KR20230146786A - 디지털 자산의 가치 평가 방법 및 이를 수행하기 위한 컴퓨팅 장치 - Google Patents
디지털 자산의 가치 평가 방법 및 이를 수행하기 위한 컴퓨팅 장치 Download PDFInfo
- Publication number
- KR20230146786A KR20230146786A KR1020220045615A KR20220045615A KR20230146786A KR 20230146786 A KR20230146786 A KR 20230146786A KR 1020220045615 A KR1020220045615 A KR 1020220045615A KR 20220045615 A KR20220045615 A KR 20220045615A KR 20230146786 A KR20230146786 A KR 20230146786A
- Authority
- KR
- South Korea
- Prior art keywords
- collection
- information
- digital asset
- index
- analysis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 102
- 238000010191 image analysis Methods 0.000 claims abstract description 94
- 238000010801 machine learning Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 238000000611 regression analysis Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims 3
- 239000000284 extract Substances 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
디지털 자산의 가치 평가 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가 방법 및 이를 수행하기 위한 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 디지털 자산의 가치 평가 방법으로서, 가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 획득하는 단계, 상기 획득한 디지털 자산 정보를 기반으로 컬렉션 분석 정보를 생성하는 단계, 상기 획득한 디지털 자산 정보를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 이미지 분석 정보를 생성하는 단계, 및 상기 생성한 컬렉션 분석 정보 및 상기 생성한 이미지 분석 정보를 기반으로 상기 디지털 자산에 대한 가치 정보를 산출하는 단계를 포함한다.
Description
본 발명의 실시예들은 디지털 자산의 가치 평가 기술과 관련된다.
최근 메타버스 기술의 발전과 이를 기반으로 구성되는 경제환경의 부상으로 대체불가능토큰(NFT)이 지닌 자산적인 가치에 대한 관심이 증가하고 있으며, NFT화 된 디지털 자산의 가격과 거래량은 메타버스 경제에 매우 중요한 요인이다.
NFT는 이미지, 비디오, 음악, 가상 세계의 일부 등을 포함한 모든 디지털 자산에 대한 블록체인 거래 권리를 의미하며, 상호교환이 불가능하다는 특징으로 인해 실제 재화와 마찬가지로 디지털 재화의 유일성을 만족시킬 수 있다. NFT 시장은 특히 이미지를 중심으로 하는 디지털 아트의 거래가 가장 활발하게 일어나고 있으며, 다양한 NFT 거래소에서 주로 이더리움(Ethereum) 암호화폐를 사용하여 거래되고 있다.
이로 인해 NFT 시장에서 거래되는 디지털 아트에 대한 가치를 금전적으로 환산하는 방법에 대한 수요가 증가하고 있지만, 아직까지 새로운 영역인 디지털 아트 거래가격에 대한 기준이 없기 때문에 적절한 가치 측정에 난항을 겪고 있는 실정이다.
본 발명의 실시예들은 디지털 자산의 가치를 평가하기 위한 방법을 제공하기 위한 것이다.
본 발명의 예시적인 실시예에 따르면, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 디지털 자산의 가치 평가 방법으로서, 가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 획득하는 단계, 상기 획득한 디지털 자산 정보를 기반으로 컬렉션 분석 정보를 생성하는 단계, 상기 획득한 디지털 자산 정보를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 이미지 분석 정보를 생성하는 단계 및 상기 생성한 컬렉션 분석 정보 및 상기 생성한 이미지 분석 정보를 기반으로 상기 디지털 자산에 대한 가치 정보를 산출하는 단계를 포함하는 디지털 자산의 가치 평가 방법이 제공된다.
상기 컬렉션 분석 정보를 생성하는 단계는 상기 디지털 자산 정보를 기반으로 컬렉션 분석 요소를 추출하고, 상기 컬렉션 분석 요소에 따른 컬렉션 분석 지표를 산출하여 상기 컬렉션 분석 정보를 생성하는 단계를 더 포함할 수 있다.
상기 컬렉션 분석 요소는 컬렉션 최초 생성일, 컬렉션 내 디지털 아트의 수, 컬렉션의 디지털 아트 소유자의 수, 컬렉션 평균 판매액, 컬렉션 SNS 팔로워 수, 컬렉션 최저가, 컬렉션 검색량 및 컬렉션 랭킹 중 적어도 하나를 포함하며, 상기 컬렉션 분석 지표는 상기 컬렉션 최초 생성일에 따른 신뢰도 지표, 상기 컬렉션 내 디지털 아트의 수에 따른 희소성 지표, 상기 컬렉션의 디지털 아트 소유자의 수에 따른 다양성 지표, 상기 컬렉션 평균 판매액에 따른 평균가 지표, 상기 컬렉션 SNS 팔로워 수에 따른 인지도 지표, 상기 컬렉션 최저가에 따른 최저가 지표, 상기 컬렉션 검색량에 따른 관심도 지표 및 상기 컬렉션 랭킹에 따른 등급 지표 중 적어도 하나를 포함할 수 있다.
