CN115375477A - 数据模型交易信息处理方法、服务器、应用端和系统 - Google Patents

Abstract

本发明提供了一种数据模型交易信息处理方法、服务器、应用端和系统，特别涉及人工智能领域，所述方法包括：根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据算力资源参数，得到算力价值；根据算法参数，得到算法价值；根据数据集记录数和数据集质量参数，得到数据价值；根据算力价值、算法价值和数据价值，得到数据模型的模型价值，将模型价值发送至应用端以使应用端根据模型价值完成数据模型交易。本发明能够提高数据模型交易信息处理的速度和准确性，从而提高数据模型供给方的收益和用户的体验。

Description

数据模型交易信息处理方法、服务器、应用端和系统

技术领域

本发明涉及交易处理技术领域，特别涉及人工智能领域，尤其涉及一种数据模型交易信息处理方法、服务器、应用端和系统。

背景技术

人工智能数据模型常用于诸如数据分析、信息预测、样品分类以及参数运算等相关用途中，其能够凭借较高的运算速度和运算准确性，提高相关科研、开发和金融等领域的业务处理效率。目前，存在大量的数据模型供给方构建并训练不同种类的模型，并将其生产的模型推送至相关的交易平台(例如云计算平台)进行出售，以满足相关消费方的业务需求并赚取收益，而数据模型的交易过程中涉及交易信息处理，且确定数据模型的模型价值为该交易信息处理过程中的重要且主要的一环，准确且快速地确定模型价值，并基于该模型价值进行交易处理，有利于使用户觉得确定的模型价值较为合理，从而购买该数据模型的意愿更强，且供给方能够在交易中得到足够的收益，进而有利于提高数据模型供给方的收益和用户的体验。

现有技术中，对于数据模型交易信息的处理方式，主要为有关工作人员对数据模型的诸如算力、算法和数据源等方面的信息进行分析研究，从而确定对应的模型价值，并基于该模型价值推进交易的进行。但是，上述方式由于依赖人工，因此对数据模型的诸如算力、算法和数据源等方面的信息进行分析研究的过程需要耗费大量时间，从而导致确定模型价值的耗时较长，而且，分析研究确定模型价值的准确性，取决于工作人员的工作经验和工作能力，所确定的模型价值的准确性较低。因此，上述方式会导致确定模型价值的速度较差且准确性较低，从而导致整体数据模型交易信息处理的速度较差且准确性较低。数据模型交易信息处理的速度较差，会导致用户在交易中需等待较长时间，使用户的体验较差。数据模型交易信息处理的准确性较低，可能会使所确定的模型价值过高，使用户认为报价偏高而丧失购买意愿，导致用户体验较差的同时还使模型供给方丧失了一次赚取收益的机会，也可能会使所确定的模型价值过低，导致模型供给方在交易中所赚取的收益过低。

综上所述，现有技术中存在数据模型交易信息处理的速度较慢、准确性较低，不利于提高数据模型供给方的收益和用户的体验的问题。

发明内容

本发明的一个目的在于提供一种数据模型交易信息处理方法，以解决现有技术中数据模型交易信息处理的速度较慢、准确性较低，不利于提高数据模型供给方的收益和用户的体验的问题。本发明的另一个目的在于提供一种服务器。本发明的再一个目的在于提供一种应用端。本发明的还一个目的在于提供一种数据模型交易信息处理系统。本发明的还一个目的在于提供一种计算机设备。本发明的还一个目的在于提供一种可读介质。

为了达到以上目的，本发明的一方面公开了一种数据模型交易信息处理方法，所述方法包括：

根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；

根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；

根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易。

可选的，所述根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，包括：

根据所述交易请求信息，得到数据模型标识；

根据所述数据模型标识，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数。

可选的，所述根据所述算力资源参数，得到算力价值，包括：

根据所述算力资源参数，得到生成所述数据模型的过程中使用的计算服务设备的使用时间和性能参数；

根据生成所述数据模型的过程中使用的所有所述计算服务设备的所述使用时间和性能参数，得到对应每个所述计算服务设备的子算力价值；

将所有所述计算服务设备的子算力价值进行叠加，得到所述算力价值。

可选的，所述根据生成所述数据模型的过程中使用的所有所述计算服务设备的所述使用时间和性能参数，得到对应每个所述计算服务设备的子算力价值，包括：

根据所述性能参数，确定所述性能参数对应的设备单位时间使用价值；

将所述设备单位时间使用价值乘以所述使用时间，得到所述子算力价值。

可选的，所述根据所述算法参数，得到算法价值，包括：

根据所述算法参数，得到对应算法的研发成本、使用频率和时间复杂度；

根据所述研发成本、使用频率和时间复杂度，得到所述算法价值。

可选的，所述根据所述数据集记录数和数据集质量参数，得到数据价值，包括：

根据所述数据集记录数，得到对应数据集的数据记录占比；

根据所述数据集质量参数，得到对应数据集的质量系数；

根据对应数据集的所述数据集记录数、质量系数和所述数据记录占比，得到与所述数据集对应的子数据价值；

将所有所述数据集的子数据价值进行叠加，得到所述数据价值。

可选的，所述根据所述数据集质量参数，得到对应数据集的质量系数，包括：

根据所述数据集质量参数，得到数据获取难度系数和数据潜在价值系数；

根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数。

可选的，进一步包括：

在根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数之前，

根据所述数据集记录数，确定所述数据平衡值；其中，所述数据平衡值随所述数据集记录数的增大而减小。

可选的，所述根据所述数据集质量参数，得到数据获取难度系数和数据潜在价值系数，包括：

根据所述数据集质量参数，得到对应数据集的数据的数据获取时间、获取接口数、数据类型和数据记录平均大小；

根据所述获取时间或获取接口数，确定所述数据集的数据获取难度系数；

根据所述数据类型或数据记录平均大小，确定所述数据集的数据潜在价值系数。

可选的，所述根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，包括：

将所述算力价值、算法价值和数据价值进行叠加，得到所述模型价值。

为了达到以上目的，本发明的一方面公开了一种数据模型交易信息处理方法，所述方法包括：

向服务器发送数据模型交易的交易请求信息，以使所述服务器根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值；

