一种数据交易确定方法及装置与流程
本发明涉及大数据信息技术领域，特别是涉及一种数据交易确定方法及装置。
背景技术：
随着信息技术的飞速发展和经济的融合，在各行各业，尤其是金融和it产业产生的海量的交易数据和业务数据，已经成为企业的核心资源，数据交易也成为了创新的商业模式。由于缺乏规范的交易渠道和交易规范，统一的大数据交易平台的出现势在必行。
目前，大数据交易平台的定价均为卖方与交易所确定，以国内贵阳大数据交易所的定价系统为例，数据价格主要由卖方，数据定价由卖方和交易所共同确定。数据买方可以通过交易系统查询每一类数据的实时价格。按成交方式，最终成交价分为两种形式：
自动成交：当数据买方应约价等于或者高于卖方挂牌价时，自动成交，成交价为买方应约价。
卖方选择成交：对于不能自动成交的应约，卖方可选择能接受的应约与其成交，成交价为买方应约价。
由上可知，数据交易市场实行“卖方定价-买方选择”的简单模型，数据定价由卖方主导，由于卖方主导的数据定价偏高或偏低，造成交易不公平，交易效率低。
技术实现要素：
本发明实施例的目的在于提供一种数据交易确定方法及装置，以实现交易公平化，提高交易效率。
本发明实施例提供了一种数据交易确定方法，所述方法包括：
获取目标卖方对应的价格阈值；获取预设交易价格，将所述预设交易价格作为当前交易价格；判断当前交易价格是否大于每个价格阈值；
大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据，所述第三优化模型为交易平台利益达到最大化的模型；
根据所述交易平台利益最大值，确定交易价格。
本发明实施例提供了一种数据交易确定装置，所述装置包括：
第一获取模块，用于获取目标卖方对应的价格阈值；
第二获取模块，用于获取预设交易价格，将所述预设交易价格作为当前交易价格；判断模块，用于判断当前交易价格是否大于每个价格阈值；
第一变量获取模块，用于大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
第二变量获取模块，用于基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
利益最大值获取模块，用于根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据，所述第三优化模型为交易平台利益达到最大化的模型；
交易价格确定模块，用于根据所述交易平台利益最大值，确定交易价格。
在本发明实施的又一方面，本发明提供的实施例提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，使得计算机执行上述任一所述的一种数据交易确定方法。
在本发明实施的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一所述的一种数据交易确定方法。
在本发明实施的又一方面，本发明提供的实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的一种数据交易确定方法。
本发明实施例提供的一种数据交易确定方法及装置，可以获取目标卖方对应的价格阈值；获取预设交易价格，将所述预设交易价格作为当前交易价格；判断当前交易价格是否大于每个价格阈值；大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，根据所述交易平台利益最大值，确定交易价格。该方法和装置保证了数据定价的公平，提高了数据市场交易效率，当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的第一种数据交易确定方法的示意图；
图2为本发明实施例提供的数据源个数与数据质量关系的示意图；
图3为本发明实施例提供的第二种数据交易确定方法的示意图；
图4为本发明实施例提供的第三种数据交易确定方法的示意图；
图5为本发明实施例提供的第四种数据交易确定方法的示意图；
图6为本发明实施例提供的一种数据交易确定装置的示意图；
图7为本发明实施例提供的一种电子设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的第一种数据交易确定方法的示意图，所述方法包括：
s101，获取目标卖方对应的价格阈值；
其中，目标买方是数据需求者，一般包括数据需求企业、数据需求科研机构、政府部门或数据需求个人。
目标卖方是数据销售者，一般包括数据生产者(原始数据)、数据加工者(被加工数据)或数据整合者(被整合数据)。
每个目标卖方都有自己的价格底线，也就是说，目标卖方所要求的最低价格。
交易平台是数据交易的第三方，职责是联系多个目标买方和多个目标卖方组成一个竞争性数据市场，促成数据交易，另外交易平台为目标卖方和目标买方提供了信息分享和交易的基础设施。
其中，价格阈值的获取方式可以为交易平台的工作人员联系目标卖方后，获知价格阈值后，输入到交易平台上；
另一种获取方式可以为目标卖方通过网络输入到交易平台上。
具体的，