상기 이미지 분석 정보를 생성하는 단계는 제1 머신러닝 모듈을 이용하여 상기 획득한 디지털 자산 정보에 대한 이미지 및 상기 디지털 자산 정보에 포함된 컬렉션의 복수의 이미지를 추출하고, 상기 추출한 디지털 자산 정보에 대한 이미지로부터 상기 컬렉션의 복수의 이미지와의 유사도를 각각 추정하는 단계 및 상기 추정한 복수의 유사도를 기반으로 이미지 분석 지표를 산출하여 상기 이미지 분석 정보를 생성하는 단계를 더 포함할 수 있다.
상기 이미지 분석 지표는 상기 디지털 자산 정보에 대한 이미지와 상기 디지털 자산 정보에 포함된 컬렉션의 복수의 이미지와의 유사성을 비교하여 추정된 복수의 유사도에 대한 평균치를 나타낼 수 있다.
상기 디지털 자산에 대한 가치 정보를 산출하는 단계는 제2 머신러닝 모듈을 이용하여 상기 산출된 컬렉션 분석 지표 및 상기 산출된 이미지 분석 지표로부터 상기 디지털 자산에 대한 가치 정보를 산출하는 단계를 더 포함할 수 있다.
상기 제2 머신러닝 모듈은 상기 컬렉션 분석 지표 및 상기 이미지 분석 지표가 입력되는 경우, 상기 입력된 컬렉션 분석 지표 및 상기 이미지 분석 지표에 따라 기 설정된 가중치를 부여하여 상기 디지털 자산에 대한 가치 정보를 산출하도록 학습될 수 있다.
상기 기 설정된 가중치는 회귀 분석(regression analysis)을 이용하여 기 저장된 컬렉션 분석 지표 및 이미지 분석 지표와 이에 해당되는 가치 정보와의 연관성을 판단하여 설정될 수 있다.
본 발명의 다른 예시적인 실시예에 따르면, 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 획득하기 위한 명령, 상기 획득한 디지털 자산 정보를 기반으로 컬렉션 분석 정보를 생성하기 위한 명령, 상기 획득한 디지털 자산 정보를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 이미지 분석 정보를 생성하기 위한 명령 및 상기 생성한 컬렉션 분석 정보 및 상기 생성한 이미지 분석 정보를 기반으로 상기 디지털 자산에 대한 가치 정보를 산출하기 위한 명령을 포함하는 컴퓨팅 장치가 제공된다.
상기 컬렉션 분석 정보를 생성하기 위한 명령은 상기 디지털 자산 정보를 기반으로 컬렉션 분석 요소를 추출하고, 상기 컬렉션 분석 요소에 따른 컬렉션 분석 지표를 산출하여 상기 컬렉션 분석 정보를 생성하기 위한 명령을 더 포함할 수 있다.
상기 컬렉션 분석 요소는 컬렉션 최초 생성일, 컬렉션 내 디지털 아트의 수, 컬렉션의 디지털 아트 소유자의 수, 컬렉션 평균 판매액, 컬렉션 SNS 팔로워 수, 컬렉션 최저가, 컬렉션 검색량 및 컬렉션 랭킹 중 적어도 하나를 포함하며, 상기 컬렉션 분석 지표는 상기 컬렉션 최초 생성일에 따른 신뢰도 지표, 상기 컬렉션 내 디지털 아트의 수에 따른 희소성 지표, 상기 컬렉션의 디지털 아트 소유자의 수에 따른 다양성 지표, 상기 컬렉션 평균 판매액에 따른 평균가 지표, 상기 컬렉션 SNS 팔로워 수에 따른 인지도 지표, 상기 컬렉션 최저가에 따른 최저가 지표, 상기 컬렉션 검색량에 따른 관심도 지표 및 상기 컬렉션 랭킹에 따른 등급 지표 중 적어도 하나를 포함할 수 있다.
상기 이미지 분석 정보를 생성하기 위한 명령은 제1 머신러닝 모듈을 이용하여 상기 획득한 디지털 자산 정보에 대한 이미지 및 상기 디지털 자산 정보에 포함된 컬렉션의 복수의 이미지를 추출하고, 상기 추출한 디지털 자산 정보에 대한 이미지로부터 상기 컬렉션의 복수의 이미지와의 유사도를 각각 추정하기 위한 명령 및 상기 추정한 복수의 유사도를 기반으로 이미지 분석 지표를 산출하여 상기 이미지 분석 정보를 생성하기 위한 명령을 더 포함할 수 있다.
상기 이미지 분석 지표는 상기 디지털 자산 정보에 대한 이미지와 상기 디지털 자산 정보에 포함된 컬렉션의 복수의 이미지와의 유사성을 비교하여 추정된 복수의 유사도에 대한 평균치를 나타낼 수 있다.
상기 디지털 자산에 대한 가치 정보를 산출하기 위한 명령은 제2 머신러닝 모듈을 이용하여 상기 산출된 컬렉션 분석 지표 및 상기 산출된 이미지 분석 지표로부터 상기 디지털 자산에 대한 가치 정보를 산출하기 위한 명령을 더 포함할 수 있다.
상기 제2 머신러닝 모듈은 상기 컬렉션 분석 지표 및 상기 이미지 분석 지표가 입력되는 경우, 상기 입력된 컬렉션 분석 지표 및 상기 이미지 분석 지표에 따라 기 설정된 가중치를 부여하여 상기 디지털 자산에 대한 가치 정보를 산출하도록 학습될 수 있다.
