本发明涉及数据共享的激励机制技术领域，具体涉及具有竞争性关系的组织之间基于竞争力驱动的数据共享激励方法。
背景技术：
随着大数据时代和人工智能时代的到来，以数据为基础的算法和技术蓬勃发展，催生出了众多基于数据驱动的服务，如推荐服务、语音识别、图像识别等，深刻地影响和变革着经济社会生活的方方面面。这些智能服务是组织机构通过收集数据和分析数据而提供的，其服务质量依赖于大量的高质量数据。然而，现实中并不是每个组织机构都能掌握大量数据，相反的，单个组织掌握的数据有限，更多的数据是通过收集和共享获得，进而提供多样化的智能服务。
随着数据共享有效提升服务质量和改善人们生活水平，数据服务发展出现新态势，即从单个组织收集和处理数据发展到多个组织共享数据来提供服务。但是在数据共享的发展趋势下，组织机构也可能拒绝分享其数据，尤其是存在竞争关系的组织之间。其主要原因是竞争性组织之间存在竞争力担忧。组织机构担心数据共享可能会改进竞争对手的服务质量，提升对手的竞争力，使对手在数据共享中受益，而本方却无法从中获益，反而可能因竞争对手的服务质量提升而造成自身用户流失，导致业务量下降，在日趋激烈的商业竞争中，这是本方不愿意看到的。例如，新药研发以及医疗相关的领域本应是数据共享和协作的重要领域，对治病救人，提升健康意义重大。但是由于利益的驱使，担心对手研发出下一代超级新药，很多医疗机构不愿意分享他们的数据。
现有研究多以主从合作式的数据收集为模型，竞争性组织机构之间的数据共享鲜有研究。在合作式数据收集中，数据需求者和数据持有者具有较强合作关系，这种数据共享的方法不符合具有竞争性关系组织之间的特点。因此，具有竞争关系的组织数据共享中，如何让参与者相信通过共享数据可以得到比不共享数据更好的结果，消除竞争力担忧，激励他们共享数据，是目前需要本领域技术人员迫切解决的一个技术问题。
技术实现要素：
为了解决现有技术的不足，本发明提供了一种竞争力驱动的数据共享激励方法，通过引入竞争力作为数据共享的交易参数，在此基础上构建斯坦伯格博弈模型，使得数据共享参与者在自私的行为下获得最大效用，消除数据持有者的竞争力担忧，激励其参与数据共享，从而在数据共享中受益，达成数据持有者和数据需求者的双赢。
为了实现上述目的，本发明的技术方案如下：
一种竞争力驱动的数据共享激励方法，包括以下步骤：
1)将数据需求者和数据共享者之间的关系映射为数据交易关系，引入竞争力作为数据共享交易的参数，并在此基础上构建数据共享网络；
2)根据数据共享网络构建基于斯坦伯格的两阶段博弈模型；
3)根据两阶段斯坦伯格博弈模型构建数据需求者效用函数和数据共享者效用函数；
4)求解斯坦伯格博弈模型的纳什均衡，以纳什均衡为参数进行数据共享，达成数据需求者和数据共享者的双赢。
进一步的，所述步骤1)中，数据交易关系为具有竞争性关系的两者之间的数据和竞争力的交易，即数据共享者共享数据给数据需求者，并从数据需求者处获得竞争力。
进一步的，所述步骤1)中，数据共享网络包括多个数据共享者和单个数据需求者，每个数据共享者与数据需求者之间数据竞争力参数不同。
进一步的，所述步骤1)中，竞争力具有如下特征：
是数据共享和数据处理后的技术进步能力；由竞争力因子度量；受数据市场供求关系影响。
进一步的，所述步骤2)中，以数据共享者为领导者，以数据需求者为跟随者，以求得数据共享者和数据需求者的最大效用为目标构建两阶段斯坦伯格博弈模型。
进一步的，所述步骤3)中，数据需求者效用函数ud为：
其中ω是权重值，q是数据需求者所需要的数据；
进一步的，所述步骤3)中，数据共享者效用函数un为：
un＝(γn-cn)qn
其中cn为损失系数，受数据数量控制和隐私安全因素影响；qn是从数据持有者n处获得的数据；γn是数据持有者为数据qn标定的竞争力因子。
进一步的，所述步骤4)中，斯坦伯格博弈模型的纳什均衡求解方法包括以下步骤：
4-1)采用拉格朗日乘子法求解数据需求者的效用函数，求得数据需求者的最佳共享数据量
