廖嘉炜，吴永欢，杜舒明，邹时容，徐炫东

(广州供电局有限公司，广东 广州 510620)

0 引 言

数据资产管理的数据对象存在规模大、来源多样、格式繁杂、采集实时等特征，尤其是数据的大量递增，以及格式的多样化，给数据资产管理带来了严峻的挑战。对数据资产进行管理能够为企业的发展管理、控制与科学决策提供有力的数据支撑[1-4]。但不是所有的数据都可以称之为数据资产，只有达到一定可信度的数据才能成为数据资产。由此可见，数据可信度是判断数据是否为数据资产的重要依据之一[5-7]。因此，对数据可信度进行评估是数据资产管理的重要组成部分。在此基础上，设计数据可信度评估模型，通过模型计算来量化评估数据可信度，能够有助于数据资产的管理。

目前，在数据可信度评估领域，已有一些相对成熟的方法，如文献[8]提出了基于D-S理论的多源数据可信度评估模型，文献[9]提出了基于聚类云模型的小样本数据可信度评估模型。然而，由于传统的评估模型过程较为复杂，导致分类适应性较差，且数据的查全性较差，难以适应目前数据资产管理中对无形数据的可信度评估，评估局限性较大。

指数分层结构算法是基于拓扑结构，对亚超度量空间和指数分层结构树进行优化后生成的一种算法，具有较好的分类能力和较强的适应性，且计算过程清晰，便于在数据可信度评估的过程中及时回溯查找[10-12]。

综上所述，为提高数据可信度评估质量及数据资产管理效果，本文引入指数分层结构算法，设计了一种新的数据可信度评估模型。……