人本数据经济中用户数据的价值评估

向人们支付数据报酬的理念正日益被视为一种有前景的方向，可化解隐私争议、提升在线数据质量，甚至在由自动化与自运行机器主导的未来提供基于劳动的补偿之替代方案。本文展示了一个人本数据经济（Human-Centric Data Economy）将如何补偿某在线流媒体服务的用户。我们借用了合作博弈论中的 Shapley 值概念，来界定用户向该服务推荐系统所提供的影片评分应得的公平补偿。由于在一般情形下精确确定 Shapley 值的计算效率低下，我们利用聚类、降维与部分信息推导了更快的替代算法。我们将算法应用于一个电影推荐数据集，并证明不同用户对该服务的价值可能相差悬殊。我们还分析了某些影片评分较其他更具价值的原因，并讨论了公平补偿用户的后果。