包括数据需求企业、数据需求科研机构、政府 部门或数据需求个人。

[0038] 目标卖方是数据销售者,一般包括数据生产者(原始数据)、数据加工者(被加工数 据)或数据整合者(被整合数据)。

[0039] 每个目标卖方都有自己的价格底线,也就是说,目标卖方所要求的最低价格。

[0040] 交易平台是数据交易的第三方,职责是联系多个目标买方和多个目标卖方组成一 个竞争性数据市场,促成数据交易,另外交易平台为目标卖方和目标买方提供了信息分享 和交易的基础设施。

[0041] 其中,价格阈值的获取方式可以为交易平台的工作人员联系目标卖方后,获知价 格阈值后,输入到交易平台上;

[0042] 另一种获取方式可以为目标卖方通过网络输入到交易平台上。

[0043] 具体的,

[0044] 根据获取的目标信息的关键字,从预设的卖方信息库和买方信息库中搜索拥有目 标信息的卖方及对应的数据包和需求目标信息的买方;

[0045] 其中,上述目标信息的关键字为卖方或买方需要买数据或是卖数据时,在客户端 输入的所买或卖数据信息的关键字,以便通过搜索目标信息的关键字,搜索到匹配的卖方 或买方。

[0046] 获取卖方和买方的参与确认信息;

[0047] 其中,上述参与确认信息可以理解为是确认卖方和买方有多少家参与该次数据交 易。

[0048] 根据所述参与确认信息,确定目标卖方和目标买方;

[0049] 其中,基于上述参与确认信息,确定有多少家参与该次数据交易。

[0050] 解析每个目标卖方对应的数据包,确认每个数据包均包括价格阈值。

[0051] 其中,上述数据包包括价格阈值和其他目标卖方的信息,如目标卖方的名称、所要 卖数据的内容等。

[0052] 另外,交易数据类型不同,交易平台的服务费也不同。

[0053] S102,获取预设交易价格,将所述预设交易价格作为当前交易价格;

[0054] 其中,上述预设交易价格可以为交易平台预先设置的一个价格值,也可以为交易 平台的工作人员输入一个价格值。

[0055] S103,判断当前交易价格是否大于每个价格阈值;

[0056] 通过判断当前交易价格是否达到每个目标卖方的最低价格。

[0057] S104,大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量为变量 的第一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第一变量为第i个 目标买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一目标优化模型为 目标买方利益达到最大化的模型;

[0058] 其中,目标买方的目标是最大化综合数据质量,最小化收据购买开销。

[0059] 另外,可以是交易平台建立第一优化目标模型,计算第一变量,也可以为M个目标 买方基于交易平台展示的当前价格,建立第一目标优化模型,计算第一变量,并输入交易平 台或是告知交易平台的工作人员,由工作人员输入到交易平台内,M为目标买方的总数。

[0060] 具体的,

[0061] 基于当前交易价格,以第一变量为变量,按照如下表达式建立第一优化目标模型;

[0062] 所述表达式

Figure CN107590694AD00081

[0063] 其中,yi为第一变量,μ为支付开销占效用函数的权重,Ui为第j个目标买方对应的 利益值,

Figure CN107590694AD00082

为购买数据的总开销,

Figure CN107590694AD00083

,:V1为第i个目标买方从 单个目标卖方购买的数据大小,P为当前交易价格,Θ为交易平台收取交易费的比例,Φ Jy1) 为综合数据质量,

Figure CN107590694AD00084

为数据质量要求阈值,^为预算,C为综合数据 质量的理想值,a为常数;

[0064] 另外,如图2所示,Φ i⑼=0 (选择0个数据源时,综合数据质量为0)

[0065]

Figure CN107590694AD00085

(C为常数,数据质量完美时的值),从图2中可以看出,当选 择数据来源个数较少时,增加一个数据来源,则综合数据质量增加较快。当数据来源数较多 时,再增加购买数据,对综合数据质量提升较小。比如说,如果交易数据是感知数据,在一个 区域内提供的感知数据的人越多,综合数据后,则感知质量越高。如果继续增加感知数据的 提供者,对综合感知质量的提升将越来越小,直至趋近于完美感知(感知数据的提供者趋向 于无穷时)。

[0066] 计算所述第一优化目标模型,获得第一变量。

[0067] 其中,可以选择利用遗传算法计算所述第一优化目标模型,获得所述第一变量,也 可以选择利用C++的Gurobi包求解,上述Gurobi包是由美国Gurobi公司开发的新一代大规 模数学规划优化器。

[0068] S105,基于当前交易价格,获取以第二变量为变量的第二优化目标模型,计算第二 优化目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖目标数据,所述 第二优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序号;

[0069] 其中,只有当前交易价格大于目标卖方的最低价格,目标卖方才能赚钱,进而才会 有卖数据的可能,也就是说,目标卖方的目标是最大化自身利益,进一步提高达成交易的效 率。

[0070] 另外,可以是交易平台建立第二优化目标模型,计算第二变量;也可以为N个目标 卖方基于交易平台展示的当前价格,建立第二目标优化模型,计算第二变量,并输入交易平 台或是告知交易平台的工作人员,由工作人员输入到交易平台内。

[0071] 具体的,

[0072] 基于当前交易价格,以第一变量为变量,按照如下表达式建立第二优化目标模型;

[0073] 所述表达式

Figure CN107590694AD00091

[0074] 其中,Zj为第二变量,Uj为第j个目标卖方的盈利额,cost」为第j个目标卖方的获取 和上传单位数据的成本开销,V1为第i个目标买方从单个目标卖方购买的数据大小,P为当 前交易价格,Θ为交易平台收取交易费的比例

Figure CN107590694AD00092

为第j个目标卖方在规定的数据交易时 间内所能上传数据量的最大限制,M为目标卖方的总数量;

[0075] 计算第二优化目标模型,获得第二变量。

[0076] 可以选择利用遗传算法计算所述第一优化目标模型,获得所述第一变量,也可以 选择利用C++的Gurobi包求解。

[0077] S106,根据第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优 化目标模型,计算第三优化目标模型,获得交易平台利益最大值,其中,所述第三变量为第i 个目标买方是否购买了第j个目标卖方的数据;

[0078] 基于上述情况,交易平台的目标在目标买方和目标卖方的利益最大化的基础上, 获得的利益最大,也就是说,进一步在达到三方均满意的情况下,交易的效率进而得到了提 高,交易价格也相对公平。

[0079] 具体的,

[0080] 根据第一变量、第二变量和当前交易价格,以第三变量为变量,按照如下表达式建 立第三优化目标模型;

[0081] 所述表达式:

Figure CN107590694AD00093

[0082] 其中,Xlj为第三变量,即第i个目标买方是否购买了第j个目标卖方的数据,当Xlj =1时,代表第i个目标买方购买了第j个目标卖方的数据,当Xlj = O时,第i个目标买方购未 买第j个目标卖方的数据,ϋ为目标卖方数据成交额的均值,

Figure CN107590694AD00101

,.S为预 设值,a」为第j个目标卖方的信誉值,Θ为交易平台收取交易费的比例,ρ为当前交易价格,yi 为第一变量,Zj为第二变量,a」的初始值为I,M为目标卖方的总数量,j为目标卖方的序号,N 为目标买方的总数量。

[0083] 计算所述第三优化目标模型,获得所述第三变量;

[0084] 根据所述第三变量,得到交易平台利益最大值。

[0085] 其中,交易平台在对M个目标买方和N个数据卖方进行交易分配时,为确保交易分 配公平性和让信誉好的数据卖方分配更多的数据交易

Figure CN107590694AD00102

小于一个预 设值s的初始值为1,随着交易完后,目标买方对目标卖方的评分增减,如果数据质量好, 信誉将增加,否则将减少。交易平台根据M个目标买方和N个目标卖方的输出变量,求得平台 在数据的当前交价格的最大利润;