根据获取的目标信息的关键字，从预设的卖方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方；
其中，上述目标信息的关键字为卖方或买方需要买数据或是卖数据时，在客户端输入的所买或卖数据信息的关键字，以便通过搜索目标信息的关键字，搜索到匹配的卖方或买方。
获取卖方和买方的参与确认信息；
其中，上述参与确认信息可以理解为是确认卖方和买方有多少家参与该次数据交易。
根据所述参与确认信息，确定目标卖方和目标买方；
其中，基于上述参与确认信息，确定有多少家参与该次数据交易。
解析每个目标卖方对应的数据包，确认每个数据包均包括价格阈值。
其中，上述数据包包括价格阈值和其他目标卖方的信息，如目标卖方的名称、所要卖数据的内容等。
另外，交易数据类型不同，交易平台的服务费也不同。
s102，获取预设交易价格，将所述预设交易价格作为当前交易价格；
其中，上述预设交易价格可以为交易平台预先设置的一个价格值，也可以为交易平台的工作人员输入一个价格值。
s103，判断当前交易价格是否大于每个价格阈值；
通过判断当前交易价格是否达到每个目标卖方的最低价格。
s104，大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
其中，目标买方的目标是最大化综合数据质量，最小化收据购买开销。
另外，可以是交易平台建立第一优化目标模型，计算第一变量，也可以为m个目标买方基于交易平台展示的当前价格，建立第一目标优化模型，计算第一变量，并输入交易平台或是告知交易平台的工作人员，由工作人员输入到交易平台内，m为目标买方的总数。
具体的，
基于当前交易价格，以第一变量为变量，按照如下表达式建立第一优化目标模型；
所述表达式：
其中，yi为第一变量，μ为支付开销占效用函数的权重，ui为第j个目标买方对应的利益值，
另外，如图2所示，φi(0)＝0(选择0个数据源时，综合数据质量为0)
计算所述第一优化目标模型，获得第一变量。
其中，可以选择利用遗传算法计算所述第一优化目标模型，获得所述第一变量，也可以选择利用c++的gurobi包求解，上述gurobi包是由美国gurobi公司开发的新一代大规模数学规划优化器。
s105，基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
其中，只有当前交易价格大于目标卖方的最低价格，目标卖方才能赚钱，进而才会有卖数据的可能，也就是说，目标卖方的目标是最大化自身利益，进一步提高达成交易的效率。
另外，可以是交易平台建立第二优化目标模型，计算第二变量；也可以为n个目标卖方基于交易平台展示的当前价格，建立第二目标优化模型，计算第二变量，并输入交易平台或是告知交易平台的工作人员，由工作人员输入到交易平台内。
具体的，
基于当前交易价格，以第一变量为变量，按照如下表达式建立第二优化目标模型；
所述表达式：
其中，zj为第二变量，uj为第j个目标卖方的盈利额，costj为第j个目标卖方的获取和上传单位数据的成本开销，vi为第i个目标买方从单个目标卖方购买的数据大小，p为当前交易价格，θ为交易平台收取交易费的比例，
计算第二优化目标模型，获得第二变量。
可以选择利用遗传算法计算所述第一优化目标模型，获得所述第一变量，也可以选择利用c++的gurobi包求解。
s106，根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据；
基于上述情况，交易平台的目标在目标买方和目标卖方的利益最大化的基础上，获得的利益最大，也就是说，进一步在达到三方均满意的情况下，交易的效率进而得到了提高，交易价格也相对公平。
具体的，
根据第一变量、第二变量和当前交易价格，以第三变量为变量，按照如下表达式建立第三优化目标模型；
所述表达式：
其中，xij为第三变量，即第i个目标买方是否购买了第j个目标卖方的数据，当xij＝1时，代表第i个目标买方购买了第j个目标卖方的数据，当xij＝0时，第i个目标买方购未买第j个目标卖方的数据，
计算所述第三优化目标模型，获得所述第三变量；
根据所述第三变量，得到交易平台利益最大值。
其中，交易平台在对m个目标买方和n个数据卖方进行交易分配时，为确保交易分配公平性和让信誉好的数据卖方分配更多的数据交易，
另外，xij≤zj可以理解为当zj＝0，xij＝0，即第j个目标卖方不卖数据，交易平台也不推送第i个目标买方买第j个目标卖方的数据，当zj＝1，xij＝0，表示第j个目标卖方虽然卖数据，但是交易平台也不推送第i个目标买方买第j个目标卖方的数据，当zj＝1，xij＝1，表示第j个目标卖方卖数据，交易平台推送第i个目标方买第j个目标卖方的数据。
可以选择利用遗传算法计算所述第一优化目标模型，获得所述第一变量，也可以选择利用c++的gurobi包求解。
s107，根据所述交易平台利益最大值，确定交易价格。
基于上述情况，还可以包括如下多种实施方式，其中，第一种实施方式为：在所述根据所述交易平台利益最大值，确定交易价格之前，还包括：
