[发明专利]数字资产价值的评价方法、系统及电子设备

权利要求书

1.一种数字资产价值的评价方法，其特征在于，所述方法包括：

获取待评价数字资产的资产特性数据和资产行为数据，以及对所述待评价数字资产进行背书的用户的用户数据；

根据所述资产特性数据、所述资产行为数据和所述用户数据，计算所述待评价数字资产的联合特征向量；

将所述联合特征向量输入预设的资产评价模型，得到所述待评价数字资产的标签的得分；所述资产评价模型以数字资产的特征向量为输入，以所述数字资产的标签的得分为输出；

根据所述待评价数字资产的标签的得分，确定所述待评价数字资产的价值。

2.根据权利要求1所述的数字资产价值的评价方法，其特征在于，所述用户数据包括用户特性数据和用户行为数据；所述根据所述资产特性数据、所述资产行为数据和所述用户数据，计算所述待评价数字资产的联合特征向量的步骤，包括：

根据所述资产特性数据和所述资产行为数据，计算所述待评价数字资产的资产特征向量；

根据所述用户特性数据和所述用户行为数据，计算所述用户的用户特征向量；

根据所述资产特征向量和所述用户特征向量，计算所述待评价数字资产的联合特征向量。

3.根据权利要求2所述的数字资产价值的评价方法，其特征在于，所述根据所述资产特性数据和所述资产行为数据，计算所述待评价数字资产的资产特征向量的步骤，包括：

以所述资产特性数据为输入，以所述资产行为数据为输出，训练预设的第一初始神经网络模型，得到训练好的第一神经网络模型，以及所述第一神经网络模型的第一模型参数；

将所述第一模型参数确定为所述待评价数字资产的资产特征向量。

4.根据权利要求2所述的数字资产价值的评价方法，其特征在于，所述根据所述用户特性数据和所述用户行为数据，计算所述用户的用户特征向量的步骤，包括：

以所述用户特性数据为输入，以所述用户行为数据为输出，训练预设的第二初始神经网络模型，得到训练好的第二神经网络模型，以及所述第二神经网络模型的第二模型参数；

将所述第二模型参数确定为所述用户的用户特征向量。

5.根据权利要求4所述的数字资产价值的评价方法，其特征在于，所述训练预设的第二初始神经网络模型，得到训练好的第二神经网络模型的步骤，包括：

采用梯度下降法训练预设的第二初始神经网络模型，得到训练好的第二神经网络模型。

6.根据权利要求2所述的数字资产价值的评价方法，其特征在于，所述资产特征向量和所述用户特征向量的维度相同，所述根据所述资产特征向量和所述用户特征向量，计算所述待评价数字资产的联合特征向量的步骤，包括：

将所述资产特征向量和所述用户特征向量，按预设拼接方式进行拼接，得到所述待评价数字资产的联合特征向量。

7.根据权利要求1所述的数字资产价值的评价方法，其特征在于，所述待评价数字资产的标签有多个，所述根据所述待评价数字资产的标签的得分，确定所述待评价数字资产的价值的步骤，包括：

对所述待评价数字资产的标签的得分中最高的前三个得分进行求和；

将求和得到的值确定为所述待评价数字资产的价值。

8.根据权利要求2-6任一项所述的数字资产价值的评价方法，其特征在于，所述资产特性数据包括：资产类型、上链日期、内容字数、图片数量和网络链接数；所述资产行为数据包括：被浏览数、被背书数、被转载数、被搜索数和被取消背书数；

所述用户特性数据包括：性别、资产总数、活跃度、注册时间和个人标签数；所述用户行为数据包括：浏览数、背书数、登记资产数、搜索次数和取消背书数。