[0086] 另外,

Figure CN107590694AD00103

可以理解为当^ = 0,相=0,即第」个目标卖方不卖数据,交易平台也 不推送第i个目标买方买第j个目标卖方的数据,当W = I,Xlj = 0,表示第j个目标卖方虽然 卖数据,但是交易平台也不推送第i个目标买方买第j个目标卖方的数据,当W = I,Xlj = l, 表示第j个目标卖方卖数据,交易平台推送第i个目标方买第j个目标卖方的数据。

[0087] 可以选择利用遗传算法计算所述第一优化目标模型,获得所述第一变量,也可以 选择利用C++的Gurobi包求解。

[0088] S107,根据所述交易平台利益最大值,确定交易价格。

[0089] 基于上述情况,还可以包括如下多种实施方式,其中,第一种实施方式为:在所述 根据所述交易平台利益最大值,确定交易价格之前,还包括:

[0090] 将获得的交易平台利益最大值存储在预设的集合中;

[0091] 小于或等于价格阈值的当前交易价格,当前交易价格增加预设间隔值,将当前交 易价格增加间隔值的数值作为当前交易价格,返回继续执行S103的步骤;

[0092] 对所述集合中交易平台利益最大值按照高低排序,将最高的交易平台利益最大值 对应的当前交易价格作为交易价格。

[0093] 由此可见,本发明实施例中当前交易价格通过增加间隔值,利用循环迭代的方法, 使交易价格更加合理。

[0094] 第二种实施方式为:将获得的交易平台利益最大值存储在预设的集合中;

[0095] 小于或等于价格阈值的当前交易价格,当前交易价格增加预设间隔值,将当前交 易价格增加间隔值的数值作为当前交易价格,返回继续执行S103;

[0096] 对所述集合中交易平台利益最大值按照高低排序,将最高的交易平台利益最大值 对应的当前交易价格作为交易价格;

[0097] 获取每个目标买方用完数据后对对应目标卖方的评分;

[0098] 根据获取的评分,计算目标卖方的信誉值并对所述信誉值进行更新。

[0099] 由此可见,本发明实施例中当前交易价格通过增加间隔值,利用循环迭代的方法, 使交易价格更加合理,进而利用买方对卖方评分的方法,使以后的交易价格更加合理和公 平,交易市场良性发展。

[0100] 第三种实施方式为:将获得的交易平台利益最大值存储在预设的集合中;

[0101] 小于或等于价格阈值的当前交易价格,当前交易价格增加预设间隔值,将当前交 易价格增加间隔值的数值作为当前交易价格,返回继续执行S103;

[0102] 对所述集合中交易平台利益最大值按照高低排序,将最高的交易平台利益最大值 对应的当前交易价格作为交易价格;

[0103] 计算每个目标卖方提供数据与数据均值的差值的平方和;

[0104] 将获得的平方和按照大小进行排序;

[0105] 根据排序后的平方和,选取最大的目标预值比例的所述平方和对应的目标卖方的 信誉值减小目标阈值,其中,第一次交易的目标卖方的信誉值为1;

[0106] 根据排序后的平方和,选取最小的目标预值比例的所述平方和对应的目标卖方的 信誉值增加目标阈值;

[0107] 在预值比例的所述平方和对应的前后部分之外的中间部分对应的目标卖方的信 誉值不变。

[0108] 对目标卖方对应的信誉值进行更新。

[0109] 为了对上述评分表述更加清楚,现对其进行详细说明:当目标买方使用完数据后, 对各目标卖方评分,评分的算法为,计算每个目标卖方提供数据与数据均值的差值的平方 和,并对其从大到小排序。最大的说明提供的数据质量最差。将排序最前的三分之一的目标 卖方给差评。中间三分之一的目标卖方给中评。排序最后的(差值平方和最小的)目标卖方 给好评。交易平台更新各数据目标卖方信誉值。

[0110] 根据上述对信誉值的描述,具体示例为:第一次参与到平台进行数据交易的目标 卖方j,初始信誉值为W = 1。经过每轮数据交易,如果目标买方对他提供的数据质量给好 评,则信誉值增加W (t)=」(t-1)+b,如果差评,信誉值降低^ (t)=」(t-1) _b,如果中评,信 誉值不变W (t)=」(t-Ι)。其中^ (t)代表第t次交易之后的信誉值,b代表信誉增加值的步 长,为平台初始设定,例如b = 0.1。

[0111] 由此可见,本发明提供的实施例中当前交易价格通过增加间隔值,利用循环迭代 的方法,使交易价格更加合理,进而交易平台通过对卖方信誉值打分,使交易市场更加良性 发展。

[0112] 目标卖方的信誉值将影响到交易平台对目标卖方的数据交易分配。信誉越高的目 标卖方,分配到的数据交易越多,目标卖方的盈利越多。这种机制将促使数据目标卖方不断 提高自身数据质量。

[0113] 由此可见,本发明提供的实施例基于使目标卖方、目标买方和交易平台的利益达 到最大化,确定了数据交易价格,保证了数据定价的公平,提高了数据市场交易效率。

[01M]图3为本发明实施例提供的第二种数据交易确定方法的示意图,所述方法包括:

[0115] S201,根据获取的目标信息的关键字,从预设的卖方信息库和买方信息库中搜索 拥有目标信息的卖方及对应的数据包和需求目标信息的买方;

[0116] S202,获取卖方和买方的参与确认信息;

[0117] S203,根据所述参与确认信息,确定目标卖方和目标买方;

[0118] S204,解析每个目标卖方对应的数据包,确认每个数据包均包括价格阈值;

[0119] S205,获取预设交易价格,将所述预设交易价格作为当前交易价格;

[0120] 其中,步骤S205-S210分别与图1实施例中的步骤S102-S107执行的方法相同。因 此,图1中的所有实施例均适用于图3,且均能达到相同或相似的有益效果,在此不再赘述。

[0121] S206,判断当前交易价格是否大于每个价格阈值;

[0122] S207,大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量为变量 的第一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第一变量为第i个 目标买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一目标优化模型为 目标买方利益达到最大化的模型;

[0123] S208,基于当前交易价格,获取以第二变量为变量的第二优化目标模型,计算第二 优化目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖目标数据,所述 第二优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序号;

[0124] S209,根据第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优 化目标模型,计算第三优化目标模型,获得交易平台利益最大值,其中,所述第三变量为第i 个目标买方是否购买了第j个目标卖方的数据;

[0125] S210,根据所述交易平台利益最大值,确定交易价格。

[0126] 由此可见,本发明提供的实施例能够根据获取的目标信息的关键字,从预设的卖 方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买 方,然后通过卖方和买方的参与确认信息,确定最终的交易方,利用三方交易获得利益最大 化,确定最终价格,保证了数据定价的公平,提高了数据市场交易效率。

[0127] 图4为本发明实施例提供的第三种数据交易确定方法的示意图,所述方法包括:

[0128] S301,根据获取的目标信息的关键字,从预设的卖方信息库和买方信息库中搜索 拥有目标信息的卖方及对应的数据包和需求目标信息的买方;

[0129] 其中,步骤S301-S309分别与图3实施例中的步骤S201-S209执行的方法相同。因 此,图3中的所有实施例均适用于图4,且均能达到相同或相似的有益效果,在此不再赘述。

[0130] S302,获取卖方和买方的参与确认信息;

[0131] S303,根据所述参与确认信息,确定目标卖方和目标买方;

[0132] S304,解析每个目标卖方对应的数据包,确认每个数据包均包括价格阈值;

[0133] S305,获取预设交易价格,将所述预设交易价格作为当前交易价格;

[0134] S306,判断当前交易价格是否大于每个价格阈值;

[0135] S307,大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量为变量 的第一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第一变量为第i个 目标买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一目标优化模型为 目标买方利益达到最大化的模型;

[0136] S308,基于当前交易价格,获取以第二变量为变量的第二优化目标模型,计算第二 优化目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖目标数据,所述 第二优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序号;