根据服务器发送的所述模型价值完成数据模型交易。

可选的，进一步包括：

在向服务器发送数据模型交易的交易请求信息之前，

基于用户的请求操作，确定对应的数据模型标识；

基于所述数据模型标识，生成所述交易请求信息。

可选的，所述根据服务器发送的所述模型价值完成数据模型交易，包括：

向用户展示所述模型价值，以使用户基于所述模型价值进行对应的付款操作；

在所述付款操作完成后，基于所述交易请求信息获取所述数据模型，以完成所述数据模型交易。

可选的，进一步包括：

在基于所述交易请求信息获取所述数据模型之前，

判断所述付款操作对应的付款金额是否小于所述模型价值，若是，向用户展示交易拒绝信息。

为了达到以上目的，本发明的另一方面公开了一种服务器，包括：

参数确定模块，用于根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；

参数解析模块，用于根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；

模型价值计算模块，用于根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易。

为了达到以上目的，本发明的再一方面公开了一种应用端，包括：

请求发送模块，用于向服务器发送数据模型交易的交易请求信息，以使所述服务器根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值；

交易完成模块，用于根据服务器发送的所述模型价值完成数据模型交易。

为了达到以上目的，本发明的还一方面公开了一种数据模型交易信息处理系统，包括应用端和服务器；

其中，所述应用端用于向所述服务器发送数据模型交易的交易请求信息；

所述服务器用于根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端；

所述应用端还用于根据所述模型价值完成数据模型交易。

本发明还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。

本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。

本发明提供的数据模型交易信息处理方法、服务器、应用端和系统，通过根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，能够对交易请求信息进行准确快速的解析，使所确定的有关模型参数是符合交易请求所对应的数据模型的实际情况的，提高了确定的有关模型参数的准确性和速度，而且上述模型参数均与生产该数据模型所实际耗费的物力成本和劳动成本密切相关，因此能够进一步提高确定的有关模型参数的准确性，从而能够提高后续基于模型参数确定模型价值的准确性，进而提高整体数据模型交易信息处理的速度和准确性；通过根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值，能够分别以数据模型的不同方面的实际相关参数为依据，精确地确定更能够符合模型实际相关价值的算力价值、算法价值和数据价值，提高了确定算力价值、算法价值和数据价值的准确性，从而提高了后续确定模型价值的准确性，进而提高了整体数据模型交易信息处理的准确性；通过根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易，能够快速地基于准确的模型价值进行交易处理，提高了数据模型交易信息处理的速度和准确性，从而提高了交易的效率，且本发明方案的相关步骤，均可以程序、算法或应用等形式实现自动化执行，大幅度减少了对人工介入的依赖程度，进一步大幅度提高了数据模型交易信息处理的速度和准确性。综上所述，本发明提供的数据模型交易信息处理方法、服务器、应用端和系统，能够提高数据模型交易信息处理的速度和准确性，从而提高数据模型供给方的收益和用户的体验。

附图说明

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，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例的一种数据模型交易信息处理系统的示意图；

图2示出了本发明实施例的一种服务器的数据模型交易信息处理方法的流程示意图；

图3示出了本发明实施例的一种可选的确定算力资源参数、算法参数、数据集记录数和数据集质量参数的步骤示意图；

图4示出了本发明实施例的一种可选的得到数据价值的步骤示意图；

图5示出了本发明实施例的一种应用端的数据模型交易信息处理方法的流程示意图；

图6示出了本发明实施例的一种服务器的模块示意图；

图7示出了本发明实施例的一种应用端的模块示意图；

图8示出适于用来实现本发明实施例的计算机设备的结构示意图。

具体实施方式

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。

关于本文中所使用的“第一”、“第二”、……等，并非特别指称次序或顺位的意思，亦非用以限定本发明，其仅为了区别以相同技术用语描述的元件或操作。

关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。

关于本文中所使用的“及/或”，包括所述事物的任一或全部组合。

需要说明的是，本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

本发明实施例公开了一种数据模型交易信息处理系统，如图1所示，该系统包括应用端101和服务器102；

其中，所述应用端101用于向所述服务器102发送数据模型交易的交易请求信息；

所述服务器102用于根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端101；

所述应用端101还用于根据所述模型价值完成数据模型交易。

示例性的，应用端101和服务器102可以集成设置，也可以分别单独设置。需要说明的是，对于应用端101和服务器102的具体设置方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

本发明提供的数据模型交易信息处理方法、服务器、应用端和系统，通过根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，能够对交易请求信息进行准确快速的解析，使所确定的有关模型参数是符合交易请求所对应的数据模型的实际情况的，提高了确定的有关模型参数的准确性和速度，而且上述模型参数均与生产该数据模型所实际耗费的物力成本和劳动成本密切相关，因此能够进一步提高确定的有关模型参数的准确性，从而能够提高后续基于模型参数确定模型价值的准确性，进而提高整体数据模型交易信息处理的速度和准确性；通过根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值，能够分别以数据模型的不同方面的实际相关参数为依据，精确地确定更能够符合模型实际相关价值的算力价值、算法价值和数据价值，提高了确定算力价值、算法价值和数据价值的准确性，从而提高了后续确定模型价值的准确性，进而提高了整体数据模型交易信息处理的准确性；通过根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易，能够快速地基于准确的模型价值进行交易处理，提高了数据模型交易信息处理的速度和准确性，从而提高了交易的效率，且本发明方案的相关步骤，均可以程序、算法或应用等形式实现自动化执行，大幅度减少了对人工介入的依赖程度，进一步大幅度提高了数据模型交易信息处理的速度和准确性。综上所述，本发明提供的数据模型交易信息处理方法、服务器、应用端和系统，能够提高数据模型交易信息处理的速度和准确性，从而提高数据模型供给方的收益和用户的体验。

