[发明专利]一种数据资产价值评估方法

权利要求书

1.一种数据资产价值评估方法，其特征在于：包括以下步骤：

S1、获取待评估数据，基于评估因子对待评估数据进行预处理得到本体数据；

S2、利用训练集对数据资产价值评估模型进行模型训练，并根据训练集的数据类型构建价值评估模型库；

S3、从价值评估模型库中选取与本体数据适配的数据资产价值评估模型，并对本体数据进行价值评估，得到待评估数据的本体价值；

S4、对待评估数据进行关联性分析得到关联数据，分别获取待评估数据、关联数据的被应用信息；

S5、根据待评估数据、关联数据的被应用信息，得到待评估数据的外延价值；

S6、基于待评估数据的本体价值、外延价值，确定待评估数据的数据资产价值。

2.根据权利要求1所述的数据资产价值评估方法，其特征在于：所述评估因子的获取方法，包括：

从价值评估模型库中选取与待评估数据适配的数据资产价值评估模型，并获取与待评估数据的数据类型相同的数据集；

将数据集分为互不相交的数据子集，随机选取一个数据子集作为测试集，其余数据子集作为训练集；

利用训练集对数据资产价值评估模型进行模型训练，并基于测试集得到相应误差；

重复进行上述过程，直至所有数据子集均作为测试集，将各误差的平均计算结果作为待评估数据对应的评估因子。

3.根据权利要求1所述的数据资产价值评估方法，其特征在于：S2中利用训练集对数据资产价值评估模型进行模型训练，包括：

对训练集进行数据分析，根据数据类型将训练集分为互不相交的训练子集，对训练子集进行数据清洗后输入对应数据资产价值评估模型进行模型训练；

对各数据资产价值评估模型分别求出隐藏层权重和输出层权重，并基于隐藏层权重和输出层权重计算误差；

重复进行上述过程，直至误差趋于收敛，完成各数据资产价值评估模型的模型训练。

4.根据权利要求3所述的数据资产价值评估方法，其特征在于：所述对各数据资产价值评估模型分别求出隐藏层权重和输出层权重，包括：

采用下式计算各数据资产价值评估模型的隐藏层权重：

w_h＝i₁×w₁+i₂×w₁+i₃×w₁；

采用下式计算各数据资产价值评估模型的输出层权重：

w_o＝h₁×w₂+h₂×w₂+h₃×w₂；

其中，i₁、i₂、i₃分别为输入层神经元的输入值，h₁、h₂、h₃分别为隐藏层神经元的输入值，w₁、w₂为权重系数。

5.根据权利要求4所述的数据资产价值评估方法，其特征在于：所述基于隐藏层权重和输出层权重计算误差，包括：

采用下式计算各数据资产价值评估模型的误差：

6.根据权利要求1所述的数据资产价值评估方法，其特征在于：S4中对待评估数据进行关联性分析得到关联数据，包括：

获取用于表征目标节点与子节点之间关联性的有向图，获取与子节点对应的数据作为关联数据，其中目标节点与待评估数据对应。

7.根据权利要求6所述的数据资产价值评估方法，其特征在于：所述获取用于表征目标节点与子节点之间关联性的有向图，包括：

获取用于表征目标节点、中间节点与子节点之间关联性的中间有向图，从中间有向图中去除中间节点，并对子节点进行处理后得到有向图。