共查询到18条相似文献，搜索用时 859 毫秒
1.
[目的/意义]针对现有数据资源定价标准模糊、交易规则缺失、买卖双方信息不对称的问题,提出基于Stacking多算法融合模型的数据资源定价方法。[方法/过程]首先,基于四分位法及Box-Cox方法对样本数据进行预处理,剔除异常数据的同时调整数据分布,并基于Lasso算法以均方根误差最小为目标完成特征筛选;其次,基于Pearson系数选取最优算法组合,构建基于Stacking集成学习融合多种机器学习算法的数据资源价格预测模型;最后,以国信优易数据平台交易数据为样本进行算例分析。[结果/结论]相较于单算法模型及其他集成算法模型,XGBoost、SVR、KNN、MLP融合模型的预测精度及性能均明显提升;实现了数据资源自身和市场的双向反馈平衡,形成闭环的价值链,为数据资源定价提供参考。 相似文献
2.
[目的/意义]在数字经济背景下,数据资源通过网络平台交易实现价值转化与增值。作为一种非标准化的新兴商品,数据资源具有成本模糊、类型多样、不确定性高等典型特征,传统价值评估理论难以对其价值进行准确衡量。[方法/过程]对此,文章提出了AGA-BP神经网络的数据资源价值评估模型,该模型充分考虑了诸多影响因素与数据资源价值的非线性关系,通过自适应遗传算法(AGA)优化传统BP神经网络提升价值评估的精度,解决BP神经网络极易陷入局部最优、收敛速度较慢等问题。以此方法为基础,收集武汉东湖大数据交易中心的244条数据资源交易信息进行实证检验。[结果/结论]研究结果表明:基于AGA-BP神经网络的数据资源价值评估方法相比于GA-BP神经网络和BP神经网络性能提升明显;该方法在仿真能力、误差水平、拟合数据能力等方面表现出突出优势,具有更好的价值评估仿真效果。该方法在减少数据交易平台买卖双方交易成本,完善数据交易平台的定价机制和策略方面具有较强的指导意义。 相似文献
3.
[目的/意义]构建基于机器学习的成本法专利价值评估方法,快速识别海量专利的实际成本,并预测其价值区间,在为专利价值评估提供新研究思路的同时,也为专利转移转化定价提供了参考借鉴。[方法/过程]通过Innography数据库与Incopat数据库下载“新能源汽车”领域多指标专利数据,提取专利成本影响因素与专利价值影响因素,并形成专利数据训练集与专利数据预测集;构建AutoGluon机器学习分类算法,将包含成本数据的Innography专利数据训练集导入模型进行训练,并将训练好的模型对Incopat专利数据预测集进行成本预测;最后使用成本法并结合本研究提出的专利价值指数对预测结果进行计算,估算其价格区间。[结果/结论]通过实证分析与结果验证可知,本研究构建的基于机器学习的成本法专利价值评估方法在预测专利价值区间中具备一定有效性,为促进专利价值评估研究深化及专利转移转化定价实践发展提供了参考。 相似文献
4.
数据资产对资本市场其他要素资源具有乘数作用，而我国数据战略资产价值识别、评估还处于起步阶段。鉴于数据资产价值的影响因素与具体应用场景、数据本身质量和变现能力以及数据的稳定性都有密切关系，因此以互联网信息服务行业为研究对象，识别数据资产价值影响因素。将互联网信息服务企业的盈利模式分为广告推荐模式、服务付费模式、数据产品模式，基于分析数据所在业务板块的收益情况与成本构成，结合企业盈利模式的特点修正基础模型，以华扬联众数字技术股份有限公司的营销数据、上海钢联电子商务股份有限公司的订阅服务数据和新华睿思数据中心为例，运用改进后的模型评估数据资产的价值，以期为实务中互联网信息服务企业数据资产价值评估与管理提供参考。结果发现：适合采用收益法对广告营销模式企业数据资产的价值进行评估，这类企业可通过供应链模式实现数据资产价值；服务付费模式企业的数据资产价值适合采用DEVA模型评估，这类企业可通过融资租赁模式实现价值；数据产品模式企业的数据资产价值评估适合采用成本法，这类企业可通过贷款模式实现数据资产价值。 相似文献
5.
大数据环境下资源负荷短期预测时间跨度计算是提高大数据资源调度和数据集成的基础。通过对大数据环境下资源负荷短期预测时间跨度的准确估计,提高资源负荷的预测性能。提出一种基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计算法。构建大数据环境下资源负荷模型,基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计,进行非线性差分相点融合,进行全网拓扑信息激励传播均衡设计,通过频繁的切换来进行网络选区,将时间划分为连续区间,重新分配大数据环境下的时间跨度,最后得到基于线性差智能群辨识的资源短期预测时间跨度估计算法改进。仿真结果表明,该算法具有较好的时间跨度估计性能,提高了大数据环境下的资源负荷预测精度,具有较小的任务调度路径延时和能耗损失,为提高云平台的资源利用效率提供基础,展示了较好的应用价值。 相似文献
6.
