puro, compartido
Tabla de contenido
2 Modelo de evaluación dinámica del precio de los datos
2.1 Estrategia de precios de productos de datos
Resumen
En las plataformas de comercio de datos tradicionales, la plataforma controla completamente los precios, los propietarios de los datos no conocen el valor potencial de los datos y los compradores y vendedores en línea carecen de crédito, lo que dificulta la evaluación de los precios de los datos en las transacciones de datos. Este artículo propone un modelo de evaluación dinámica del precio de los datos basado en el juego de crédito. El modelo incluye: estrategia de precios de productos de datos y modelo de juego de crédito. Los compradores y vendedores participan en un juego de crédito a través del mecanismo de cotización y solicitud de precios, y el precio de los datos se obtiene a través de la función de crédito obtenida a través del modelo de juego de crédito y la estrategia de fijación de precios del producto de datos. Este artículo demuestra la existencia de equilibrio bayesiano de estrategia mixta y equilibrio bayesiano perfecto de estrategia mixta en el proceso de juego básico y el proceso de juego repetido del modelo de juego de crédito, respectivamente. Finalmente, a través de experimentos de simulación para simular la transacción entre compradores y vendedores, se concluye que la función de crédito juega un papel importante en las transacciones de datos.Este modelo puede completar la evaluación del precio de los datos, el porcentaje de diferencia de precio se controla en alrededor del 10% y la tasa de éxito de la transacción alcanza más del 96%.
En la vida real, los productos básicos son valiosos, pero cuando el costo de producción de los productos básicos es difícil de medir, es difícil evaluarlos. Las personas usan métodos de aprendizaje profundo para evaluarlos a través del aprendizaje de características , como la aplicación de redes neuronales en la evaluación de precios de automóviles usados [1] , Un método de predicción de tendencias del mercado financiero basado en el análisis de sentimiento [2] . Sin embargo, estas evaluaciones de precios solo realizan el aprendizaje de funciones en un solo conjunto de datos relacionados con el producto para completar la evaluación.
Los datos son diferentes de los objetos reales. Las formas de los datos y el contenido de los datos son diversos, lo que dificulta el aprendizaje de las características. Por lo tanto, debemos dar rienda suelta a las funciones del mercado, volver al mecanismo original de formación de precios y dar rienda suelta a la iniciativa de compradores y vendedores.
Las principales contribuciones de este trabajo incluyen dos aspectos:
- Establecer un modelo de evaluación dinámica de precios de datos , incluida la estrategia de precios de productos de datos y el modelo de juego de crédito [3 ] . Se analiza el proceso dinámico del juego y se prueba la existencia del equilibrio de Nash . El modelo de juego de crédito resuelve el problema de la deshonestidad entre compradores y vendedores, la estrategia de fijación de precios de los productos de datos evita la desviación del valor de los datos;
- 11
1. Introducción
La era de los grandes datos ha llegado . Según el "Libro blanco de 2021 sobre el desarrollo de la industria de grandes datos de China", la escala de la industria de grandes datos de China alcanzará los 638.800 millones de yuanes en 2020, un aumento interanual del 18,6 %. . Para 2025, la escala de la industria de macrodatos de China alcanzará los 3 billones de yuanes [4] .
Con la madurez gradual del aprendizaje automático, el aprendizaje profundo, la red neuronal y la tecnología de minería de datos. El papel que juegan los datos en estas tecnologías es cada vez más evidente. El desarrollo de transacciones de datos puede traer beneficios a los proveedores de datos, por un lado, y por otro lado, los compradores de datos también pueden satisfacer sus necesidades reales. Para lograr beneficios mutuos y resultados beneficiosos para ambas partes.
El precio de los datos y su costo están seriamente desequilibrados . Los datos tienen una tasa de crecimiento rápida y su valor es difícil de estimar [5-6] . En la plataforma de comercio de datos del servidor central tradicional, los usuarios perderán el control sobre los datos cuando los cargan, y el vendedor ( objeto , O ) o la plataforma simplemente establecen el precio de los datos . La evaluación del valor de los datos y la autorización de las transacciones de datos se basan completamente en una plataforma central de terceros , lo que genera un grave desajuste entre los precios y los costos de los datos . No hay negociación que involucre la dinámica entre el comprador ( sujeto , S) y el vendedor O. En el posicionamiento judicial y protección de datos [7], se propone establecer derechos absolutos para los archivos de datos, y la adquisición original de la propiedad de los archivos de datos Desde la perspectiva de los conceptos de transacciones artificiales , los productores de archivos de datos utilizan armas legales para proteger sus derechos. e intereses cuando sus derechos de datos son violados por otros. Sin embargo, este método ya no es aplicable cuando el valor de los datos es menor que el costo del litigio.