将获得的交易平台利益最大值存储在预设的集合中；
小于或等于价格阈值的当前交易价格，当前交易价格增加预设间隔值，将当前交易价格增加间隔值的数值作为当前交易价格，返回继续执行s103的步骤；
对所述集合中交易平台利益最大值按照高低排序，将最高的交易平台利益最大值对应的当前交易价格作为交易价格。
由此可见，本发明实施例中当前交易价格通过增加间隔值，利用循环迭代的方法，使交易价格更加合理。
第二种实施方式为：将获得的交易平台利益最大值存储在预设的集合中；
小于或等于价格阈值的当前交易价格，当前交易价格增加预设间隔值，将当前交易价格增加间隔值的数值作为当前交易价格，返回继续执行s103；
对所述集合中交易平台利益最大值按照高低排序，将最高的交易平台利益最大值对应的当前交易价格作为交易价格；
获取每个目标买方用完数据后对对应目标卖方的评分；
根据获取的评分，计算目标卖方的信誉值并对所述信誉值进行更新。
由此可见，本发明实施例中当前交易价格通过增加间隔值，利用循环迭代的方法，使交易价格更加合理，进而利用买方对卖方评分的方法，使以后的交易价格更加合理和公平，交易市场良性发展。
第三种实施方式为：将获得的交易平台利益最大值存储在预设的集合中；
小于或等于价格阈值的当前交易价格，当前交易价格增加预设间隔值，将当前交易价格增加间隔值的数值作为当前交易价格，返回继续执行s103；
对所述集合中交易平台利益最大值按照高低排序，将最高的交易平台利益最大值对应的当前交易价格作为交易价格；
计算每个目标卖方提供数据与数据均值的差值的平方和；
将获得的平方和按照大小进行排序；
根据排序后的平方和，选取最大的目标预值比例的所述平方和对应的目标卖方的信誉值减小目标阈值，其中，第一次交易的目标卖方的信誉值为1；
根据排序后的平方和，选取最小的目标预值比例的所述平方和对应的目标卖方的信誉值增加目标阈值；
在预值比例的所述平方和对应的前后部分之外的中间部分对应的目标卖方的信誉值不变。
对目标卖方对应的信誉值进行更新。
为了对上述评分表述更加清楚，现对其进行详细说明：当目标买方使用完数据后，对各目标卖方评分，评分的算法为，计算每个目标卖方提供数据与数据均值的差值的平方和，并对其从大到小排序。最大的说明提供的数据质量最差。将排序最前的三分之一的目标卖方给差评。中间三分之一的目标卖方给中评。排序最后的(差值平方和最小的)目标卖方给好评。交易平台更新各数据目标卖方信誉值。
根据上述对信誉值的描述，具体示例为：第一次参与到平台进行数据交易的目标卖方j，初始信誉值为aj＝1。经过每轮数据交易，如果目标买方对他提供的数据质量给好评，则信誉值增加aj(t)＝j(t-1)+b，如果差评，信誉值降低aj(t)＝j(t-1)-b，如果中评，信誉值不变aj(t)＝j(t-1)。其中aj(t)代表第t次交易之后的信誉值，b代表信誉增加值的步长，为平台初始设定，例如b＝0.1。
由此可见，本发明提供的实施例中当前交易价格通过增加间隔值，利用循环迭代的方法，使交易价格更加合理，进而交易平台通过对卖方信誉值打分，使交易市场更加良性发展。
目标卖方的信誉值将影响到交易平台对目标卖方的数据交易分配。信誉越高的目标卖方，分配到的数据交易越多，目标卖方的盈利越多。这种机制将促使数据目标卖方不断提高自身数据质量。
由此可见，本发明提供的实施例基于使目标卖方、目标买方和交易平台的利益达到最大化，确定了数据交易价格，保证了数据定价的公平，提高了数据市场交易效率。
图3为本发明实施例提供的第二种数据交易确定方法的示意图，所述方法包括：
s201，根据获取的目标信息的关键字，从预设的卖方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方；
s202，获取卖方和买方的参与确认信息；
s203，根据所述参与确认信息，确定目标卖方和目标买方；
s204，解析每个目标卖方对应的数据包，确认每个数据包均包括价格阈值；
s205，获取预设交易价格，将所述预设交易价格作为当前交易价格；
其中，步骤s205-s210分别与图1实施例中的步骤s102-s107执行的方法相同。因此，图1中的所有实施例均适用于图3，且均能达到相同或相似的有益效果，在此不再赘述。
s206，判断当前交易价格是否大于每个价格阈值；
s207，大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
s208，基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
s209，根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据；
s210，根据所述交易平台利益最大值，确定交易价格。
由此可见，本发明提供的实施例能够根据获取的目标信息的关键字，从预设的卖方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方，然后通过卖方和买方的参与确认信息，确定最终的交易方，利用三方交易获得利益最大化，确定最终价格，保证了数据定价的公平，提高了数据市场交易效率。
