版权价值评估方法与流程

1.本发明涉及版权评估技术领域，尤其涉及版权价值评估方法。


背景技术：

2.版权是对计算机程序、文学著作、音乐作品、照片、游戏，电影等的复制权利的合法所有权，除非转让给另一方，版权通常被认为是属于作者的，同时大多数计算机程序不仅受到版权的保护，还受软件许可证的保护，版权只保护思想的表达形式。
3.但是目前现有的版权价值评估的方法还主要依靠人工评估，需要大量的专业技术人员和专家，成本高昂，同时不同的专业技术人员和专家评分容易受主观影响，使得评分存在一定误差。
4.因此，设计一种能够克服上述缺点的版权价值评估方法显得尤为重要。


技术实现要素：

5.本发明的目的是为了解决现有技术中存在的缺点，而提出的版权价值评估方法。
6.为了实现上述目的，本发明采用了如下技术方案：版权价值评估方法，所述版权价值评估方法包括如下步骤：
7.s1，构建数据存储平台，用于收集各种优质版权信息作为数据源，通过整合全面和准确的版权信息，并对所述版权信息进行整合，最后放入数据库中进行存储，从而方便后续训练评估模型；
8.s2，手动录入版权信息，人工筛选出优质版权录入到所述数据库中，同时通过专业人士的评价来筛选出优质版权进行录入，从而方便后续构建和训练评估模型；
9.s3，数据归一化，读取所述数据库中的优质版权信息，并对优质版权信息进行归一化处理，得到优质版权标准数据，从而能够起到简化计算的效果，提高了后续训练评估模型的效率；
10.s4，训练评估模型，读取所述优质版权标准数据，并将所述优质版权标准数据输入到深度学习模型中进行训练，训练后，再通过深度学习模型和人工对版权进行打分，若深度学习模型与人工打分的误差在十分之一以内，则深度学习模型的准确率合格，得到评估模型；
11.s5，机器评分，输入待评分的版权信息，并通过上述s3步骤对待评分的版权信息进行归一化处理，随后将所述待评分的版权信息输入到所述评估模型进行打分，得到机器分；
12.s6，有效性判断，人工对机器分进行审核，以三人小组的方式对机器分进行判断，若三人均无疑问，则认定此次打分真实有效，若三人中有任意两人有疑问，则进行人工评分。
13.为了能够持久化保存优质版权信息，本发明改进有，在s1步骤中，所述数据库为oracle数据库、mysql数据库、sql server数据库、postgrcsql数据库和db2数据库中的任意一种。
14.为了降低数据的复杂度，本发明改进有，在s3步骤中，所述归一化处理的具体方法为，通过z-score标准化算法将优质版权处理为z-score分值，从而完成归一化。
15.为了方便进行人工评分，本发明改进有，在s6步骤中，所述人工评分包括如下步骤：
16.s601，专家打分，首先随机抽取两名专家组成专家组a，然后再随机抽取三名专家组成专家组b，然后专家组a和专家组b分别进行打分；
17.s602，专家质询，然后再抽取两名专家组成质询组，质询组对专家组a和专家组b打出的分数进行判断，并给出专家组a和专家组b的权重分；
18.s603，得出分数，最后对专家组a分数、专家组b分数、专家组a权重分和专家组b权重分进行分数计算，得出最终分数。
19.为了保证深度学习的效果，本发明改进有，在s4步骤中，所述深度学习模型采用的算法为卷积神经网络算法和深度信任网络算法中的任意一种。
20.为了提高人工评分的准确度，本发明改进有，在s603步骤中，所述分数计算的具体算法为：(专家组a分数*专家组a权重分*0.6) (专家组b分数*专家组b权重分)＝分数。
21.为了能直观判断版权价值，本发明改进有，在s5步骤中，所述机器分的评分最大值为10分，其中10分为极其优秀版权，9分为较为优秀版权，8分为优质版权，7分为良好版权，其他为价值一般的版权。
22.为了提高评估模型的准确度，本发明改进有，在s6步骤中，若三人中有任意两人有疑问，则对评估模型重新训练，从而校准提高评估模型的准确度。
23.相比于现有技术，本发明通过对版权进行整合训练，能够通过深度学习模型来对版权信息进行智能打分，降低了人工参与的概率，有效提高了版权价值评估的效率，同时本发明在机器评分的基础上，还创新性的加入了有效性判断的步骤，通过人工对机器评分进行审核，从而避免机器评分误差过大，同时由于人工只需要对评分进行判断，而无需进行评估，有效提高了工作效率，并且在判断出评分异常后，还可以通过人工评分的方式进行兜底评分，保证了评分的公正客观，并且本发明在构建数据存储平台后，不仅可以方便训练评估模型，同时还可以协助专家进行人工评分，提高了人工评分的效率，综上，本发明在保证公平客观准确的基础上，最大限度的降低人工的工作强度，从而节省人力成本，实用性较高，进步性显著。
24.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
25.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
