| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第14-22页 |
| 1.1 研究背景及选题意义 | 第14-18页 |
| 1.1.1 课题的研究背景 | 第14-16页 |
| 1.1.2 问题的提出及选题意义 | 第16-18页 |
| 1.2 研究思路和论文结构 | 第18-21页 |
| 1.2.1 论文研究思路 | 第18-19页 |
| 1.2.2 论文结构 | 第19-21页 |
| 1.3 研究主要创新点 | 第21-22页 |
| 2 基本概念术语和文献综述 | 第22-46页 |
| 2.1 基本概念及术语界定 | 第22-26页 |
| 2.1.1 数据及其特征 | 第22-23页 |
| 2.1.2 资产及其特征 | 第23页 |
| 2.1.3 数据资产及其特征 | 第23-26页 |
| 2.2 数据资产相关研究现状综述 | 第26-31页 |
| 2.2.1 国外研究现状综述 | 第26-29页 |
| 2.2.2 国内研究现状综述 | 第29-31页 |
| 2.3 深度学习相关研究综述 | 第31-40页 |
| 2.3.1 深度学习的基本思想 | 第31-34页 |
| 2.3.2 深度学习与浅层学习对比 | 第34-36页 |
| 2.3.3 深度学习与传统神经网络的关系 | 第36-37页 |
| 2.3.4 深度学习的应用现状 | 第37-40页 |
| 2.4 区块链相关研究综述 | 第40-45页 |
| 2.4.1 区块链的基本思想 | 第40-41页 |
| 2.4.2 区块链的应用现状 | 第41-45页 |
| 2.5 本章小结 | 第45-46页 |
| 3 数据资产价值分析 | 第46-74页 |
| 3.1 数据资产的来源与分类 | 第46-53页 |
| 3.1.1 数据资产的来源 | 第46-49页 |
| 3.1.2 数据资产的收集 | 第49-51页 |
| 3.1.3 数据资产的分类 | 第51-53页 |
| 3.2 数据资产的价值体现 | 第53-58页 |
| 3.2.1 数据作为资源的价值体现 | 第54-56页 |
| 3.2.2 数据作为产品的价值体现 | 第56页 |
| 3.2.3 数据作为资产的价值体现 | 第56-57页 |
| 3.2.4 数据资产作为资本的价值体现 | 第57-58页 |
| 3.3 数据资产价值分析的难点与现有分析方法的局限 | 第58-60页 |
| 3.3.1 数据资产价值分析的难点 | 第58-59页 |
| 3.3.2 现有价值分析方法的局限 | 第59-60页 |
| 3.4 基于特征维度的数据资产价值分析方法 | 第60-72页 |
| 3.4.1 数据资产价值的构成 | 第61-62页 |
| 3.4.2 数据资产价值的影响因素 | 第62-65页 |
| 3.4.3 数据资产价值的特征维度 | 第65-69页 |
| 3.4.4 数据资产价值分析模型框架 | 第69-72页 |
| 3.5 本章小结 | 第72-74页 |
| 4 基于深度学习的数据资产价值分析模型构建 | 第74-100页 |
| 4.1 基于深度学习构建模型的优势 | 第74-76页 |
| 4.1.1 对数据资产的特征有良好的适用性 | 第74-75页 |
| 4.1.2 深度学习较其它人工智能算法的优势 | 第75-76页 |
| 4.2 基于深度学习的数据资产价值分析模型设计 | 第76-90页 |
| 4.2.1 构建模型的总体思路 | 第76-79页 |
| 4.2.2 数据收集与预处理 | 第79-82页 |
| 4.2.3 确定价值分析模型结构 | 第82-87页 |
| 4.2.4 确定模型初始化方法 | 第87-90页 |
| 4.3 基于深度学习的数据资产价值分析模型优化 | 第90-93页 |
| 4.3.1 模型优化目标 | 第90页 |
| 4.3.2 优化算法的选择 | 第90-91页 |
| 4.3.3 优化算法效果对比 | 第91-93页 |
| 4.4 基于深度学习的数据资产价值分析模型训练 | 第93-99页 |
| 4.4.1 样本获取 | 第93-95页 |
| 4.4.2 训练过程 | 第95页 |
| 4.4.3 训练结果 | 第95-99页 |
| 4.5 本章小结 | 第99-100页 |
| 5 基于区块链的数据资产交易体系构建 | 第100-130页 |
| 5.1 数据资产交易现状及问题 | 第100-105页 |
| 5.1.1 数据资产交易的作用 | 第100-101页 |
| 5.1.2 当前数据资产交易的模式 | 第101-103页 |
| 5.1.3 当前数据资产交易存在问题 | 第103-105页 |
| 5.2 基于区块链的数据资产交易体系的整体框架构建 | 第105-112页 |
| 5.2.1 构建目标及原则 | 第105-107页 |
| 5.2.2 相关参与方 | 第107-108页 |
| 5.2.3 整体架构设计 | 第108-111页 |
| 5.2.4 交易体系的优势 | 第111-112页 |
| 5.3 基于区块链的数据资产交易流程设计 | 第112-117页 |
| 5.3.1 交易流程设计 | 第112-113页 |
| 5.3.2 共享数据索引构建的任务 | 第113-115页 |
| 5.3.3 数据资产查询的任务 | 第115页 |
| 5.3.4 数据资产获取的任务 | 第115-117页 |
| 5.4 基于区块链的数据资产交易的保障机制设计 | 第117-128页 |
| 5.4.1 去中心化交易机制 | 第117-120页 |
| 5.4.2 双向匿名机制 | 第120-121页 |
| 5.4.3 信用证明机制 | 第121-124页 |
| 5.4.4 所有权认证机制 | 第124-125页 |
| 5.4.5 数据保密机制 | 第125页 |
| 5.4.6 造假问题控制机制 | 第125-128页 |
| 5.5 本章小结 | 第128-130页 |
| 6 数据资产价值分析模型与交易体系的应用研究 | 第130-148页 |
| 6.1 应用背景与目标 | 第130-131页 |
| 6.2 数据资产价值分析系统的原型设计——以某港口企业为例 | 第131-139页 |
| 6.2.1 基于深度学习的数据资产价值分析系统框架设计 | 第131-134页 |
| 6.2.2 原型系统关键功能模块的实现 | 第134-137页 |
| 6.2.3 数据资产价值分析结果 | 第137-138页 |
| 6.2.4 EDAVA系统在数据资产交易体系中的应用 | 第138-139页 |
| 6.3 数据资产交易体系的应用研究——以港口行业为例 | 第139-146页 |
| 6.3.1 相关参与方及其需求 | 第139-141页 |
| 6.3.2 数据资产交易体系在港口行业的应用 | 第141-145页 |
| 6.3.3 数据资产交易注意事项 | 第145-146页 |
| 6.4 本章小结 | 第146-148页 |
| 7 结论与展望 | 第148-150页 |
| 7.1 论文的主要结论 | 第148-149页 |
| 7.2 未来研究展望 | 第149-150页 |
| 参考文献 | 第150-160页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第160-164页 |
| 学位论文数据集 | 第164页 |