[0137] S309,根据第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优 化目标模型,计算第三优化目标模型,获得交易平台利益最大值,其中,所述第三变量为第i 个目标买方是否购买了第j个目标卖方的数据;

[0138] S310,将获得的交易平台利益最大值存储在预设的集合中;

[0139] 本步骤中,预设的集合是预先设置的集合,用于存储S309获得的交易平台利益最 大值。

[0140] S311,小于或等于价格阈值的当前交易价格,当前交易价格增加预设间隔值,将当 前交易价格增加间隔值的数值作为当前交易价格,返回继续执行S306;

[0141] 本步骤中,增加间隔值后的当前交易的价格继续作为新的当前交易价格,返回到 S306中,执行S306的步骤,达到循环迭代的目的。

[0M2] S312,对所述集合中交易平台利益最大值按照高低排序,将最高的交易平台利益 最大值对应的当前交易价格作为交易价格。

[0143] 本步骤中,上述按照高低排序可以是由大到小的排序,也可以是由小到大的排序, 若为由大到小的排序,则选择第一个交易平台利益值作为交易价格,若为由小到大的排序, 则选择最后一个交易利益值作为交易价格。

[0144] 由此可见,本发明提供的实施例能够根据获取的目标信息的关键字,从预设的卖 方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买 方,然后通过卖方和买方的确认信息,确定最终的交易方,根据交易价格的改变,基于使三 方交易获得利益最大化,确定最终价格,保证了数据定价的公平,提高了数据市场交易效 率。

[0M5]图5为本发明实施例提供的第四种数据交易确定方法的示意图,所述方法包括:

[0146] S401,根据获取的目标信息的关键字,从预设的卖方信息库和买方信息库中搜索 拥有目标信息的卖方及对应的数据包和需求目标信息的买方;

[0147] 其中,步骤S401-S406分别与图3实施例中的步骤S201-S206执行的方法相同。因 此,图3中的所有实施例均适用于图5,且均能达到相同或相似的有益效果,

[0148] 在此不再赘述。

[0149] S402,获取卖方和买方的参与确认信息;

[0150] S403,根据所述参与确认信息,确定目标卖方和目标买方;

[0151] S404,解析每个目标卖方对应的数据包,确认每个数据包均包括价格阈值;

[0152] S405,获取预设交易价格,将所述预设交易价格作为当前交易价格;

[0153] S406,判断当前交易价格是否大于每个价格阈值;

[0154] S407,大于价格阈值的当前交易价格,基于当前交易价格,以第一变量为变量,按 照如下表达式建立第一优化目标模型;

[0155] 所述表达式:

Figure CN107590694AD00131

[0156] 其中,yi为第一变量,μ为支付开销占效用函数的权重,Ui为第i个目标买方对应的 利益值,

Figure CN107590694AD00132

为购买数据的总开销,

Figure CN107590694AD00133

,Vl为第i个目标买方从 单个目标卖方购买的数据大小,P为当前交易价格,Θ为交易平台收取交易费的比例,Φ Jy1) 为综合数据质量,为数据质量要求阈值,^为预算,C为综合数据 质量的理想值,a为常数;

Figure CN107590694AD00141

[0157] 本步骤中,以质量最优和价格最低为优化目标,建立了买方的优化目标模型。

[0158] S408,计算所述第一优化目标模型,获得第一变量;

[0159] 本步骤中,可以选择遗传算法或蚁群优化算法对第一优化目标模型进行求解,获 得最优解,最优解就是所要获得的第一变量值。

Figure CN107590694AD00142

[0160] S409,基于当前交易价格,以第一变量为变量,按照如下表达式建立第二优化目标 模型;

[0161] 所述表达式:

[0162] 其中,为第二变量,Uj为第j个目标卖方的盈利额,cost」为第j个目标卖方的获取 和上传单位数据的成本开销,V1为第i个目标买方从单个目标卖方购买的数据大小,P为当 前交易价格,Θ为交易平台收取交易费的比例

Figure CN107590694AD00143

为第」个目标卖方在规定的数据交易 时间内所能上传数据量的最大限制,M为目标卖方的总数量;

[0163] 本步骤中,以卖方的价格最高为优化目标,建立了卖方的优化目标模型,也就是 说,使卖方的利益达到最大化。

[0164] S410,计算第二优化目标模型,获得第二变量;

[0165] 本步骤中,可以选择遗传算法对第二优化目标模型进行求解,获得最优解,最优解 就是所要获得的第二变量值。

[0166] S411,根据第一变量、第二变量和当前交易价格,以第三变量为变量,按照如下表 达式建立第三优化目标模型;

[0167] 所述表达式:

Figure CN107590694AD00144

[0168] 其中,Xlj为第三变量,即第i个目标买方是否购买了第j个目标卖方的数据,当XlJ =1时,代表第i个目标买方购买了第j个目标卖方的数据,当Xlj = O时,第i个目标买方购未 买第j个目标卖方的数据,ΰ为目标卖方数据成交额的均值

Figure CN107590694AD00145

》s为预 设值,a」为第j个目标卖方的信誉值,Θ为交易平台收取交易费的比例,ρ为当前交易价格,yi 为第一变量,Zj为第二变量,aj的初始值为I,M为目标卖方的总数量,Ubrcike3r为交易平台的盈 利额度,j为目标卖方的序号,N为目标买方的总数量;

[0169] 本步骤中,将获得的第一变量、第二变量作为已知量,以交易平台获得的利润最大 为优化目标,建立了交易平台的优化目标模型。

[0170] S412,计算所述第三优化目标模型,获得所述第三变量;根据所述第三变量,得到 交易平台利益最大值;

[0171] 本步骤中,可以选择遗传算法对第二优化目标模型进行求解,获得最优解,最优解 就是所要获得的第三变量值。

[0172] S413,将获得的交易平台利益最大值存储在预设的集合中;

[0173] 其中,步骤S413-S415分别与图4实施例中的步骤S310-S312执行的方法相同。因 此,图4中的所有实施例均适用于图5,且均能达到相同或相似的有益效果,在此不再赘述。

[0174] S414,小于或等于价格阈值的当前交易价格,当前交易价格增加预设间隔值,将当 前交易价格增加间隔值的数值作为当前交易价格,返回继续执行S406;

[0175] S415,对所述集合中交易平台利益最大值按照高低排序,将最高的交易平台利益 最大值对应的当前交易价格作为交易价格;

[0176] S416,计算每个目标卖方提供数据与数据均值的差值的平方和;

[0177] S417,将获得的平方和按照大小进行排序;

[0178] 其中,上述按照大小进行排序可以选择由大到小排序,也可以选择由小到大排序。

[0179] S418,根据排序后的平方和,选取最大的目标预值比例的所述平方和对应的目标 卖方的信誉值减小目标阈值,其中,第一次交易的目标卖方的信誉值为1;

[0180] 本步骤中,若为由大到小进行排序,则选择前面的预值比例的所述平方和对应的 目标信誉值,若为由小到大进行排序,则选择后面的预值比例的所述平方和对应的目标信 誉值,其中,所述预值比例可以取30%,上述公式可以为…⑴=¾ (t-1) -b。

[0181] S419,根据排序后的平方和,选取最小的目标预值比例的所述平方和增对应的目 标卖方的信誉值增加目标阈值;

[0182] 本步骤中,若为由大到小进行排序,则选择后面的预值比例的所述平方和对应的 目标信誉值,若为由小到大进行排序,则选择前面的预值比例的所述平方和对应的目标信 誉值,其中,所述预值比例可以取30%,上述公式可以为…⑴=¾ (t-1) +b。

[0183] S420,对目标卖方对应的信誉值进行更新。

[0184] 由于信誉值每交易一次是变化的,因此需要对改变后的信誉值进行更新。

[0185] 由此可见,本发明提供的实施例能够根据获取的目标信息的关键字,从预设的卖 方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买 方,然后通过卖方和买方的确认信息,确定最终的交易方,根据交易价格的改变,基于使三 方交易获得利益最大化,确定最终价格,交易完后,并对目标卖方的信誉值进行了处理,进 而既保证了数据定价的公平、提高了数据市场交易效率,又使数据交易市场良性化发展。