La relación de confianza es una de las complejas relaciones sociales de los seres humanos, y un buen modelo de confianza puede resistir los ataques [8-9] para lograr la evaluación crediticia . La literatura [8] define un protocolo de transacción confiable bidireccional entre dos activos diferentes , divide el proceso de transacción en tres estados para identificar la etapa de transacción y realiza el intercambio de diferentes activos sin aumentar los recursos informáticos . Este artículo utiliza el método del juego para permitir que los compradores y vendedores elijan pedir u ofertar por un juego de crédito . Por lo tanto, la evaluación dinámica de los precios de los datos en una plataforma comercial abierta es un juego dinámico de información incompleta [10-11] entre el comprador S y el vendedor O. En la computación en la nube móvil, basada en el juego dinámico [12], la estrategia de incentivos recomendada del juego dinámico puede mejorar la seguridad de los datos y la protección de la privacidad de los servicios de la nube móvil. Aplicamos esta estrategia de incentivos a la evaluación crediticia.
En una plataforma de negociación abierta, después del comportamiento de solicitud inicial del comprador S al vendedor O , el comportamiento de solicitud puede ocurrir nuevamente después de un cierto intervalo de tiempo, es decir, el primero es un juego básico y el segundo es un juego repetido. Juego repetido [13-14] significa que el juego con la misma estructura se repite muchas veces, y cada juego se llama "juego de escenario". El juego repetido es una especie de juego de múltiples etapas. Es una simple repetición del juego básico. Las variables de estrategia y las estructuras de pago de los dos jugadores en cada etapa son exactamente las mismas. Por lo tanto, el proceso de juego repetido se considera compuesto por el juego estático básico [15 ] . Sin embargo, en el proceso de interacción entre compradores y vendedores, ambas partes observan las acciones de ambas entidades del juego después de cada "juego de etapa", y los resultados observados conducirán directamente a la selección de estrategias de comportamiento y resultados de equilibrio cuando el comportamiento del juego vuelve a ocurrir, por lo que el juego repetido también es un proceso dinámico, que pertenece a la categoría de juego dinámico, y el juego repetido no puede considerarse simplemente como una superposición lineal de juegos básicos. Obviamente, el juego repetido entre compradores y vendedores tiene las características duales de estructura abierta y estructura cerrada: (1) La estructura de información de cada etapa del juego repetido no se ve afectada por el comportamiento previo de la otra parte, por lo que la estrategia del jugador tiene la naturaleza de una estrategia abierta; (2) Dado que tanto el comprador como el vendedor han observado el comportamiento histórico pasado del juego, el comprador S ( vendedor O ) puede tomar las acciones correspondientes contra el comportamiento del vendedor O ( comprador S ) para guiar las acciones futuras del comprador S ( vendedor O ).
Debido a que la utilidad de los juegos repetidos es diferente de la de los juegos únicos estáticos y dinámicos, no es una utilidad total después de que termina todo el juego repetido, sino la utilidad generada en cada "juego de etapa", incluido el proceso del juego. Por lo tanto, para una plataforma de negociación abierta, este artículo construye un modelo de evaluación dinámica de precios de datos en transacciones de datos basados en la confianza y proporciona la matriz extendida y de pago del juego de control de solicitudes basado en la confianza [16-18] . A través del análisis del proceso de interacción entre los dos lados de la entidad de red, la existencia del proceso de juego básico del juego de control de solicitud dinámico basado en la confianza y el equilibrio bayesiano de estrategia mixta y el equilibrio bayesiano perfecto de estrategia mixta [19-21] en el proceso de juego repetido se analizan respectivamente .
2 Modelo de evaluación dinámica del precio de los datos
Este modelo consta de dos partes: estrategia de precios de productos de datos y modelo de juego de crédito. La estrategia de fijación de precios del producto de datos evita la desviación del valor de los datos ; el modelo de juego de crédito obtiene el valor de la función de crédito de compradores y vendedores, y evalúa dinámicamente el crédito de compradores y vendedores . El valor de la función de crédito obtenido a través del modelo de juego de crédito se combina con la estrategia de fijación de precios del producto de datos para completar la evaluación dinámica de los precios de los datos .
2.1 Estrategia de precios de productos de datos
Estrategia de precios de productos de datos: el lado de la plataforma obtendrá el precio de venta de acuerdo con la naturaleza de los datos, como el grado de escasez, el tamaño del volumen de datos y la cantidad de elementos de datos , y calculará el precio de venta recomendado SP . Luego obtenga el rango de precios [p1, p2] de acuerdo con la tabla de rangos de precios.
Entre ellos, el grado de escasez se divide en tres niveles, a saber, bajo, medio y alto. El grado de escasez se divide buscando y comparando las palabras clave enviadas por el vendedor con los registros de transacciones de datos anteriores. Determine la clasificación adecuada en función del número de entradas recuperadas. Si el número de entradas buscadas por palabras clave está dentro del rango de tres a diez, el grado de escasez del conjunto de datos se considera medio; cuando es menor a tres, el grado de escasez se considera alto; si es mayor a diez, el grado de escasez se considera bajo. La escasez es media Establezca el valor del nivel de escasez en uno . La clasificación específica se muestra en la tabla de clasificación.
