一种数据资产的议价方法及装置与流程

1.本发明涉及数据资产交易技术领域，具体涉及一种数据资产的议价方法及装置。


背景技术：

2.目前，大数据资产定价理论可总结为：确定数据资产的效用价值或现值的收益法，评价数据资产的获取成本或再造成本的成本法，拍卖法，数据量、时效性、冗余度、一致性、稀缺性、结构化程度、完整性等指标定量分析法，专家评价定行分析法，分析数据资产质量、时间价值、功能价值、声望价值、服务价值、数据产品的层次和协同性、买方的异质性等多维度定价法，包含基本面因子、技术指标因子、情绪因子的智能算法模型的定价方法，区块链定价法。
3.实际上，由于数据的私有性，衍生价值难以界定归因等特殊性质，当前数据资产管理与交易面临着比较突出的数据安全与隐私保护难题，以及数据资产自身价值难以确定、流通价值难以保障的难题，使得数据资产交易方式与交易机制难以选择与确定，尤其是在交易定价方面，尚缺乏解决这些问题的数据资产交易标准和市场普遍接受的定价交易规则。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种数据资产的议价方法及装置，基于数据资产安全隐私和流通价值，建立数据资产的安全隐私因子和流通价值因子，以及计算数据资产的安全隐私值和流通价值值，确定数据资产的安全与隐私保护具体需求，以及数据资产自身价值和流通价值的动态构成，在此基础上，构建解决当前数据资产管理与交易面临着比较突出的数据安全与隐私保护难题，以及数据资产自身价值难以确定、流通价值难以保障的难题的可用于数据资产交易标准和市场普遍接受的定价交易规则的议价方法。
5.为了解决上述技术问题，本发明实施例第一方面公开了一种数据资产的议价方法，所述方法包括：
6.s1，获取数据资产的安全隐私内容，所述安全隐私内容包括安全隐私因子；将所述数据资产的安全隐私内容汇总，构建数据资产的安全隐私内容集，所述安全隐私内容集包括n个安全隐私内容；
7.s2，获取数据资产的流通价值内容，所述数据资产的流通价值内容包括流通价值因子；将所述数据资产的流通价值内容汇总，构建数据资产的流通价值内容集，所述数据资产的流通价值内容集包括n个流通价值内容；
8.s3，利用层次分析法，对所述安全隐私因子进行处理，得到数据资产的安全隐私值；
9.s4，利用层次分析法，对所述流通价值因子进行处理，得到数据资产的流通价值值；
10.s5，预设数据资产安全隐私值最低议价影响标准，对安全隐私值高于所述数据资
产安全隐私值最低议价影响标准的数据资产，采用基于安全隐私因子的数据资产数据验证议价方法，进行议价处理，得到议价结果；
11.s6，对安全隐私值低于所述数据资产安全隐私值最低议价影响标准的数据资产，采用基于流通价值因子和数据资产价值简介议价方法，进行议价处理，得到议价结果。
12.作为一种可选的实施方式，在本发明实施例第一方面中，所述利用层次分析法，对所述安全隐私因子进行处理，得到数据资产的安全隐私值，包括计算数据资产的安全隐私总值和计算各安全隐私因子的安全隐私值。
13.作为一种可选的实施方式，在本发明实施例第一方面中，所述计算数据资产的安全隐私总值和计算各安全隐私因子的安全隐私值，方法包括：
14.s31，利用层次分析法，将数据资产与其他已议价的数据资产的各类型安全隐私因子进行比较，得到数据资产的安全隐私判断矩阵；
15.s32，利用所述数据资产的安全隐私判断矩阵，计算所述数据资产对于其他已议价的数据资产的安全隐私影响程度值；
16.s33，利用所述安全隐私影响程度值，计算得到数据资产的安全隐私总值；
17.s34，利用所述数据资产的安全隐私总值和所述数据资产的安全隐私判断矩阵，计算得到数据资产的各安全隐私因子的安全隐私值。
18.作为一种可选的实施方式，在本发明实施例第一方面中，所述利用层次分析法，对所述流通价值因子进行处理，得到数据资产的流通价值值，包括计算数据资产的流通价值总值和计算各流通价值因子的流通价值值。
19.作为一种可选的实施方式，在本发明实施例第一方面中，所述计算数据资产的流通价值总值和计算各流通价值因子的流通价值值，方法包括：
20.s41，利用层次分析法，将数据资产与其他已议价的数据资产的各类型流通价值因子进行比较，得到所述数据资产的流通价值判断矩阵；
21.s42，利用所述数据资产的流通价值判断矩阵，计算所述数据资产对于其他已议价的数据资产的流通价值影响程度值；
22.s43，利用所述流通价值影响程度值，计算得到所述数据资产的流通价值总值；
23.s44，利用所述数据资产的流通价值总值和所述数据资产的流通价值判断矩阵，计算得到数据资产的各流通价值因子的流通价值值。
24.作为一种可选的实施方式，在本发明实施例第一方面中，所述基于安全隐私因子的数据资产数据验证议价方法，包括：
25.s51，预设与其他已议价的数据资产的历史安全隐私值有关的第一数据资产安全隐私值最低议价影响标准，当数据资产安全隐私总值大于所述第一数据资产安全隐私值最低议价影响标准时，采用基于安全隐私因子的数据资产数据验证议价方法议价；
26.s52，预设与其他已议价的数据资产的各类型安全隐私因子的历史安全隐私值有关的、数据资产的各类型安全隐私因子的第二数据资产安全隐私值最低议价影响标准，当某数据资产的各类型安全隐私因子的安全隐私值大于所述第二数据资产安全隐私值最低议价影响标准时，采用基于安全隐私因子的数据资产数据验证议价方法议价；
27.s53，确定数据资产中不属于安全隐私内容集的非安全隐私数据资产内容集，所述非安全隐私数据资产内容集为交易前可向买方公开的可验证范围，此部分可不收取安全隐
私验证费；
28.s54，当买方要求验证安全隐私内容集内的部分内容时，将所述安全隐私内容集中的安全隐私因子进行查重去冗余，得到筛查安全隐私内容集；
29.将所述筛查安全隐私内容集的各类型安全隐私因子的安全隐私值求和，得到筛查安全隐私内容集的安全隐私总值；
30.s55，分析所述筛查安全隐私内容集，判断其中各类型安全隐私因子的安全隐私值是否大于所述第二数据资产安全隐私值最低议价影响标准；
31.根据判断结果，当各类型安全隐私因子的安全隐私值均小于第二数据资产安全隐私值最低议价影响标准时，数据资产的议价结果等于在价格估值的基础上，增加与各类型安全隐私因子的安全隐私值、数据资产安全隐私总值和一般议价空间相关的数据资产验证补偿议价值；
32.s56，当各类型安全隐私因子的安全隐私值，大于第二数据资产安全隐私值最低议价影响标准的部分安全隐私因子时，将各类型安全隐私因子分为小于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子，和大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子两类；
33.重新计算小于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子对应的安全隐私内容集的安全隐私值，提取大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子的安全隐私值；