상기 기 설정된 가중치는 회귀 분석(regression analysis)을 이용하여 기 저장된 컬렉션 분석 지표 및 이미지 분석 지표와 이에 해당되는 가치 정보와의 연관성을 판단하여 설정될 수 있다.
본 발명의 실시예들에 따르면, 디지털 아트의 컬렉션 정보와 디지털 아트의 이미지 정보를 반영하여 가치를 추정함으로써, 디지털 아트의 가치 평가가 보다 정확하게 이루어질 수 있다.
또한, 본 발명을 통하여 디지털 아트의 가치 평가의 근거가 되는 시스템을 구축함으로써, 디지털 아트에 대한 시장 거래가 투명하고 원할하게 활성화되도록 지원할 수 있다.
도 1는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가 방법의 구성을 설명하기 위한 흐름도
도 3은 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가를 수행하기 위한 장치를 나타낸 도면
도 4는 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가 과정을 개략적으로 나타낸 도면
도 2는 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가 방법의 구성을 설명하기 위한 흐름도
도 3은 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가를 수행하기 위한 장치를 나타낸 도면
도 4는 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가 과정을 개략적으로 나타낸 도면
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안된다.
도 1는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되는 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 본 발명의 실시예에 따른 디지털 자산의 가치를 평가하기 위한 장치일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가 방법의 구성을 설명하기 위한 흐름도이다. 전술한 바와 같이, 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가 방법은 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치(12)에서 수행될 수 있다. 이를 위하여, 상기 디지털 자산의 가치 평가 방법은 하나 이상의 컴퓨터 실행 가능 명령어를 포함하는 프로그램 내지 소프트웨어의 형태로 구현되어 상기 메모리상에 저장될 수 있다.
또한, 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
단계 210에서, 컴퓨팅 장치(12)는 가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 획득한다. 구체적으로, 컴퓨팅 장치(12)는 사용자로부터 가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 입력받을 수 있다.
여기서, 디지털 자산은 이미지, 비디오, 음악 등 디지털화된 저작권에 대한 가치일 수 있다. 한편, 이하에서는 다양한 디지털 자산 중에서 특히 이미지화된 자산(즉, 디지털 아트, 워터마킹된 이미지, NFT(Non-Fungible Token) 등)인 것을 일 예로 하여 설명하기로 한다.
단계 220에서, 컴퓨팅 장치(12)는 획득한 디지털 자산 정보를 기반으로 컬렉션 분석 정보를 생성할 수 있다. 구체적으로, 컴퓨팅 장치(12)는 디지털 자산 정보를 기반으로 컬렉션 분석 요소를 추출하고, 컬렉션 분석 요소에 따른 지표를 산출하여 컬렉션 분석 정보를 생성할 수 있다. 여기서, 컬렉션은 사용자가 디지털 아트를 올리기 위한 공간으로, 예를 들어, NFT 작품을 카테고리에 따라 디지털 공간에 올리기 위한 폴더를 의미할 수 있다. 또한, 디지털 아트를 컬렉션 분석 요소는 컬렉션 최초 생성일, 컬렉션 내 디지털 아트의 수, 컬렉션의 디지털 아트 소유자의 수, 컬렉션 평균 판매액, 컬렉션 SNS 팔로워 수, 컬렉션 최저가, 컬렉션 검색량, 컬렉션 랭킹을 포함할 수 있다.
예를 들어, 컬렉션 최초 생성일은 사용자가 디지털 아트를 처음 판매 시작한 날짜를 의미할 수 있으며, 해당 컬렉션의 신뢰도를 평가하는 지표(신뢰도 지표)로 사용될 수 있다. 컬렉션 내 디지털 아트의 수는 해당 컬렉션에서 판매되는 전체 디지털 아트의 수를 의미할 수 있으며, 해당 컬렉션의 가치 희소성을 평가하는 지표(희소성 지표)로 사용될 수 있다. 컬렉션의 디지털 아트 소유자의 수는 거래를 통해 해당 컬렉션의 디지털 아트를 소유하고 있는 사람 수를 의미할 수 있으며, 해당 컬렉션에 대한 실수요자의 다양성을 평가하는 지표(다양성 지표)로 사용될 수 있다. 컬렉션 평균 판매액는 해당 컬렉션에서 판매 중인 디지털 아트 중 판매가 성사된 디지털 아트의 평균 판매가격을 의미할 수 있으며, 해당 컬렉션 내의 디지털 아트들의 평균 가치를 평가하는 지표(평균가 지표)로 사용될 수 있다. 컬렉션 SNS 팔로워 수는 해당 컬렉션과 관련된 소셜미디어 계정(트위터, 인스타그램, 디스코드, 페이스북 등)을 팔로우하는 사람 수를 의미할 수 있으며, 해당 컬렉션의 대중적 인지도를 평가하는 지표(인지도 지표)로 사용될 수 있다. 컬렉션 최저가는 해당 컬렉션에서 거래된 작품의 최저가를 의미할 수 있으며, 해당 컬렉션의 최저 비용을 평가하는 지표(최저가 지표)로 사용될 수 있다. 컬렉션 검색량은 해당 컬렉션에 대한 검색량을 의미할 수 있으며, 해당 컬렉션에 대한 관심도를 평가하는 지표(관심도 지표)로 사용될 수 있다. 컬렉션 랭킹은 해당 컬렉션이 거래되고 있는 디지털 공간(온라인 플랫폼)에서 전채 거래액 기준으로 매겨진 순위를 의미할 수 있으며, 해당 컬렉션의 등급을 평가하는 지표(등급 지표)로 사용될 수 있다.
