随着云计算和互联网的快速发展,数据的指数级增长对其存储与管理带来了巨大的挑战。暗数据作为一种无标签无关联的数据资源,一直占据着大量的存储空间,却难以在当下发挥价值。若用户盲目的对暗数据进行数据挖掘,可能会导致巨大的成本浪费。因此,在对暗数据进行挖掘之前,先对它进行语义分析和价值评估具有着重要意义。本文通过研究图像哈希算法及图结构排名算法在暗数据价值评估方法上的应用,设计和实现了一套基于相似性哈希的图像暗数据价值评估框架。该框架包含离线分析和在线评估两个阶段。离线分析阶段,首先使用能够提取图像语义特征与相似性关系的DSTH(Deep Self-taught Hashing)算法完成图像暗数据到语义哈希码的映射。然后,以哈希码作为图节点,根据汉明距离构造哈希图谱。最后,以节点连接的边数和边上权重作为考量,使用SHR(Semantic Hash Ranking)算法计算每个图像节点的重要性分数及排名。在线评估阶段,首先使用相同的DSTH模型将用户输入的查询图像转化为哈希码,然后通过预定义的汉明距离查询范围匹配数据,并根据匹配数据的加权重要性得分平均值表示其重要程度,帮助用户认知该暗数据集是否适用于此类查询图像的挖掘。测试结果表明,本文提出的暗数据价值评估框架能够应用于大规模图像暗数据,对图像进行具有泛化能力的语义哈希表达,并能够根据图像哈希码建立的图谱正确计算图像的重要性分数。在此基础上,还能通过设定客观的评价标准处理用户对不同挖掘任务的查询请求,帮助用户发现暗数据的潜在价值,开展后续的数据分析工作。