34.将大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子的安全隐私值，反馈给数据资产卖方，由卖方筛选出不同意进行交易前验证的安全隐私因子，将拒绝验证的信息反馈给要求验证的买方，并将卖方同意验证的部分安全隐私因子重新标记为高安全隐私因子，并提取其安全隐私值；
35.数据资产的议价结果等于在价格估值的基础上，增加了与各类型安全隐私因子的安全隐私值、数据资产安全隐私值、高安全隐私因子的安全隐私值及其议价系数、一般议价空间相关的数据资产验证补偿议价值；
36.所述高安全隐私因子的议价系数为由买卖双方线上议价决定的大于1值。
37.作为一种可选的实施方式，在本发明实施例第一方面中，所述基于流通价值因子和数据资产价值简介议价方法，包括：
38.s61，设置卖方的安全隐私黑白名单，将符合所述安全隐私黑白名单的买方定义为潜在买方；
39.s62，形成数据资产价值简介，包括：
40.定义参与数据资产的议价与交易的潜在买方为议价买方；
41.采用数据挖掘方法挖掘数据资产的自身价值；
42.对所述数据资产的自身价值进行结构性处理，去除其中的具体数据，仅提供针对各项挖掘结果的定性描述，得到数据资产价值简介；
43.s63，基于流通价值因子初步议价，包括：
44.确定数据资产中不属于流通价值内容集的非流通价值数据资产内容集；所述非流通价值数据资产内容集为交易前可向买方公开的可验证范围，不收取流通价值验证费；
45.当买方要求验证流通价值内容集内的部分内容时，将流通价值内容集中包含的部
分各类型流通价值因子查重去冗余后，得到的筛查流通价值内容集；
46.将所述筛查流通价值内容集的各类型流通价值因子的流通价值值求和得到筛查流通价值内容集的流通价值总值；
47.当买方要求验证非流通价值内容集内的部分内容时，数据资产议价结果等于价格估值；
48.预设各类型数据资产流通价值值最低议价影响标准，分析所述筛查流通价值内容集，判断其中各类型流通价值因子的流通价值值，是否大于所述各类型数据资产流通价值值最低议价影响标准；
49.根据判断结果，当各类型流通价值因子的流通价值值均小于各类型数据资产流通价值值最低议价影响标准时，数据资产的议价结果等于在价格估值的基础上，增加与各类型流通价值因子的流通价值值、数据资产流通价值总值和一般议价空间相关的数据资产验证补偿议价值；
50.当各类型流通价值因子的流通价值值，大于各类型数据资产流通价值值最低议价影响标准的部分流通价值因子时，将各类型流通价值因子分为小于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子，和大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子两类；
51.重新计算小于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子，对应的流通价值内容集合的流通价值值，提取大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子的流通价值值；
52.将大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子的流通价值值反馈给数据资产卖方；
53.由卖方筛选出不同意进行交易前验证的流通价值因子，将拒绝验证的信息反馈给要求验证的买方，并将卖方同意验证的部分流通价值因子重新标记为高流通价值因子并提取其流通价值值；
54.数据资产的议价结果等于在价格估值的基础上，增加了与各类型流通价值因子的流通价值值、数据资产流通价值值、高流通价值因子的流通价值值及其议价系数，以及一般议价空间相关的数据资产验证补偿议价值；
55.所述高流通价值因子的议价系数为由买卖双方线上议价决定的大于1值；
56.s64，价高者得的流通价值议价方法
57.以s63的初步议价结果为议价基准，对数据资产进行多方议价；
58.各议价买方依据议价基准给出数据资产的议价值；
59.依据价高者得原则，选择议价值中的最大值作为数据资产的最终议价，并确定相应的议价买方为最终买方。
60.本发明实施例第二方面公开了一种数据资产的议价装置，所述装置包括：
61.第一处理模块，用于获取数据资产的安全隐私内容，所述安全隐私内容包括安全隐私因子；将所述数据资产的安全隐私内容汇总，构建数据资产的安全隐私内容集，所述安全隐私内容集包括n个安全隐私内容；
62.第二处理模块，用于获取数据资产的流通价值内容，所述数据资产的流通价值内容包括流通价值因子；将所述数据资产的流通价值内容汇总，构建数据资产的流通价值内
容集，所述数据资产的流通价值内容集包括n个流通价值内容；
63.第三处理模块，用于利用层次分析法，对所述安全隐私因子进行处理，得到数据资产的安全隐私值；
64.第四处理模块，用于利用层次分析法，对所述流通价值因子进行处理，得到数据资产的流通价值值；
65.第五处理模块，用于预设数据资产安全隐私值最低议价影响标准，对安全隐私值高于所述数据资产安全隐私值最低议价影响标准的数据资产，采用基于安全隐私因子的数据资产数据验证议价方法，进行议价处理，得到议价结果；
66.第六处理模块，用于对安全隐私值低于所述数据资产安全隐私值最低议价影响标准的数据资产，采用基于流通价值因子和数据资产价值简介议价方法，进行议价处理，得到议价结果。
67.作为一种可选的实施方式，在本发明实施例第二方面中，所述利用层次分析法，对所述安全隐私因子进行处理，得到数据资产的安全隐私值，包括计算数据资产的安全隐私总值和计算各安全隐私因子的安全隐私值。
68.作为一种可选的实施方式，在本发明实施例第二方面中，所述计算数据资产的安全隐私总值和计算各安全隐私因子的安全隐私值，方法包括：
69.s31，利用层次分析法，将数据资产与其他已议价的数据资产的各类型安全隐私因子进行比较，得到数据资产的安全隐私判断矩阵；
70.s32，利用所述数据资产的安全隐私判断矩阵，计算所述数据资产对于其他已议价的数据资产的安全隐私影响程度值；
71.s33，利用所述安全隐私影响程度值，计算得到数据资产的安全隐私总值；
72.s34，利用所述数据资产的安全隐私总值和所述数据资产的安全隐私判断矩阵，计算得到数据资产的各安全隐私因子的安全隐私值。
73.作为一种可选的实施方式，在本发明实施例第二方面中，所述利用层次分析法，对所述流通价值因子进行处理，得到数据资产的流通价值值，包括计算数据资产的流通价值总值和计算各流通价值因子的流通价值值。
74.作为一种可选的实施方式，在本发明实施例第二方面中，所述计算数据资产的流通价值总值和计算各流通价值因子的流通价值值，方法包括：
75.s41，利用层次分析法，将数据资产与其他已议价的数据资产的各类型流通价值因子进行比较，得到所述数据资产的流通价值判断矩阵；
76.s42，利用所述数据资产的流通价值判断矩阵，计算所述数据资产对于其他已议价的数据资产的流通价值影响程度值；