图4为本发明实施例提供的第三种数据交易确定方法的示意图，所述方法包括：
s301，根据获取的目标信息的关键字，从预设的卖方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方；
其中，步骤s301-s309分别与图3实施例中的步骤s201-s209执行的方法相同。因此，图3中的所有实施例均适用于图4，且均能达到相同或相似的有益效果，在此不再赘述。
s302，获取卖方和买方的参与确认信息；
s303，根据所述参与确认信息，确定目标卖方和目标买方；
s304，解析每个目标卖方对应的数据包，确认每个数据包均包括价格阈值；
s305，获取预设交易价格，将所述预设交易价格作为当前交易价格；
s306，判断当前交易价格是否大于每个价格阈值；
s307，大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
s308，基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
s309，根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据；
s310，将获得的交易平台利益最大值存储在预设的集合中；
本步骤中，预设的集合是预先设置的集合，用于存储s309获得的交易平台利益最大值。
s311，小于或等于价格阈值的当前交易价格，当前交易价格增加预设间隔值，将当前交易价格增加间隔值的数值作为当前交易价格，返回继续执行s306；
本步骤中，增加间隔值后的当前交易的价格继续作为新的当前交易价格，返回到s306中，执行s306的步骤，达到循环迭代的目的。
s312，对所述集合中交易平台利益最大值按照高低排序，将最高的交易平台利益最大值对应的当前交易价格作为交易价格。
本步骤中，上述按照高低排序可以是由大到小的排序，也可以是由小到大的排序，若为由大到小的排序，则选择第一个交易平台利益值作为交易价格，若为由小到大的排序，则选择最后一个交易利益值作为交易价格。
由此可见，本发明提供的实施例能够根据获取的目标信息的关键字，从预设的卖方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方，然后通过卖方和买方的确认信息，确定最终的交易方，根据交易价格的改变，基于使三方交易获得利益最大化，确定最终价格，保证了数据定价的公平，提高了数据市场交易效率。
图5为本发明实施例提供的第四种数据交易确定方法的示意图，所述方法包括：
s401，根据获取的目标信息的关键字，从预设的卖方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方；
其中，步骤s401-s406分别与图3实施例中的步骤s201-s206执行的方法相同。因此，图3中的所有实施例均适用于图5，且均能达到相同或相似的有益效果，
在此不再赘述。
s402，获取卖方和买方的参与确认信息；
s403，根据所述参与确认信息，确定目标卖方和目标买方；
s404，解析每个目标卖方对应的数据包，确认每个数据包均包括价格阈值；
s405，获取预设交易价格，将所述预设交易价格作为当前交易价格；
s406，判断当前交易价格是否大于每个价格阈值；
s407，大于价格阈值的当前交易价格，基于当前交易价格，以第一变量为变量，按照如下表达式建立第一优化目标模型；
所述表达式：
其中，yi为第一变量，μ为支付开销占效用函数的权重，ui为第i个目标买方对应的利益值，
本步骤中，以质量最优和价格最低为优化目标，建立了买方的优化目标模型。
s408，计算所述第一优化目标模型，获得第一变量；
本步骤中，可以选择遗传算法或蚁群优化算法对第一优化目标模型进行求解，获得最优解，最优解就是所要获得的第一变量值。
s409，基于当前交易价格，以第一变量为变量，按照如下表达式建立第二优化目标模型；
所述表达式：
其中，zj为第二变量，uj为第j个目标卖方的盈利额，costj为第j个目标卖方的获取和上传单位数据的成本开销，vi为第i个目标买方从单个目标卖方购买的数据大小，p为当前交易价格，θ为交易平台收取交易费的比例，
本步骤中，以卖方的价格最高为优化目标，建立了卖方的优化目标模型，也就是说，使卖方的利益达到最大化。
s410，计算第二优化目标模型，获得第二变量；
本步骤中，可以选择遗传算法对第二优化目标模型进行求解，获得最优解，最优解就是所要获得的第二变量值。
s411，根据第一变量、第二变量和当前交易价格，以第三变量为变量，按照如下表达式建立第三优化目标模型；
所述表达式：
其中，xij为第三变量，即第i个目标买方是否购买了第j个目标卖方的数据，当xij＝1时，代表第i个目标买方购买了第j个目标卖方的数据，当xij＝0时，第i个目标买方购未买第j个目标卖方的数据，
本步骤中，将获得的第一变量、第二变量作为已知量，以交易平台获得的利润最大为优化目标，建立了交易平台的优化目标模型。
