.png){kind=icon}
返回
Shapley value-based data valuation for machine learning data markets
.png){kind=icon}
OA
AI
DOI：10.1007/s42452-025-07328-z.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据估值，即根据数据的效用、影响和稀缺性赋予其货币价值的过程，在当今的数字环境中变得日益关键。随着数据成为组织、政府和个人的宝贵资产，有效的数据估值支持与数据获取、共享和货币化相关的明智决策。Shapley Value（夏普利值）作为一种博弈论概念，因其能在贡献者之间公平分配价值而成为数据估值的重要方法。本文研究了基于Shapley Value的数据估值在机器学习数据市场（MLDM）中的应用。MLDM是一种分布式机器学习平台，其中数据在为特定问题开发个体模型的代理之间进行交易。因此，准确的估值对于确保公平高效的交换至关重要。我们提出了增益数据夏普利值（Gain Data Shapley Value, GDSV），一种适用于MLDM的新型数据估值方法，并通过全面的实证研究将其有效性与传统基于性能的数据估值方法进行比较。我们的研究结果表明，考虑数据集对性能分数的贡献可以系统性提升MLDM中的学习性能。
Keyword:
Multi-agent systems
Data valuation
Machine learning
Data markets
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
D
IF:
2.4
论文数:
1.6K
被引数:
492
机构
引用论文
Big data monetization throughout Big Data Value Chain: a comprehensive review.png)
JOURNAL OF BIG DATAOAAI
JOURNAL OF BIG DATAIF6.4
OAAI分享收藏分享收藏分享收藏
分享收藏 没有更多内容
没有更多内容