77.s43，利用所述流通价值影响程度值，计算得到所述数据资产的流通价值总值；
78.s44，利用所述数据资产的流通价值总值和所述数据资产的流通价值判断矩阵，计算得到数据资产的各流通价值因子的流通价值值。
79.作为一种可选的实施方式，在本发明实施例第二方面中，所述基于安全隐私因子的数据资产数据验证议价方法，包括：
80.s51，预设与其他已议价的数据资产的历史安全隐私值有关的第一数据资产安全隐私值最低议价影响标准，当数据资产安全隐私总值大于所述第一数据资产安全隐私值最
低议价影响标准时，采用基于安全隐私因子的数据资产数据验证议价方法议价；
81.s52，预设与其他已议价的数据资产的各类型安全隐私因子的历史安全隐私值有关的、数据资产的各类型安全隐私因子的第二数据资产安全隐私值最低议价影响标准，当某数据资产的各类型安全隐私因子的安全隐私值大于所述第二数据资产安全隐私值最低议价影响标准时，采用基于安全隐私因子的数据资产数据验证议价方法议价；
82.s53，确定数据资产中不属于安全隐私内容集的非安全隐私数据资产内容集，所述非安全隐私数据资产内容集为交易前可向买方公开的可验证范围，此部分可不收取安全隐私验证费；
83.s54，当买方要求验证安全隐私内容集内的部分内容时，将所述安全隐私内容集中的安全隐私因子进行查重去冗余，得到筛查安全隐私内容集；
84.将所述筛查安全隐私内容集的各类型安全隐私因子的安全隐私值求和，得到筛查安全隐私内容集的安全隐私总值；
85.s55，分析所述筛查安全隐私内容集，判断其中各类型安全隐私因子的安全隐私值是否大于所述第二数据资产安全隐私值最低议价影响标准；
86.根据判断结果，当各类型安全隐私因子的安全隐私值均小于第二数据资产安全隐私值最低议价影响标准时，数据资产的议价结果等于在价格估值的基础上，增加与各类型安全隐私因子的安全隐私值、数据资产安全隐私总值和一般议价空间相关的数据资产验证补偿议价值；
87.s56，当各类型安全隐私因子的安全隐私值，大于第二数据资产安全隐私值最低议价影响标准的部分安全隐私因子时，将各类型安全隐私因子分为小于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子，和大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子两类；
88.重新计算小于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子对应的安全隐私内容集的安全隐私值，提取大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子的安全隐私值；
89.将大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子的安全隐私值，反馈给数据资产卖方，由卖方筛选出不同意进行交易前验证的安全隐私因子，将拒绝验证的信息反馈给要求验证的买方，并将卖方同意验证的部分安全隐私因子重新标记为高安全隐私因子，并提取其安全隐私值；
90.数据资产的议价结果等于在价格估值的基础上，增加了与各类型安全隐私因子的安全隐私值、数据资产安全隐私值、高安全隐私因子的安全隐私值及其议价系数、一般议价空间相关的数据资产验证补偿议价值；
91.所述高安全隐私因子的议价系数为由买卖双方线上议价决定的大于1值。
92.作为一种可选的实施方式，在本发明实施例第二方面中，所述基于流通价值因子和数据资产价值简介议价方法，包括：
93.s61，设置卖方的安全隐私黑白名单，将符合所述安全隐私黑白名单的买方定义为潜在买方；
94.s62，形成数据资产价值简介，包括：
95.定义参与数据资产的议价与交易的潜在买方为议价买方；
96.采用数据挖掘方法挖掘数据资产的自身价值；
97.对所述数据资产的自身价值进行结构性处理，去除其中的具体数据，仅提供针对各项挖掘结果的定性描述，得到数据资产价值简介；
98.s63，基于流通价值因子初步议价，包括：
99.确定数据资产中不属于流通价值内容集的非流通价值数据资产内容集；所述非流通价值数据资产内容集为交易前可向买方公开的可验证范围，不收取流通价值验证费；
100.当买方要求验证流通价值内容集内的部分内容时，将流通价值内容集中包含的部分各类型流通价值因子查重去冗余后，得到的筛查流通价值内容集；
101.将所述筛查流通价值内容集的各类型流通价值因子的流通价值值求和得到筛查流通价值内容集的流通价值总值；
102.当买方要求验证非流通价值内容集内的部分内容时，数据资产议价结果等于价格估值；
103.预设各类型数据资产流通价值值最低议价影响标准，分析所述筛查流通价值内容集，判断其中各类型流通价值因子的流通价值值，是否大于所述各类型数据资产流通价值值最低议价影响标准；
104.根据判断结果，当各类型流通价值因子的流通价值值均小于各类型数据资产流通价值值最低议价影响标准时，数据资产的议价结果等于在价格估值的基础上，增加与各类型流通价值因子的流通价值值、数据资产流通价值总值和一般议价空间相关的数据资产验证补偿议价值；
105.当各类型流通价值因子的流通价值值，大于各类型数据资产流通价值值最低议价影响标准的部分流通价值因子时，将各类型流通价值因子分为小于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子，和大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子两类；
106.重新计算小于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子，对应的流通价值内容集合的流通价值值，提取大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子的流通价值值；
107.将大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子的流通价值值反馈给数据资产卖方；
108.由卖方筛选出不同意进行交易前验证的流通价值因子，将拒绝验证的信息反馈给要求验证的买方，并将卖方同意验证的部分流通价值因子重新标记为高流通价值因子并提取其流通价值值；
109.数据资产的议价结果等于在价格估值的基础上，增加了与各类型流通价值因子的流通价值值、数据资产流通价值值、高流通价值因子的流通价值值及其议价系数，以及一般议价空间相关的数据资产验证补偿议价值；
110.所述高流通价值因子的议价系数为由买卖双方线上议价决定的大于1值；
111.s64，价高者得的流通价值议价方法
112.以s63的初步议价结果为议价基准，对数据资产进行多方议价；
113.各议价买方依据议价基准给出数据资产的议价值；
114.依据价高者得原则，选择议价值中的最大值作为数据资产的最终议价，并确定相
应的议价买方为最终买方。
115.本发明第三方面公开了另一种数据资产的议价装置，所述装置包括：
116.存储有可执行程序代码的存储器；
117.与所述存储器耦合的处理器；