s412，计算所述第三优化目标模型，获得所述第三变量；根据所述第三变量，得到交易平台利益最大值；
本步骤中，可以选择遗传算法对第二优化目标模型进行求解，获得最优解，最优解就是所要获得的第三变量值。
s413，将获得的交易平台利益最大值存储在预设的集合中；
其中，步骤s413-s415分别与图4实施例中的步骤s310-s312执行的方法相同。因此，图4中的所有实施例均适用于图5，且均能达到相同或相似的有益效果，在此不再赘述。
s414，小于或等于价格阈值的当前交易价格，当前交易价格增加预设间隔值，将当前交易价格增加间隔值的数值作为当前交易价格，返回继续执行s406；
s415，对所述集合中交易平台利益最大值按照高低排序，将最高的交易平台利益最大值对应的当前交易价格作为交易价格；
s416，计算每个目标卖方提供数据与数据均值的差值的平方和；
s417，将获得的平方和按照大小进行排序；
其中，上述按照大小进行排序可以选择由大到小排序，也可以选择由小到大排序。
s418，根据排序后的平方和，选取最大的目标预值比例的所述平方和对应的目标卖方的信誉值减小目标阈值，其中，第一次交易的目标卖方的信誉值为1；
本步骤中，若为由大到小进行排序，则选择前面的预值比例的所述平方和对应的目标信誉值，若为由小到大进行排序，则选择后面的预值比例的所述平方和对应的目标信誉值，其中，所述预值比例可以取30％，上述公式可以为aj(t)＝aj(t-1)-b。
s419，根据排序后的平方和，选取最小的目标预值比例的所述平方和增对应的目标卖方的信誉值增加目标阈值；
本步骤中，若为由大到小进行排序，则选择后面的预值比例的所述平方和对应的目标信誉值，若为由小到大进行排序，则选择前面的预值比例的所述平方和对应的目标信誉值，其中，所述预值比例可以取30％，上述公式可以为aj(t)＝aj(t-1)+b。
s420，对目标卖方对应的信誉值进行更新。
由于信誉值每交易一次是变化的，因此需要对改变后的信誉值进行更新。
由此可见，本发明提供的实施例能够根据获取的目标信息的关键字，从预设的卖方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方，然后通过卖方和买方的确认信息，确定最终的交易方，根据交易价格的改变，基于使三方交易获得利益最大化，确定最终价格，交易完后，并对目标卖方的信誉值进行了处理，进而既保证了数据定价的公平、提高了数据市场交易效率，又使数据交易市场良性化发展。
以下为本发明实施例所提出的方法的具体示例。
示例一，智能制造的一个重要的环节就是智慧工厂根据产品的实时需求量和个性化需求进行生产，实现无库存化的生产需要生产企业能够实时掌握产品代理商的销售数据和其他竞争厂商的生产数量数据，并对短期内的产品需求量和客户喜好进行预测和生产。在本示例中，智慧工厂是生产手机的生产商，手机生产商为了安排生产线的短期生产计划，减少库存，作为数据需求者需要的数据是每小时手机销售代理商售出该品牌的手机量，还需要其他的同品牌手机代工厂的手机生产量，称为第一手机代工工厂，手机销售代理商拥有实时的销售数据成为了数据提供者，其他竞争代工厂的拥有自身手机实时生产量，称为第二手机代工工厂，也是数据提供者。在该场景中，多个数据需求者(买方)是多个第一手机代工厂，多个数据提供者(卖方)是多个手机销售代理商和第二手机代工工厂。交易平台是与第一手机代工厂、第二手机代工厂和手机销售代理商都有联系的数据交易中间机构。第一手机代工厂、第二手机代工厂、手机销售代理商和数据交易平台之间天然的形成了“数据交易市场”。
本示例的流程如下：
第一步：交易平台中数据交易平台的工作人员向多个第一手机代工厂、多个第二手机代工厂和多个手机销售商发出邀请数据交易的通知。
第二步，多个第一手机代工厂、多个第二手机代工和多个手机销售商根据预设偏好选定的交易平台的工作人员和服务类型(作为数据定价的第三方，数据交易的仲裁者)。
第三步，手机销售商、第二手机代工厂均作为数据卖方，第一手机代工厂为数据买方，数据卖方获得利益的最优化问题是：
其中，交易的数据为一天的每小时手机销售量实时数据或每小时手机生产量实时数据，其中vi为24小时的数据大小(byte)。
手机销售代理商和第二手机代工厂的策略是
第四步，求解三方最优问题的最优解和最大利益值，获得数据最终定价，交易平台在对m个数据买方和n个数据卖方进行交易分配时，为确保交易分配公平性和让信誉好的数据卖方分配更多的数据交易，
第五步，数据交易成功后，数据买方使用完数据后，对各数据卖方评分，交易平台更新各数据卖方信誉值。第一次参与到平台进行数据交易的数据卖方j，初始信誉值为aj＝1。经过每轮数据交易，如果数据买方对他提供的数据质量给好评，则信誉值增加aj(t)＝aj(t-1)+b，如果差评，信誉值降低aj(t)＝aj(t-1)-b，如果中评，信誉值不变aj(t)＝aj(t-1)，其中，aj(t)代表第t次交易之后的信誉值，b代表信誉增加值的步长，为平台初始设定，例如b＝0.1。
