[发明专利]数据商品的定价方法与装置、电子设备及计算机可读存储介质

权利要求书

1.一种数据商品的定价方法，其特征在于，包括：

获取数据商品的历史交易信息；

根据所述历史交易信息获取价格区间和参考关系，所述参考关系是预测价格和预测交易量的对应关系；

获取优化目标，并将所述优化目标、所述价格区间及所述参考关系输入人工智能预测模型以获取预测时段的优化单价；及

根据所述优化单价确定推荐价格。

2.根据权利要求1所述的数据商品的定价方法，其特征在于，所述获取数据商品的历史交易信息，包括：

对所述历史交易信息做预处理以筛除异常数据和缺失数据；及

将预处理后的历史交易信息进行存储。

3.根据权利要求1所述的数据商品的定价方法，其特征在于，所述历史交易信息包括历史交易时间、历史成交价和历史交易量，所述根据所述历史交易信息获取价格区间和参考关系，包括：

调用第一预测算法，根据所述历史成交价和所述历史交易时间获取所述预测价格，所述预测价格随所述预测时段变化；

根据所述预测价格和所述预测时段获取价格区间；

调用第二预测算法，根据所述历史交易量和所述历史交易时间获取预测交易量，所述预测交易量随所述预测时段变化；及

根据所述预测价格和所述预测交易量获取所述参考关系。

4.根据权利要求1所述的数据商品的定价方法，其特征在于，所述获取优化目标，并将所述优化目标、所述价格区间及所述参考关系输入人工智能预测模型以获取预测时段的优化单价，包括：

将所述优化目标和所述参考关系输入所述人工智能预测模型以获取多个待选单价；及

根据价格区间从多个所述待选单价中确定所述优化单价。

5.根据权利要求4所述的数据商品的定价方法，其特征在于，所述人工智能预测模型包括遗传算法模型和模拟退火模型，所述将所述优化目标和所述参考关系输入所述人工智能预测模型以获取多个待选单价，包括：

将所述获取优化目标和所述参考关系输入所述遗传算法模型以获取多个预测收入；

将多个所述预测收入和所述参考关系输入所述模拟退火模型以获取多个待选单价；及

从多个所述待选单价中确定大于第一阈值的所述待选单价。

6.根据权利要求1所述的数据商品的定价方法，其特征在于，所述定价方法还包括：

根据所述推荐价格生成所述预测时段的推荐策略；及

向用户提供所述推荐策略并根据用户的输入确定数据商品的定价。

7.根据权利要求6所述的数据商品的定价方法，其特征在于，所述定价方法还包括：

在用户根据所述推荐策略完成交易后，将当次交易数据加入所述历史交易信息以更新所述历史交易信息。

8.一种数据商品的评估装置，其特征在于，包括：

获取模块，所述获取模块用于获取数据商品的历史交易信息；

预测模块，所述预测模块用于根据所述历史交易信息获取价格区间和参考关系，所述参考关系是预测价格和预测交易量的对应关系；

优化模块，所述优化模块用于获取优化目标，并将所述优化目标、所述价格区间及所述参考关系输入人工智能预测模型以获取预测时段的优化单价；及

推荐模块，所述推荐模块用于根据所述优化单价确定推荐价格。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器、存储器；和

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被所述一个或多个处理器执行，所述程序包括用于执行权利要求1至7任意一项所述的数据商品的定价方法的指令。

10.一种包含计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，使得所述处理器实现权利要求1至7中任意一项所述的数据商品的定价方法。