一、网站内容智能生成技术的研究及实现（论文文献综述）
张宁[1]（2021）在《人工智能生成内容着作权问题研究》文中研究指明2016年,人工智能阿尔法狗（Alpha Go）战胜世界围棋冠军将人工智能变成了大众热烈讨论的话题。近几年来伴随着人工智能的发展,“微软小冰”发表诗集和歌曲,新华社写作机器人“快笔小新”写作新闻稿等消息一经放出更是将社会对人工智能的讨论推向了一波新的高潮,这些讨论的焦点主要集中在人工智能像人一样创作,其成果是否可以作为作品受到着作权法的保护,若其构成作品,人工智能作为非自然人,是否可以成为着作权法上的作者并享有着作权的相关权益;若其不构成作品,在当前的着作权法体系下,人工智能生成的内容该如何进行定性,相关权益又该如何归属。从前述内容可知,人工智能这一门高新技术产业给社会经济领域和技术领域带来了巨大的商业和科研价值的同时也给知识产权领域带来了挑战,尤其是在着作权领域。着作权法意义上的作品是围绕人类构建的,但人工智能生成内容的创作主体并非人类,如果将其纳入着作权法保护体系,势必会给传统的着作权主体造成冲击。在此种情况下,人工智能及其生成内容的界定,人工智能生成内容的可版权性、权利归属,是否要受到知识产权的保护等便成为了当前学术界亟待解决的问题。对上述的问题主要从以下几部分进行探讨:第一,人工智能生成内容的概述。该部分主要探讨了人工智能和人工智能生成内容的概念界定,人工智能生成内容的特点及类型。第二,人工智能生成内容知识产权保护的必要性。该部分主要探讨了对人工智能生成内容进行保护存在的不同观点,以及从激励论、商业主体的趋利本质和国际优势地位的竞争三个方面对其进行保护的必要性。第三,人工智能生成内容的可版权性。首先讲述了可版权性的争议,其次从客观的外在表达、智力成果、独创性三个层面探讨了人工智能生成内容具有可版权性。第四,人工智能生成内容的权利归属。从人工智能、编程者、投资者、使用者四个角度出发探讨每个主体是否可以成为权利的归属者,分析后得出使用者更适合成权利的归属者这一观点。
葛城[2]（2021）在《人工智能生成内容的着作权保护研究》文中研究说明随着我国综合国力的不断提升,互联网技术领域亦是迅猛发展,与此同时带来的还有人工智能技术长足的进步,有关人工智能政策与法律的研究逐渐成为人们关注的焦点,最典型的就是关于人工智能生成内容的作品认定及权利归属问题,已然成为当下研究热点。人工智能生成内容作为人工智能技术下的产物,某种意义上是与人类创作物无外观差别的作品,不过其中的首要问题是关于人工智能的生成内容性质的探究,作为自带特殊身份的作品,它们是否属于着作权保护的作品?进行着作权保护的必要性又是什么?以及他们的权利归属于谁?这些问题引起了理论界、实务界的关注,有关人工智能生成内容法律问题的讨论如火如荼。如何行之有效的对相关人工智能生成内容的着作权进行保护成为立法者不得不考虑的问题,有关人工智能生成内容的立法亦迫在眉睫。针对上述问题,本文第一部分首先从人工智能的概念以及主要类型出发,继而引出人工智能生成内容的概念与特征。第二部分从着作权保护人工智能生成内容的必要性出发,并从法理基础与现实需求两个角度进行分析,在法理基础中,通过人工智能生成内容属于智力成果以及基于司法实践可操作性、利益平衡理论的考量三方面进行阐述;在现实需求中,则是通过政策导向的必然与市场选择的结果入手进行说明。第三部分从我国人工智能生成内容着作权保护面临的困境入手,结合中国实际立法现状对当前生成内容的可版权问题的困境进行探讨,分析中国当前关于生成内容的司法判例及借鉴知识产权领域诸多学者的观点,归纳出当前我国理论界对于生成内容可版权问题的争议焦点。