[发明专利]人工智能作品的知识产权所有权预测方法和装置

权利要求书

1.一种人工智能作品的知识产权所有权预测方法，其特征在于，所述方法包括：

从数据源获取人工智能作品作为样本；

提取所述样本的初始特征；所述初始特征包括：内容特征以及人工特征；

对所述初始化特征进行层次划分，得到所述初始特征之间的正交设计表，对所述正交设计表进行分析，筛选出显著性特征；

通过正交试验提取每个样本的显著性特征，对每个显著性特征进行标准化处理，得到取值区间一致的标准化显著性特征，采用高斯白噪声对所述标准化显著性特征进行数据增强，得到增强特征；

将所述增强特征进行融合之后，输出预先训练的分类器，输出人工智能作品的知识产权所有权预测结果。

2.根据权利要求1所述的方法，其特征在于，所述显著性特征包括：隶属机构类型、年份、相关性、主题以及热度；所述样本对应的标签为所有权归属。

3.根据权利要求2所述的方法，其特征在于，所述隶属机构类型、年份和主题为离散特征；所述相关性和热度为连续特征；

所述对每个显著性特征进行标准化处理，包括：

将所述离散特征转化为预设尺度的连续特征；

将所述连续特征转化为预设尺度的连续特征。

4.根据权利要求3所述的方法，其特征在于，将所述离散特征转化为预设尺度的连续特征；将所述连续特征转化为预设尺度的连续特征，包括：

将所述连续特征和所述离散特征转化为预设尺度的连续特征为：

其中，表示标准化后第i个标准化样本的第j个特征。

5.根据权利要求4所述的方法，其特征在于，采用高斯白噪声对所述标准化显著性特征进行数据增强，得到增强特征，包括：

采用高斯过程对所述标准化显著性特征进行数据增强，得到增强特征包括：

其中，表示增强特征，ε_i,j为服从正态分布的高斯白噪声。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述分类器为核支持向量机。

7.根据权利要求6所述的方法，其特征在于，所述核支持向量机的核函数为高斯核函数。

8.一种人工智能作品的知识产权所有权预测装置，其特征在于，所述装置包括：

数据获取模块，用于从数据源获取人工智能作品作为样本；

特征处理模块，用于提取所述样本的初始特征；所述初始特征包括：内容特征以及人工特征；对所述初始化特征进行层次划分，得到所述初始特征之间的正交设计表，对所述正交设计表进行分析，筛选出显著性特征；通过正交试验提取每个样本的显著性特征，对每个显著性特征进行标准化处理，得到取值区间一致的标准化显著性特征，采用高斯白噪声对所述标准化显著性特征进行数据增强，得到增强特征；

预测模块，用于将所述增强特征进行融合之后，输出预先训练的分类器，输出人工智能作品的知识产权所有权预测结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。