즉, 컴퓨팅 장치(12)는 디지털 자산 정보를 기반으로 디지털 자산이 포함된 컬렉션에 대한 컬렉션 분석 요소를 추출하고, 컬렉션 분석 요소에 따른 각각의 컬렉션 분석 지표(신뢰도 지표, 희소성 지표, 다양성 지표, 평균가 지표, 인지도 지표, 최저가 지표, 관심도 지표, 등급 지표)평가하여 점수를 부여함으로써, 컬렉션 분석 정보를 생성할 수 있다. 예를 들어, 신뢰도 지표는 디지털 자산의 가치를 평가하기 위한 시점이 컬렉션 최초 생성일보다 오래될수록 해당 컬렉션의 신뢰도가 높은 것으로 판단하여 높은 점수를 부여할 수 있다. 또한, 희소성 지표는 컬렉션 내 디지털 아트의 수가 적을수록 해당 컬렉션의 가치 희소성이 높은 것으로 판단하여 높은 점수를 부여할 수 있다. 또한, 다양성 지표는 컬렉션의 디지털 아트 소유자의 수가 많을수록 해당 컬렉션에 대한 실수요자의 다양성이 높은 것으로 판단하여 높은 점수를 부여할 수 있다. 또한, 인지도 지표는 컬렉션 SNS 팔로워 수가 많을수록 해당 컬렉션의 인지도가 높은 것으로 판단하여 높은 점수를 부여할 수 있다. 또한, 관심도 지표는 컬렉션의 검색량이 높을수록 해당 컬렉션의 관심도가 높은 것으로 판단하여 높은 점수를 부여할 수 있다.
단계 230에서, 컴퓨팅 장치(12)는 획득한 디지털 자산 정보를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 이미지 분석 정보를 생성할 수 있다. 구체적으로, 컴퓨팅 장치(12)는 디지털 자산 정보에서 이미지를 추출하고, 추출한 이미지로부터 머신러닝 기반 기술을 사용하여 이미지 분석 정보를 생성할 수 있다.
즉, 컴퓨팅 장치(12)는 디지털 자산 정보에 대한 이미지 및 디지털 자산 정보에 포함된 컬렉션의 모든 이미지를 추출하고, 추출한 이미지로부터 컬렉션의 모든 이미지들과의 유사도를 추정하도록 학습되는 이미지 분석 모델을 포함할 수 있다. 이미지 분석 모델은 이미지가 입력되는 경우, 입력된 이미지에서 컬렉션의 모든 이미지들과의 유사도를 추정하도록 학습될 수 있다.
예를 들어, 이미지 분석 모델은 머신러닝 또는 딥러닝 기술로 CNN(Convolutional Neural Network) 모델을 이용하여 이미지의 RGB를 추출할 수 있다. 또한, 이미지 분석 모델은 추출된 이미지의 RGB 값을 기반으로 기 제작된 컬렉션 이미지 정보(예를 들어, 미리 산출된 컬렉션에 포함된 모든 이미지의 RGB 값)와의 유사성을 비교하여 유사도(유사성 점수)를 산출할 수 있다. 여기서, 유사성을 비교하기 위하여 Cosine similarity, 히스토그램, SSIM(Structural Smilarity Index Map), LSH(Locality Sensitive Hash), Feature matching 기법 중 적어도 하나를 이용할 수 있으나, 이에 한정되는 것은 아니다.
또한, 컴퓨팅 장치(12)는 이미지 분석 모델에서 출력된 모든 유사도를 기반으로 이미지 분석 지표를 산출하여 이미지 분석 정보를 생성할 수 있다. 여기서, 이미지 분석 지표는 디지털 자산 정보에서 추출한 이미지와 디지털 자산 정보에 포함된 컬렉션의 모든 이미지들과의 유사성을 비교하여 산출된 모든 유사도에 대한 평균 값을 나타내는 지표일 수 있다.
단계 240에서, 컴퓨팅 장치(12)는 컬렉션 분석 정보 및 이미지 분석 정보를 기반으로 디지털 자산에 대한 가치 정보를 산출할 수 있다. 구체적으로, 컴퓨팅 장치(12)는 컬렉션 분석 정보 및 이미지 분석 정보를 입력받아 입력된 컬렉션 분석 정보 및 이미지 분석 정보에서 컬렉션 분석 지표 및 이미지 분석 지표를 추출하고, 추출한 컬렉션 분석 지표 및 이미지 분석 지표로부터 머신러닝 기반 기술을 사용하여 디지털 자산에 대한 가치 정보를 산출할 수 있다. 여기서, 컬렉션 분석 지표는 신뢰도 지표, 희소성 지표, 다양성 지표, 평균가 지표, 인지도 지표, 최저가 지표, 관심도 지표, 등급 지표를 포함할 수 있으며, 이미지 분석 지표는 평균 유사도 지표를 포함할 수 있다.
