DaDaDa：面向數據市場的數據定價數據集
高質量數據驅動機器學習進步，但數據產品定價因數據特有屬性（如近乎零邊際成本、收益不可預測）而極具挑戰。傳統方法中，成本法和收益法失效，市場比較法因缺乏標準化基準而難以應用。為此，研究者推出DaDaDa——首個數據產品定價數據集，包含全球9個主要數據市場的16,147個產品元數據。該數據集支持訓練定價模型、建立基準，並可用於數據產品分類與檢索。實驗和原型系統證明了其在定價、分類、檢索方面的有效性。
隨着人工智能和機器學習技術的快速發展，高質量數據成為驅動模型性能提升的關鍵資源。數據交易市場如AWS Marketplace、Databricks和Datarade等平台應運而生，為數據提供者和消費者搭建了交易橋樑。然而，數據產品定價始終是行業面臨的棘手問題。傳統經濟學中的定價方法包括成本法、收益法和市場比較法，但它們在數據產品面前均顯得力不從心：成本法因數據複製的邊際成本幾乎為零而失效；收益法因數據帶來的收益難以準確預測而無法適用；市場比較法則因缺乏標準化的價格基準而難以實施。針對這一困境，浙江大學Qiheng Sun等七位研究者提出了DaDaDa數據集，這是首個專門用於數據產品定價的數據集。DaDaDa收錄了來自全球9個主要數據市場的16,147個數據產品的元數據，涵蓋產品描述、供應商、類別、價格等多個維度。該數據集不僅可以用於訓練定價模型，為新數據產品建立價格基準，還支持數據產品的分類和檢索任務。研究團隊通過大量實驗驗證了DaDaDa在定價、分類和檢索任務上的有效性，並構建了一個檢索原型系統。該數據集和代碼已在GitHub上開源發佈（https://github.com/ZJU-DIVER/DaDaDa），為數據市場的學術研究和實際應用提供了寶貴的資源。DaDaDa的發佈有望推動數據定價標準化，促進數據市場的健康發展，併為機器學習社區提供更豐富的數據資源。未來，研究者計劃擴展數據集覆蓋更多市場和產品類型，並探索更復雜的定價模型。