数据资产化和数据要素优质供给，对赋能实体经济有放大、叠加和倍增效应。当前研究专注于对数据资产的理论框架和核心环节的深入研究，在实践应用方面缺乏系统性思维和体系化指导。提出了面向企业经营性数据资产的实践探索框架，即“五段六维”数据资产化过程模型，旨在探究“企业如何有效配置和优化不同维度的使能因素，以有序推进数据资产化过程”这一科学问题。通过调研上海市典型行业内企业的数据产品，凝练了企业数据要素的优质供给策略，并在实践中探索并验证该模型在企业数据资产化进程的适用性，为企业数据资产化提供了实践依据。模型的提出与实例化为促进数据要素优质供给提供了参考。

数据是企业的核心战略资产，这已然成为社会共识。在数字化转型浪潮下，各企业通过数据资源化推动业务数据化，以数据资产化推动数据业务化，最终充分释放数据资产价值。研究了从数据的业务供给端出发，如何通过数据资产运营构建全面有效、切合实际的数据资产管理体系，从而提升数据质量，保障数据安全；从业务的数据需求端出发，如何通过数据资产运营拉通企业内部和外部数据，推动数据与业务深度融合，丰富数据资产应用场景。数据资产运营平台是数据资产运营体系的技术支撑，支持资产运营闭环流程的线上化、标准化及配置化，满足运营操作的自动化、智能化。

资产价值增减变动的判断评估是资产管理和会计的一项重要工作。在当下数据资产入表的进程中，数据资产价值增减变动的计算方法是必须解决的问题。数据资产不同于传统资产，其价值增减变动也会有所不同，为此首先要弄清楚有哪些因素造成了数据资产的增值或减值。从数据资产与传统资产的差异性入手，分析提出了数据资产减值的4个因素：时效性数据因素、时效性使用因素、管理成本因素、授权临期因素；分析提出了数据资产增值的3个因素——数据完整性提升因素、数据新用途发现因素、技术进步带来成本下降因素，为数据资产减值、增值的计算方法设计提供依据。

当前各地纷纷建设数据交易场所，挂牌数据产品屡创新高，但场内数据交易仍不够活跃。综合分析当前主要数据交易场所挂牌的数据产品，发现数据产品的资产性不足是导致当前“挂牌多、交易少”的主要原因。基于此，研究了数据产品资产性需具备的3个条件，提出数据产品资产化方法，包括价值实现路径、“资产才挂牌”的挂牌原则、“合规-权属清晰-预期有经济利益流入”的资产性核验框架、“开发-利用-流通-交易”的基础设施保障、“挂牌即资产”的运营交易逻辑以及常态化评价、审查和警示机制，为数据产品交易提供参考，为数据要素市场建设助力。

随着数据的爆炸式增长，以数据为关键要素的数字经济进一步发展。在数据市场中，建立公平高效的定价交易系统变得尤为重要。针对数据市场的公平性，提出了基于数据质量的数据市场模型。首先，以用户的需求为目标，制定综合数据质量的定价策略。其次，为防止用户的恶意欺诈行为，设计了保障公平数据交易的市场机制。最后，在原始数据交易的基础上，讨论了与数据质量相关的数据清洗服务，通过游戏理论中的机制设计多用户清洗价值分配机制。通过实验证明了按照模型构建系统的效率和有效性，可以保证数据市场的公平性。

随着国有企业数字化转型与智能化改造推进，传统的企业产权转让和企业增资交易中，逐渐出现了数据资产附随转让的情况，发生了多样的风险事件。首先，分析了国有企业数据资产交易合规管理存在的不足；然后对数据资产与国有企业传统资产交易之间的差异进行了详细阐述，包括技术进步衍生新的权利、新的权利带来两级交易风险；之后总结了国有企业数据资产的新特征：公益性与福利性、敏感性与博弈性；最后提出，应尽快在企业党委领导下，探索建立数据资产交易专项的合法合规性审查机制。

尽管基于多模态的文本分类技术在应用到具体场景中具有潜力，但仍存在局限性。现有多模态融合模型要求输入数据模态对齐，因此大量不完整的多模态数据被直接浪费，从而限制了推理时可用数据的规模和灵活性。为了解决这个问题，提出了一种基于多模态融合提升的文本分类模型和不充分多模态资源训练方法。与传统方法相比，提出的模型在标准数据集上的性能平均提高了约4.25%。此外，在除文本输入模态外的其他模态缺失率为50%的情况下，不充分多模态资源训练方法的性能比传统多路由策略提高了约4%。这表明所提出的模型和训练方法具有明显的优势和有效性。