下面以服务器102作为执行主体为例，说明本发明实施例提供的数据模型交易信息处理方法的实现过程。可理解的是，本发明实施例提供的数据模型交易信息处理方法的执行主体包括但不限于该服务器102。

基于此，本发明实施例公开了一种数据模型交易信息处理方法，如图2所示，该方法具体包括如下步骤：

S201：根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数。

S202：根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值。

S203：根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易。

示例性的，所述交易请求信息，可以为但不限于报文、消息或数据流等形式的交易请求信息。需要说明的是，对于交易请求信息的具体形式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，在构建和训练数据模型的过程中，主要需要使用算力资源进行有关处理，并需要自行设计或购买对应的算法，且需要寻找并购买对应的数据集。使用算力资源，往往需要花费与该算力资源处理能力对应金额的资金；自行设计算法，需要投入大量的研发成本、物力、人力和时间；购买对应的算法，需要花费与该算法功能和复杂性对应金额的资金；寻找并获取数据集，需要耗费相应的物力、人力和时间，且购买数据集，同样需要花费与数据集的数据记录数和数据集质量对应金额的资金。因此，基于算力资源参数、算法参数以及数据集记录数和数据集质量参数确定模型价值，能够在考虑除成本外的利益的基础上，使模型价值更好地与构建和训练数据模型的过程中所投入的各方面的成本相符。

本发明提供的数据模型交易信息处理方法、服务器、应用端和系统，通过根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，能够对交易请求信息进行准确快速的解析，使所确定的有关模型参数是符合交易请求所对应的数据模型的实际情况的，提高了确定的有关模型参数的准确性和速度，而且上述模型参数均与生产该数据模型所实际耗费的物力成本和劳动成本密切相关，因此能够进一步提高确定的有关模型参数的准确性，从而能够提高后续基于模型参数确定模型价值的准确性，进而提高整体数据模型交易信息处理的速度和准确性；通过根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值，能够分别以数据模型的不同方面的实际相关参数为依据，精确地确定更能够符合模型实际相关价值的算力价值、算法价值和数据价值，提高了确定算力价值、算法价值和数据价值的准确性，从而提高了后续确定模型价值的准确性，进而提高了整体数据模型交易信息处理的准确性；通过根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易，能够快速地基于准确的模型价值进行交易处理，提高了数据模型交易信息处理的速度和准确性，从而提高了交易的效率，且本发明方案的相关步骤，均可以程序、算法或应用等形式实现自动化执行，大幅度减少了对人工介入的依赖程度，进一步大幅度提高了数据模型交易信息处理的速度和准确性。综上所述，本发明提供的数据模型交易信息处理方法、服务器、应用端和系统，能够提高数据模型交易信息处理的速度和准确性，从而提高数据模型供给方的收益和用户的体验。

在一个可选的实施方式中，如图3所示，所述根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，包括如下步骤：

S301：根据所述交易请求信息，得到数据模型标识。

S302：根据所述数据模型标识，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数。

示例性的，所述根据所述交易请求信息，得到数据模型标识，可以为但不限于对所述交易请求信息进行解析，得到所述数据模型标识。其中，所述交易请求信息中直接包含或间接包含该数据模型标识。需要说明的是，对于根据所述交易请求信息，得到数据模型标识的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述数据模型标识，可以为但不限于数据模型名称、数据模型ID或数据模型编号等可以用于对数据模型进行标识的信息。其中，可以基于数据模型标识，对应到某个具体的数据模型。需要说明的是，对于数据模型标识的具体类型和内容，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述根据所述数据模型标识，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，可以为但不限于使用数据模型标识在有关的数据库、系统、日志或记录中进行查找，确定其中的与该数据模型标识对应的数据模型的记载有关构建以及训练等具体细节的数据模型信息，并在数据模型信息中进行查找确定所述算力资源参数、算法参数、数据集记录数和数据集质量参数。其中，在构建和训练模型的过程中，会将涉及到的算力资源参数、算法参数、数据集记录数和数据集质量参数存储至对应的数据模型信息中。需要说明的是，对于根据所述数据模型标识，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

由于标识往往具有唯一性，且标识常用于对特定的物品、信息或产物等进行标记，以便在标识已知的情况下，能够快速准确地定位到对应的物品、信息或产物等。因此，上述步骤能够对交易请求信息进行解析，得到更加细化且清晰的数据模型标识作为定位依据，并凭借数据模型标识的上述优势和特性，以简单的处理方式更快速准确地定位到生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，提高了确定上述参数的速度和准确性。从而提高了后续确定数据模型价值的准确性，进而提高了整体数据模型交易信息处理的速度和准确性。

在一个可选的实施方式中，所述根据所述算力资源参数，得到算力价值，包括：

根据所述算力资源参数，得到生成所述数据模型的过程中使用的计算服务设备的使用时间和性能参数；

根据生成所述数据模型的过程中使用的所有所述计算服务设备的所述使用时间和性能参数，得到对应每个所述计算服务设备的子算力价值；

将所有所述计算服务设备的子算力价值进行叠加，得到所述算力价值。

示例性的，所述算力资源参数中包括生成所述数据模型的过程中使用的一个或多个计算服务设备的使用时间和性能参数，所以能够直接根据所述算力资源参数，得到生成所述数据模型的过程中使用的计算服务设备的使用时间和性能参数。