示例二，随着城市汽车的快速增长，交通拥堵现象越来越普遍。如果城市公路上的车主和公共汽车上的乘客，能够实时分享自己的gps位置信号，手机地图提供商根据各路段人流量分布以及路段上乘客移动的速度，分析交通状况，将有助于各手机地图提供商提供更好的路线规划。各手机地图提供商为了提供准确实时的交通出行建议，将选取一些车主和乘客购买他们的实时gps数据，该数据元组包括[gps数据类型，utc(universaltimecoordinated)时间(hhmmss(时分秒)格式)，定位状态(a＝有效定位，v＝无效定位)，纬度值(精确到小数点前4位，后3位)，纬度半球n(北半球)或s(南半球)，经度值(精确到小数点前5位，后3位)，经度半球e(东经)或w(西经)，地面速率(000.0～999.9节，前面的0也将被传输)，地面航向(000.0～359.9度，以真北为参考基准，前面的0也将被传输)，utc日期，ddmmyy(日月年)格式，磁偏角(000.0～180.0度，前面的0也将被传输)，磁偏角方向，模式指示(a＝自主定位，d＝差分，e＝估算，n＝数据无效)]。手机地图提供商从车主或乘客购买这些实时数据，并利用这些实时数据对交通情况作出估计和预测，指导用户出行，通过嵌入广告或提供出行建议等增值服务盈利。以上场景中，智慧交通场景中的交通数据需求者(多个手机地图提供商)，交通数据提供者(在公路上的车主和公汽上的乘客)，以及交通数据交易平台(交通管理部门)三者之间天然地形成了“交通数据市场”。
本示例的流程如下：
第一步，交通数据交易平台向多个手机地图提供商和多个车主和乘客发出邀请数据交易的通知。
第二步，多个手机地图提供商和多个车主和乘客根据预设的参与条件选择是否参与并反馈给交通数据交易平台。
第三步，多个车主和乘客作为数据卖方，多个手机地图提供商为数据买方。数据卖方(多个车主和乘客)的最优化问题是：
其中，交易的数据为每30秒的手机gps定为实时数据，其中vi为交易5分钟的gps数据大小(byte)。
多个车主和乘客卖数据的策略是
第四步，交通数据交易平台求得每条街道不同的数据最终定价，交易平台在对m个数据买方(手机地图提供商)和n个数据卖方(车主和乘客)进行交易分配时，为确保交易分配公平性和让信誉好的数据卖方分配更多的数据交易
示例三，在智能电网中，电力供应商需要预测未来一段时间用户的用电总负荷，根据用电负荷预测，电力供应商从电力批发市场购电，以满足对用户的电力供应。如果购买的电力与用户实际用电不匹配，电力供应商就需要从实时电力批发市场中购买更贵的电力。为了减少电力供应商对用户负荷预测的误差，减少电力供应商因预测误差大而造成的经济损失，电力供应商可以从用电户购买未来一段时间用电户的用电需求数据，第i个用电户将来24个小时的用电需求为数据元组[第一个小时用电需求d1，第二个需求d2，第三个需求d3，……，第二十四小时用电需求d24，用电户地理位置，用电户编号，时间(年月日)]。电力供应商(用电户负荷数据的购买者)、用电户(负荷数据的销售者)和电力数据交易平台之间天然的形成了“电力数据交易市场”。
本实施例的流程如下：
第一步，电力数据交易平台向电力供应商和多个用电户发出邀请交易的通知。
第二步，电力供应商和多个用电户根据预设的参与条件选择是否参与数据交易并反馈给电力数据交易平台。
第三步，多个用电户作为数据卖方，电力供应商为数据买方，数据卖方(多个用电户)的最优化问题是：
其中，交易的数据为将来24个小时的用电户每小时电力需求，其中vi为按照元组格式的交易电力数据的大小(byte)。
用电户卖数据的策略是
第四步，求解三方最优问题的最优解和最大利益值，获得数据最终定价，对m个数据买方(电力供应商)和n个数据卖方(用电户)进行交易分配时，为确保交易分配公平性和让信誉好的数据卖方分配更多的数据交易，
第五步，数据交易成功后，数据买方(电力供应商)使用完数据后，对各数据卖方评分，交易平台更新各数据卖方(用电户)信誉值。第一次参与到平台进行数据交易的数据卖方j，初始信誉值为aj＝1。经过每轮数据交易，如果数据买方对他提供的数据质量给好评，则信誉值增加aj(t)＝aj(t-1)+b，如果差评，信誉值降低aj(t)＝aj(t-1)-b，如果中评，信誉值不变aj(t)＝aj(t-1)。其中aj(t)代表第t次交易之后的信誉值，b代表信誉增加值的步长，为平台初始设定，例如b＝0.1。
示例四，随着无线通信和传感器技术的快速发展，无线移动终端设备呈爆炸式普及，市场上的手机、平板电脑，穿戴式物联网设备，拥有强大的环境感知能力。在这样背景下，群智感知成为当前热点。在群智感知中，大量普通用户的手机、平板电脑、智能手表等可穿戴设备，作为基本感知单元，通过互联网进行协作，实现感知任务分发与感知数据收集利用，最终完成大规模的、复杂的社会感知任务。群智感知参与者提供感知数据(数据卖方)，群智感知任务发布者提供奖励激励感知参与者(数据买方)，和群智感知平台(数据交易平台)三者之间天然地形成了“群智感知数据交易市场”。群智感知数据元组为[手机gps位置数据，传感数据2，传感数据3，…，时间，群智感知参与者编号]。
本示例的流程如下：
第一步，群智感知平台向群智感知参与者和群智感知任务发布者发出邀请数据交易的通知。
