基于大数据与市价匹配的农业科技成果估价方法及系统技术领域
本发明涉及大数据与农业经济技术领域，尤其涉及一种基于大数
据与市价匹配的农业科技成果估价方法及系统。
背景技术
目前，现有技术提供了一种业科技成果产权交易平台，能发挥大
数据种业科技成果信息云平台功能；现有技术还提供了一种京津冀科
技成果定制服务平台的大数据处理系统，对京津冀地区科技成果产出
和需求数据的进行收集和分析；现有技术还利用自动搜索技术、信息
系统定制技术、自动文摘技术构建了科技成果转化动态信息检索平台，
实现了动态信息与检索需求匹配；现有技术还应用大数据、物联网等
技术集成农业产业信息公共服务平台；而且，国外又将数据挖掘技术、
搜索技术用于核心专利等技术的价值评估。
农业科技成果的转化其实质就是农业科技成果的交易，而供需双
方在农业科技成果交易价格上的分歧是农业科技成果转化过程中的
一大障碍。现有技术中很少对农业科技成果的价格进行评估，绝大部
分研究均是对农业科技成果的水平进行评价。
鉴于此，如何对农业科技成果进行价格的评估，以能够有效地为
农业科技成果的交易提供价格参考成为目前需要解决的技术问题。
发明内容
为解决上述的技术问题，本发明提供一种基于大数据与市价匹配
的农业科技成果估价方法及系统，通过以大数据为数据支持结合改进
的市场价格匹配法对农业科技成果进行价格的评估，能够有效地为农
业科技成果的交易提供价格参考。
第一方面，本发明提供一种基于大数据与市价匹配的农业科技成
果估价方法，包括：
以网络大数据为数据源，获取目标农业科技成果的初级数据；
利用预设市场价格匹配方法，获取待估实例的最终估价结果。
可选地，所述利用预设市场价格匹配方法，获取待估实例的最终
估价结果，包括：
按照预设可比实例选择条件，在所述初级数据中选择多个可比实
例；
获取待估实例与所述多个可比实例的贴近度，并对获取的贴近度
按照由大到小的顺序进行排序，获得排序结果；
获取对待估实例和所有可比实例每一特征因素的打分值和每一
特征因素对应的权重，并根据所述打分值和权重，获取每一特征因素
的修正系数；
根据所述排序结果对获取的修正系数进行合理性校核；
根据校核后的每一特征因素的修正系数，对待估实例的交易价格
进行修正；
根据修正后的多个价格和修正后每个价格对应的权重，获取待估
实例的最终估价结果。
可选地，所述以网络大数据为数据源，获取目标农业科技成果的
初级数据，包括：
以网络大数据为数据源，按照目标限制属性条件进行匹配搜索，
获取目标农业科技成果的初级数据；
其中，所述目标限制属性条件，包括：应用领域、应用对象和关
键技术点。
可选地，所述预设可比实例选择条件，包括：处于同一市场供求
圈，用途相同，类型相同，交易时间不超过一年的交易实例。
可选地，所述获取待估实例与所述多个可比实例的贴近度，包括：
根据第一公式，获取待估实例与所述多个可比实例的贴近度；
其中，所述第一公式为：
σi(Ai,B)＝fi[μA(xi)∧μB(xi)]/[μA(xi)∨μB(xi)]
其中，σi(Ai,B)为待估实例B与可比实例Ai的贴近度，σi(Ai,B)
∈[0，1]；μA(xi)为第i个可比实例Ai的特征向量，μA(xi)＝(ti1,ti2,ti3……tin)，
tij为可比实例i的特征因素j的隶属度，j＝1,2,…,n；μB(xi)为待估实例
B的特征向量，μB(xi)＝(t1*,t2*…..tn*)，tj*为待估实例B的特征因素j
的隶属度，j＝1,2,…,n；fi为第i个因素的权值。
可选地，所述对获取的贴近度按照由大到小的顺序进行排序，获
得排序结果，包括：
对获取的贴近度进行排序，在贴近度相同时，利用模糊关系系数
Txi按照由大到小的顺序进行排序；
其中，Txi是通过第二公式计算得到的，所述第二公式为：
Txi＝∑tij/max∑tij。
可选地，所述根据所述打分值和权重，获取每一特征因素的修正
系数，包括：
根据所述打分值和权重，通过第三公式，获取每一特征因素的修
正系数；
其中，所述第三公式为：
ki＝∑Sj*﹒fj/∑Sij﹒fj，
ki为个别因素修正系数；Sij为第i个可比实例第j个因素的打分
值；fj为第j个因素的权重，∑fj＝1；Sj*为待估实例第j个因素的打
分值。
可选地，所述根据所述排序结果对获取的修正系数进行合理性校
核，包括：
若由大到小的排序结果对应的修正系数为由小到大、且获取的各
修正系数的浮动范围不超过预设阈值，则确定获取的修正系数是合理
性的；