[0186] 以下为本发明实施例所提出的方法的具体示例。

[0187] 示例一,智能制造的一个重要的环节就是智慧工厂根据产品的实时需求量和个性 化需求进行生产,实现无库存化的生产需要生产企业能够实时掌握产品代理商的销售数据 和其他竞争厂商的生产数量数据,并对短期内的产品需求量和客户喜好进行预测和生产。 在本示例中,智慧工厂是生产手机的生产商,手机生产商为了安排生产线的短期生产计划, 减少库存,作为数据需求者需要的数据是每小时手机销售代理商售出该品牌的手机量,还 需要其他的同品牌手机代工厂的手机生产量,称为第一手机代工工厂,手机销售代理商拥 有实时的销售数据成为了数据提供者,其他竞争代工厂的拥有自身手机实时生产量,称为 第二手机代工工厂,也是数据提供者。在该场景中,多个数据需求者(买方)是多个第一手机 代工厂,多个数据提供者(卖方)是多个手机销售代理商和第二手机代工工厂。交易平台是 与第一手机代工厂、第二手机代工厂和手机销售代理商都有联系的数据交易中间机构。第 一手机代工厂、第二手机代工厂、手机销售代理商和数据交易平台之间天然的形成了 “数据 交易市场”。

[0188] 本示例的流程如下:

[0189] 第一步:交易平台中数据交易平台的工作人员向多个第一手机代工厂、多个第二 手机代工厂和多个手机销售商发出邀请数据交易的通知。

[0190] 第二步,多个第一手机代工厂、多个第二手机代工和多个手机销售商根据预设偏 好选定的交易平台的工作人员和服务类型(作为数据定价的第三方,数据交易的仲裁者)。

[0191] 第三步,手机销售商、第二手机代工厂均作为数据卖方,第一手机代工厂为数据买 方,数据卖方获得利益的最优化问题是:

Figure CN107590694AD00161

;数据买 方获得利益的最优化问题是

Figure CN107590694AD00162

数据交易平台的最 优化问题是:

Figure CN107590694AD00163

[0192] 其中,交易的数据为一天的每小时手机销售量实时数据或每小时手机生产量实时 数据,其中^为24小时的数据大小(byte)。

[0193] 手机销售代理商和第二手机代工厂的策略是

Figure CN107590694AD00164

当山>0 (化简后为PkostJ时,数据卖方选择的策略是Xj = I (参与数据交易);当山〈0 (化简 后为PkostJ时,数据卖方选择的策略是Xj = O (不参与数据交易);由于手机代工厂买数据 的预算有限,不可能购买所有数据卖方的数据,因此第一手机代工厂买数据的最优化问题

Figure CN107590694AD00165

博弈策略为购买的数据源个数,即如果数据越便 宜,购买的数据源越多,综合数据质量越好,如果数据价格越贵,由于预算有限,购买的数据 源越少。由于本示例中有两种数据,一种是销售商销售量数据,选择该类数据源个数

Figure CN107590694AD00166

一 种是第二手机代工厂生产手机数量

Figure CN107590694AD00167

,综合数据质量用

Figure CN107590694AD00168

表示。交易平台的博弈策 略为通过调整单位数据价格即当前交易价格P和对买方、卖方进行交易配对,即确定第i个 数据买方是否和第j个数据卖方交易的决策变量XU,以满足最大化数据成交量和自身利润, 建立的优化问题为

Figure CN107590694AD00169

[0194] 第四步,求解三方最优问题的最优解和最大利益值,获得数据最终定价,交易平台 在对M个数据买方和N个数据卖方进行交易分配时,为确保交易分配公平性和让信誉好的数 据卖方分配更多的数据交易

Figure CN107590694AD001610

小于一个预设值,^代表第j个数据卖方 的信誉,该信誉由初始值为1,随着交易完后,数据买方对卖方数据的评分增减。如果数据质 量好,信誉将增加,否则将减少,其中O为数据卖方数据成交额的均值

Figure CN107590694AD00171

[0195] 第五步,数据交易成功后,数据买方使用完数据后,对各数据卖方评分,交易平台 更新各数据卖方信誉值。第一次参与到平台进行数据交易的数据卖方j,初始信誉值为^ = 1。经过每轮数据交易,如果数据买方对他提供的数据质量给好评,则信誉值增加^ (t) =¾ (t-1)+b,如果差评,信誉值降低^ (t) =a」(t-1)-b,如果中评,信誉值不变^ (t) =¾ (t-Ι), 其中,^ (t)代表第t次交易之后的信誉值,b代表信誉增加值的步长,为平台初始设定,例如 b = 0.1〇

[0196] 示例二,随着城市汽车的快速增长,交通拥堵现象越来越普遍。如果城市公路上的 车主和公共汽车上的乘客,能够实时分享自己的GPS位置信号,手机地图提供商根据各路段 人流量分布以及路段上乘客移动的速度,分析交通状况,将有助于各手机地图提供商提供 更好的路线规划。各手机地图提供商为了提供准确实时的交通出行建议,将选取一些车主 和乘客购买他们的实时GPS数据,该数据元组包括[GPS数据类型,UTC (Universal Time Coordinated)时间(hhmmss (时分秒)格式),定位状态(A =有效定位,V =无效定位),炜度值 (精确到小数点前4位,后3位),炜度半球N (北半球)或S (南半球),经度值(精确到小数点前5 位,后3位),经度半球E (东经)或W (西经),地面速率(000.0〜999.9节,前面的0也将被传 输),地面航向(000.0〜359.9度,以真北为参考基准,前面的0也将被传输),UTC日期, dd_yy (日月年)格式,磁偏角(000.0〜180.0度,前面的0也将被传输),磁偏角方向,模式指 示(A=自主定位,D =差分,E =估算,N=数据无效)]。手机地图提供商从车主或乘客购买这 些实时数据,并利用这些实时数据对交通情况作出估计和预测,指导用户出行,通过嵌入广 告或提供出行建议等增值服务盈利。以上场景中,智慧交通场景中的交通数据需求者(多个 手机地图提供商),交通数据提供者(在公路上的车主和公汽上的乘客),以及交通数据交易 平台(交通管理部门)三者之间天然地形成了 “交通数据市场”。

[0197] 本示例的流程如下:

[0198] 第一步,交通数据交易平台向多个手机地图提供商和多个车主和乘客发出邀请数 据交易的通知。

[0199] 第二步,多个手机地图提供商和多个车主和乘客根据预设的参与条件选择是否参 与并反馈给交通数据交易平台。

[0200] 第三步,多个车主和乘客作为数据卖方,多个手机地图提供商为数据买方。数据卖 方(多个车主和乘客)的最优化问题是:

Figure CN107590694AD00172

:数据买 方(多个手机地图提供商)最优化问题是:

Figure CN107590694AD00173

;交通数 据交易平台最优化问题是:

Figure CN107590694AD00174

[0201] 其中,交易的数据为每30秒的手机GPS定为实时数据,其中Vi为交易5分钟的GPS数 据大小(byte)。

[0202] 多个车主和乘客卖数据的策略是

Figure CN107590694AD00175

,当Uj >0 (化简后为P>c0StJ时,数据卖方选择的策略是Xj = I (参与数据交易);当山〈0 (化简后为P 〈cost」)时,数据卖方选择的策略是Xj = O (不参与数据交易);由于手机地图提供商买数据的 预算有限,不可能购买所有数据卖方的数据,因此手机地图提供商买数据根据其最优化问 题

Figure CN107590694AD00181

博弈策略为购买的数据源个数, 也就是如果数据越便宜,购买的数据源越多,综合数据质量越好。如果数据价格越贵,由于 预算有限,购买的数据源越少。由于本示例中有交通GPS数据可能来自于不同街道,有的街 道提供GPS数据的人数少则数据价格高,有的街道提供GPS数据的人数多,则数据价格高,应 该对不同街道的GPS数据分开定价^