4-2)把最佳数据量
4-3)通过竞争力因子表达式，求得在数据共享者竞争力因子博弈的最佳反应函数，然后采用梯度下降法求解斯坦伯格博弈的均衡。
进一步的，所述梯度下降法包括：
随机设定数据共享者的竞争力因子向量γi；
迭代：
a)数据需求者根据
b)更新竞争力因子函数
c)直到||γ[t]-γ[t-1]||/γ[t-1]≤ε；
结束迭代，获得斯坦伯格博弈模型的纳什均衡；
其中，γ是竞争力因子，t是迭代步数，δ是梯度下降步幅，
进一步的，所述步骤4)中，以纳什均衡为参数进行数据共享的具体方法为：
数据持有者进行竞争力因子决策；
数据需求者根据竞争力因子决定数据量；
通过基于梯度下降的算法，最终双方达成平衡，获得最佳的竞争力因子和数据量。
与现有技术相比，本发明的有益效果是：
1、本发明提出了一种竞争力驱动的数据共享激励方法，该方法引入竞争力作为驱动因素，使数据共享者在数据共享中获得竞争力提升，消除了数据持有者的竞争力担忧，使得数据持有者更有意愿参与到数据共享中去，提升了数据共享的力度。
2、通过本发明可达成数据共享的双赢。通过竞争力驱动的数据共享激励方法，数据需求者获得所需数据进行处理，提升了自身的服务质量。而数据持有者分享数据后虽然失去了对所持数据的控制，但是获得竞争力补偿，即技术进步能力，发挥了所持数据的价值。因此，数据共享参与者都获得了最佳收益，达成双赢。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为基于竞争力驱动的数据共享网络；
图2为斯坦伯格博弈示意图；
图3为梯度下降法收敛性；
图4为竞争力因子对数据持有者效用的影响；
图5为数据处理成本系数对数据共享参与者效用的影响；
图6为竞争力驱动的激励机制对数据共享效用的提升。
具体实施方式
下面结合附图与具体实施例对本发明做进一步的说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。
本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。
正如背景技术所介绍的，现有数据共享存在于具有合作性的组织之间，在具有竞争力的组织之间，由于存在数据持有者的竞争力担忧，导致数据共享的意愿不足，无法发挥数据作为信息时代战略资源的作用。为解决上述问题，本发明提出了一种竞争力驱动的数据共享激励方法。该方法通过引入竞争力作为数据共享的回报，构建两阶段的斯坦伯格博弈模型，求解数据共享参与者的最佳选择，达成数据需求者和数据持有者的双赢目标。
一种竞争力驱动的数据共享激励方法，包括以下步骤：
1)将数据需求者和数据共享者之间的关系映射为数据交易关系，引入竞争力作为数据共享交易的参数，并在此基础上构建数据共享网络；
2)根据数据共享网络构建基于斯坦伯格的两阶段博弈模型；
3)根据两阶段斯坦伯格博弈模型构建数据需求者效用函数和数据共享者效用函数；
4)求解斯坦伯格博弈模型的纳什均衡，以纳什均衡为参数进行数据共享，达成数据需求者和数据共享者的双赢。
所述步骤1)中，数据交易关系为具有竞争性关系的两者之间的数据和竞争力的交易，即数据共享者共享数据给数据需求者，并从数据需求者处获得竞争力。
所述步骤1)中，数据共享网络包括多个数据共享者和单个数据需求者，每个数据共享者与数据需求者之间数据竞争力参数不同。
所述步骤1)中，竞争力具有如下特征：
是数据共享和数据处理后的技术进步能力；
由竞争力因子度量，若数据持有者掌握数据q，则其潜在竞争力为γq，其中γ为竞争力因子；
受数据市场供求关系影响，相同的数据，在数据短缺的时候具有更高的竞争力因子，进而拥有更高的效用。
在基于竞争力驱动的数据共享网络中，数据需求者和数据共享者之间的关系可以映射成交易市场。在此交易市场中，竞争力作为数据需求者从数据共享者那里获取数据的报酬，支付给数据共享者。该竞争力以竞争力因子的方式衡量，能给数据共享者带来技术能力上的提升。如图1所示，数据共享者分享数据qn，从而获得竞争力因子γn。