第二步，群智感知参与者和群智感知任务发布者根据预设的参与条件选择是否参与数据交易并反馈给群智感知平台。
第三步，群智感知参与者作为感知数据卖方。群智感知任务发布者为数据买方。数据卖方(群智感知参与者)的最优化问题是：
交易的数据为将来一段时间内按照一定时间频率感知数据并上传，其中vi为按照元组格式的交易的移动感知数据的大小(byte)。
其中，群智感知参与者卖数据的策略是
第四步，求解三方最优问题的最优解和最大利益值，获得数据最终定价，对m个数据买方(电力供应商)和n个数据卖方(用电户)进行交易分配时，为确保交易分配公平性和让信誉好的数据卖方分配更多的数据交易，
第五步，数据交易成功后，数据买方(群智感知参与者)使用完数据后，对各数据卖方评分，交易平台更新各数据卖方(群智感知发布者)信誉值。第一次参与到平台进行数据交易的数据卖方j，初始信誉值为aj＝1。经过每轮数据交易，如果数据买方对他提供的数据质量给好评，则信誉值增加aj(t)＝aj(t-1)+b，如果差评，信誉值降低aj(t)＝aj(t-1)-b，如果中评，信誉值不变aj(t)＝aj(t-1)。其中aj(t)代表第t次交易之后的信誉值，b代表信誉增加值的步长，为平台初始设定，例如b＝0.1。
图6为本发明实施例本发明实施例提供的一种数据交易确定装置的示意图，所述装置包括：
一种数据交易确定装置，所述装置包括：
第一获取模块501，用于获取目标卖方对应的价格阈值；
第二获取模块502，用于获取预设交易价格，将所述预设交易价格作为当前交易价格；
判断模块503，用于判断当前交易价格是否大于每个价格阈值；
第一变量获取模块504，用于大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
第二变量获取模块505，用于基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
利益最大值获取模块506，用于根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据；
交易价格确定模块507，用于根据所述交易平台利益最大值，确定交易价格。
其中，所述装置还包括：
存储模块，用于将获得的交易平台利益最大值存储在预设的集合中；
循环模块，用于小于或等于价格阈值的当前交易价格，当前交易价格增加预设间隔值，将当前交易价格增加间隔值的数值作为当前交易价格，返回继续执行判断当前交易价格是否大于每个价格阈值的步骤。
具体的，所述交易价格确定模块507包括：
第一排序子模块，用于对所述集合中交易平台利益最大值按照高低排序，将最高的交易平台利益最大值对应的当前交易价格作为交易价格。
所述第一获取模块501包括：
交易方获取子模块，用于根据获取的目标信息的关键字，从预设的卖方信息库和买方信息库中搜索拥有目标信息的卖方及对应的数据包和需求目标信息的买方；
参与确认子模块，用于获取卖方和买方的参与确认信息；
交易方确定子模块，用于根据所述参与确认信息，确定目标卖方和目标买方；
价格阈值确定子模块，用于解析每个目标卖方对应的数据包，确认每个数据包均包括价格阈值。
所述第一变量获取模块504包括：
第一优化模型建立子模块，用于基于当前交易价格，以第一变量为变量，按照如下表达式建立第一优化目标模型；
所述表达式：
其中，yi为第一变量，μ为支付开销占效用函数的权重，ui为第i个目标买方对应的利益值，
第一计算子模块，用于计算所述第一优化目标模型，获得第一变量。
所述第二变量获取模块505包括：
第二优化模型建立子模块，用于基于当前交易价格，以第一变量为变量，按照如下表达式建立第二优化目标模型；
所述表达式：
其中，zj为第二变量，uj为第j个目标卖方的盈利额，costj为第j个目标卖方的获取和上传单位数据的成本开销，vi为第i个目标买方从单个目标卖方购买的数据大小，p为当前交易价格，θ为交易平台收取交易费的比例，
第二计算子模块，用于计算第二优化目标模型，获得第二变量。
所述利益最大值获取模块506包括：
第三优化模型建立子模块，用于根据第一变量、第二变量和当前交易价格，
以第三变量为变量，按照如下表达式建立第三优化目标模型；
所述表达式：
其中，xij为第三变量，即第i个目标买方是否购买了第j个目标卖方的数据，当xij＝1时，代表第i个目标买方购买了第j个目标卖方的数据，当xij＝0时，第i个目标买方购未买第j个目标卖方的数据，
第三计算子模块，用于计算所述第三优化目标模型，获得所述第三变量；
利益最大值确定子模块，用于根据所述第三变量，得到交易平台利益的最大值。
所述第一计算子模块包括：
第一变量单元，用于利用遗传算法计算所述第一优化目标模型，获得第一变量。
所述第二计算子模块包括：
第二变量单元，用于利用遗传算法计算所述第二优化目标模型，获得所述第二变量。
所述装置还可以包括：
第三获取模块，用于获取每个目标买方用完数据后对对应目标卖方的评分；
信誉值计算模块，用于根据获取的评分，计算目标卖方的信誉值并对所述信誉值进行更新。