若获取的各修正系数的浮动范围超过预设阈值，则返回所述按照
预设可比实例选择条件，在所述初级数据中选择多个可比实例的步骤
重新选择可比实例，或者返回所述获取对待估实例和所有可比实例每
一特征因素的打分值和每一特征因素对应的权重，并根据所述打分值
和权重，获取每一特征因素的修正系数的步骤重新获取每一特征因素
的修正系数，直至获取的各修正系数的浮动范围不超过预设阈值。
可选地，所述根据校核后的每一特征因素的修正系数，对待估实
例的交易价格进行修正，包括：
根据校核后的每一特征因素的修正系数，通过第四公式，对待估
实例的交易价格进行修正；
其中，所述第四公式为：
P＝P1×k1×k2×……×kn，
P为待估实例修正后的价格，P1为待估实例修正前的交易价格，
k1,k2…kn为各特征因素的修正系数；
和/或，
所述根据修正后的多个价格和修正后每个价格对应的权重，获取
待估实例的最终估价结果，包括：
根据修正后的多个价格和修正后每个价格对应的权重，通过第五
公式，获取待估实例的最终估价结果；
其中，所述第五公式为：
P’＝∑Pn*fn，
Pn为可比实例的修正价格，fn为Pn对应的权重，∑fn＝1，P’为
待估实例的最终估价结果。
第二方面，本发明提供一种基于大数据与市价匹配的农业科技成
果估价系统，包括：
数据获取模块，用于以网络大数据为数据源，获取目标农业科技
成果的初级数据；
估价结果获取模块，用于利用预设市场价格匹配方法，获取待估
实例的最终估价结果。
由上述技术方案可知，本发明的基于大数据与市价匹配的农业科
技成果估价方法及系统，可避免过多的人为参与带来的主观误差，以
网络大数据为数据源，通过筛选，然后运用市场价格匹配模型进行分
析，能够保证得到的农业科技成果的价格不脱离市场，更具有可参考
性。
附图说明
图1为本发明一实施例提供的基于大数据与市价匹配的农业科
技成果估价方法的流程示意图；
图2为本发明一实施例提供的基于大数据与市价匹配的农业科
技成果估价系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结
合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、
完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而
不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没
有做出创造性劳动前提下所获得的所有其他的实施例，都属于本发明
保护的范围。
图1示出了本发明一实施例提供的基于大数据与市价匹配的农
业科技成果估价方法的流程示意图，如图1所示，本实施例的基于大
数据与市价匹配的农业科技成果估价方法，包括：
101、以网络大数据为数据源，获取目标农业科技成果的初级数
据。
在具体应用中，所述步骤101，可以包括：
以网络大数据为数据源，按照目标限制属性条件进行匹配搜索，
获取目标农业科技成果的初级数据；
其中，所述目标限制属性条件，包括：应用领域、应用对象和关
键技术点。
102、利用预设市场价格匹配方法，获取待估实例的最终估价结
果。
在具体应用中，所述步骤102，可以包括图中未示出的步骤
102a-102f：
102a、按照预设可比实例选择条件，在所述初级数据中选择多个
可比实例。
其中，所述预设可比实例选择条件，可包括：处于同一市场供求
圈，用途相同，类型相同，交易时间不超过一年的交易实例等。这样
的选择条件可保证选取的可比实例相对骨架对象有很强的操作性
可理解的是，预设市场价格匹配方法中可比实例的选择过程就是
分析比较的过程，将交易实例与估价对象根据个别因素和区域因素进
行各方面的比较，在现有的资料基础上选择符合度最大的实例，可比
实例的正确选择是预设市场价格匹配方法实现的重要一步。
102b、获取待估实例与所述多个可比实例的贴近度，并对获取的
贴近度按照由大到小的顺序进行排序，获得排序结果。
在具体应用中，所述步骤102b中的“获取待估实例与所述多个
可比实例的贴近度”，可以包括：
根据第一公式，获取待估实例与所述多个可比实例的贴近度；
其中，所述第一公式为：
σi(Ai,B)＝fi[μA(xi)∧μB(xi)]/[μA(xi)∨μB(xi)]
其中，σi(Ai,B)为待估实例B与可比实例Ai的贴近度，σi(Ai,B)
∈[0，1]；μA(xi)为第i个可比实例Ai的特征向量，μA(xi)＝(ti1,ti2,ti3……tin)，