118.所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的数据资产的议价方法中的部分或全部步骤。
119.本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的数据资产的议价方法中的部分或全部步骤。
120.与现有技术相比，本发明实施例具有以下有益效果：
121.(1)本发明提供了一种数据资产的议价方法，通过建立数据资产的安全隐私因子和流通价值因子，以及计算数据资产的安全隐私值和流通价值值，确定数据资产的安全与隐私保护具体需求，以及数据资产自身价值和流通价值的动态构成，在此基础上，构建了可用于数据资产交易标准和市场普遍接受的定价交易规则的议价方法，解决了当前数据资产管理与交易面临着比较突出的数据安全与隐私保护难题，以及数据资产自身价值难以确定、流通价值难以保障的难题。
122.(2)本发明提供适用于对安全隐私要求较高的数据资产的基于安全隐私因子的数据资产数据验证议价方法，以及适用于对安全隐私要求相对不高以追求流通价值为目标的数据资产的基于流通价值因子和数据资产价值简介议价方法，对数据资产议价具有普适性。
123.(3)本发明提供的基于安全隐私因子的数据资产数据验证议价方法，适用于对安全隐私要求较高的数据资产，基于安全隐私因子对数据交易风险进行直观价格匹配协调，并根据安全隐私因子确定买方数据资产的数据验证方案，降低卖方交易风险的同时避免买方交易后后悔，使数据资产议价更合理且更符合实际需求。
124.(4)本发明提供的基于流通价值因子和数据资产价值简介议价方法，适用于对安全隐私要求相对不高以追求流通价值为目标的数据资产，参考了卖方的安全隐私黑白名单，保障了卖方对安全隐私的基本要求，在此基础上，采用数据资产价值挖掘方法确定数据资产自身价值，形成数据资产价值简介，通过向潜在买方公布数据资产简介，根据流通价值因子明确数据资产流通价值的动态构成，采用基于流通价值因子初步议价和价高者得的流通价值议价方法，进行基于流通价值因子和数据资产价值简介议价，在避免买方交易后后悔的同时，提高了卖方数据资产流通价值，使数据资产议价更合理且更符合实际需求。
附图说明
125.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
126.图1是本发明实施例公开的一种数据资产的议价方法的流程示意图；
127.图2是本发明实施例公开的基于安全隐私因子的数据资产数据验证议价方法的流
程示意图；
128.图3是本发明实施例公开的基于流通价值因子和数据资产价值简介议价方法的流程示意图；
129.图4是本发明实施例公开的一种数据资产的议价装置的结构示意图；
130.图5是本发明实施例公开的另一种数据资产的议价装置的结构示意图。
具体实施方式
131.为了使本技术领域的人员更好地理解本发明方案，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作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。
132.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
133.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
134.本发明公开了一种数据资产的议价方法，通过建立数据资产的安全隐私因子和流通价值因子，以及计算数据资产的安全隐私值和流通价值值，确定数据资产的安全与隐私保护具体需求，以及数据资产自身价值和流通价值的动态构成，在此基础上，构建可用于数据资产交易标准和市场普遍接受的定价交易规则的议价方法。
135.实施例一
136.请参阅图1，图1是本发明实施例公开的一种数据资产的议价方法的流程示意图：
137.s1，获取数据资产的安全隐私内容，所述安全隐私内容包括安全隐私因子；将所述数据资产的安全隐私内容汇总，构建数据资产的安全隐私内容集，所述安全隐私内容集包括n个安全隐私内容；
138.s2，获取数据资产的流通价值内容，所述数据资产的流通价值内容包括流通价值因子；将所述数据资产的流通价值内容汇总，构建数据资产的流通价值内容集，所述数据资产的流通价值内容集包括n个流通价值内容；
139.s3，利用层次分析法，对所述安全隐私因子进行处理，得到数据资产的安全隐私值；
140.s4，利用层次分析法，对所述流通价值因子进行处理，得到数据资产的流通价值值；
141.s5，预设数据资产安全隐私值最低议价影响标准，对安全隐私值高于所述数据资产安全隐私值最低议价影响标准的数据资产，采用基于安全隐私因子的数据资产数据验证议价方法，进行议价处理，得到议价结果；
142.s6，对安全隐私值低于所述数据资产安全隐私值最低议价影响标准的数据资产，采用基于流通价值因子和数据资产价值简介议价方法，进行议价处理，得到议价结果。
143.可选的，所述数据资产的安全隐私内容集，包括：
144.国家安全隐私内容、生命健康安全隐私内容、财务安全隐私内容、商业安全隐私内容、个人安全隐私内容、科研技术安全隐私内容和一般信息隐私内容；
145.所述安全隐私内容的安全隐私因子包括：
146.国家安全隐私因子、生命健康安全隐私因子、财务安全隐私因子、商业安全隐私因子、个人安全隐私因子、科研技术安全隐私因子、一般信息安全隐私因子。
147.可选的，所述数据资产的流通价值内容集，包括：
148.跨境流通价值内容、行业流通价值内容、地域流通价值内容、商业流通价值内容、个人流通价值内容、科研技术流通价值内容、一般流通价值内容；
149.所述流通价值内容的流通价值因子，包括：
150.跨境流通价值因子、行业流通价值因子、地域流通价值因子、商业流通价值因子、个人流通价值因子、科研技术流通价值因子、一般流通价值因子。
151.可选的，所述利用层次分析法，对所述安全隐私因子进行处理，得到数据资产的安全隐私值，包括计算数据资产的安全隐私总值和计算各安全隐私因子的安全隐私值。
152.可选的，所述计算数据资产的安全隐私总值和计算各安全隐私因子的安全隐私值，方法包括：
153.s31，利用层次分析法，将数据资产与其他已议价的数据资产的各类型安全隐私因子进行比较，得到数据资产的安全隐私判断矩阵；
154.s32，利用所述数据资产的安全隐私判断矩阵，计算所述数据资产对于其他已议价的数据资产的安全隐私影响程度值；
155.s33，利用所述安全隐私影响程度值，计算得到数据资产的安全隐私总值；
156.s34，利用所述数据资产的安全隐私总值和所述数据资产的安全隐私判断矩阵，计算得到数据资产的各安全隐私因子的安全隐私值；
157.所述数据资产的各安全隐私因子的安全隐私值，包括：
158.国家安全隐私因子的安全隐私值、生命健康安全隐私因子的安全隐私值、财务安全隐私因子的安全隐私值、商业安全隐私因子的安全隐私值、个人安全隐私因子的安全隐私值、科研技术安全隐私因子的安全隐私值、一般信息安全隐私因子的安全隐私值。
