DaDaDa：面向資料市場的資料定價資料集
高質量資料驅動機器學習進步，但資料產品定價因資料特有屬性（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——首個資料產品定價資料集，包含全球9個主要資料市場的16,147個產品後設資料。該資料集支援訓練定價模型、建立基準，並可用於資料產品分類與檢索。實驗和原型系統證明了其在定價、分類、檢索方面的有效性。
隨著人工智慧和機器學習技術的快速發展，高質量資料成為驅動模型效能提升的關鍵資源。資料交易市場如AWS Marketplace、Databricks和Datarade等平臺應運而生，為資料提供者和消費者搭建了交易橋樑。然而，資料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，但它們在資料產品面前均顯得力不從心：成本法因資料複製的邊際成本幾乎為零而失效；收益法因資料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資料集，這是首個專門用於資料產品定價的資料集。DaDaDa收錄了來自全球9個主要資料市場的16,147個資料產品的後設資料，涵蓋產品描述、供應商、類別、價格等多個維度。該資料集不僅可以用於訓練定價模型，為新資料產品建立價格基準，還支援資料產品的分類和檢索任務。研究團隊透過大量實驗驗證了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。該資料集和程式碼已在GitHub上開源釋出（https://github.com/ZJU-DIVER/DaDaDa），為資料市場的學術研究和實際應用提供了寶貴的資源。DaDaDa的釋出有望推動資料定價標準化，促進資料市場的健康發展，併為機器學習社群提供更豐富的資料資源。未來，研究者計劃擴充套件資料集覆蓋更多市場和產品型別，並探索更復雜的定價模型。