示例性的，所述计算服务设备，包括但不限于构建和训练数据模型的过程中所使用到的用于进行相关运算和处理操作的服务器、平台、计算机或计算服务器等。对应的，所述算力资源，可以为但不限于所述计算服务设备。需要说明的是，对于计算服务设备的具体类型，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述使用时间，可以为但不限于使用某个计算服务设备的累计使用时长等，例如，对于xxx服务器，累计使用了200小时，则对于计算服务设备xxx服务器而言，其对应的使用时间为200小时。

示例性的，所述性能参数，包括但不限于计算服务设备的CPU频率、内存、存储空间和带宽等能够衡量设备运行能力的参数。需要说明的是，对于性能参数的具体内容，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

通过上述步骤，能够对算力资源参数进行进一步的解析，确定更清晰的、更准确的且更能够衡量算力资源处理能力以及使用量的性能参数和使用时间作为确定算力价值的依据，细化了确定算力价值的输入粒度，且由于算力资源处理能力和使用量与算力资源使用所需的资金密切相关，因此上述确定算力价值的步骤更加符合实际规律，且进一步考虑到了实际生产模型的过程中会使用到多种不同的算力资源(计算服务设备)，因此将每种算力资源对应的子算力价值进行叠加得到所述算力价值，也更加符合实际规律。因此，上述步骤能够大幅度提高得到算力价值的准确性，而且上述步骤涉及的处理过程并不复杂，具有较低的计算复杂度，因此，上述步骤还能够大幅度提高得到算力价值的速度，从而提高整体数据模型交易信息处理的准确性和速度。

在一个可选的实施方式中，所述根据生成所述数据模型的过程中使用的所有所述计算服务设备的所述使用时间和性能参数，得到对应每个所述计算服务设备的子算力价值，包括：

根据所述性能参数，确定所述性能参数对应的设备单位时间使用价值；

将所述设备单位时间使用价值乘以所述使用时间，得到所述子算力价值。

示例性的，所述单位时间，可以为但不限于每分钟、每小时或每日等，需要说明的是，对于单位时间，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述根据所述性能参数，确定所述性能参数对应的设备单位时间使用价值，可以为但不限于使用所述性能参数在预设的性能-单位时间使用价值对照表中进行查询，确定所述设备单位时间使用价值，其中，所述性能-单位时间使用价值对照表可由计算服务设备的提供方制定或基于市场化价格标准确定，例如，一个示例性的性能-单位时间使用价值对照表，具体为如下表1：

表1

需要说明的是，对于根据所述性能参数，确定所述性能参数对应的设备单位时间使用价值的具体实现方式以及性能-单位时间使用价值对照表的具体内容，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

通过上述步骤，能够将确定当某个计算服务设备对应的子算力价值的依据细化到详细清晰的设备单位时间使用价值，由于设备单位时间使用价值与数据模型供给方在生产模型的过程中对于算力的投入资金的价值密切相关，因此，上述步骤能够提高所得到的子算力价值的准确性，从而进一步提高后续得到的算力价值的准确性，进而进一步提高整体数据模型交易信息处理的准确性。而且，上述步骤中涉及的计算处理过程同样十分简洁，因此具有较低的计算复杂度，能够提高得到子算力价值的速度，从而进一步提高得到的算力价值的速度，进而进一步提高整体数据模型交易信息处理的速度。而且，由于性能参数与设备单位时间使用价值密切相关，因此使用性能参数确定设备单位时间使用价值，能够提高得到的设备单位时间使用价值的准确性，从而进一步提高基于设备单位时间使用价值确定子算力价值的准确性，进而进一步提高整体数据模型交易信息处理的准确性。

在一个可选的实施方式中，所述根据所述算法参数，得到算法价值，包括：

根据所述算法参数，得到对应算法的研发成本、使用频率和时间复杂度；

根据所述研发成本、使用频率和时间复杂度，得到所述算法价值。

示例性的，所述算法参数中直接或间接包含所述研发成本、使用频率和时间复杂度，所以能够直接根据所述算法参数，得到对应算法的研发成本、使用频率和时间复杂度。

示例性的，所述研发成本，可以为但不限于在数据模型供给方自行研发所需算法时投入的成本或在购买所需算法时从算法提供方那里获取的研发成本。需要说明的是，对于研发成本的性质和具体来源，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述使用频率，可以为但不限于单位时间内使用某个算法的次数。需要说明的是，对于使用频率的性质和具体来源，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述时间复杂度，可以为但不限于在数据模型供给方自行研发所需算法时所确定的时间复杂度或在购买所需算法时从算法提供方那里获取的时间复杂度。需要说明的是，对于时间复杂度的性质和具体来源，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述根据所述研发成本、使用频率和时间复杂度，得到所述算法价值，可以为但不限于先根据预设的时间复杂度与时间复杂度权值的对应关系，确定所述时间复杂度对应的时间复杂度权值，其中，时间复杂度与时间复杂度权值正相关。例如，一个时间复杂度与时间复杂度权值的对应关系，可以为但不限于如下：

时间复杂度：常数阶O(1)——时间复杂度权值：1

时间复杂度：对数阶O(logN)——时间复杂度权值：1.5

时间复杂度：线性阶O(n)——时间复杂度权值：2

时间复杂度：线性对数阶O(nlogN)——时间复杂度权值：3

时间复杂度：K次方阶O(n^k)——时间复杂度权值：2^k

然后，将使用频率(在此例中，使用频率取“次/每日”)、研发成本和时间复杂度权值相乘，得到所述算法价值。

需要说明的是，对于根据所述研发成本、使用频率和时间复杂度，得到所述算法价值的具体实现方式以及时间复杂度与时间复杂度权值的对应关系，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

通过上述步骤，能够对算法参数进行进一步解析，将确定算法价值的依据细化到了更清晰详细的研发成本、使用频率和时间复杂度，由于研发成本、使用频率和时间复杂度均为能够准确衡量算法的构建价值和使用价值，因此，上述步骤能够提高得到的算法价值的准确性，从而提高整体数据模型交易信息处理的准确性。

在一个可选的实施方式中，如图4所示，所述根据所述数据集记录数和数据集质量参数，得到数据价值，包括如下步骤：

S401：根据所述数据集记录数，得到对应数据集的数据记录占比。

S402：根据所述数据集质量参数，得到对应数据集的质量系数。

S403：根据对应数据集的所述数据集记录数、质量系数和所述数据记录占比，得到与所述数据集对应的子数据价值。

S404：将所有所述数据集的子数据价值进行叠加，得到所述数据价值。

示例性的，一个数据集包括一条或多条数据集记录。所述数据集，可以为但不限于所述数据模型所需的源数据的数据集。

示例性的，所述根据所述数据集记录数，得到对应数据集的数据记录占比，可以为但不限于将生产当前数据模型的过程中所需所用的所有的数据集的数据集记录数进行叠加得到总记录数，并将对应的某个数据集的数据集记录数除以所述总记录数，得到对应的数据记录占比。需要说明的是，对于根据所述数据集记录数，得到对应数据集的数据记录占比的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述根据对应数据集的所述数据集记录数、质量系数和所述数据记录占比，得到与所述数据集对应的子数据价值，可以为但不限于将所述数据集记录数、质量系数和数据记录占比相乘，得到所述子数据价值。需要说明的是，对于根据对应数据集的所述数据集记录数、质量系数和所述数据记录占比，得到与所述数据集对应的子数据价值的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

通过上述步骤，能够对数据集记录数和数据集质量参数进行深度解析，大幅度细化确定数据价值所依据的参数粒度，由于数据记录占比和质量系数这些粒度较细的参数为基于实际的数据集记录数和数据集质量参数解析确定，因此其符合实际的数据集的相关情况，具有较高的准确性，从而能够提高确定的子数据价值的准确性，进而提高了确定的数据价值的准确性。而且，上述步骤充分考虑到了生产一种数据模型可能会涉及到采集多个数据集的规律，将所有所述数据集的子数据价值进行叠加得到所述数据价值，能够使得到的数据价值更符合实际情况，进一步提高了确定的数据价值的准确性。且上述步骤的相关处理过程较为简洁，具有较低的计算复杂度，还能够提高得到数据价值的速度。因此，上述步骤能够提高得到数据价值的准确性和速度，从而提高整体数据模型交易信息处理的准确性和速度。

在一个可选的实施方式中，所述根据所述数据集质量参数，得到对应数据集的质量系数，包括：

根据所述数据集质量参数，得到数据获取难度系数和数据潜在价值系数；

根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数。

示例性的，所述根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数，可以为但不限于将所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值相乘，得到所述质量系数。需要说明的是，对于根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

通过上述步骤，能够对数据集质量参数进行进一步的解析，细化了确定质量系数的依据参数粒度，且数据获取难度和数据潜在价值均与数据集的质量密切相关，而平衡值能够修正质量系数，减少偏差程度，因此能够提高得到质量系数的准确性，从而进一步提高得到数据价值的准确性，进而进一步提高整体数据模型交易信息处理的准确性。

在一个可选的实施方式中，进一步包括：

在根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数之前，

根据所述数据集记录数，确定所述数据平衡值；其中，所述数据平衡值随所述数据集记录数的增大而减小。

示例性的，所述根据所述数据集记录数，确定所述数据平衡值，可以为但不限于将1除以所述数据集记录数，确定得到所述数据平衡值。需要说明的是，对于根据所述数据集记录数，确定所述数据平衡值的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

通过上述步骤，能够使数据平衡值与数据集记录数呈负相关，从而能够在数据集记录数过多时使数据平衡值变得较小，以使数据集记录数过多时数据价值不会过度溢价(数量越多不代表质量就越好、价值就越高)，提高了数据平衡值修正偏差的作用，从而提高了得到数据价值的准确性，进而提高了整体数据模型交易信息处理的准确性。

在一个可选的实施方式中，所述根据所述数据集质量参数，得到数据获取难度系数和数据潜在价值系数，包括：

根据所述数据集质量参数，得到对应数据集的数据的数据获取时间、获取接口数、数据类型和数据记录平均大小；

根据所述获取时间或获取接口数，确定所述数据集的数据获取难度系数；

根据所述数据类型或数据记录平均大小，确定所述数据集的数据潜在价值系数。

示例性的，由于数据集质量参数包括对应数据集的数据的数据获取时间、获取接口数、数据类型和数据记录平均大小，所以能够直接根据所述数据集质量参数，得到对应数据集的数据的数据获取时间、获取接口数、数据类型和数据记录平均大小。

示例性的，所述获取时间，可以为但不限于从对应数据集获取数据时所耗费的时长，需要说明的是，对于所述获取时间的具体含义，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述获取接口数，可以为但不限于从对应数据集获取数据时用于对接对应数据集的接口的数量。需要说明的是，对于获取接口数的具体含义，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述数据类型，可以为但不限于对应不同业务和方面的数据类型，例如，所述数据类型，包括但不限于消费数据、行为习惯数据、注册数据或研发数据等。需要说明的是，对于数据类型的具体范围和内容，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述数据记录平均大小，可以为但不限于数据集中每条数据记录的平均占用空间、平均长度或平均属性数量等。需要说明的是，对于数据记录平均大小的具体性质，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述根据所述获取时间或获取接口数，确定所述数据集的数据获取难度系数，可以为但不限于将所述获取时间除以预设的单个数据集获取时间上限得到所述数据获取难度系数，或者将所述获取接口数除以预设的单个数据集获取接口数上限得到所述数据获取难度系数。其中，单个数据集获取时间上限和单个数据集获取接口数上限，可由本领域技术人员根据业务中普遍的数据集获取情况确定，本发明实施例对此并不构成限制。需要说明的是，对于根据所述获取时间或获取接口数，确定所述数据集的数据获取难度系数的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

示例性的，所述根据所述数据类型或数据记录平均大小，确定所述数据集的数据潜在价值系数，可以为但不限于基于所述数据类型查询预设的数据类型和数据潜在价值系数对应关系，确定对应的数据潜在价值系数，或者将所述数据记录平均大小除以预设的记录大小上限得到所述数据潜在价值系数。其中，所述数据类型和数据潜在价值系数对应关系，与所述数据模型应用的领域或业务等相关，在对应关系中，数据类型与数据模型应用的领域或业务越相近，其对应的数据潜在价值系数越高，所述数据类型和数据潜在价值系数对应关系，可由本领域技术人员根据实际情况预设确定，本发明实施例对此并不做出限制。例如，对于用于产品信息推送的数据模型而言，某个示例性的数据类型和数据潜在价值系数对应关系如下所示：

数据类型：消费数据——数据潜在价值系数：0.8

数据类型：行为习惯数据——数据潜在价值系数：0.7

数据类型：注册数据——数据潜在价值系数：0.4

数据类型：研发数据——数据潜在价值系数：0.1

数据类型：用户健身数据——数据潜在价值系数：0.05

其中，所述记录大小上限，可由本领域技术人员根据业务中普遍的数据集记录情况确定，本发明实施例对此并不构成限制。

需要说明的是，对于根据所述数据类型或数据记录平均大小，确定所述数据集的数据潜在价值系数的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。

通过上述步骤，能够对数据集质量参数进行进一步的解析，得到粒度更加细化且内容更清晰的用于确定数据获取难度系数和数据潜在价值系数的依据参数，而由于从数据集获取数据时，获取时间和获取接口数均能够准确反映获取数据时的操作复杂程度，而操作复杂程度又与数据获取难度紧密相关，因此上述步骤能够提高确定数据获取难度系数的准确性，而由于数据类型越与数据模型所应用的业务或领域相关，则模型对于该数据的需求程度就越高，而需求程度又与数据潜在价值紧密相关，且往往数据记录内容越多，模型对于该数据记录的需求程度就越高，因此上述步骤能够提高确定数据潜在价值系数的准确性。从而，上述步骤提高了确定数据价值的准确性，进而提高了整体数据模型交易信息处理的准确性。

在一个可选的实施方式中，所述根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，包括：

将所述算力价值、算法价值和数据价值进行叠加，得到所述模型价值。

通过上述步骤，能够使模型价值在整体上反映并体现其不同方面的价值的总和，提高了得到的模型价值的准确性，进而提高了整体数据模型交易信息处理的准确性。

下面以应用端101作为执行主体为例，说明本发明实施例提供的数据模型交易信息处理方法的实现过程。可理解的是，本发明实施例提供的数据模型交易信息处理方法的执行主体包括但不限于该应用端101。

基于此，本发明实施例公开了一种数据模型交易信息处理方法，如图5所示，该方法具体包括如下步骤：

S501：向服务器发送数据模型交易的交易请求信息，以使所述服务器根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值。

S502：根据服务器发送的所述模型价值完成数据模型交易。

本发明提供的数据模型交易信息处理方法、服务器、应用端和系统，通过根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，能够对交易请求信息进行准确快速的解析，使所确定的有关模型参数是符合交易请求所对应的数据模型的实际情况的，提高了确定的有关模型参数的准确性和速度，而且上述模型参数均与生产该数据模型所实际耗费的物力成本和劳动成本密切相关，因此能够进一步提高确定的有关模型参数的准确性，从而能够提高后续基于模型参数确定模型价值的准确性，进而提高整体数据模型交易信息处理的速度和准确性；通过根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值，能够分别以数据模型的不同方面的实际相关参数为依据，精确地确定更能够符合模型实际相关价值的算力价值、算法价值和数据价值，提高了确定算力价值、算法价值和数据价值的准确性，从而提高了后续确定模型价值的准确性，进而提高了整体数据模型交易信息处理的准确性；通过根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易，能够快速地基于准确的模型价值进行交易处理，提高了数据模型交易信息处理的速度和准确性，从而提高了交易的效率，且本发明方案的相关步骤，均可以程序、算法或应用等形式实现自动化执行，大幅度减少了对人工介入的依赖程度，进一步大幅度提高了数据模型交易信息处理的速度和准确性。综上所述，本发明提供的数据模型交易信息处理方法、服务器、应用端和系统，能够提高数据模型交易信息处理的速度和准确性，从而提高数据模型供给方的收益和用户的体验。

在一个可选的实施方式中，进一步包括：

在向服务器发送数据模型交易的交易请求信息之前，

基于用户的请求操作，确定对应的数据模型标识；

基于所述数据模型标识，生成所述交易请求信息。

示例性的，所述基于用户的请求操作，确定对应的数据模型标识，可以为但不限于基于用户的请求操作，形成对应的信息输入，并对该信息输入进行诸如语义分析和特征提取等操作，确定用户所期望购买的数据模型的数据模型标识。例如，用户在应用端弹出的模型选择菜单中选择了标签为“abc123”的选项(即用户的请求操作)，确定了在购买模型的过程中所指定的信息输入为标签“abc123”，之后，对其进行特征提取，确定该用户所期望购买的数据模型的数据模型标识即为“abc123”。需要说明的是，对于基于用户的请求操作，确定对应的数据模型标识的具体实现方式，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制。

示例性的，所述基于所述数据模型标识，生成所述交易请求信息，可以为但不限于以所述数据模型标识为主要信息内容，并添加整合诸如包头和传输协议标识等辅助信息，生成对应的交易请求信息报文或数据流等。需要说明的是，对于基于所述数据模型标识，生成所述交易请求信息的具体实现方式，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制。

通过上述步骤，能够使交易请求信息更准确地反映用户所期望购买的数据模型，从而提高后续基于交易请求信息进行一系列处理的准确性，有利于减少交易过程发生错误的概率，使用户购买到的数据模型正是自己期望的模型，提高用户的体验。

在一个可选的实施方式中，所述根据服务器发送的所述模型价值完成数据模型交易，包括：

向用户展示所述模型价值，以使用户基于所述模型价值进行对应的付款操作；

在所述付款操作完成后，基于所述交易请求信息获取所述数据模型，以完成所述数据模型交易。

示例性的，所述基于所述交易请求信息获取所述数据模型，可以为但不限与基于所述交易请求信息进行解析，得到对应的数据模型标识，并使用所述数据模型标识在服务器、预设的存储了各种数据模型的数据库或系统等进行查询，获取到对应的所述数据模型。其中，应用端获取到所述数据模型时，用户即可在应用端中直接使用该数据模型，或者将应用端的数据模型复制或移动到对应业务的使用环境中进行使用。需要说明的是，对于基于所述交易请求信息获取所述数据模型的具体实现方式，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制。

通过上述步骤，能够以简洁的处理步骤提高交易的速度，且基于所述交易请求信息获取所述数据模型能够使获取的数据模型与交易请求信息相符，提高了获取数据模型的准确性，从而有利于提高交易的准确性。因此上述步骤提高了用户的体验。

在一个可选的实施方式中，进一步包括：

在基于所述交易请求信息获取所述数据模型之前，

判断所述付款操作对应的付款金额是否小于所述模型价值，若是，向用户展示交易拒绝信息。

示例性的，所述向用户展示交易拒绝信息，可以为但不限于向用户展示诸如“您在购买xxx模型的交易中的支付金额不足，请重新进行支付或放弃购买”等信息。需要说明的是，对于向用户展示交易拒绝信息的具体实现方式，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制。

通过上述步骤，能够在用户购买数据模型的交易中付款不足时，快速地终止交易的进行，以使数据模型供给方不会亏本，有利于保护数据模型供给方的收益。

基于相同原理，本发明实施例公开了一种服务器600，如图6所示，所述服务器600包括：

参数确定模块601，用于根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；

参数解析模块602，用于根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；

模型价值计算模块603，用于根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易。

在一个可选的实施方式中，所述参数确定模块601，用于：

根据所述交易请求信息，得到数据模型标识；

根据所述数据模型标识，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数。

在一个可选的实施方式中，所述参数解析模块602，用于：

根据所述算力资源参数，得到生成所述数据模型的过程中使用的计算服务设备的使用时间和性能参数；

根据生成所述数据模型的过程中使用的所有所述计算服务设备的所述使用时间和性能参数，得到对应每个所述计算服务设备的子算力价值；

将所有所述计算服务设备的子算力价值进行叠加，得到所述算力价值。

在一个可选的实施方式中，所述参数解析模块602，用于：

根据所述性能参数，确定所述性能参数对应的设备单位时间使用价值；

将所述设备单位时间使用价值乘以所述使用时间，得到所述子算力价值。

在一个可选的实施方式中，所述参数解析模块602，用于：

根据所述算法参数，得到对应算法的研发成本、使用频率和时间复杂度；

根据所述研发成本、使用频率和时间复杂度，得到所述算法价值。

在一个可选的实施方式中，所述参数解析模块602，用于：

根据所述数据集记录数，得到对应数据集的数据记录占比；

根据所述数据集质量参数，得到对应数据集的质量系数；

根据对应数据集的所述数据集记录数、质量系数和所述数据记录占比，得到与所述数据集对应的子数据价值；

将所有所述数据集的子数据价值进行叠加，得到所述数据价值。

在一个可选的实施方式中，所述参数解析模块602，用于：

根据所述数据集质量参数，得到数据获取难度系数和数据潜在价值系数；

根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数。

在一个可选的实施方式中，进一步包括数据平衡值预设模块，用于：

在根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数之前，

根据所述数据集记录数，确定所述数据平衡值；其中，所述数据平衡值随所述数据集记录数的增大而减小。

在一个可选的实施方式中，所述参数解析模块602，用于：

根据所述数据集质量参数，得到对应数据集的数据的数据获取时间、获取接口数、数据类型和数据记录平均大小；

根据所述获取时间或获取接口数，确定所述数据集的数据获取难度系数；

根据所述数据类型或数据记录平均大小，确定所述数据集的数据潜在价值系数。

在一个可选的实施方式中，所述模型价值计算模块603，用于：

将所述算力价值、算法价值和数据价值进行叠加，得到所述模型价值。

基于相同原理，本发明实施例公开了一种应用端700，如图7所示，所述应用端700包括：

请求发送模块701，用于向服务器发送数据模型交易的交易请求信息，以使所述服务器根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值；

交易完成模块702，用于根据服务器发送的所述模型价值完成数据模型交易。

在一个可选的实施方式中，进一步包括交易请求生成模块，用于：

在向服务器发送数据模型交易的交易请求信息之前，

基于用户的请求操作，确定对应的数据模型标识；

基于所述数据模型标识，生成所述交易请求信息。

在一个可选的实施方式中，所述交易完成模块702，用于：

向用户展示所述模型价值，以使用户基于所述模型价值进行对应的付款操作；

在所述付款操作完成后，基于所述交易请求信息获取所述数据模型，以完成所述数据模型交易。

在一个可选的实施方式中，进一步包括交易拒绝模块，用于：

在基于所述交易请求信息获取所述数据模型之前，

判断所述付款操作对应的付款金额是否小于所述模型价值，若是，向用户展示交易拒绝信息。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