159.可选的，所述利用层次分析法，对所述流通价值因子进行处理，得到数据资产的流通价值值，包括计算数据资产的流通价值总值和计算各流通价值因子的流通价值值。
160.层次分析法是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法。
161.可选的，所述计算数据资产的流通价值总值和计算各流通价值因子的流通价值值，方法包括：
162.s41，利用层次分析法，将数据资产与其他已议价的数据资产的各类型流通价值因子进行比较，得到所述数据资产的流通价值判断矩阵；
163.s42，利用所述数据资产的流通价值判断矩阵，计算所述数据资产对于其他已议价
的数据资产的流通价值影响程度值；
164.s43，利用所述流通价值影响程度值，计算得到所述数据资产的流通价值总值；
165.s44，利用所述数据资产的流通价值总值和所述数据资产的流通价值判断矩阵，计算得到数据资产的各流通价值因子的流通价值值；
166.所述数据资产的各流通价值因子的流通价值值，包括：
167.跨境流通价值因子的安全隐私值、行业流通价值因子的安全隐私值、地域流通价值因子的安全隐私值、商业流通价值因子的安全隐私值、个人流通价值因子的安全隐私值、科研技术流通价值因子的安全隐私值、一般流通价值因子的安全隐私值。
168.可选的，所述基于安全隐私因子的数据资产数据验证议价方法，如图2所示：
169.s51，预设与其他已议价的数据资产的历史安全隐私值有关的第一数据资产安全隐私值最低议价影响标准，当数据资产总安全隐私值大于所述第一数据资产安全隐私值最低议价影响标准时，采用基于安全隐私因子的数据资产数据验证议价方法议价；
170.s52，预设与其他已议价的数据资产的各类型安全隐私因子的历史安全隐私值有关的、数据资产的各类型安全隐私因子的第二数据资产安全隐私值最低议价影响标准，当某数据资产的各类型安全隐私因子的安全隐私值大于所述第二数据资产安全隐私值最低议价影响标准时，采用基于安全隐私因子的数据资产数据验证议价方法议价；
171.s53，确定数据资产中不属于安全隐私内容集的非安全隐私数据资产内容集，所述非安全隐私数据资产内容集为交易前可向买方公开的可验证范围，此部分可不收取安全隐私验证费；
172.s54，当买方要求验证安全隐私内容集内的部分内容时，将所述安全隐私内容集中的安全隐私因子进行查重去冗余，得到筛查安全隐私内容集；
173.将所述筛查安全隐私内容集的各类型安全隐私因子的安全隐私值求和，得到筛查安全隐私内容集的安全隐私总值；
174.s55，分析所述筛查安全隐私内容集，判断其中各类型安全隐私因子的安全隐私值是否大于所述第二数据资产安全隐私值最低议价影响标准；
175.根据判断结果，当各类型安全隐私因子的安全隐私值均小于第二数据资产安全隐私值最低议价影响标准时，数据资产的议价结果等于在价格估值的基础上，增加与各类型安全隐私因子的安全隐私值、数据资产安全隐私总值和一般议价空间相关的数据资产验证补偿议价值；
176.s56，当各类型安全隐私因子的安全隐私值，大于第二数据资产安全隐私值最低议价影响标准的部分安全隐私因子时，将各类型安全隐私因子分为小于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子，和大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子两类；
177.重新计算小于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子，对应的安全隐私内容集的安全隐私值，提取大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子的安全隐私值；
178.将大于第二数据资产安全隐私值最低议价影响标准的各类型安全隐私因子的安全隐私值，反馈给数据资产卖方，由卖方筛选出不同意进行交易前验证的安全隐私因子，将拒绝验证的信息反馈给要求验证的买方，并将卖方同意验证的部分安全隐私因子重新标记
为高安全隐私因子，并提取其安全隐私值；
179.数据资产的议价结果等于在价格估值的基础上，增加了与各类型安全隐私因子的安全隐私值、数据资产安全隐私值、高安全隐私因子的安全隐私值及其议价系数、一般议价空间相关的数据资产验证补偿议价值；
180.所述高安全隐私因子的议价系数为由买卖双方线上议价决定的大于1值。
181.可选的，所述基于流通价值因子和数据资产价值简介议价方法如图3所示：
182.s61，设置卖方的安全隐私黑白名单，将符合所述安全隐私黑白名单的买方定义为潜在买方；
183.s62，形成数据资产价值简介，包括：
184.定义参与数据资产的议价与交易的潜在买方为议价买方；
185.采用数据挖掘方法挖掘数据资产的自身价值；
186.对所述数据资产的自身价值进行结构性处理，去除其中的具体数据，仅提供针对各项挖掘结果的定性描述，得到数据资产价值简介；
187.s63，基于流通价值因子初步议价，包括：
188.确定数据资产中不属于流通价值内容集的非流通价值数据资产内容集；所述非流通价值数据资产内容集为交易前可向买方公开的可验证范围，不收取流通价值验证费；
189.当买方要求验证流通价值内容集内的部分内容时，将流通价值内容集中包含的部分各类型流通价值因子查重去冗余后，得到的筛查流通价值内容集；
190.将所述筛查流通价值内容集的各类型流通价值因子的流通价值值求和得到筛查流通价值内容集的流通价值总值；
191.当买方要求验证非流通价值内容集内的部分内容时，数据资产议价结果等于价格估值；
192.预设各类型数据资产流通价值值最低议价影响标准，分析所述筛查流通价值内容集，判断其中各类型流通价值因子的流通价值值，是否大于所述各类型数据资产流通价值值最低议价影响标准；
193.根据判断结果，当各类型流通价值因子的流通价值值均小于各类型数据资产流通价值值最低议价影响标准时，数据资产的议价结果等于在价格估值的基础上，增加与各类型流通价值因子的流通价值值、数据资产流通价值总值和一般议价空间相关的数据资产验证补偿议价值；
194.当各类型流通价值因子的流通价值值，大于各类型数据资产流通价值值最低议价影响标准的部分流通价值因子时，将各类型流通价值因子分为小于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子，和大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子两类；
195.重新计算小于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子，对应的流通价值内容集合的流通价值值，提取大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子的流通价值值；
196.将大于各类型数据资产流通价值值最低议价影响标准的各类型流通价值因子的流通价值值反馈给数据资产卖方；
197.由卖方筛选出不同意进行交易前验证的流通价值因子，将拒绝验证的信息反馈给
