[發明專利]無形資產的價值評估方法、系統、終端設備及存儲介質

在審

• 申請號: 202010370244.4
• 申請日: 2020-04-30
• 公開（公告）號: CN111539774A
• 公開（公告）日: 2020-08-14
• 發明（設計）人: 蔡杭;李月;梁議丹;賁流;范力欣;陳天健
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/02;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 謝閱

1.一種無形資產的價值評估方法，其特征在于，所述無形資產的價值評估方法應用于中心服務器，所述中心服務器與各數據機構建立連接，所述無形資產的價值評估方法包括：

接收各數據機構上傳的對待評估無形資產進行價值評估的初始價值評估結果，其中，所述初始價值評估結果為各所述數據機構將待評估無形資產的目標特征數據輸入基于聯邦學習訓練得到的價值評估模型預測得到；

對從各數據機構接收到的各所述初始價值評估結果進行整合，得到所述待評估無形資產的綜合價值評估結果。

2.如權利要求1所述的無形資產的價值評估方法，其特征在于，所述無形資產的價值評估方法，還包括：

結合區塊鏈技術記錄各所述數據機構針對所述價值評估模型的貢獻度。

3.如權利要求2所述的無形資產的價值評估方法，其特征在于，所述結合區塊鏈技術記錄各所述數據機構針對所述價值評估模型的貢獻度的步驟，包括：

獲取各所述數據機構在基于聯邦學習訓練得到所述價值評估模型過程中上傳的各本地訓練模型；

根據各所述本地訓練模型，計算各所述數據機構針對所述價值評估模型的貢獻度；

將所述貢獻度關聯存寫入預設區塊鏈中進行記錄，以供各所述數據機構登入所述預設區塊鏈進行查證。

4.一種無形資產的價值評估方法，其特征在于，所述無形資產的價值評估方法應用于數據機構，所述數據機構與中心服務器建立連接，所述無形資產的價值評估方法包括：

提取待評估無形資產的目標特征數據；

將所述目標特征數據輸入價值評估模型得到對所述待評估無形資產進行價值評估的初始價值評估結果，其中，所述價值評估模型基于聯邦學習訓練得到；

將所述初始價值評估結果上傳至中心服務器，以供所述中心服務器對從各數據機構接收到的各所述初始價值評估結果進行整合，得到所述待評估無形資產的綜合價值評估結果。

5.如權利要求4所述的無形資產的價值評估方法，其特征在于，所述提取待評估無形資產的目標特征數據的步驟，包括：

若本地存儲有所述待評估無形資產的特征數據，則將本地存儲的特征數據作為所述目標特征數據，并從本地提取所述目標特征數據；

若本地未存儲有所述待評估無形資產的特征數據，則根據所述待評估無形資產的關鍵信息匹配所述待評估無形資產的關聯資產；

將本地存儲的所述關聯資產的特征數據作為所述目標特征數據，并從本地提取所述目標特征數據。

6.如權利要求4所述的無形資產的價值評估方法，其特征在于，所述無形資產的價值評估方法，還包括：

獲取聯邦學習初始模型，并根據無形資產樣本的特征樣本數據對所述聯邦學習初始模型進行本地訓練得到本地訓練模型；

將所述本地訓練模型上傳至所述中心服務器，以供所述中心服務器對從各數據機構接收到的各所述本地訓練模型進行整合，得到所述價值評估模型并返回。

7.如權利要求6所述的無形資產的價值評估方法，其特征在于，所述根據無形資產樣本的特征樣本數據對所述聯邦學習初始模型進行本地訓練得到本地訓練模型的步驟，包括：

提取各所述無形資產樣本的目標特征樣本數據，其中，所述目標特征樣本數據屬于所述聯邦學習初始模型所指向的特征類別，所述特征類別的數量大于或者等于一；

根據所述目標特征樣本數據對所述聯邦學習初始模型進行本地訓練得到所述特征類別對應的本地訓練模型。

8.如權利要求6所述的無形資產的價值評估方法，其特征在于，所述將所述本地訓練模型上傳至所述中心服務器，以供所述中心服務器對從各數據機構接收到的各所述本地訓練模型進行整合，得到所述價值評估模型并返回的步驟，包括：

將所述本地訓練模型上傳至所述中心服務器，以供所述中心服務器將從各數據機構接收到的各本地訓練模型中，所述特征類別相同的各所述本地訓練模型進行迭代訓練直至收斂，得到各所述特征類別對應的價值評估模型并返回。