.png){kind=icon}
返回
Non-customized data asset evaluation based on knowledge graph and value entropy
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0316241.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着非定制化数据资产的快速扩张，开发可靠且客观的估值方法已成为必要。然而，当前评估技术常面临指标体系不完整和过度依赖主观判断等挑战。为解决这些问题，本研究提出一个包含17项关键指标的评估数据资产价值的结构化框架。采用神经网络计算指标权重，以减少主观性并提升评估精度。此外，运用知识图谱技术对指标间的关系进行组织与可视化，提供全面的评估视角。所提模型结合信息熵与TOPSIS方法，通过整合指标权重与绩效指标优化资产估值。为验证模型，将其应用于两个数据集：过去七年的比特币市场数据和BYD股票数据。比特币数据集证明了模型捕捉市场趋势和评估购买潜力的能力，而BYD股票数据集则突显了其跨不同金融资产的适应性。这些案例的成功应用证实了模型在支持数据驱动型资产管理与定价中的有效性。该框架为数据资产估值提供了一种系统化方法论，对资产定价与管理具有显著的理论与实践意义。
Keyword:
NETWORKS
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
Screening outstanding mechanical properties and low lattice thermal conductivity using global attention graph neural network.png)
ENERGY AND AI
OAAI
ENERGY AND AIIF9.6
OAAI分享收藏分享收藏Self-reporting data assets and their representation in the pharmaceutical industryDRUG DISCOVERY TODAY
DRUG DISCOVERY TODAYIF7.5
PREAI
分享收藏A review on the applications of artificial neural network techniques for accelerating finite element analysis in the civil engineering domain人工神经网络技术在土木工程领域加速有限元分析中的应用综述OAAI
OAAI分享收藏
查看更多内容