要求验证的买方，并将卖方同意验证的部分流通价值因子重新标记为高流通价值因子并提取其流通价值值；
198.数据资产的议价结果等于在价格估值的基础上，增加了与各类型流通价值因子的流通价值值、数据资产流通价值值、高流通价值因子的流通价值值及其议价系数，以及一般议价空间相关的数据资产验证补偿议价值；
199.所述高流通价值因子的议价系数为由买卖双方线上议价决定的大于1值；
200.s64，价高者得的流通价值议价方法
201.以s63的初步议价结果为议价基准，对数据资产进行多方议价；
202.各议价买方依据议价基准给出数据资产的议价值；
203.依据价高者得原则，选择议价值中的最大值作为数据资产的最终议价，并确定相应的议价买方为最终买方。
204.可选的，所述数据资产的自身价值，包括：
205.数据资产的数据成本、数据质量、数据产品层次、数据产品协同性；
206.所述数据成本，包括时间成本、经济成本、资源成本；
207.所述数据质量，包括数据时效、数据内容、数据可靠性、数据技术性；
208.所述数据产品层次，包括数据产品范畴、数据产品定位；
209.所述数据产品协同性，包括数据产品关联、数据产品途径、数据产品来源。
210.实施例二
211.(1)建立数据资产的安全隐私因子和流通价值因子
212.1)建立数据资产的安全隐私因子
213.假设数据资产a为议价对象，通过自然语言处理的方式对数据资产a进行安全隐私内容的挖掘。首先需要对数据资产a进行预处理，针对其中的非结构化文本数据，需要根据语义、语法和语用等进行文本分词、特征表示和特征提取的数据预处理操作。其中，文本分词在构建数据资产安全隐私内容机器词典的基础上，将待分析的文本与词典中的内容相匹配，以便能够得到针对数据安全隐私内容的更加准确的文本分词；在对数据资产a进行分词后，需要对数据进行特征表示，采用向量空间模型将文本分词内容转化为计算机可以理解的向量模式；最后，需要基于互信息、信息增益等方法进行特征词大小的评估，即特征提取。在对数据资产a进行预处理后，转化为向量化的结构化数据，可以采用划分式、基于密度式和层次化聚类方法等进行数据资产的聚类。
214.按照数据资产安全隐私内容分类，安全隐私内容集pa中的安全隐私内容可分为：国家安全隐私内容、生命健康安全隐私内容、财务安全隐私内容、商业安全隐私内容、个人安全隐私内容、科研技术安全隐私内容、一般信息隐私内容。依据上述数据资产隐私内容分类方法，采用机器学习包括朴素贝叶斯算法、k-近邻算法、决策树算法等，根据上述自定义的类别名称，对数据资产中安全隐私内容进行准确的分类，将分词及其相关的数据内容分别划分到对应的类别中。
215.采用上述方法挖掘出数据资产a的安全隐私内容集合pa。将安全隐私内容集合pa中的各类型安全隐私内容分别提取为国家安全隐私内容集npa、生命健康安全隐私内容集hpa、财务安全隐私内容集fpa、商业安全隐私内容集bpa、个人安全隐私内容集ppa、科研技术安全隐私内容集spa、一般信息安全隐私内容集gpa。
216.采用自然语言处理的方式，将上述数据资产a中安全隐私内容集pa各个大类进行进一步的分类，建立安全隐私内容详细类别的机器词典，去除一些文本内容中不具有实际意义的词汇，不必要的字母、符号和标识等，通过词干提取浓缩提炼具有代表性的词汇作为安全隐私因子，采用词频-逆向文档频率(tf-idf)算法进一步筛选安全隐私因子词汇中存在频率较高的词汇作为代表最小安全隐私因子。采取上述方法对各类型安全隐私内容集合进一步挖掘划分为一个个具有最小安全隐私内容和含义的安全隐私因子，将各类型安全隐私因子分类标记为：国家安全隐私因子npa(i)∈npa、生命健康安全隐私因子hpa(i)∈hpa、财务安全隐私因子fpa(i)∈fpa、商业安全隐私因子bpa(i)∈bpa、个人安全隐私因子ppa(i)∈ppa、科研技术安全隐私因子spa(i)∈spa、一般信息安全隐私因子gpa(i)∈gpa,i＝1,2,
…
,m。令o为安全隐私因子的类型，o为n、h、f、b、p、s、g。
217.2)建立数据资产的流通价值因子
218.假设数据资产a为议价对象，通过自然语言处理的方式对数据资产a进行流通价值内容的挖掘，首先需要对数据资产a进行预处理，针对其中的非结构化本文数据，需要根据语义、语法和语用等进行文本分词、特征表示和特征提取的数据预处理操作。其中，文本分词在构建数据资产安全流通价值内容机器词典的基础上，将待分析的文本与词典中的内容相匹配，以便能够得到针对数据流通价值内容的更加准确的文本分词；在对数据资产a进行分词后，需要对数据进行特征表示，采用向量空间模型将文本分词内容转化为计算机可以理解的向量模式；最后，需要基于互信息、信息增益等方法进行特征词大小的评估，即特征提取。在对数据资产a进行预处理后，转化为向量化的结构化数据，可以采用划分式、基于密度式和层次化聚类方法等进行数据资产的聚类。
219.按照数据资产流通价值内容分类，流通价值内容集ca中的流通价值内容可分为：跨境流通价值、行业流通价值、地域流通价值、商业流通价值、个人流通价值、科研技术流通价值、一般流通价值。依据上述数据资产流通价值分类方法，采用机器学习包括朴素贝叶斯算法、k-近邻算法、决策树算法等，根据上述自定义的类别名称，对数据资产中流通价值内容进行准确的分类。
220.假设数据资产a为议价对象，通过上述方法挖掘出数据资产a的流通价值内容集ca。将流通价值内容集ca中的各类型流通价值内容分别提取为跨境流通价值内容集cca、行业流通价值内容集tca、地域流通价值内容集aca、商业流通价值内容集bca、个人流通价值内容集pca、科研技术流通价值内容集sca、一般流通价值内容集gca。
221.采用自然语言处理的方式，将上述数据资产a中流通价值内容集ca各个大类进行进一步的分类，建立流通价值内容详细类别的机器词典，去除一些文本内容中不具有实际意义的词汇，不必要的字母、符号和标识等，通过词干提取浓缩提炼具有代表性的词汇作为安全隐私因子，采用词频-逆向文档频率(tf-idf)算法进一步筛选流通价值因子词汇中存在频率较高的词汇作为代表最小流通价值因子。采取上述方法对各类型流通价值内容集进一步挖掘划分为一个个具有最小流通价值内容和含义的流通价值因子，将这些流通价值因子标记为：跨境流通价值因子cca(i)∈cca、行业流通价值因子tca(i)∈ica、地域流通价值因子aca(i)∈aca、商业流通价值因子bca(i)∈bca、个人流通价值因子pca(i)∈pca、科研技术流通价值因子sca(i)∈sca、一般流通价值因子gca(i)∈gca，i＝1,2，....,m。令f为流通价值因子的类型，f为c、t、a、b、p、s、g。
222.(2)数据资产的安全隐私值和流通价值值的计算
223.1)数据资产的安全隐私值
224.①
数据资产的安全隐私总值
225.通过层次分析法，可以将数据资产a与其他已议价的数据资产n(n＝1,2,
…