同时,整理出相关学者对生成内容权利归属问题的观点与论证理由。第四部分从域外人工智能生成内容的着作权立法实践的角度出发,并从以英美为代表的英美法系和以日韩为代表的大陆法系作为探讨,进一步了解其关于人工智能及其生成内容的立法安排。第五部分在探究域外立法安排的基础上,结合我国国情,思考探索出关于我国人工智能生成内容着作权保护的对策,针对人工智能生成内容的可版权问题认为应当以人的智力成果和独创性要素作为人工智能生成内容作品的判定标准,并对智力成果要素和独创性要素下的独立性与创造性进行详细阐述。关于人工智能生成内容的权利归属问题,本文通过划分是否具有约定的情况,先说明在利益主体间存有约定时,应当坚持约定优先的原则。而在利益主体间无约定或约定不明时,本文从现实角度出发对多方之间的具体权益关系进行分析,最终做出在无约定或约定不明时将投资者认定为人工智能生成内容权利主体的现实安排。
包蓉[3]（2021）在《腾讯诉盈讯着作权侵权案评析》文中研究说明人工智能是信息时代逃不开的话题,人工智能合成图片、“换脸”、人工智能驾车、人工智能写稿等,让人们对于工具的认识有了新突破。现阶段,人工智能发展尚不成熟,也被称为“弱人工智能阶段”,但人工智能频繁参与到社会活动中,更有人工智能生成物参与到市场经济,或带来收益,或引起纠纷。而人工智能生成物在法律上未有一个明确的属性,这对于产生纠纷后的解决带来阻碍。本文通过腾讯诉盈讯人工智能生成物着作权侵权一案,总结出“人工智能生成物是否为着作权法保护的客体”和“原告是否为涉案文章的着作权主体”两个争议焦点。分析了着作权法保护的客体之构成要件,即具有独创性、是文学、艺术、科学领域的智力成果、能以有形形式复制,将涉案文章的特性与之比对,得出结论:涉案文章是着作权法保护的客体。结合相关理论以及人工智能生成物的特性,得出结论:人工智能生成物具有独创性,所以应受到着作权法的保护。通过分析着作权的法定主体,得出结论:“Dreamwriter”不能作为涉案文章的作者,原告腾讯公司应当被认为是涉案文章的权利人。从而总结出:人工智能生成物的着作权归属的一般方法是:将其归属于为研发软件提供资金支持的主体,可以促进人工智能的发展与革新。本文通过对以上两个争议焦点的分析,对完善我国人工智能生成物的着作权保护提出了将人工智能生成物和自然人作品进行区分管理、明确人工智能的着作权主体的具体方法建议。第一个建议包括统一“独创性”的认定标准、推行人工智能生成内容审查制度。第二个建议包括对人工智能生成物强制署名、认定人工智能生成内容着作权主体时要满足三个标准的具体实操方法。
黄璜[4]（2021）在《基于歌曲文本信息的音乐介绍智能生成系统的设计与实现》文中提出随着互联网的普及和电子音乐技术的发展,网络音乐机制不断完善,网络音乐平台的发展步入了成熟阶段。其中,歌曲介绍、用户评论等文本数据可以有效提高网络音乐平台的开放性、交互性和共享性,能使平台用户更加方便快捷地获取到目标歌曲的相关信息,音乐也能随之在更大的范围内得到交流和分享。因此,通过使用自然语言生成的技术手段实现优质音乐介绍文本的自动生成,对音乐的内容和特点进行说明推荐,非常具有发展前景和现实意义。本文针对音乐介绍生成的任务特点,对目标文本的语言组成和特征进行分析,提出了一种基于端到端深度学习模型的音乐介绍生成方法。首先利用编解码模型结合预训练Bert模型生成歌曲的歌词摘要,通过歌曲类别、文本对比和关键词匹配的方式在搜集到的自然评论文本上进行筛选,再使用复述模型进行文本的改写生成,并结合VAE结构优化生成结果的多样性和创造性。