26.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
27.图1为本发明提出版权价值评估方法的步骤图。
具体实施方式
28.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.实施例一
30.参阅图1，版权价值评估方法，版权价值评估方法包括如下步骤：
31.s1，构建数据存储平台，用于收集各种优质版权信息作为数据源，通过整合全面和准确的版权信息，并对版权信息进行整合，最后放入数据库中进行存储，从而方便后续训练评估模型；
32.s2，手动录入版权信息，人工筛选出优质版权录入到数据库中，同时通过专业人士的评价来筛选出优质版权进行录入，从而方便后续构建和训练评估模型；
33.s3，数据归一化，读取数据库中的优质版权信息，并对优质版权信息进行归一化处理，得到优质版权标准数据，从而能够起到简化计算的效果，提高了后续训练评估模型的效率；
34.s4，训练评估模型，读取优质版权标准数据，并将优质版权标准数据输入到深度学习模型中进行训练，训练后，再通过深度学习模型和人工对版权进行打分，若深度学习模型与人工打分的误差在十分之一以内，则深度学习模型的准确率合格，得到评估模型；
35.s5，机器评分，输入待评分的版权信息，并通过上述s3步骤对待评分的版权信息进行归一化处理，随后将待评分的版权信息输入到评估模型进行打分，得到机器分；
36.s6，有效性判断，人工对机器分进行审核，以三人小组的方式对机器分进行判断，若三人均无疑问，则认定此次打分真实有效，若三人中有任意两人有疑问，则进行人工评分。
37.本实施例中，在s1步骤中，数据库为oracle数据库、mysql数据库、sqlserver数据库、postgrcsql数据库和db2数据库中的任意一种，数据库系统是为适应数据处理的需要而发展起来的一种较为理想的数据处理系统，也是一个为实际可运行的存储、维护和应用系统提供数据的软件系统，是存储介质、处理对象和管理系统的集合体。
38.本实施例中，在s3步骤中，归一化处理的具体方法为，通过z-score标准化算法将优质版权处理为z-score分值，从而完成归一化，z-score又称零-均值规范化，也称标准差标准化，经过处理的数据的均值为0，标准差为1。
39.本实施例中，在s6步骤中，人工评分包括如下步骤：
40.s601，专家打分，首先随机抽取两名专家组成专家组a，然后再随机抽取三名专家组成专家组b，然后专家组a和专家组b分别进行打分；
41.s602，专家质询，然后再抽取两名专家组成质询组，质询组对专家组a和专家组b打出的分数进行判断，并给出专家组a和专家组b的权重分；
42.s603，得出分数，最后对专家组a分数、专家组b分数、专家组a权重分和专家组b权重分进行分数计算，得出最终分数。
43.本实施例中，在s4步骤中，深度学习模型采用的算法为卷积神经网络算法和深度信任网络算法中的任意一种；
44.卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一；卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为平移不变人工神经网络；
45.而深度信任网络算法可以解释为贝叶斯概率生成模型，由多层随机隐变量组成，上面的两层具有无向对称连接，下面的层得到来自上一层的自顶向下的有向连接，最底层单元的状态为可见输入数据向量。
46.本实施例中，在s603步骤中，分数计算的具体算法为：(专家组a分数*专家组a权重分*0.6) (专家组b分数*专家组b权重分)＝分数，通过将分数乘以权重分的方式，可以对专家组a和专家组b给出的评分进行纠正，从而保证评分的公平。
47.本实施例中，在s5步骤中，机器分的评分最大值为10分，其中10分为极其优秀版权，9分为较为优秀版权，8分为优质版权，7分为良好版权，其他为价值一般的版权，建立的统一打分机制可以直观的评估版权价值。
48.本实施例中，在s6步骤中，若三人中有任意两人有疑问，则对评估模型重新训练，从而校准提高评估模型的准确度，这样能够确保评分不会出现错误，同时在出现错误时，对评估模型重新训练能够修正评估模型。
49.从上述实施例可以看出，本发明通过对版权进行整合训练，能够通过深度学习模型来对版权信息进行智能打分，降低了人工参与的概率，有效提高了版权价值评估的效率，同时本发明在机器评分的基础上，还创新性的加入了有效性判断的步骤，通过人工对机器评分进行审核，从而避免机器评分误差过大，同时由于人工只需要对评分进行判断，而无需进行评估，有效提高了工作效率，并且在判断出评分异常后，还可以通过人工评分的方式进行兜底评分，保证了评分的公正客观，并且本发明在构建数据存储平台后，不仅可以方便训练评估模型，同时还可以协助专家进行人工评分，提高了人工评分的效率。
50.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。