,n)的各类型安全隐私因子进行两两比较，可以得出数据资产a与其他已议价的数据资产n的各类型安全隐私因子的安全隐私判断矩阵nsij。判断矩阵元素nsij为安全隐私因子i和安全隐私因子j的安全隐私影响程度比较结果。根据判断矩阵元素nsij可以求出数据资产a相对于其他已议价的数据资产n的安全隐私影响程度值iv(a，n)。根据其他已议价的数据资产n的历史安全隐私值spv(n)，可以求出数据资产a的安全隐私值va＝ka*iv(a，n)*spv(n)。ka为数据资产a的安全隐私值系数，该系数的求取函数f(ka)将通过(n＝1,2,
…
,n)对应的一系列ka*iv(a，n)*spv(n)数值统计分析得出。
226.②
数据资产各安全隐私因子的安全隐私值
227.采用层次分析法，对数据资产a的各类型安全隐私因子两两相互比较安全隐私因子对安全隐私的影响程度，按照影响程度相对高低的评定等级，将两两比较结果构成安全隐私判断矩阵asij。判断矩阵元素asij为安全隐私因子i和安全隐私因子j的安全隐私影响程度比较结果。根据前文求出的数据资产a的安全隐私值va和判断矩阵元素asij，可计算得出数据资产a的各安全隐私因子的安全隐私值。将这些安全隐私因子的安全隐私值标记为:国家安全隐私因子的安全隐私值vnpa(i)、生命健康安全隐私因子的安全隐私值vhpa(i)、财务安全隐私因子的安全隐私值vfpa(i)、商业安全隐私因子的安全隐私值vbpa(i)、个人安全隐私因子的安全隐私值vppa(i)、科研技术安全隐私因子的安全隐私值vspa(i)、一般信息安全隐私因子的安全隐私值vgpa(i),i＝1,2,
…
,m。
228.2)数据资产的流通价值值
229.①
数据资产的流通价值总值
230.通过层次分析法，可以将数据资产a与其他已议价的数据资产n(n＝1,2,
…
,n)的各类型流通价值因子进行两两比较，可以得出数据资产a与其他已议价的数据资产n的各类型流通价值因子的流通价值判断矩阵cvij。判断矩阵元素cvij为流通价值因子i和流通价值因子j的流通价值影响程度比较结果。根据判断矩阵元素cvij可以求出数据资产a相对于其他已议价的数据资产n的流通价值影响程度值id(a，n)。根据其他已议价的数据资产n的历史流通价值值cvv(n)，可以求出数据资产a的流通价值值ja＝la*id(a，n)*cvv(n)。la为数据资产a的流通价值值系数，该系数的求取函数f(la)将通过(n＝1,2,
…
,n)对应的一系列la*id(a，n)*cvv(n)数值统计分析得出。
231.②
数据资产各流通价值因子的流通价值值
232.采用层次分析法，对数据资产a的各类型流通价值因子两两相互比较流通价值因子对流通价值的影响程度，按照影响程度相对高低的评定等级，将两两比较结果构成流通价值判断矩阵acij。判断矩阵元素acij为流通价值因子i和流通价值因子j的流通价值影响程度比较结果。根据前文求出的数据资产a的流通价值值ja和判断矩阵元素acij，可计算得出数据资产a的各流通价值因子的流通价值值。将这些流通价值因子的流通价值值标记为:跨境流通价值因子的安全隐私值vcca(i)、行业流通价值因子的安全隐私值vfca(i)、地域流通价值因子的安全隐私值vaca(i)、商业流通价值因子的安全隐私值vbca(i)、个人流通
价值因子的安全隐私值vpca(i)、科研技术流通价值因子的安全隐私值vsca(i)、一般流通价值因子的安全隐私值vgca(i)。
233.(3)针对安全隐私值高的数据资产，采用基于安全隐私因子的数据资产数据验证议价方法
234.基于安全隐私因子的数据资产数据验证议价方法，适用于对安全隐私要求较高的数据资产，基于安全隐私因子对数据交易风险进行直观价格匹配协调，并根据安全隐私因子确定买方数据资产的数据验证方案，降低卖方交易风险的同时避免买方交易后后悔，使数据资产议价更合理且更符合实际需求。
235.设置数据资产a的安全隐私值最低议价影响标准mvs(a)，mvs(a)与其他已议价的数据资产n的历史安全隐私值有关。例如，可设置为其他已议价的数据资产n的历史安全隐私值平均值，或可设置为大于60％的其他已议价数据资产n的历史安全隐私值。当数据资产a的安全隐私值va大于mvs(a)时，则判断数据资产a的安全隐私值较高，需要采用基于安全隐私因子的数据资产数据验证议价方法议价。设置数据资产a的各类型安全隐私因子的安全隐私值最低议价影响标准mvs(oa)(o为安全隐私因子的各分类类型)，mvs(oa)与其他已议价的数据资产n的各类型安全隐私因子的历史安全隐私值有关。例如，可设置为其他已议价的数据资产n的各类型安全隐私因子的历史安全隐私值平均值，或可设置为大于60％的其他已议价数据资产n的各类型安全隐私因子的历史安全隐私值。当有某数据资产a的各类型安全隐私因子的安全隐私值voa大于mvs(oa)时，则判断数据资产a的各类型安全隐私因子的安全隐私值较高，需要采用基于安全隐私因子的数据资产数据验证议价方法议价。
236.具体议价方法为：确定数据资产a中不属于安全隐私内容集合pa的数据资产内容集数据资产内容集为交易前可向买方公开的可验证范围，此部分可不收取安全隐私验证费。
237.当买方要求验证安全隐私内容集合pa内的部分内容pa(e)时，e为安全隐私内容集合pa内的各类型安全隐私因子(e＝1,2,
…
,m)。e中包括部分的国家安全隐私因子npa(i)、生命健康安全隐私因子hpa(i)、财务安全隐私因子fpa(i)、商业安全隐私因子bpa(i)、个人安全隐私因子ppa(i)、科研技术安全隐私因子spa(i)、一般信息安全隐私因子gpa(i),i＝1,2,
…
,m。获取这些安全隐私因子对应的安全隐私值ve和数据资产a的安全隐私值va。
238.将e中包含的部分各类型安全隐私因子查重去冗余后，得到的新安全隐私内容集合pa(r)，pa(r)∈pa(e)，且r∈e。将pa(r)中各类型安全隐私因子r的安全隐私值求和得到pa(r)的总安全隐私值vpa(r)，vpa(r)≤va。
239.假设已知数据资产a的价格估值为vla，一般议价空间为[vla，vla+hsa]。则基于安全隐私因子的数据资产数据验证议价方法采用按照验证内容划分区间议价方法：即，当买方要求验证安全隐私内容集合内的部分内容时，数据资产a的议价结果等于价格估值为vla。当买方要求验证安全隐私内容集合pa内的部分内容pa(e)时，即验证查重去冗余后的pa(r)。对pa(r)进一步分析，判断其中各类型安全隐私因子r的安全隐私值vra是否有大于最低议价影响标准mvs(oa)，各类型安全隐私因子r选取相应的安全隐私因子的各分类类型o进行判断。根据判断结果，当各类型安全隐私因子r的安全隐私值vra均小于最低议价影响标准mvs(oa)时，数据资产a的议价结果等于vla+hsa*(vpa(r)/va)。当各类型安全隐私因子