Figure CN107590694AD00182

:表示第i个手机地图提供商,对第k个街道上需要的 GPS数据源的个数。综合数据质量用

Figure CN107590694AD00183

表示。交易平台的博弈策略为通 过调整单位数据价格P和对买方、卖方进行交易配对即确定第i个数据买方是否和第j个数 据卖方交易的决策变量Xlj,以满足最大化数据成交量和自身利润,建立利益最大化的优化 问题为

Figure CN107590694AD00184

[0203] 第四步,交通数据交易平台求得每条街道不同的数据最终定价,交易平台在对M个 数据买方(手机地图提供商)和N个数据卖方(车主和乘客)进行交易分配时,为确保交易分 配公平性和让信誉好的数据卖方分配更多的数据交易

Figure CN107590694AD00185

小于一个阈 值,a」代表第j个数据卖方的信誉,该信誉由初始值为1,随着交易完后,数据买方对卖方数 据的评分增减。如果数据质量好,信誉将增加,否则将减少。其中Π为数据卖方数据成交额。

[0204] 示例三,在智能电网中,电力供应商需要预测未来一段时间用户的用电总负荷,根 据用电负荷预测,电力供应商从电力批发市场购电,以满足对用户的电力供应。如果购买的 电力与用户实际用电不匹配,电力供应商就需要从实时电力批发市场中购买更贵的电力。 为了减少电力供应商对用户负荷预测的误差,减少电力供应商因预测误差大而造成的经济 损失,电力供应商可以从用电户购买未来一段时间用电户的用电需求数据,第i个用电户将 来24个小时的用电需求为数据元组[第一个小时用电需求dl,第二个需求d2,第三个需求 d3,……,第二十四小时用电需求d24,用电户地理位置,用电户编号,时间(年月日)]。电力 供应商(用电户负荷数据的购买者)、用电户(负荷数据的销售者)和电力数据交易平台之间 天然的形成了“电力数据交易市场”。

[0205] 本实施例的流程如下:

[0206] 第一步,电力数据交易平台向电力供应商和多个用电户发出邀请交易的通知。

[0207] 第二步,电力供应商和多个用电户根据预设的参与条件选择是否参与数据交易并 反馈给电力数据交易平台。

[0208] 第三步,多个用电户作为数据卖方,电力供应商为数据买方,数据卖方(多个用电 户)的最优化问题是:

Figure CN107590694AD00186

;数据买方(电力供应商)最 优化问题是:

Figure CN107590694AD00187

;电力数据交易交易平台最优化问题 是:

Figure CN107590694AD00191

[0209] 其中,交易的数据为将来24个小时的用电户每小时电力需求,其中V1为按照元组 格式的交易电力数据的大小(byte)。

[0210] 用电户卖数据的策略是

Figure CN107590694AD00192

当Uj>0(化简 后为Pkostj时,数据卖方(用电户)选择的策略是Xj = 1 (参与数据交易);当U/0 (化简后为 Pkostj)时,数据卖方选择的策略是Xj = O (不参与数据交易);由于电力供应商的预算有限, 不可能购买所有数据卖方的数据,因此电力供应商买数据根据其最优化问题

Figure CN107590694AD00193

博弈策略为选择购买的数据源个数,也就是如果 数据越便宜,购买的数据源越多,综合数据质量越好。如果数据价格越贵,由于预算有限,购 买的数据源越少。由于本示例中电力需求数据来自不同区域,为使电力供应商选取的样本 有代表性,将各区域的用电户区别开,并对不同区域分开定价。

Figure CN107590694AD00194

表示第i个电力供应商, 对第k个区域上选取的电力需求数据源的个数。综合数据质量用

Figure CN107590694AD00195

,表 示。电力数据交易交易平台的博弈策略为通过调整单位数据价格P和对买方、卖方进行交易 配对,也就是说,确定第i个数据买方是否和第j个数据卖方交易的决策变量Xlj,以满足最大 化数据成交量和自身利润,建立的优化问题为

Figure CN107590694AD00196

[0211] 第四步,求解三方最优问题的最优解和最大利益值,获得数据最终定价,对M个数 据买方(电力供应商)和N个数据卖方(用电户)进行交易分配时,为确保交易分配公平性和 让信誉好的数据卖方分配更多的数据交易,

Figure CN107590694AD00197

小于一个预设值,^代表 第j个数据卖方的信誉,该信誉由初始值为1,随着交易完后,数据买方对卖方数据的评分增 减。如果数据质量好,信誉将增加,否则将减少。其中ΰ为数据卖方数据成交额的均值

Figure CN107590694AD00198

[0212] 第五步,数据交易成功后,数据买方(电力供应商)使用完数据后,对各数据卖方评 分,交易平台更新各数据卖方(用电户)信誉值。第一次参与到平台进行数据交易的数据卖 方j,初始信誉值为^ = 1。经过每轮数据交易,如果数据买方对他提供的数据质量给好评, 则信誉值增加W(t) =adt_l) +b,如果差评,信誉值降低^ (t) =adt_l) -b,如果中评,信誉 值不变^⑴=¾ (t-Ι)。其中^⑴代表第t次交易之后的信誉值,b代表信誉增加值的步长, 为平台初始设定,例如b = 0.1。

[0213] 示例四,随着无线通信和传感器技术的快速发展,无线移动终端设备呈爆炸式普 及,市场上的手机、平板电脑,穿戴式物联网设备,拥有强大的环境感知能力。在这样背景 下,群智感知成为当前热点。在群智感知中,大量普通用户的手机、平板电脑、智能手表等可 穿戴设备,作为基本感知单元,通过互联网进行协作,实现感知任务分发与感知数据收集利 用,最终完成大规模的、复杂的社会感知任务。群智感知参与者提供感知数据(数据卖方), 群智感知任务发布者提供奖励激励感知参与者(数据买方),和群智感知平台(数据交易平 台)三者之间天然地形成了“群智感知数据交易市场”。群智感知数据元组为[手机GPS位置 数据,传感数据2,传感数据3,…,时间,群智感知参与者编号]。

[0214] 本示例的流程如下:

[0215] 第一步,群智感知平台向群智感知参与者和群智感知任务发布者发出邀请数据交 易的通知。

[0216] 第二步,群智感知参与者和群智感知任务发布者根据预设的参与条件选择是否参 与数据交易并反馈给群智感知平台。

[0217] 第三步,群智感知参与者作为感知数据卖方。群智感知任务发布者为数据买方。数 据卖方(群智感知参与者)的最优化问题是:

Figure CN107590694AD00201

数 据买方(群智感知任务发布者)最优化问题是:

Figure CN107590694AD00202

;群 智感知平台最优化问题是:

Figure CN107590694AD00203

[0218] 交易的数据为将来一段时间内按照一定时间频率感知数据并上传,其中Vl为按照 元组格式的交易的移动感知数据的大小(byte)。

[0219] 其中,群智感知参与者卖数据的策略是

Figure CN107590694AD00204

当 Uj>0(化简后为p>c〇Stj)时,群智感知参与者选择的策略是Xj = I (参与数据交易);当Uj〈0 (化简后为p〈costj)时,群智感知参与者选择的策略是Xj = O (不参与数据交易);由于群智感 知发布者的预算有限,不可能购买所有数据卖方的数据,因此群智感知发布者买数据根据 其最优化问题

Figure CN107590694AD00205

博弈策略为选择购买的数据源个 数,也就是如果数据越便宜,购买的数据源越多,综合数据质量越好。如果数据价格越贵,由 于预算有限,购买的数据源越少。由于群智感知任务的感知数据需求来自不同区域,不同区 域的群智感知参与者数量不同,供需状态不同。