즉, 컴퓨팅 장치(12)는 컬렉션 분석 정보 및 이미지 분석 정보에서 컬렉션 분석 지표 및 이미지 분석 지표를 추출하고, 추출한 컬렉션 분석 지표 및 이미지 분석 지표로부터 디지털 자산에 대한 가치 정보를 산출하도록 학습되는 가치 정보 추정 모델을 포함할 수 있다. 가치 정보 추정 모델은 컬렉션 분석 지표 및 이미지 분석 지표가 입력되는 경우, 입력된 컬렉션 분석 지표 및 이미지 분석 지표에 따라 기 설정된 가중치를 부여하여 디지털 자산에 대한 가치 정보를 산출하도록 학습될 수 있다. 예를 들어, 가치 정보 추정 모델은 머신러닝 또는 딥러닝 기술로 회귀 분석(regression analysis)을 이용하여 컬렉션 분석 지표 및 이미지 분석 지표와 가치 정보와의 연관성을 판단하여 가중치를 설정할 수 있다.
따라서, 본 발명의 실시예들에 따르면, 디지털 아트의 컬렉션 정보와 디지털 아트의 이미지 정보를 반영하여 가치를 추정함으로써, 디지털 아트의 가치 평가가 보다 정확하게 이루어질 수 있다.
또한, 본 발명을 통하여 디지털 아트의 가치 평가의 근거가 되는 시스템을 구축함으로써, 디지털 아트에 대한 시장 거래가 투명하고 원할하게 활성화되도록 지원할 수 있다.
도 3은 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가를 수행하기 위한 장치를 나타낸 도면이며, 도 4는 본 발명의 일 실시예에 따른 디지털 자산의 가치 평가 과정을 개략적으로 나타낸 도면이다.
도 3 및 도 4를 참조하면, 디지털 자산의 가치 평가를 수행하기 위한 장치는 획득 모듈(310), 컬렉션 분석 모듈(320), 이미지 분석 모듈(330) 및 가치 평가 모듈(340)을 포함할 수 있다.
획득 모듈(310)은 가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 획득할 수 있다. 구체적으로, 획득 모듈(310)은 사용자가 가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 입력받을 수 있다.
컬렉션 분석 모듈(320)은 획득한 디지털 자산 정보를 기반으로 컬렉션 분석 정보를 생성할 수 있다. 구체적으로, 컬렉션 분석 모듈(320)은 디지털 자산 정보를 기반으로 컬렉션 분석 요소를 추출하고, 컬렉션 분석 요소에 따른 지표를 산출하여 컬렉션 분석 정보를 생성할 수 있다. 여기서, 컬렉션은 사용자가 디지털 아트를 올리기 위한 공간으로, 예를 들어, NFT 작품을 카테고리에 따라 디지털 공간에 올리기 위한 폴더를 의미할 수 있다. 또한, 디지털 아트를 컬렉션 분석 요소는 컬렉션 최초 생성일, 컬렉션 내 디지털 아트의 수, 컬렉션의 디지털 아트 소유자의 수, 컬렉션 평균 판매액, 컬렉션 SNS 팔로워 수, 컬렉션 최저가, 컬렉션 검색량, 컬렉션 랭킹을 포함할 수 있다.
이미지 분석 모듈(330)은 획득한 디지털 자산 정보를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 이미지 분석 정보를 생성할 수 있다. 구체적으로, 이미지 분석 모듈(330)은 디지털 자산 정보에서 이미지를 추출하고, 추출한 이미지로부터 머신러닝 기반 기술을 사용하여 이미지 분석 정보를 생성할 수 있다.
즉, 이미지 분석 모듈(330)은 추출한 이미지로부터 컬렉션의 모든 이미지들과의 유사도를 추정하도록 학습되는 이미지 분석 모델을 포함할 수 있다. 이미지 분석 모델은 이미지가 입력되는 경우, 입력된 이미지에서 컬렉션의 모든 이미지들과의 유사도를 추정하도록 학습될 수 있다.
또한, 이미지 분석 모듈(330)은 이미지 분석 모델에서 출력된 모든 유사도를 기반으로 이미지 분석 지표를 산출하여 이미지 분석 정보를 생성할 수 있다. 여기서, 이미지 분석 지표는 디지털 자산 정보에서 추출한 이미지와 디지털 자산 정보에 포함된 컬렉션의 모든 이미지들과의 유사성을 비교하여 산출된 모든 유사도에 대한 평균 값을 나타내는 지표일 수 있다.