云计算下虚拟信息资源大数据特征集成调度 总被引：1，自引：0，他引：1
《科技通报》2015,(10)
研究大数据环境下基于云计算的虚拟企业信息系统构建和调度模型,通过对云计算环境下的虚拟企业信息资源特征集成调度,提高数据访问和管理能力。传统的集成调度方法采用层次分析法,通过粒子群(PSO)算法进行虚拟企业信息管理存储系统的任务调度,存在信息管理迟滞等问题。提出一种基于模糊循环堆栈控制的虚拟企业信息管理资源信息特征集成调度算法,把虚拟企业信息管理资源信息调度网络的能量节点进行模糊循环堆栈控制设计,得到虚拟企业信息管理资源信息调度配置的权值,实现对虚拟企业信息管理资源的大数据特征融合和集成。仿真实验表明,该算法能有效提高虚拟资源大数据特征集成调度成功率,执行时间缩短,具有较高的应用价值。 相似文献
7.
【目的/意义】数字经济时代,信息价值属性是知识产权保护的重要内容,信息如何定价、如何合理定价伴随着大数据时代的到来而愈发突出,成为融媒体产业发展道路上的堵点问题。【方法/过程】基于国内外学者研究成果的梳理,分析了各个节点媒体信息的定价模型,从传统静态定价的成本法、收益法、市场法,到衍生出来的AHP法、顾客感知价值法、信息质量定价法,再到动态的多情境协议定价法,分析各种定价模型的优缺点;同时,通过分析大数据时代融媒体信息定价依据,设计出更加合理的融媒体信息定价模型。【结果/结论】以模型演化的角度分析了媒体信息定价方法的发展脉络,提出了大数据时代融媒体信息定价模型及利益分配机制,为融媒体信息定价提出了参考的有效方案。【创新/局限】整合了融媒体信息定价的演化过程,分析了各个阶段的不足和需求,揭示了大数据时代定价所需考虑的问题,但在具体方法上需要进一步研究。 相似文献
8.
9.
【目的/意义】针对多组时间序列的海量数据集和以预测为目标的信息分析方法，提出了基于数据挖掘技术 的预测模型，在大数据环境下，提高了预测精度，以期在其他领域的信息分析和情报预测能有所借鉴。【方法/过程】 以集装箱海运价格预测为例，提出集装箱海运价格预测模型，设计自适应的网格搜索策略，高效准确地确定数据挖 掘算法中的超参数组合，提出基于时间序列留出法的评估方法，降低了集装箱运价这种多组时间序列数据集在数 据挖掘结果上的泛化误差，针对海量运价信息，对GBDT算法进行并行计算设计和预排序后的损失函数迭代计算 优化策略，提高了算法在大数据环境下的计算效率。【结果/结论】模型和算法运行结果仿真显示：对于传统的时间 序列问题，基于数据挖掘方法的预测模型取得了比传统时间序列方法更优的结果。 相似文献
10.
基于指标集成的高校教师绩效多维考核方法 总被引：6，自引：0，他引：6
从发掘事业人群体多元价值的角度，提出了基于指标集成的高校教师绩效多维考核方法。在量化、全面、集成、动态的考核原则下建立了绩效考核指标体系，并应用加成模型进行逐层绩效的向上集成，讨论了该考核方法的特点及进一步研究的方向。 相似文献
11.
自我评价是组织识别自身优势及改进区域、追求持续改进的一种重要手段，自评模型的合理使用是确保自评结果有效性的关键。通过对自评过程中组织学习特点的研究，建立了基于组织学习的动态自评模型，并对动态模型的结构进行了分析。提出了动态模型得以有效应用的五个主要因素。 相似文献
12.
由于创业企业具有成长性强、历史数据少、财务数据不够可靠等特性,依赖于企业历史数据的一般企业价值评估算法对创业企业来说并不适用。因此,结合创业企业的特点,对创业企业价值评估所涉及的指标进行整理与筛选,之后应用模糊影响图算法构建适合创业企业的价值评估模型,并对模型的应用作出说明。 相似文献
13.