Figure CN107590694AD00206

表示第i个群智感知发布者,对第k个区域 上选取的群智感知参与者的个数。综合数据质量用

Figure CN107590694AD00207

表示。群智感知平 台的博弈策略为通过调整单位数据价格p和对买方卖方进行交易配对,也就是说,确定第i 个数据买方是否和第j个数据卖方交易的决策变量XU,以满足最大化数据成交量和自身利 润,建立的优化问题为为

Figure CN107590694AD00208

[0220] 第四步,求解三方最优问题的最优解和最大利益值,获得数据最终定价,对M个数 据买方(电力供应商)和N个数据卖方(用电户)进行交易分配时,为确保交易分配公平性和 让信誉好的数据卖方分配更多的数据交易

Figure CN107590694AD00209

小于一个预设值,aj代 表第j个数据卖方的信誉,该信誉由初始值为1,随着交易完后,数据买方对卖方数据的评分 增减。如果数据质量好,信誉将增加,否则将减少,其中ϋ为数据卖方数据成交额的均值

Figure CN107590694AD00211

[0221] 第五步,数据交易成功后,数据买方(群智感知参与者)使用完数据后,对各数据卖 方评分,交易平台更新各数据卖方(群智感知发布者)信誉值。第一次参与到平台进行数据 交易的数据卖方j,初始信誉值为^ = 1。经过每轮数据交易,如果数据买方对他提供的数据 质量给好评,则信誉值增加^ (t) =¾ (t-1) +b,如果差评,信誉值降低^ (t) =¾ (t-i) -b,如 果中评,信誉值不变^⑴=a」(t-ι)。其中^⑴代表第t次交易之后的信誉值,b代表信誉增 加值的步长,为平台初始设定,例如b = 0.1。

[0222] 图6为本发明实施例本发明实施例提供的一种数据交易确定装置的示意图,所述 装置包括:

[0223] —种数据交易确定装置,所述装置包括:

[0224] 第一获取模块501,用于获取目标卖方对应的价格阈值;

[0225] 第二获取模块502,用于获取预设交易价格,将所述预设交易价格作为当前交易价 格;

[0226] 判断模块503,用于判断当前交易价格是否大于每个价格阈值;

[0227] 第一变量获取模块504,用于大于价格阈值的当前交易价格,基于当前交易价格, 获取以第一变量为变量的第一优化目标模型,计算第一优化目标模型,获得第一变量,其 中,所述第一变量为第i个目标买方购买数据源对应的目标卖方数量,i为目标买方的序号, 所述第一目标优化模型为目标买方利益达到最大化的模型;

[0228] 第二变量获取模块505,用于基于当前交易价格,获取以第二变量为变量的第二优 化目标模型,计算第二优化目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方 是否卖目标数据,所述第二优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序 号;

[0229] 利益最大值获取模块506,用于根据第一变量、第二变量和当前交易价格,获取以 第三变量为变量的第三优化目标模型,计算第三优化目标模型,获得交易平台利益最大值, 其中,所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据;

[0230] 交易价格确定模块507,用于根据所述交易平台利益最大值,确定交易价格。

[0231] 其中,所述装置还包括:

[0232] 存储模块,用于将获得的交易平台利益最大值存储在预设的集合中;

[0233] 循环模块,用于小于或等于价格阈值的当前交易价格,当前交易价格增加预设间 隔值,将当前交易价格增加间隔值的数值作为当前交易价格,返回继续执行判断当前交易 价格是否大于每个价格阈值的步骤。

[0234] 具体的,所述交易价格确定模块507包括:

[0235] 第一排序子模块,用于对所述集合中交易平台利益最大值按照高低排序,将最高 的交易平台利益最大值对应的当前交易价格作为交易价格。

[0236] 所述第一获取模块501包括:

[0237] 交易方获取子模块,用于根据获取的目标信息的关键字,从预设的卖方信息库和 买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方;

[0238] 参与确认子模块,用于获取卖方和买方的参与确认信息;

[0239] 交易方确定子模块,用于根据所述参与确认信息,确定目标卖方和目标买方;

[0240] 价格阈值确定子模块,用于解析每个目标卖方对应的数据包,确认每个数据包均 包括价格阈值。

[0241] 所述第一变量获取模块504包括:

[0242] 第一优化模型建立子模块,用于基于当前交易价格,以第一变量为变量,按照如下 表达式建立第一优化目标模型;

[0243] 所述表达式:

Figure CN107590694AD00221

[0244] 其中,yi为第一变量,μ为支付开销占效用函数的权重,Ui为第i个目标买方对应的 利益值,

Figure CN107590694AD00222

为购买数据的总开销,

Figure CN107590694AD00223

,V1为第i个目标买方从 单个目标卖方购买的数据大小,P为当前交易价格,Θ为交易平台收取交易费的比例,Φ Jy1) 为综合数据质量,

Figure CN107590694AD00224

为数据质量要求阈值,^为预算,C为综 合数据质量的理想值,a为常数;

[0245] 第一计算子模块,用于计算所述第一优化目标模型,获得第一变量。

[0246] 所述第二变量获取模块505包括:

[0247] 第二优化模型建立子模块,用于基于当前交易价格,以第一变量为变量,按照如下 表达式建立第二优化目标模型;

[0248] 所述表达式:

Figure CN107590694AD00225

[0249] 其中,为第二变量,Uj为第j个目标卖方的盈利额,cost」为第j个目标卖方的获取 和上传单位数据的成本开销,V1为第i个目标买方从单个目标卖方购买的数据大小,P为当 前交易价格,Θ为交易平台收取交易费的比例

Figure CN107590694AD00226

为第j个目标卖方在规定的数据交易时 间内所能上传数据量的最大限制,M为目标卖方的总数量;

[0250] 第二计算子模块,用于计算第二优化目标模型,获得第二变量。

[0251] 所述利益最大值获取模块506包括:

[0252] 第三优化模型建立子模块,用于根据第一变量、第二变量和当前交易价格,

[0253] 以第三变量为变量,按照如下表达式建立第三优化目标模型;

[0254] 所述表达式:

Figure CN107590694AD00231

[0255] 其中,Xlj为第三变量,即第i个目标买方是否购买了第j个目标卖方的数据,当Xlj =1时,代表第i个目标买方购买了第j个目标卖方的数据,当X^ = O时,第i个目标买方购未 买第j个目标卖方的数据,为目标卖方数据成交额的均值,

Figure CN107590694AD00232

s为预

Figure CN107590694AD00233

设值,a」为第j个目标卖方的信誉值,Θ为交易平台收取交易费的比例,p为当前交易价格,yi 为第一变量,Zj为第二变量,a j的初始值为I,M为目标卖方的总数量,Ubrcike3r为交易平台的盈 利额度,j为目标卖方的序号,N为目标买方的总数量;

[0256] 第三计算子模块,用于计算所述第三优化目标模型,获得所述第三变量;

[0257] 利益最大值确定子模块,用于根据所述第三变量,得到交易平台利益的最大值。

[0258] 所述第一计算子模块包括:

[0259] 第一变量单元,用于利用遗传算法计算所述第一优化目标模型,获得第一变量。

[0260] 所述第二计算子模块包括:

[0261] 第二变量单元,用于利用遗传算法计算所述第二优化目标模型,获得所述第二变 量。

[0262] 所述装置还可以包括:

[0263] 第三获取模块,用于获取每个目标买方用完数据后对对应目标卖方的评分;

[0264] 信誉值计算模块,用于根据获取的评分,计算目标卖方的信誉值并对所述信誉值 进行更新。

[0265] 所述装置还可以包括:

[0266] 评分模块,用于获取每个目标买方用完数据后对对应目标卖方的评分;

[0267] 第一更新模块,用于根据获取的评分,计算目标卖方的信誉值并对所述信誉值进 行更新。

[0268] 所述装置还可以包括:

[0269] 第三计算模块,用于计算每个目标卖方提供数据与数据均值的差值的平方和;

[0270] 第二排序模块,用于将获得的平方和按照大小进行排序;

