[发明专利]一种开源协议的风险评估方法、装置、设备及存储介质

权利要求书

1.一种开源协议的风险评估方法，其特征在于，包括：

获取样本开源协议，并利用与所述样本开源协议对应的样本风险评估信息为所述样本开源协议设置标签信息，得出训练样本；

利用所述训练样本进行学习训练，得出目标模型；

当存在目标开源协议时，将所述目标开源协议输入至所述目标模型中，利用所述目标模型输出与所述目标开源协议对应的目标风险评估信息。

2.根据权利要求1所述的方法，其特征在于，所述获取样本开源协议，并利用与所述样本开源协议对应的样本风险评估信息为所述样本开源协议设置标签信息，得出训练样本的过程，具体包括：

获取所述样本开源协议；

根据模块格式对所述样本开源协议进行协议拆解，得出标准格式的所述样本开源协议；

接收与各所述样本开源协议对应的所述样本风险评估信息，利用所述样本风险评估信息为各所述样本开源协议设置对应的标签信息，得到所述训练样本。

3.根据权利要求2所述的方法，其特征在于，所述根据模块格式对所述样本开源协议进行协议拆解，得出标准格式的所述样本开源协议的过程，具体包括：

利用NLP分析器根据所述模块格式对所述样本开源协议进行协议拆解，得出标准格式的所述样本开源协议。

4.根据权利要求1所述的方法，其特征在于，所述利用所述训练样本进行学习训练，得出目标模型的过程，具体包括：

将所述训练样本输入至深度神经网络中进行学习训练，当模型精准度达到预设标准时输出所述目标模型。

5.根据权利要求4所述的方法，其特征在于，所述将所述训练样本输入至深度神经网络中进行学习训练，当模型精准度达到预设标准时输出所述目标模型的过程，具体包括：

将所述训练样本输入至所述深度神经网络中进行学习训练，调用多个不同的比对函数库判断所述模型精准度，当所述模型精准度达到预设标准时输出所述目标模型。

6.根据权利要求2所述的方法，其特征在于，在所述根据模块格式对所述样本开源协议进行协议拆解，得出标准格式的所述样本开源协议之后，进一步包括：

对标准格式的所述样本开源协议进行降维处理。

7.根据权利要求5所述的方法，其特征在于，进一步包括：

当迭代更新模型达到最大迭代次数时，将迭代更新次数为所述最大迭代次数对应的模型输出为所述目标模型。

8.一种开源协议的风险评估装置，其特征在于，包括：

获取模块，用于获取样本开源协议，并利用与所述样本开源协议对应的样本风险评估信息为所述样本开源协议设置标签信息，得出训练样本；

训练模块，用于利用所述训练样本进行学习训练，得出目标模型；

输出模块，用于当存在目标开源协议时，将所述目标开源协议输入至所述目标模型中，利用所述目标模型输出与所述目标开源协议对应的目标风险评估信息。

9.一种开源协议的风险评估设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的开源协议的风险评估方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的开源协议的风险评估方法的步骤。