가치 평가 모듈(340)은 컬렉션 분석 정보 및 이미지 분석 정보를 기반으로 디지털 자산에 대한 가치 정보를 산출할 수 있다. 구체적으로, 가치 평가 모듈(340)은 컬렉션 분석 정보 및 이미지 분석 정보를 입력받아 입력된 컬렉션 분석 정보 및 이미지 분석 정보에서 컬렉션 분석 지표 및 이미지 분석 지표를 추출하고, 추출한 컬렉션 분석 지표 및 이미지 분석 지표로부터 머신러닝 기반 기술을 사용하여 디지털 자산에 대한 가치 정보를 산출할 수 있다. 여기서, 컬렉션 분석 지표는 신뢰도 지표, 희소성 지표, 다양성 지표, 평균가 지표, 인지도 지표, 최저가 지표, 관심도 지표, 등급 지표를 포함할 수 있으며, 이미지 분석 지표는 평균 유사도 지표를 포함할 수 있다.
즉, 가치 평가 모듈(340)은 컬렉션 분석 정보 및 이미지 분석 정보에서 컬렉션 분석 지표 및 이미지 분석 지표를 추출하고, 추출한 컬렉션 분석 지표 및 이미지 분석 지표로부터 디지털 자산에 대한 가치 정보를 산출하도록 학습되는 가치 정보 추정 모델을 포함할 수 있다. 가치 정보 추정 모델은 컬렉션 분석 지표 및 이미지 분석 지표가 입력되는 경우, 입력된 컬렉션 분석 지표 및 이미지 분석 지표에 따라 기 설정된 가중치를 부여하여 디지털 자산에 대한 가치 정보를 산출하도록 학습될 수 있다. 이 때, 가치 정보 추정 모델은 회귀 분석(regression analysis)을 이용하여 컬렉션 분석 지표 및 이미지 분석 지표와 가치 정보와의 연관성을 판단하여 가중치를 설정하도록 학습할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
10: 컴퓨팅 환경
12: 컴퓨팅 장치
14: 프로세서
16: 컴퓨터 판독 가능 저장 매체
18: 통신 버스
20: 프로그램
22: 입출력 인터페이스
24: 입출력 장치
26: 네트워크 통신 인터페이스
300 : 디지털 자산의 가치 평가를 수행하기 위한 장치
310 : 획득 모듈
320 : 컬렉션 분석 모듈
330 : 이미지 분석 모듈
340 : 가치 평가 모듈
12: 컴퓨팅 장치
14: 프로세서
16: 컴퓨터 판독 가능 저장 매체
18: 통신 버스
20: 프로그램
22: 입출력 인터페이스
24: 입출력 장치
26: 네트워크 통신 인터페이스
300 : 디지털 자산의 가치 평가를 수행하기 위한 장치
310 : 획득 모듈
320 : 컬렉션 분석 모듈
330 : 이미지 분석 모듈
340 : 가치 평가 모듈
Claims (17)
- 하나 이상의 프로세서들, 및
상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 디지털 자산의 가치 평가 방법으로서,
가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 획득하는 단계;
상기 획득한 디지털 자산 정보를 기반으로 컬렉션 분석 정보를 생성하는 단계;
상기 획득한 디지털 자산 정보를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 이미지 분석 정보를 생성하는 단계; 및
상기 생성한 컬렉션 분석 정보 및 상기 생성한 이미지 분석 정보를 기반으로 상기 디지털 자산에 대한 가치 정보를 산출하는 단계를 포함하는, 디지털 자산의 가치 평가 방법.
- 청구항 1에 있어서,
상기 컬렉션 분석 정보를 생성하는 단계는,
상기 디지털 자산 정보를 기반으로 컬렉션 분석 요소를 추출하고, 상기 컬렉션 분석 요소에 따른 컬렉션 분석 지표를 산출하여 상기 컬렉션 분석 정보를 생성하는 단계를 더 포함하는, 디지털 자산의 가치 평가 방법.
- 청구항 2에 있어서,
상기 컬렉션 분석 요소는, 컬렉션 최초 생성일, 컬렉션 내 디지털 아트의 수, 컬렉션의 디지털 아트 소유자의 수, 컬렉션 평균 판매액, 컬렉션 SNS 팔로워 수, 컬렉션 최저가, 컬렉션 검색량 및 컬렉션 랭킹 중 적어도 하나를 포함하며,
상기 컬렉션 분석 지표는, 상기 컬렉션 최초 생성일에 따른 신뢰도 지표, 상기 컬렉션 내 디지털 아트의 수에 따른 희소성 지표, 상기 컬렉션의 디지털 아트 소유자의 수에 따른 다양성 지표, 상기 컬렉션 평균 판매액에 따른 평균가 지표, 상기 컬렉션 SNS 팔로워 수에 따른 인지도 지표, 상기 컬렉션 최저가에 따른 최저가 지표, 상기 컬렉션 검색량에 따른 관심도 지표 및 상기 컬렉션 랭킹에 따른 등급 지표 중 적어도 하나를 포함하는, 디지털 자산의 가치 평가 방법.
- 청구항 2에 있어서,
상기 이미지 분석 정보를 생성하는 단계는,
제1 머신러닝 모듈을 이용하여 상기 획득한 디지털 자산 정보에 대한 이미지 및 상기 디지털 자산 정보에 포함된 컬렉션의 복수의 이미지를 추출하고, 상기 추출한 디지털 자산 정보에 대한 이미지로부터 상기 컬렉션의 복수의 이미지와의 유사도를 각각 추정하는 단계; 및
상기 추정한 복수의 유사도를 기반으로 이미지 분석 지표를 산출하여 상기 이미지 분석 정보를 생성하는 단계를 더 포함하는, 디지털 자산의 가치 평가 방법.