[0271] 第一选取模块,用于根据排序后的平方和,选取最大的目标预值比例的所述平方 对应的目标卖方的信誉值减小目标阈值,其中,第一次交易的目标卖方的信誉值为1;

[0272] 第二选取模块,用于根据排序后的平方和,选取最小的目标预值比例的所述平方 和对应的目标卖方的信誉值增加目标阈值;

[0273] 第二更新模块,用于对目标卖方对应的信誉值进行更新。

[0274] 由此可见,本发明提供的实施例基于使目标卖方、目标买方和交易平台的利益达 到最大化,确定了数据交易价格,保证了数据定价的公平,提高了数据市场交易效率。

[0275] 本发明实施例还提供了一种电子设备,如图7所示,包括处理器601、通信接口 602、 存储器603和通信总线604,其中,处理器601,通信接口 602,存储器603通过通信总线604完 成相互间的通信,

[0276] 存储器603,用于存放计算机程序;

[0277] 处理器601,用于执行存储器603上所存放的程序时,实现本发明实施例提供的一 种数据交易确定方法。

[0278] 具体的,上述一种数据交易确定方法,包括:

[0279] 获取目标卖方对应的价格阈值;

[0280] 获取预设交易价格,将所述预设交易价格作为当前交易价格;

[0281] 判断当前交易价格是否大于每个价格阈值;

[0282] 大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量为变量的第 一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第一变量为第i个目标 买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一目标优化模型为目标 买方利益达到最大化的模型;

[0283] 基于当前交易价格,获取以第二变量为变量的第二优化目标模型,计算第二优化 目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖目标数据,所述第二 优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序号;

[0284] 根据第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优化目 标模型,计算第三优化目标模型,获得交易平台利益最大值,其中,所述第三变量为第i个目 标买方是否购买了第j个目标卖方的数据;

[0285] 根据所述交易平台利益最大值,确定交易价格。

[0286] 由此可见,执行本实施例提供的电子设备,基于使目标卖方、目标买方和交易平台 的利益达到最大化,确定了数据交易价格,保证了数据定价的公平,提高了数据市场交易效 率。

[0287] 上述的相关内容数据交易确定方法的实施方式与前述方法实施例部分提供的数 据确定方法的传输方式相同,这里不再赘述。

[0288] 上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral Pomponent Interconnect,简称PCI)总线或扩展工业标准结构(^Extended Industry Standard Archi tecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。 为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。

[0289] 通信接口用于上述电子设备与其他设备之间的通信。

[0290] 存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括 非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可 以是至少一个位于远离前述处理器的存储装置。

[0291] 上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit, 简称CPU)、网络处理器(Ne twork Processor,简称NP)等;还可以是数字信号处理器 (Digital Signal Processing,简称DSP)、专用集成电路(Applica tion Specific Integrated Circuit,简称 ASIC)、现场可编程门阵列(Field — Programmable Gate Array, 简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

[0292] 在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可 读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所 述的一种数据交易确定方法。

[0293] 具体的,上述一种数据交易确定方法,包括:

[0294] 获取目标卖方对应的价格阈值;

[0295] 获取预设交易价格,将所述预设交易价格作为当前交易价格;

[0296] 判断当前交易价格是否大于每个价格阈值;

[0297] 大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量为变量的第 一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第一变量为第i个目标 买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一目标优化模型为目标 买方利益达到最大化的模型;

[0298] 基于当前交易价格,获取以第二变量为变量的第二优化目标模型,计算第二优化 目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖目标数据,所述第二 优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序号;

[0299] 根据第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优化目 标模型,计算第三优化目标模型,获得交易平台利益最大值,其中,所述第三变量为第i个目 标买方是否购买了第j个目标卖方的数据;

[0300] 根据所述交易平台利益最大值,确定交易价格。

[0301] 由此可见,执行本实施例提供的计算机可读存储介质中存储的应用程序时,基于 使目标卖方、目标买方和交易平台的利益达到最大化,确定了数据交易价格,保证了数据定 价的公平,提高了数据市场交易效率。

[0302] 上述的相关内容数据交易确定方法的实施方式与前述方法实施例部分提供的数 据确定方法的传输方式相同,这里不再赘述。

[0303] 在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实 现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序 产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或 部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计 算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质 中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机 指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字 用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或 数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者 是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以 是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘 Solid State Disk (SSD))等。

[0304] 在本发明实施的又一方面,本发明提供的实施例还提供了一种包含指令的计算机 程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的一种数据交易确定方 法。

[0305] 具体的,上述一种数据交易确定方法,包括:

[0306] 获取目标卖方对应的价格阈值;

[0307] 获取预设交易价格,将所述预设交易价格作为当前交易价格;

[0308] 判断当前交易价格是否大于每个价格阈值;

[0309] 大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量为变量的第 一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第一变量为第i个目标 买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一目标优化模型为目标 买方利益达到最大化的模型;

[0310] 基于当前交易价格,获取以第二变量为变量的第二优化目标模型,计算第二优化 目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖目标数据,所述第二 优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序号;

[0311] 根据第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优化目 标模型,计算第三优化目标模型,获得交易平台利益最大值,其中,所述第三变量为第i个目 标买方是否购买了第j个目标卖方的数据;

[0312] 根据所述交易平台利益最大值,确定交易价格。

[0313] 由此可见,执行本实施例提供的一种包含指令的计算机程序产品,当其在计算机 上运行时,基于使目标卖方、目标买方和交易平台的利益达到最大化,确定了数据交易价 格,保证了数据定价的公平,提高了数据市场交易效率。

[0314] 上述的相关内容数据交易确定方法的实施方式与前述方法实施例部分提供的数 据确定方法的传输方式相同,这里不再赘述。

[0315] 需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实 体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存 在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖 非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要 素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备 所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在 包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

[0316] 本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部 分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实 施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例 的部分说明即可。

[0317] 以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在 本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围 内。

Claims (10)