所述装置还可以包括：
评分模块，用于获取每个目标买方用完数据后对对应目标卖方的评分；
第一更新模块，用于根据获取的评分，计算目标卖方的信誉值并对所述信誉值进行更新。
所述装置还可以包括：
第三计算模块，用于计算每个目标卖方提供数据与数据均值的差值的平方和；
第二排序模块，用于将获得的平方和按照大小进行排序；
第一选取模块，用于根据排序后的平方和，选取最大的目标预值比例的所述平方对应的目标卖方的信誉值减小目标阈值，其中，第一次交易的目标卖方的信誉值为1；
第二选取模块，用于根据排序后的平方和，选取最小的目标预值比例的所述平方和对应的目标卖方的信誉值增加目标阈值；
第二更新模块，用于对目标卖方对应的信誉值进行更新。
由此可见，本发明提供的实施例基于使目标卖方、目标买方和交易平台的利益达到最大化，确定了数据交易价格，保证了数据定价的公平，提高了数据市场交易效率。
本发明实施例还提供了一种电子设备，如图7所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现本发明实施例提供的一种数据交易确定方法。
具体的，上述一种数据交易确定方法，包括：
获取目标卖方对应的价格阈值；
获取预设交易价格，将所述预设交易价格作为当前交易价格；
判断当前交易价格是否大于每个价格阈值；
大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据；
根据所述交易平台利益最大值，确定交易价格。
由此可见，执行本实施例提供的电子设备，基于使目标卖方、目标买方和交易平台的利益达到最大化，确定了数据交易价格，保证了数据定价的公平，提高了数据市场交易效率。
上述的相关内容数据交易确定方法的实施方式与前述方法实施例部分提供的数据确定方法的传输方式相同，这里不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(peripheralpomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(randomaccessmemory，简称ram)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(field－programmablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的一种数据交易确定方法。
具体的，上述一种数据交易确定方法，包括：
获取目标卖方对应的价格阈值；
获取预设交易价格，将所述预设交易价格作为当前交易价格；
判断当前交易价格是否大于每个价格阈值；
大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据；
根据所述交易平台利益最大值，确定交易价格。
由此可见，执行本实施例提供的计算机可读存储介质中存储的应用程序时，基于使目标卖方、目标买方和交易平台的利益达到最大化，确定了数据交易价格，保证了数据定价的公平，提高了数据市场交易效率。
上述的相关内容数据交易确定方法的实施方式与前述方法实施例部分提供的数据确定方法的传输方式相同，这里不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。
在本发明实施的又一方面，本发明提供的实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的一种数据交易确定方法。
具体的，上述一种数据交易确定方法，包括：
获取目标卖方对应的价格阈值；
获取预设交易价格，将所述预设交易价格作为当前交易价格；
判断当前交易价格是否大于每个价格阈值；
大于价格阈值的当前交易价格，基于当前交易价格，获取以第一变量为变量的第一优化目标模型，计算第一优化目标模型，获得第一变量，其中，所述第一变量为第i个目标买方购买数据源对应的目标卖方数量，i为目标买方的序号，所述第一目标优化模型为目标买方利益达到最大化的模型；
基于当前交易价格，获取以第二变量为变量的第二优化目标模型，计算第二优化目标模型，获得第二变量，其中，所述第二变量为第j个目标卖方是否卖目标数据，所述第二优化模型为目标卖方利益达到最大化的模型，j为目标卖方的序号；
根据第一变量、第二变量和当前交易价格，获取以第三变量为变量的第三优化目标模型，计算第三优化目标模型，获得交易平台利益最大值，其中，所述第三变量为第i个目标买方是否购买了第j个目标卖方的数据；
根据所述交易平台利益最大值，确定交易价格。
由此可见，执行本实施例提供的一种包含指令的计算机程序产品，当其在计算机上运行时，基于使目标卖方、目标买方和交易平台的利益达到最大化，确定了数据交易价格，保证了数据定价的公平，提高了数据市场交易效率。
上述的相关内容数据交易确定方法的实施方式与前述方法实施例部分提供的数据确定方法的传输方式相同，这里不再赘述。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！