- 청구항 4에 있어서,
상기 이미지 분석 지표는,
상기 디지털 자산 정보에 대한 이미지와 상기 디지털 자산 정보에 포함된 컬렉션의 복수의 이미지와의 유사성을 비교하여 추정된 복수의 유사도에 대한 평균치를 나타내는, 디지털 자산의 가치 평가 방법.
- 청구항 4에 있어서,
상기 디지털 자산에 대한 가치 정보를 산출하는 단계는,
제2 머신러닝 모듈을 이용하여 상기 산출된 컬렉션 분석 지표 및 상기 산출된 이미지 분석 지표로부터 상기 디지털 자산에 대한 가치 정보를 산출하는 단계를 더 포함하는, 디지털 자산의 가치 평가 방법.
- 청구항 6에 있어서,
상기 제2 머신러닝 모듈은,
상기 컬렉션 분석 지표 및 상기 이미지 분석 지표가 입력되는 경우, 상기 입력된 컬렉션 분석 지표 및 상기 이미지 분석 지표에 따라 기 설정된 가중치를 부여하여 상기 디지털 자산에 대한 가치 정보를 산출하도록 학습되는, 디지털 자산의 가치 평가 방법.
- 청구항 7에 있어서,
상기 기 설정된 가중치는, 회귀 분석(regression analysis)을 이용하여 기 저장된 컬렉션 분석 지표 및 이미지 분석 지표와 이에 해당되는 가치 정보와의 연관성을 판단하여 설정되는, 디지털 자산의 가치 평가 방법.
- 하나 이상의 프로세서들;
메모리; 및
하나 이상의 프로그램들을 포함하고,
상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,
상기 하나 이상의 프로그램들은,
가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 획득하기 위한 명령;
상기 획득한 디지털 자산 정보를 기반으로 컬렉션 분석 정보를 생성하기 위한 명령;
상기 획득한 디지털 자산 정보를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 이미지 분석 정보를 생성하기 위한 명령; 및
상기 생성한 컬렉션 분석 정보 및 상기 생성한 이미지 분석 정보를 기반으로 상기 디지털 자산에 대한 가치 정보를 산출하기 위한 명령을 포함하는, 컴퓨팅 장치.
- 청구항 9에 있어서,
상기 컬렉션 분석 정보를 생성하기 위한 명령은,
상기 디지털 자산 정보를 기반으로 컬렉션 분석 요소를 추출하고, 상기 컬렉션 분석 요소에 따른 컬렉션 분석 지표를 산출하여 상기 컬렉션 분석 정보를 생성하기 위한 명령을 더 포함하는, 컴퓨팅 장치.
- 청구항 10에 있어서,
상기 컬렉션 분석 요소는, 컬렉션 최초 생성일, 컬렉션 내 디지털 아트의 수, 컬렉션의 디지털 아트 소유자의 수, 컬렉션 평균 판매액, 컬렉션 SNS 팔로워 수, 컬렉션 최저가, 컬렉션 검색량 및 컬렉션 랭킹 중 적어도 하나를 포함하며,
상기 컬렉션 분석 지표는, 상기 컬렉션 최초 생성일에 따른 신뢰도 지표, 상기 컬렉션 내 디지털 아트의 수에 따른 희소성 지표, 상기 컬렉션의 디지털 아트 소유자의 수에 따른 다양성 지표, 상기 컬렉션 평균 판매액에 따른 평균가 지표, 상기 컬렉션 SNS 팔로워 수에 따른 인지도 지표, 상기 컬렉션 최저가에 따른 최저가 지표, 상기 컬렉션 검색량에 따른 관심도 지표 및 상기 컬렉션 랭킹에 따른 등급 지표 중 적어도 하나를 포함하는, 컴퓨팅 장치.
- 청구항 10에 있어서,
상기 이미지 분석 정보를 생성하기 위한 명령은,
제1 머신러닝 모듈을 이용하여 상기 획득한 디지털 자산 정보에 대한 이미지 및 상기 디지털 자산 정보에 포함된 컬렉션의 복수의 이미지를 추출하고, 상기 추출한 디지털 자산 정보에 대한 이미지로부터 상기 컬렉션의 복수의 이미지와의 유사도를 각각 추정하기 위한 명령; 및
상기 추정한 복수의 유사도를 기반으로 이미지 분석 지표를 산출하여 상기 이미지 분석 정보를 생성하기 위한 명령을 더 포함하는, 컴퓨팅 장치.
- 청구항 12에 있어서,
상기 이미지 분석 지표는,
상기 디지털 자산 정보에 대한 이미지와 상기 디지털 자산 정보에 포함된 컬렉션의 복수의 이미지와의 유사성을 비교하여 추정된 복수의 유사도에 대한 평균치를 나타내는, 컴퓨팅 장치.