tij为可比实例i的特征因素j的隶属度，j＝1,2,…,n；μB(xi)为待估实例
B的特征向量，μB(xi)＝(t1*,t2*…..tn*)，tj*为待估实例B的特征因素j
的隶属度，j＝1,2,…,n；fi为第i个因素的权值。
可理解的是，所谓贴近度，是指两个模糊子集之间彼此相近的程
度，贴近度应在[0，1]区间内取值。对象越相近，贴近度越大。当贴
近度等于1时，则两个模糊子集完全贴合，即最相近；当贴近度等
于0时，则完全不贴近。同时根据贴近度的大小排序，可由排序来
校核实例修正中修正系数大小是否合理。
在具体应用中，所述步骤102b中的“对获取的贴近度按照由大
到小的顺序进行排序，获得排序结果”，可以包括：
对获取的贴近度进行排序，在贴近度相同时，利用模糊关系系数
Txi按照由大到小的顺序进行排序；
其中，Txi是通过第二公式计算得到的，所述第二公式为：
Txi＝∑tij/max∑tij。
应说明的是，在实例筛选的过程中，贴近度越大实例可比性越强。
在修正的过程中，贴近度越大，修正程度越小。
102c、获取对待估实例和所有可比实例每一特征因素的打分值和
每一特征因素对应的权重，并根据所述打分值和权重，获取每一特征
因素的修正系数。
其中，每一特征因素对应的权重反映每一特征因素对可比实例的
影响程度。
在具体应用中，所述步骤102c中的“根据所述打分值和权重，
获取每一特征因素的修正系数”，可以包括：
根据所述打分值和权重，通过第三公式，获取每一特征因素的修
正系数；
其中，所述第三公式为：
ki＝∑Sj*﹒fj/∑Sij﹒fj，
ki为个别因素修正系数；Sij为第i个可比实例第j个因素的打分
值；fj为第j个因素的权重，∑fj＝1；Sj*为待估实例第j个因素的打
分值。
应说明的是，在执行步骤102a之前，可首先选择待估成果(即
待估实例)的用途，根据用途选择影响其价值的主要因素，根据这些
因素的描述分别输入待估实例和可比实例属性值并求出其对应的隶
属度和隶属度所构成的特征向量。
102d、根据所述排序结果对获取的修正系数进行合理性校核。
在具体应用中，所述步骤102d，可以包括：
若由大到小的排序结果对应的修正系数为由小到大、且获取的各
修正系数的浮动范围不超过预设阈值，则确定获取的修正系数是合理
性的；
若获取的各修正系数的浮动范围超过预设阈值，则返回所述按照
预设可比实例选择条件，在所述初级数据中选择多个可比实例的步骤
重新选择可比实例，或者返回所述获取对待估实例和所有可比实例每
一特征因素的打分值和每一特征因素对应的权重，并根据所述打分值
和权重，获取每一特征因素的修正系数的步骤重新获取每一特征因素
的修正系数，直至获取的各修正系数的浮动范围不超过预设阈值。
可理解的是，可比实例因素修正是市场法的重点所在，是最能体
现估价水平的阶段。修正的关键在于找到可比实例和待评估成果的情
况对比，找到差异所在以及这种差异对价值的影响。可比实例因素修
正包括多类因素的修正。对总修正系统按从小到大排序，以供修正校
核之用。各修正系数的浮动范围是20％，总修正系数浮动范围不允许
超过30％。若总修正系数超过范围，则重新修正或放弃重新选取可比
实例，直到总修正幅度在允许范围内。
可理解的是，所述步骤102d是根据待评估实例和可比实例的隶
属度特征向量计算出两者的贴近度，按贴近度的大小排序，贴近度越
大修正系数越小，以此来校核修正的合理性。
102e、根据校核后的每一特征因素的修正系数，对待估实例的交
易价格进行修正。
在具体应用中，所述步骤102e，可以包括：
根据校核后的每一特征因素的修正系数，通过第四公式，对待估
实例的交易价格进行修正；
其中，所述第四公式为：
P＝P1×k1×k2×……×kn，
P为待估实例修正后的价格，P1为待估实例修正前的交易价格，
k1,k2…kn为各特征因素的修正系数。
102f、根据修正后的多个价格和修正后每个价格对应的权重，获
取待估实例的最终估价结果。
其中，修正后的每个价格对应的权重反映修正后的每个价格的重
要程度。
在具体应用中，所述步骤102f，可以包括：
根据修正后的多个价格和修正后每个价格对应的权重，通过第五
公式，获取待估实例的最终估价结果；
其中，所述第五公式为：
P’＝∑Pn*fn，
Pn为可比实例的修正价格，fn为Pn对应的权重，∑fn＝1，P’为
待估实例的最终估价结果。
可理解的是，把修正出的各个价格综合成一个价格时，考虑到每
个价格的重要程度不同，可先赋予每个价格不同的权重，然后综合求
