随着互联网的发展,人们更加的认识到数据的价值所在,并且将数据以及对数据的分析应用到各种领域。日益广泛的应用使得数据将会成为未来最有价值的商品之一。如何制定有效的数据交易机制,保证交易过程中市场效益达到最大,是目前数据交易研究中的基础及关键问题。其主要的难点在于:1)研究经验缺乏。由于数据交易是一种新兴的交易模式,与传统实体交易不同,交易形态、建模数据和市场效益定义等数据严重不足。2)交易场景多样。买卖双方的交易场景实时变化,对模型适应性要求极高。3)商品属性限制。影响交易完成的属性众多,尤其是在线交易的数据隐私、用户隐私、敏感性等问题,导致了交易模型设计难度极大。针对以上难题,为了给交易市场提供一个公平合理的交易机制,本文结合数据本身的特性,以及契约理论和拍卖理论等算法理论,研究了如何在多场景交易条件下优化市场效益,为数据交易过程当中的方案设计提供了一个新思路,并且给出了完整的理论支撑。本文的主要研究内容如下:(1)提出了基于契约理论的一对多数据交易优化算法。在一对多场景下,该算法将数据的隐私保护纳入到交易当中,同时解决数据不同程度的隐私保护、买家的不同定价问题。和单一定价模型相比,使用本文提出的算法可以使买卖双方获得更高的效用。该算法的相关成果发表在JCR 一区期刊中。(2)提出了基于拍卖理论的多对多数据交易优化算法。在多对多场景下,采用双向拍卖算法,将隐私泄漏所带来的损失考虑到买卖双方的收益当中,并且同时保证买卖双方效用和整个交易市场的社会福利。实验证明该算法可以使社会福利最大化。(3)设计并开发了在线数据交易系统。设计了该系统的总体架构,并且详细阐述了数据管理模块,功能模块和交互展示模块。将基于契约理论的一对多数据交易优化算法和基于拍卖理论的多对多数据交易优化算法结合到该系统中,同时测试了系统有效性。