为更好地探讨服务型制造网络的价值共创过程,区别于一般网络视角和复杂网络视角,基于超网络理论构建具有5层子网(大数据环境子网、服务型制造主体子网、服务型制造资源子网、服务型制造能力子网和服务型制造价值子网)的大数据驱动服务型制造超网络模型,分析子网间的关系以及实现价值共创的过程,建立包括大数据驱动、主体互动、资源整合、能力作用和价值创造等过程的仿真模型.仿真结果表明:大数据驱动作用加快了服务型制造超网络的资源产生速度和能力形成速度,尤其是对数据资源和知识资源以及动态创新能力和数据挖掘能力的驱动效果更为显著;对服务型制造超网络价值创造的贡献,有大数据驱动时动态创新能力的贡献程度更大,无大数据驱动时组织合作能力的贡献程度更大,不论是否有大数据驱动,数据挖掘能力的作用都未突显.为推动服务型制造网络更好地实现价值共创,政府应积极构建有利于促进服务型制造网络形成和发展的政策环境和基础数据环境,加大服务型制造大数据应用典型案例推广示范;企业应积极搭建多维数字平台加快推动主体企业内部产品服务业务数据融合,利用工业互联网平台加快实现主体企业间资源与数据整合共享,发挥数据要素驱动作用、推进跨领域服务化价值共创. 相似文献
14.
[目的/意义]深度学习技术作为大数据、"互联网+"环境下用户分析和服务设计的有力工具，为图书馆馆藏资源推荐服务提供了新的研究思路和发展方向。[方法/过程]首先，基于文献查阅法、网络调查法对国内外图书馆馆藏资源推荐服务的研究现状、应用情况进行了分析与研究。然后，在概述深度学习技术及其相关应用实践的基础上，在深度学习视角下提出了一种以读者用户兴趣值为基础的图书馆馆藏资源推荐模型。[结果/结论]分别从数据关联、情景分析和协同过滤技术3个方面探讨了图书馆馆藏资源推荐模式，为大数据环境下面向用户的图书馆资源精准推荐提供参考。 相似文献
15.
[目的/意义]文章旨在根据数据故事化的研究现状,结合其他相关的方法研究,提出一种基于用户交互行为分析的数据故事建模方法,这对数据到数据故事模型的生成,再到后续的故事制作和故事展示具有重要的实践意义。[方法/过程]首先利用文献研究法和定性研究法归纳了基于用户交互行为分析的数据故事化的应用场景、故事建模的内涵和方法的应用价值,明确了数据故事模型包括三个基本要素,分别是数据内容、逻辑关系和讲述概率,接着提出了针对性的方法框架,最后利用Python编程语言模拟数据并生成故事模型的可视化结构图来说明方法的应用。[结果/结论]基于用户交互行为分析的数据故事模型的构建方法可生成能够反映用户关注倾向的故事,在未来还有广阔的研究空间。 相似文献
16.
数字经济时代,数据正成为助推企业快速发展的重要战略资源,数字原生企业作为数字经济大陆上“土生土长”的新型商业形态,创业伊始就天然地基于数字逻辑设计其商业模式,最大限度地激发数据价值,挑战传统企业价值创造范式。依据数字原生企业实践,运用案例研究方法系统探索了其数据价值激活过程。研究发现:数据价值积累阶段,数字原生企业通过数据引流和结构化存储,接入数据并解决数据质量参差不齐的问题;数据价值挖掘阶段,数字原生企业通过数据加工和价值洞察,完成对数据关联性可视化的呈现与溯源,明晰了数据预期可实现的价值类型;数据价值输出阶段,从数据融合到要素转化,数据最终实现了从非结构化的低价值数据要素向结构化的高价值数据资产的转变。本文构建了数字原生企业数据价值激活的过程模型,实现了对数字原生企业这种新型商业形态理论规律挖掘的新尝试与新探索。 相似文献
17.
基于数据资源作为独立要素视角,提出数据驱动平台商业模式创新的基础要素维度要从二维(主体与业务)拓展到三维(数据、主体和业务).分析认为:(1)数据资源对传统资源要素的重构包括业务重构型、主体重构型和主体和业务融合重构型3种组合类型;(2)数据驱动平台商业模式创新有3条实现路径,从供应端重构实现价值主张推动式创新、从需求... 相似文献
18.
Modern companies generate value by digitalizing their services and products. Knowing what customers are saying about the firm through reviews in social media content constitutes a key factor to succeed in the big data era. However, social media data analysis is a complex discipline due to the subjectivity in text review and the additional features in raw data. Some frameworks proposed in the existing literature involve many steps that thereby increase their complexity. A two-stage framework to tackle this problem is proposed: the first stage is focused on data preparation and finding an optimal machine learning model for this data; the second stage relies on established layers of big data architectures focused on getting an outcome of data by taking most of the machine learning model of stage one. Thus, a first stage is proposed to analyze big and small datasets in a non-big data environment, whereas the second stage analyzes big datasets by applying the first stage machine learning model of. Then, a study case is presented for the first stage of the framework to analyze reviews of hotel-related businesses. Several machine learning algorithms were trained for two, three and five classes, with the best results being found for binary classification. 相似文献