1. 一种数据交易确定方法,其特征在于,所述方法包括: 获取目标卖方对应的价格阈值; 获取预设交易价格,将所述预设交易价格作为当前交易价格; 判断当前交易价格是否大于每个价格阈值; 大于价格阈值的当前交易价格,基于当前交易价格,获取以第一变量为变量的第一优 化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第一变量为第i个目标买方 购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一目标优化模型为目标买方 利益达到最大化的模型; 基于当前交易价格,获取以第二变量为变量的第二优化目标模型,计算第二优化目标 模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖目标数据,所述第二优化 模型为目标卖方利益达到最大化的模型,j为目标卖方的序号; 根据第一变量、第二变量和当前交易价格,获取以第三变量为变量的第三优化目标模 型,计算第三优化目标模型,获得交易平台利益最大值,其中,所述第三变量为第i个目标买 方是否购买了第j个目标卖方的数据,所述第三优化模型为交易平台利益达到最大化的模 型; 根据所述交易平台利益最大值,确定交易价格。
2. 如权利要求1所述的方法,其特征在于,在所述根据所述交易平台利益最大值,确定 交易价格之前,所述方法还包括: 将获得的交易平台利益最大值存储在预设的集合中; 小于或等于价格阈值的当前交易价格,当前交易价格增加预设间隔值,将当前交易价 格增加间隔值的数值作为当前交易价格,返回继续执行判断当前交易价格是否大于每个价 格阈值的步骤。
3. 如权利要求2所述的方法,其特征在于,所述根据所述交易平台利益最大值,确定交 易价格,包括: 对所述集合中交易平台利益最大值按照高低排序,将最高的交易平台利益最大值对应 的当前交易价格作为交易价格。
4. 如权利要求1所述的方法,其特征在于,所述获取目标卖方对应的价格阈值,包括: 根据获取的目标信息的关键字,从预设的卖方信息库和买方信息库中搜索拥有目标信 息的卖方及对应的数据包和需求目标信息的买方; 获取卖方和买方的参与确认信息; 根据所述参与确认信息,确定目标卖方和目标买方; 解析每个目标卖方对应的数据包,确认每个数据包均包括价格阈值。
5. 如权利要求1所述的方法,其特征在于,所述基于当前交易价格,获取以第一变量为 变量的第一优化目标模型,计算第一优化目标模型,获得第一变量,包括: 基于当前交易价格,以第一变量为变量,按照如下表达式建立第一优化目标模型; 所述表达式
Figure CN107590694AC00021
其中,yi为第一变量,μ为支付开销占效用函数的权重,Ui为第i个目标买方对应的利益 值:
Figure CN107590694AC00031
丨为购买数据的总开销
Figure CN107590694AC00032
,V1为第i个目标买方从单个 目标卖方购买的数据大小,Θ为交易平台收取交易费的比例,p为当前交易价格,(J)1 (yi)为综 合数据质量
Figure CN107590694AC00033
%数据质量要求阈值,^为预算,C为综合数 据质量的理想值,a为常数; 计算所述第一优化目标模型,获得第一变量。
6. 如权利要求1所述的方法,其特征在于,所述基于当前交易价格,获取以第二变量为 变量的第二优化目标模型,计算第二优化目标模型,获得第二变量,包括: 基于当前交易价格,以第一变量为变量,按照如下表达式建立第二优化目标模型; 所述表达式:
Figure CN107590694AC00034
其中,z沩第二变量,U沩第j个目标卖方的盈利额,cost沩第j个目标卖方的获取和上 传单位数据的成本开销,Vi为第i个目标买方从单个目标卖方购买的数据大小,P为当前交 易价格,Θ为交易平台收取交易费的比例,GXiLw为第j个目标卖方在规定的数据交易时间 内所能上传数据量的最大限制,M为目标卖方的总数量; 计算第二优化目标模型,获得第二变量。
7. 如权利要求1中所述的方法,其特征在于,所述根据第一变量、第二变量和当前交易 价格,获取以第三变量为变量的第三优化目标模型,计算第三优化目标模型,获得交易平台 利益最大值,包括: 根据第一变量、第二变量和当前交易价格,以第三变量为变量,按照如下表达式建立第 三优化目标模型; 所述表达式:
Figure CN107590694AC00035
其中,Xlj为第三变量,即第i个目标买方是否购买了第j个目标卖方的数据,当Xlj = I时, 代表第i个目标买方购买了第j个目标卖方的数据,当XU = O时,第i个目标买方购未买第j个 目标卖方的数据,ΪΪ为目标卖方数据成交额的均值
Figure CN107590694AC00036
.,s为预设值,aj为 第j个目标卖方的信誉值,Θ为交易平台收取交易费的比例,p为当前交易价格,71为第一变 量,Zj为第二变量,a」的初始值为I,M为目标卖方的总数量,Ubrciker为交易平台的盈利额度,j 为目标卖方的序号,N为目标买方的总数量; 计算所述第三优化目标模型,获得所述第三变量; 根据所述第三变量,得到交易平台利益最大值。
8. 如权利要求2所述的方法,其特征在于,在所述对所述集合中交易平台利益最大值按 照高低排序,将最高的交易平台利益最大值对应的当前交易价格作为交易价格之后,所述 方法还包括: 获取每个目标买方用完数据后对对应目标卖方的评分; 根据获取的评分,计算目标卖方的信誉值并对所述信誉值进行更新。
9. 如权利要求2所述的方法,其特征在于,在所述对所述集合中交易平台利益最大值按 照高低排序,将最高的交易平台利益最大值对应的当前交易价格作为交易价格之后,所述 方法还包括: 计算每个目标卖方提供数据与数据均值的差值的平方和; 将获得的平方和按照大小进行排序; 根据排序后的平方和,选取最大的目标预值比例的所述平方和对应的目标卖方的信誉 值减小目标阈值,其中,第一次交易的目标卖方的信誉值为1; 根据排序后的平方和,选取最小的目标预值比例的所述平方和对应的目标卖方的信誉 值增加目标阈值; 对目标卖方对应的信誉值进行更新。
10. —种数据交易确定装置,其特征在于,所述装置包括: 第一获取模块,用于获取目标卖方对应的价格阈值; 第二获取模块,用于获取预设交易价格,将所述预设交易价格作为当前交易价格; 判断模块,用于判断当前交易价格是否大于每个价格阈值; 第一变量获取模块,用于大于价格阈值的当前交易价格,基于当前交易价格,获取以第 一变量为变量的第一优化目标模型,计算第一优化目标模型,获得第一变量,其中,所述第 一变量为第i个目标买方购买数据源对应的目标卖方数量,i为目标买方的序号,所述第一 目标优化模型为目标买方利益达到最大化的模型; 第二变量获取模块,用于基于当前交易价格,获取以第二变量为变量的第二优化目标 模型,计算第二优化目标模型,获得第二变量,其中,所述第二变量为第j个目标卖方是否卖 目标数据,所述第二优化模型为目标卖方利益达到最大化的模型,j为目标卖方的序号; 利益最大值获取模块,用于根据第一变量、第二变量和当前交易价格,获取以第三变量 为变量的第三优化目标模型,计算第三优化目标模型,获得交易平台利益最大值,其中,所 述第三变量为第i个目标买方是否购买了第j个目标卖方的数据,所述第三优化模型为交易 平台利益达到最大化的模型; 交易价格确定模块,用于根据所述交易平台利益最大值,确定交易价格。
CN 201710820881 2017-09-13 2017-09-13 一种数据交易确定方法及装置 CN107590694A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201710820881 CN107590694A (zh) 2017-09-13 2017-09-13 一种数据交易确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201710820881 CN107590694A (zh) 2017-09-13 2017-09-13 一种数据交易确定方法及装置

Publications (1)

Publication Number Publication Date
CN107590694A true true CN107590694A (zh) 2018-01-16

Family

ID=61050420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201710820881 CN107590694A (zh) 2017-09-13 2017-09-13 一种数据交易确定方法及装置

Country Status (1)

Country Link
CN (1) CN107590694A (zh)

Similar Documents

Publication Publication Date Title
Shen et al. Customer behavior modeling in revenue management and auctions: A review and new research opportunities
Ferraro Asymmetric information and contract design for payments for environmental services
US20060218071A1 (en) System and method for managing trading between related entities
Adkins et al. Off-grid energy services for the poor: Introducing LED lighting in the Millennium Villages Project in Malawi
US20020073015A1 (en) Method and system for trading redeemable assets
US20080201203A1 (en) Systems and methods relating to a lead distribution engine that uses margin scores
US20100218108A1 (en) System and method for trading complex energy securities
Lichfield Cost benefit analysis in town planning: a case study: Swanley
US20110082759A1 (en) System and method for the analysis of pricing data including dealer costs for vehicles and other commodities
US20080177653A1 (en) System and method for enabling service providers to create real-time reverse auctions for location based services
US20160072287A1 (en) Comfort-driven optimization of electric grid utilization
US20010032162A1 (en) Methods and systems for market clearance
US20080177652A1 (en) Methods and systems for managing and trading using a shared order book as internal exchange
US20060105342A1 (en) Computerized systems for formation and update of databases
Furuhata et al. Ridesharing: The state-of-the-art and future directions
US20060218005A1 (en) Computerized agent and systems for automatic searching of properties having favorable attributes
US20080046336A1 (en) Schedule-based electronic marketplace for services
Fox et al. Measuring the efficiency of an FCC spectrum auction
JP2001344463A (ja) 車両再販価格分析システム
US20080288326A1 (en) Method and system of forecasting customer satisfaction with potential commercial transactions
US7392215B1 (en) Method of processing bids over a network
Casaburi et al. Rural roads and intermediated trade: Regression discontinuity evidence from Sierra Leone
Eliaz et al. A simple model of search engine pricing
Siedschlag et al. What determines the location choice of R&D activities by multinational firms?
Cheng Solving a sealed-bid reverse auction problem by multiple-criterion decision-making methods

Legal Events

Date Code Title Description
PB01
SE01