- 청구항 12에 있어서,
상기 디지털 자산에 대한 가치 정보를 산출하기 위한 명령은,
제2 머신러닝 모듈을 이용하여 상기 산출된 컬렉션 분석 지표 및 상기 산출된 이미지 분석 지표로부터 상기 디지털 자산에 대한 가치 정보를 산출하기 위한 명령을 더 포함하는, 컴퓨팅 장치.
- 청구항 14에 있어서,
상기 제2 머신러닝 모듈은,
상기 컬렉션 분석 지표 및 상기 이미지 분석 지표가 입력되는 경우, 상기 입력된 컬렉션 분석 지표 및 상기 이미지 분석 지표에 따라 기 설정된 가중치를 부여하여 상기 디지털 자산에 대한 가치 정보를 산출하도록 학습되는, 컴퓨팅 장치.
- 청구항 15에 있어서,
상기 기 설정된 가중치는, 회귀 분석(regression analysis)을 이용하여 기 저장된 컬렉션 분석 지표 및 이미지 분석 지표와 이에 해당되는 가치 정보와의 연관성을 판단하여 설정되는, 컴퓨팅 장치.
- 비일시적 컴퓨터 판독 가능한 저장매체(non-transitory computer readable storage medium)에 저장된 컴퓨터 프로그램으로서,
상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금,
가치를 평가하고자 하는 디지털 자산에 대한 디지털 자산 정보를 획득하고,
상기 획득한 디지털 자산 정보를 기반으로 컬렉션 분석 정보를 생성하고,
상기 획득한 디지털 자산 정보를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 이미지 분석 정보를 생성하고, 그리고
상기 생성한 컬렉션 분석 정보 및 상기 생성한 이미지 분석 정보를 기반으로 상기 디지털 자산에 대한 가치 정보를 산출하도록 하는, 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220045615A KR20230146786A (ko) | 2022-04-13 | 2022-04-13 | 디지털 자산의 가치 평가 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220045615A KR20230146786A (ko) | 2022-04-13 | 2022-04-13 | 디지털 자산의 가치 평가 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230146786A true KR20230146786A (ko) | 2023-10-20 |
Family
ID=88514706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220045615A KR20230146786A (ko) | 2022-04-13 | 2022-04-13 | 디지털 자산의 가치 평가 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230146786A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101745765B1 (ko) | 2011-06-30 | 2017-06-12 | 퀄컴 인코포레이티드 | 디지털 자산들의 값을 결정하고 사용하기 위한 방법 및 장치 |
-
2022
- 2022-04-13 KR KR1020220045615A patent/KR20230146786A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101745765B1 (ko) | 2011-06-30 | 2017-06-12 | 퀄컴 인코포레이티드 | 디지털 자산들의 값을 결정하고 사용하기 위한 방법 및 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6144839B2 (ja) | 画像を検索するための方法およびシステム | |
| CN112100387B (zh) | 用于文本分类的神经网络系统的训练方法及装置 | |
| AU2020345605B2 (en) | Metamodeling for confidence prediction in machine learning based document extraction | |
| JP5670787B2 (ja) | 情報処理装置、帳票種別推定方法および帳票種別推定用プログラム | |
| CN109872026A (zh) | 评测结果生成方法、装置、设备及计算机可读存储介质 | |
| CN110070430A (zh) | 评估还款风险的方法及装置、存储介质、电子设备 | |
| JPWO2019008766A1 (ja) | 証憑処理システムおよび証憑処理プログラム | |
| US20220215292A1 (en) | Method to identify incorrect account numbers | |
| JPWO2020050413A1 (ja) | 認証用顔画像候補判定装置、認証用顔画像候補判定方法、プログラム、および記録媒体 | |
| CN110110257B (zh) | 数据处理方法及其系统、计算机系统及计算机可读介质 | |
| WO2022007798A1 (zh) | 数据显示方法、装置、终端设备及存储介质 | |
| JP2016212879A (ja) | 情報処理方法及び情報処理装置 | |
| CN116933130A (zh) | 一种基于大数据的企业行业分类方法、系统、设备及介质 | |
| CN117251761A (zh) | 数据对象分类方法、装置、存储介质及电子装置 | |
| KR20230146786A (ko) | 디지털 자산의 가치 평가 방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
| CN113343700B (zh) | 数据处理方法、装置、设备及存储介质 | |
| KR102453673B1 (ko) | 기계학습모델 공유 또는 판매를 위한 시스템 및 시스템의 동작 방법 | |
| US20140324523A1 (en) | Missing String Compensation In Capped Customer Linkage Model | |
| CN114066564A (zh) | 服务推荐时间确定方法、装置、计算机设备、存储介质 | |
| CN113052512A (zh) | 风险预测方法、装置和电子设备 | |
| US20220261666A1 (en) | Leveraging big data, statistical computation and artificial intelligence to determine a likelihood of object renunciation prior to a resource event | |
| US11989243B2 (en) | Ranking similar users based on values and personal journeys | |
| CN114708044B (zh) | 虚拟物品信息处理及模型训练方法、装置及电子设备 | |
| KR20230157737A (ko) | 컨텍스트 생성 장치 및 이를 포함하는 상품 인식 정보 제공 시스템 | |
| KR20240031978A (ko) | 요구 사항을 제공하는 방법 및 서버 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |