[发明专利]一种基于元组粒度的个人大数据定价方法

说明书

所属技术领域

本发明涉及大数据技术领域，尤其是涉及一种基于元组粒度的个人大数据定价方法。

背景技术

随着大数据的巨大价值被重新认识以及计算机存储成本的下降，对个人信息的收集数量达到前所未有的水平。这些数据的经济价值恰好验证了了许多互联网公司从搜索引擎、社会媒体网站以及销售这些信息等方面所取得的成功。但是，由于隐私等相关问题，大量潜在的有用私有数据不能被利益相关者所访问。

无论是对于数据拥有者还是企图分析它的机构来说，个人大数据本身具有很大的价值。通常，个人大数据是指涉及个人隐私的特征行为数据，是个人生活活动或工作中产生的、个人可以拥有或控制的数据。个人大数据具有快速的数据流转、多样的数据类型、复杂的数据来源等特点，主要包括个人基础信息以及个人收支、财产、朋友圈、健康、教育、观点以及个人感知数据等信息。虽然个人大数据本身蕴藏着巨大的商业价值，但往往被个人所忽略。数字技术的使用本应该使个人成为商业、经济系统中服务和商品的参与提供者和共同创造者。然而，目前的数据产品、定价和交易机制几乎完全绕开个人用户。

基于此，本发明提出了一种基于元组粒度的个人大数据定价方法。通过对影响数据价值的数据属性进行调查，然后分析了信息熵、价值权重、数据引用指数、数据成本等因素对数据元组价值的影响，推导出一个数据元组价值计算方法，该方法可根据参数动态调整，随着数据规模的增加、数据成本的降低以及数据质量的提高。从而使得个人、数据交易平台和数据需求方都能从数据交易中受益，实现一个互惠共赢、数据普惠的数据交易生态系统。

发明内容

本发明旨在提出一种基于元组粒度的个人大数据定价方法。

本发明解决其技术难题所采用的技术方案如下：

1)度量个人大数据数据元组价格的特征量：本发明根据数据包的整体价格，利用数据的信息熵、引用指数、价值权重三个特征量来反向推出数据包每个数据元组的价格：

●信息熵：信息熵是一个与事物发生的可能性相关的属性，它是概率分布的非负函数，刻画了信息的不确定性；信息的不确定性越大，信息的熵越大；

●数据引用指数：数据引用指数是指某个用户的数据元组至少有r条被购买r次，把这个最大值称作用户的数据引用指数；数据引用指数越大，用户的数据元组价值越大；

●价值权重：价值权重是一个体现数据元组价值的属性；价值权重越大，数据元组的价值越大；

2)获取每一个数据元组的信息熵q_i：假设数据包有n条数据元组，每条数据元组有k个属性，则第i条数据元组的第j个数据项出现的概率为：

数据包第i条数据元组的熵为：

其中，x_ij表示第i条数据元组的第j个数据项出现的次数；

3)获取每一个用户的数据引用指数：根据步骤1)中定义可知，每个用户的数据引用指数可以从数据包中直接得出；

4)获取每一个数据元组的价值权重w：每一个数据元组的价值权重w由确定，且满足约束条件：

其中，第i条数据元组的价值权重为w_i，凭经验设置，数据包所有元组的价值权重之和为w；

5)获取每一个数据元组的价格：

，i＝1...n,j＝1...m

其中，p_i表示第i条数据元组的价格，P_s表示数据包的供给价格，等于w_i表示第i条数据元组的价值权重，w表示数据包中所有数据元组的价值权重之和，等于q_i表示第i条数据元组的信息熵，q表示数据包中所有数据元组的信息熵之和，等于r_j表示第j条数据元组所属用户的数据引用指数，r表示数据包中所有用户的数据引用指数值之和，等于α为价值权重因子、β为信息熵因子、γ为数据引用指数因子，它们是手动设置的且和为1。

附图说明

图1影响因子和价格比较图

图2平均定价与本文定价比较

具体实施方式

根据上述对个人大数据数据元组价格的特征量的描述和获取，本发明通过一个具体实例验证定价该方法的正确性和有效性，步骤如下：

1)假设交易平台有一个数据包，其包含10条数据元组，每条数据元组有5个数据项。假定收集、分析和共享此数据包的成本是20元，此数据包的需求价格是60元，这个数据包的具体情况如表1所示；