跨域算力网络希望整合多个算力中心的计算和数据资源，但现有的方案对跨域文件和数据管理关注不够。提出了一种轻量级的跨域算力网络数据管理方案：通过文件系统协议转换，接入远程算力中心的并行文件系统存储资源；算力中心内部的存储资源作为一种补充，应对高IOPS应用；通过容器绑定技术，将远程存储挂载并绑定到指定目录。基于该方案的原型系统已经在高校校级计算平台部署运行。实测数据和用户体验显示，该方案能够满足常见高性能计算应用需求。

随着人工智能技术的发展和海量司法数据的公开，面向“智慧司法”服务的司法判决预测（legal judgment prediction，LJP）任务受到了学术界和工业界的广泛关注，该任务旨在根据有限的案件事实描述文本来预测案件的罪名、法条和刑期。然而，现有工作缺乏对易混淆司法案件的智能决策的研究，且相关模型通常缺乏可解释性，这会导致模型预测严重依赖领域专家，阻碍LJP在不同法律体系中的应用。为此，提出了一种基于因果图分析的司法判决预测（prediction of legal judgment based on causal graph analysis， CGLJ）方法，首先从非结构化的法律事实描述文本中挖掘要素之间的因果关系，然后采用易混淆罪名聚类的构图方法构建因果图，既考虑了相似事实描述之间的差异，又增强了事实描述和法律法规之间的相互作用，最后将构建好的因果图融入深度神经网络进行联合推理，得到判决预测结果。此外，还对模型预测过程中的因果图推理过程进行了可视化，为判决结果提供了更好的可解释性。在2018中国“法研杯”司法人工智能挑战赛（CAIL2018）司法判决预测数据集上的实验结果表明，该方法相比基线模型取得了更好的效果。

现今医疗行业普遍存在医疗资源和教育资源不均衡、医疗体系智能化水平低、手术操作依赖个体经验等问题，拥有沉浸、互动特点的元宇宙为以上问题提供了解决方案。但现有的解决方案多基于虚拟现实或人工智能中的一种技术，针对特定的手术或疾病诊断问题进行探索，少有针对多功能、多场景应用的医疗元宇宙进行的系统研究。基于此，提出了元宇宙环境下的多场景智能医疗模型框架（MetaMed），从接入层、数据层、技术层、应用层自底向上阐述了模型的框架设计。该框架在智能手术、线上会诊、医疗培训、机器人手术和门诊挂号5种应用场景中给出了数学描述，并为未来医疗元宇宙的构建提供参考。

新时期政务数据在形态、产生机制等方面发生了巨大转变，呈现模态多样、体量巨大、结构复杂、时序演变等特征，给传统治理带来了全新的挑战。针对此问题，以省级政务大数据治理为切入点，分析了传统省级政务大数据治理的技术架构和瓶颈。围绕政府决策场景提出了一种决策驱动型省级政务大数据治理技术架构——凤翔模型，分析其内涵概念、设计原则和总体架构，并对其可行性进行论证。针对凤翔模型技术架构中的4项关键业务问题和关键技术问题，进一步提出针对性的技术实现思路，为各省市后续治理项目建设以及相关技术路线研究选型提供参考。

在信息时代和智慧旅游背景下，政府主动对外开放内部的旅游数据，有利于充分释放旅游数据资源的商业价值与社会价值。使用变异系数法与熵权法进行组合赋权，构建了政府旅游数据开放评价指标体系，计算21个省级行政区的具体得分，并采用模糊集定性比较方法进行高评价值与低评价值条件组态分析。结果表明：指标体系包含4项一级指标、17项二级指标与51项三级指标，可以对当前省级行政区的旅游数据开放绩效进行有效评价；利用层、数据层是权重较高的一级指标，法律政策效率与内容、平台关系等是权重较高的二级指标；高评价值组态为综合发展型、数据辅助应用型，低评价值组态为政策与利用短板型、平台与数据问题型。研究结果可以为旅游数据开放评价相关学术研究与管理实践提供参考。

首先介绍了图数据模型、图数据库和图计算的基本原理，包括图数据库的数据模型、查询语言以及常见图计算方法等。然后详细阐述了电力系统的图数据模型构建方法，将系统组件表示为节点，组件间关系表示为边。最后设计了碳流计算的图算法流程，利用AtlasGraph图数据库及图计算组件进行碳流传递迭代计算。该方法充分利用图数据库和图算法的优势，实现了对电力系统碳流的精确高效计算。该研究为电力系统碳排放的监测、分析和优化提供了有力支持，对于推动电力系统绿色低碳发展具有重要意义。