在一个典型的实例中计算机设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。

下面参考图8，其示出了适于用来实现本申请实施例的计算机设备800的结构示意图。

如图8所示，计算机设备800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的工作和处理。在RAM803中，还存储有系统800操作所需的各种程序和数据。CPU801、ROM802、以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装如存储部分808。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，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。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (19)

1.一种数据模型交易信息处理方法，其特征在于，包括：

根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；

根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；

根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易。

2.根据权利要求1所述的方法，其特征在于，所述根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数，包括：

根据所述交易请求信息，得到数据模型标识；

根据所述数据模型标识，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述算力资源参数，得到算力价值，包括：

根据所述算力资源参数，得到生成所述数据模型的过程中使用的计算服务设备的使用时间和性能参数；

根据生成所述数据模型的过程中使用的所有所述计算服务设备的所述使用时间和性能参数，得到对应每个所述计算服务设备的子算力价值；

将所有所述计算服务设备的子算力价值进行叠加，得到所述算力价值。

4.根据权利要求3所述的方法，其特征在于，所述根据生成所述数据模型的过程中使用的所有所述计算服务设备的所述使用时间和性能参数，得到对应每个所述计算服务设备的子算力价值，包括：

根据所述性能参数，确定所述性能参数对应的设备单位时间使用价值；

将所述设备单位时间使用价值乘以所述使用时间，得到所述子算力价值。

5.根据权利要求1所述的方法，其特征在于，所述根据所述算法参数，得到算法价值，包括：

根据所述算法参数，得到对应算法的研发成本、使用频率和时间复杂度；

根据所述研发成本、使用频率和时间复杂度，得到所述算法价值。

6.根据权利要求1所述的方法，其特征在于，所述根据所述数据集记录数和数据集质量参数，得到数据价值，包括：

根据所述数据集记录数，得到对应数据集的数据记录占比；

根据所述数据集质量参数，得到对应数据集的质量系数；

根据对应数据集的所述数据集记录数、质量系数和所述数据记录占比，得到与所述数据集对应的子数据价值；

将所有所述数据集的子数据价值进行叠加，得到所述数据价值。

7.根据权利要求6所述的方法，其特征在于，所述根据所述数据集质量参数，得到对应数据集的质量系数，包括：

根据所述数据集质量参数，得到数据获取难度系数和数据潜在价值系数；

根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数。

8.根据权利要求7所述的方法，其特征在于，进一步包括：

在根据所述数据获取难度系数、数据潜在价值系数和预设的数据平衡值，得到所述质量系数之前，

根据所述数据集记录数，确定所述数据平衡值；其中，所述数据平衡值随所述数据集记录数的增大而减小。

9.根据权利要求7所述的方法，其特征在于，所述根据所述数据集质量参数，得到数据获取难度系数和数据潜在价值系数，包括：

根据所述数据集质量参数，得到对应数据集的数据的数据获取时间、获取接口数、数据类型和数据记录平均大小；

根据所述获取时间或获取接口数，确定所述数据集的数据获取难度系数；

根据所述数据类型或数据记录平均大小，确定所述数据集的数据潜在价值系数。

10.根据权利要求1所述的方法，其特征在于，所述根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，包括：

将所述算力价值、算法价值和数据价值进行叠加，得到所述模型价值。

11.一种数据模型交易信息处理方法，其特征在于，包括：

向服务器发送数据模型交易的交易请求信息，以使所述服务器根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值；

根据服务器发送的所述模型价值完成数据模型交易。

12.根据权利要求11所述的方法，其特征在于，进一步包括：

在向服务器发送数据模型交易的交易请求信息之前，

基于用户的请求操作，确定对应的数据模型标识；

基于所述数据模型标识，生成所述交易请求信息。

13.根据权利要求11所述的方法，其特征在于，所述根据服务器发送的所述模型价值完成数据模型交易，包括：

向用户展示所述模型价值，以使用户基于所述模型价值进行对应的付款操作；

在所述付款操作完成后，基于所述交易请求信息获取所述数据模型，以完成所述数据模型交易。

14.根据权利要求13所述的方法，其特征在于，进一步包括：

在基于所述交易请求信息获取所述数据模型之前，

判断所述付款操作对应的付款金额是否小于所述模型价值，若是，向用户展示交易拒绝信息。

15.一种服务器，其特征在于，包括：

参数确定模块，用于根据应用端发送的数据模型交易的交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；

参数解析模块，用于根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；

模型价值计算模块，用于根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端以使所述应用端根据所述模型价值完成数据模型交易。

16.一种应用端，其特征在于，包括：

请求发送模块，用于向服务器发送数据模型交易的交易请求信息，以使所述服务器根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值；

交易完成模块，用于根据服务器发送的所述模型价值完成数据模型交易。

17.一种数据模型交易信息处理系统，其特征在于，包括应用端和服务器；

其中，所述应用端用于向所述服务器发送数据模型交易的交易请求信息；

所述服务器用于根据所述交易请求信息，确定生成对应的数据模型所需算力资源的算力资源参数、所需算法的算法参数以及所需数据集的数据集记录数和数据集质量参数；根据所述算力资源参数，得到算力价值；根据所述算法参数，得到算法价值；根据所述数据集记录数和数据集质量参数，得到数据价值；根据所述算力价值、算法价值和数据价值，得到数据模型的模型价值，将所述模型价值发送至所述应用端；

所述应用端还用于根据所述模型价值完成数据模型交易。

18.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-14中任一项所述方法。

19.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-14中任一项所述方法。

Images