出一个价格。通常对于与估价对象最类似的可比实例所修正出的价格，
赋予最大的权数，反之，赋予最小的权数。
可理解的是，所述步骤102e可用于交易实例入库时的价格修正。
本实施例的基于大数据与市价匹配的农业科技成果估价方法，可
通过处理器中实现，可避免过多的人为参与带来的主观误差，以网络
大数据为数据源，通过筛选，然后运用市场价格匹配模型进行分析，
能够保证得到的农业科技成果的价格不脱离市场，更具有可参考性。
图2示出了本发明一实施例提供的基于大数据与市价匹配的农业
科技成果估价系统的结构示意图，如图2所示，本实施例的基于大数
据与市价匹配的农业科技成果估价系统，包括：数据获取模块21和估
价结果获取模块22；
数据获取模块21，用于以网络大数据为数据源，获取目标农业
科技成果的初级数据；
估价结果获取模块22，用于利用预设市场价格匹配方法，获取
待估实例的最终估价结果。
在具体应用中，所述估价结果获取模块22，可包括图中未示出的：
第一获取单元、选择单元、第二获取单元、第三获取单元、校核单元、
修正单元和第四获取单元；
第一获取单元，用于以网络大数据为数据源，获取目标农业科技
成果的初级数据；
选择单元，用于按照预设可比实例选择条件，在所述初级数据中
选择多个可比实例；
第二获取单元，用于获取待估实例与所述多个可比实例的贴近度，
并对获取的贴近度按照由大到小的顺序进行排序，获得排序结果；
第三获取单元，用于获取对待估实例和所有可比实例每一特征因
素的打分值和每一特征因素对应的权重，并根据所述打分值和权重，
获取每一特征因素的修正系数；
校核单元，用于根据所述排序结果对获取的修正系数进行合理性
校核；
修正单元，用于根据校核后的每一特征因素的修正系数，对待估
实例的交易价格进行修正；
第四获取单元，用于根据修正后的多个价格和修正后每个价格对
应的权重，获取待估实例的最终估价结果。
其中，每一特征因素对应的权重反映每一特征因素对可比实例的
影响程度，修正后的每个价格对应的权重反映修正后的每个价格的重
要程度。
可理解的是，本实施例所述系统的工作过程主要可包括以下几个
阶段：
一、工作人员将待评价的农业科技成果信息关键信息录入系统包
括：应用领域，应用对象、关键技术、市场供求圈，用途，成果类型
等。
二、数据获取阶段。本阶段本方法以网络大数据为源数据，在收
到评估指令后会自动，通过大数据检索提取获得与待评估产品相关的
农业科技成果的数据以及交易信息，即为初级数据。
三、市场价格匹配评估阶段。当初级数据获取完毕，系统会自动
调用市场价格匹配模型进行评估。
四、结果的呈现与展示，当市场价格匹配评估阶段运作完成以后，
将结果以可视化的方式呈献给用户。
本实施例所述的系统可以用于执行上述方法实施例，其原理和技
术效果类似，此处不再赘述。
需要说明的是，对于系统实施例而言，由于其与方法实施例基本
相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即
可。
本实施例的基于大数据与市价匹配的农业科技成果估价系统，可
避免过多的人为参与带来的主观误差，以网络大数据为数据源，通过
筛选，然后运用市场价格匹配模型进行分析，能够保证得到的农业科
技成果的价格不脱离市场，更具有可参考性。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或
部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储
于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方
法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者
光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，
而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，
本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载
的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替
换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各
实施例技术方案的范围。