在科学技术不断发展的今天,人们每天的日常生活都会产生海量数据,而对这些数据资源的分析应用已经创造了大量的经济价值、社会价值。对于中心化的数据资源,可以使用现有的大数据分析技术对其进行价值挖掘。而地理上分布于不同组织及个人的海量数据却难以实现高效联合应用。因为受限于成本,隐私、社会规范等诸多因素,理性的数据拥有者们可能并不愿意将原始数据直接共享。这造成了“数据孤岛”的现象。而数据价值共享的目标是:尽可能利用这些地理上分散的多方数据来创建计算应用,同时避免原始数据直接传递,从而最大限度保证数据使用安全。即共享数据价值,而非共享数据本身。为此,本文提出了一种多方数据价值共享计算模式,该计算模式能够在传递数据价值的同时,避免原始数据直接共享。在该计算模式下,提供相同或相似内容的数据拥有者之间会产生竞争。为了妥善处理这些竞争,选出参与数据价值共享的胜出者,同时激励理性的参与者尽可能真实地参与数据价值共享,保证该计算模式的有效性,并最大化系统整体收益,本文针对该数据价值共享模式的两种不同具体计算场景设计了性质良好的激励机制。本文的具体工作如下:1、提出了多方数据价值共享计算模式。针对简单可并行的计算任务提出了多约束价值共享激励模型。本文首先对问题进行建模,分析了数据量约束、指标集约束、机构约束三种具体应用实例,并设计了计算有效、真实、社会福利最大化的DSIC激励拍卖机制。模拟实验说明了该模型的有效性及良好性能。2、针对依赖相关的计算任务,提出了以计算时间作为重要限制指标的时间敏感价值共享激励模型。本文首先以AOE网对任务流程进行建模。论证了相应社会福利最大化问题的NP困难性。然后对一类朴素贪心思路进行证否,并提出基于另一种贪心思想的启发式算法来确定分配方法。最后,设计了考虑任务方收益的最优拍卖机制。模拟实验说明了该模型的性能和有效性。3、本文最后设计并实现了数据价值共享拍卖系统,完成了系统的总体设计,子系统及模块化设计。将多约束价值共享激励模型和时间敏感价值共享激励模型部署至具体的应用环境,并对激励拍卖系统的核心流程进行界面展示。系统功能完善,运行良好。