r的安全隐私值vra存在大于最低议价影响标准mvs(oa)的部分安全隐私因子t’时，将各类型安全隐私因子r分为小于最低议价影响标准mvs(oa)的各类型安全隐私因子t和大于最低议价影响标准mvs(oa)的各类型安全隐私因子t’两类。重新计算各类型安全隐私因子t对应的安全隐私内容集合pa(t)的安全隐私值vpa(t)，提取各类型安全隐私因子t’的安全隐私值vopa(t’)。将安全隐私因子t’的安全隐私值vopa(t’)反馈给数据资产a卖方，由卖方筛选出不同意进行交易前验证的安全隐私因子t”，将拒绝验证的信息反馈给要求验证的买方，并将卖方同意验证的部分安全隐私因子t’重新标记为at’，并提取at’的安全隐私值vpa(at’)，数据资产a的议价结果vla+hsa*(vpa(t)/va)+ov(at’)*hsa*(vpa(at’)/va)，ov(at’)为高安全隐私值的安全隐私因子at’的议价系数，ov(at’)＞1，由买卖双方线上议价决定。
[0240]
(4)针对安全隐私值不高的数据资产，采用基于流通价值因子和数据资产价值简介议价方法
[0241]
基于流通价值因子和数据资产价值简介议价方法适用于对安全隐私要求相对不高以追求流通价值为目标的数据资产，参考了卖方的安全隐私黑白名单，保障了卖方对安全隐私的基本要求，在此基础上，采用数据资产价值挖掘方法确定数据资产自身价值，形成数据资产价值简介，通过向潜在买方公布数据资产简介，根据流通价值因子明确数据资产流通价值的动态构成，采用基于流通价值因子初步议价和“价高者得”的流通价值议价方法，进行基于流通价值因子和数据资产价值简介议价，在避免买方交易后后悔的同时，提高了卖方数据资产流通价值，使数据资产议价更合理且更符合实际需求。
[0242]
1)设置卖方的安全隐私黑白名单
[0243]
当数据资产a的安全隐私值va小于mvs(a)时，则判断数据资产a的安全隐私值相对不高，需要采用基于流通价值因子和数据资产价值简介议价方法议价。当数据资产a的各类型安全隐私因子的安全隐私值voa均小于mvs(oa)时，则判断数据资产a的各类型安全隐私因子的安全隐私值相对不高，需要采用基于流通价值因子和数据资产价值简介议价方法议价。
[0244]
通过卖方设置的安全隐私黑白名单，判断买方是否有数据资产a交易资格，将符合安全隐私黑白名单的买方称为潜在买方pb(i)，i＝1,2,
…
,m，以此保障了卖方对安全隐私的基本要求。
[0245]
2)形成数据资产价值简介
[0246]
采用自然语言处理、关联规则分析、聚类、决策树分类、模式识别和机器学习等数据挖掘方法挖掘数据资产a自身价值，包括：数据资产a的数据成本、数据质量、数据产品层次、数据产品协同性。其中，数据成本包括时间成本、经济成本、资源成本。数据质量包括数据时效、数据内容、数据可靠性、数据技术性。数据产品层次包括数据产品范畴、数据产品定位。数据产品协调性包括数据产品关联、数据产品途径、数据产品来源。
[0247]
将挖掘结果进行结构性处理，去除其中的具体数据，仅提供针对各项挖掘结果的定性描述，避免了数据交易前的数据流出的风险，保障了数据资产a交易之前的安全保密性。将针对各项挖掘结果的定性描述结果称为数据资产价值简介via。通过向潜在买方pb(n)公布数据资产简介via，使潜在买方pb(n)对数据资产a有一定的基本了解，以便初步判断是否参与数据资产a的议价与交易，将确定参与数据资产a的议价与交易的潜在买方称为
议价买方pb’(n)。
[0248]
3)基于流通价值因子初步议价
[0249]
具体议价方法为：确定数据资产a中不属于流通价值内容集合ca的数据资产内容集数据资产内容集为交易前可向买方公开的可验证范围，此部分可不收取流通价值验证费。
[0250]
当买方要求验证流通价值内容集合ca内的部分内容ca(z)时，z为流通价值内容集合ca内的各类型流通价值因子(z＝1,2,
…
,n)。z中包括部分的跨境流通价值因子cca(i)、行业流通价值因子fca(i)、地域流通价值因子aca(i)、商业流通价值因子bca(i)、个人流通价值因子pca(i)、科研技术流通价值因子sca(i)、一般流通价值因子gca(i),i＝1,2,
…
,m。获取这些流通价值因子对应的流通价值值jz和数据资产a的流通价值值ja。
[0251]
将z中包含的部分各类型流通价值因子查重去冗余后，得到的筛选流通价值内容集合ca(x)，ca(x)∈ca(z)，且x∈z。将ca(x)中各类型流通价值因子x的流通价值值求和得到ca(x)的流通价值总值jca(x)，jca(x)≤ja。
[0252]
假设已知数据资产a的价格估值为vla，一般议价空间为[vla，vla+hca]。则基于流通价值因子初步议价方法采用按照验证内容划分区间议价方法：即，当买方要求验证流通价值内容集合内的部分内容时，数据资产a的议价结果等于价格估值为vla。当买方要求验证流通价值内容集合ca内的部分内容ca(z)时，即验证查重去冗余后的ca(x)。对ca(x)进一步分析，判断其中各类型流通价值因子x的流通价值值jxa是否有大于最低议价影响标准mvc(ua)，各类型流通价值因子x选取相应的流通价值因子的各分类类型u进行判断。u为流通价值因子的各分类类型，mvc(ua)与其他已议价的数据资产n的各类型流通价值因子的历史流通价值值有关。例如，可设置为其他已议价的数据资产n的各类型流通价值因子的历史流通价值值平均值，或可设置为大于60％的其他已议价数据资产n的各类型流通价值因子的历史流通价值值。
[0253]
根据判断结果，当各类型流通价值因子x的流通价值值jxa均小于最低议价影响标准mvc(ua)时，数据资产a的议价结果等于vla+hca*(jca(x)/ja)。当各类型流通价值因子x的流通价值值jxa存在大于最低议价影响标准mvc(ua)的部分流通价值因子y’时，将各类型流通价值因子x分为小于最低议价影响标准mvc(ua)的各类型流通价值因子y和大于最低议价影响标准mvc(ua)的各类型流通价值因子y’两类。重新计算各类型流通价值因子y对应的流通价值内容集合ca(y)的流通价值值jca(y)，并从计算结果中提取各类型流通价值因子y’的流通价值值cuca(y’)。将流通价值因子y’的流通价值值cuca(y’)反馈给数据资产a卖方，由卖方筛选出不同意进行交易前验证的流通价值因子y”，将拒绝验证的信息反馈给要求验证的买方，并将卖方同意验证的部分流通价值因子y’重新标记为ay’，并提取ay’的流通价值值cca(ay’)，数据资产a的议价结果vla+hca*(jca(x)/ja)+cv(ay’)*hca*(cca(ay’)/ja)，cv(ay’)为高流通价值值的流通价值因子ay’的议价系数，cv(ay’)由买卖双方线上议价决定。
[0254]
4)“价高者得”的流通价值议价方法
[0255]
根据步骤3)的初步议价结果，以“当买方要求验证流通价值内容集内的部分内容时，数据资产a的议价结果等于价格估值为vla”、“当各类型流通价值因子x的流通价值值
programmable read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0270]
最后应说明的是：本发明实施例公开的一种数据资产的议价方法所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。