在基于竞争力的数据共享网络中，存在数据需求者和数据持有者(数据共享者)参与到数据共享中。数据需求者和数据持有者统称为数据共享参与者。数据共享参与者之间是具有竞争性关系的。从数据需求者的角度而言，一个数据需求者从n个数据持有者收集数据q，进而进行数据处理，提升其服务质量。从数据持有者的角度而言，数据持有者有权决定以怎样的竞争力因子提供多少数据给数据需求者。一旦提交了数据，它将会丧失对该数据的控制权，同时会潜在地提升数据需求者的服务水平和竞争力，但是会从数据需求者那里得到竞争力补偿。
斯坦伯格博弈模型中，数据共享者是领导者，数据需求者是跟随者，目标是求得两者的最大效用，如图2所示，数据持有者首先进行竞争力因子决策，然后数据需求者根据竞争力因子决定数据量，通过基于梯度下降的算法，最终双方达成平衡，获得最佳的竞争力因子和数据量，进而获得各自最佳的效用。
在数据共享网中，数据需求者从数据共享者收集到所需数量的数据用以提升自身技术水平，但是需要付出一定的代价，即支付竞争力给数据提供者，同时在数据处理的过程中也耗费一定的成本。因此数据需求者在数据共享中的效用函数ud为：
其中ω是权重值，q是数据需求者所需要的数据；
处理数据qn的成本cn(qn)取决于数据的质量，计算能力和算法性能，定义为
所述步骤3)中，对于数据持有者，在共享数据中损失了自己的数据，并有可能承担隐私风险以及竞争力损失，但是可以获得竞争力补偿。因此数据共享者效用函数un为：
un＝(γn-cn)qn
其中cn为损失系数，受数据数量控制和隐私安全因素影响。
所述步骤4)中，斯坦伯格博弈模型的纳什均衡求解方法包括以下步骤：
4-1)采用拉格朗日乘子法求解数据需求者的效用函数，求得数据需求者的最佳共享数据量
4-2)把最佳数据量
4-3)通过竞争力因子表达式，求得在数据共享者竞争力因子博弈的最佳反应函数，然后采用梯度下降法求解斯坦伯格博弈的均衡。
所述梯度下降法包括：
随机设定数据共享者的竞争力因子向量γi；
迭代：
a)数据需求者根据
b)更新竞争力因子函数
c)直到||γ[t]-γ[t-1]||/γ[t-1]≤ε；
结束迭代，获得斯坦伯格博弈模型的纳什均衡；
其中，γ是竞争力因子，t是迭代步数，δ是梯度下降步幅，
图3展示了本发明所提出的梯度下降法的收敛性。从图中可以看出，从随机竞争力因子出发，经过有限步数就可以快速达到稳定，可见算法的收敛性良好。由于数据共享者1和2的数据质量不同，所以最终的竞争力因子均衡值不同。
图4展示了在某实施例中，不同竞争力因子下，数据共享者1和2的效用情况。随着数据共享者1给出的竞争力因子增大，数据共享者1的效用先增大后减小，呈现抛物线状，而数据共享者2的效用一直增大。这是因为，共享者1给出的竞争力因子增大会导致其所能被需求者需要的数据量减少，进而导致总体的效用衰减。相应地，需求者会从共享者2那里获取更多的数据，因此共享者2的效用增加。
图5展示了在某实施例中，不同数据处理参数下的数据共享参与者的效用。固定数据共享者2的数据处理参数，数据共享者1的参数从小到大变化，意味着其数据处理的难度增大。数据需求者的效用降低，这是因为数据需求者处理数据的成本增大，而收益却没有增大，所以总体效用降低。由于过高的数据处理成本，导致数据需求不愿意从数据共享者1中获取更多数据，所以数据共享者1的效用几乎没有增长，具有竞争性地，数据共享者2在此市场下获取效益的快速增长。
图6展示了某实施例中，竞争力驱动的数据共享激励方法给数据需求者带来的好处。当没有该激励方法时，数据持有者不愿意分享数据给数据需求者，数据需求者只能处理其所拥有的数据；但是当采用该激励方法是，数据共享行为发生了，数据需求者通过数据共享可以获得更多的数据进行处理。由此可见，竞争力驱动的数据共享激励方法给数据需求者带来了效益上的大幅提升。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。