两部分模型生成的结果组合,得到最终由歌曲总结和歌曲分析两部分组成的音乐介绍文本。除了对模型算法的研究改进,本文使用数据采集和人工筛选的手段,进行了新数据集的制作,最终得到了 72个音乐类别下歌曲信息和对应评论文本的自制数据集。该数据集的领域能很好地贴合本文的研究课题,并在一定程度上反映了当前网络音乐文本的真实情况,能更好地验证生成算法的有效性。经过在公开数据集和自制音乐文本数据集上的大量对比实验,本文提出算法的结果和现有模型相比,在生成文本的流畅性、准确性和多样性的表现上有所提高。自制音乐文本数据集上的实验结果证实了生成算法的可行性,能够有效进行目标歌曲的介绍文本生成。在此算法的基础上,本文设计实现基于Web开发的音乐介绍智能生成系统,通过网页前端、系统后台和模型之间的服务请求和数据通信,能够完成音乐介绍文本生成功能的在线操作流程。最后通过系统的部署并进行功能和性能测试验证音乐介绍智能生成系统的有效性。
蒋淑芬[5]（2021）在《人工智能生成物的着作权归属问题研究》文中进行了进一步梳理自2016年开始,人工智能技术开始爆发,人工智能的智能化程度突飞猛进,深刻得改变着人们的生活。人工智能产业对未来有巨大的引领带动作用,人工智能技术已经不再只存在于高端的科技行业,它悄然渗透至人们生产生活各方面,与人类密不可分。在知识产权领域内,文学、艺术和科学方向上应用人工智的能频率不断提高,人工智能在被注入新的活力后,其创作成本低效率高的优势愈发突出。科技的发展本意是为人们生活提供便利,但也带来一些副作用,人工智能生成物的大量出现也使得人们不得不把目光聚焦于此,人工智能生成物是否符合着作权所保护的作品要求,其权利内容、归属如何设置,其责任的承担,生成物应当如何管理等等问题。我国着作权法对于人工智能应用产生的问题未有明确的规定,学术界也多有争议。着作权法应当及时作出回应,以应对发展迅速的人工智能技术,思考人工智能生成物的相关定性为后续问题提供解决基础。通过文献资料研究、案例分析和现行政策文本解读等方法,对人工智能生成物的法律属性和权利归属等安排进行分析,提出自己的看法。在我国发展基础之上,结合部分知识产权方面较为先进国家的经验,依据案例和现有法律基础,认真推导人工智能生成物的本质,梳理人工智能生成物面临的问题,努力摸索出较为合理的着作权归属模式。本文具体正文包括以下几个部分:第一部分介绍人工智能生成物,了解人工智能生成物的基本概念,并介绍了知识产权领域内人工智能生成物着作权纠纷的案例,使人们有一定的具象化概念。第二部分介绍着作权问题的前提:人工智能生成物是否具有可版性,该部分先介绍了学术界对于生成物是否构成作品这一问题的三种态度,并对这些观点进行评析,通过作品的构成要件条件来论证生成物构成作品。第三部分阐述了目前存在的障碍,在法律属性认定方面存在认定作品标准不一和认定着作权主体的困难。由此引发的人工智能生成物着作权权利归属的主体、内容和方式的争议。介绍并评价了现存的三种权利归属观点。第四部分考察了部分在人工智能生成物问题有所回应的国家,从英美法系、大陆法系国家、国际组织的不同规定中总结经验,从立法和司法上了解其具体规定,学习借鉴以对我国进行指导。第五部分从权利内容、取得方式和归属模式三个角度,在遵循着作权鼓励创新,促进发展的原则下,提出对完善人工智能生成物着作权归属建议。
张威强[6]（2020）在《心血管健康管理方案知识库构建及个性化方案智能生成与量化研究》文中进行了进一步梳理当前,中国心血管病的患病率和死亡率仍处于上升阶段,权威报告显示,全国心血管患病人数超过2.9亿,每5例死亡者中就有2例死于心血管病。因此,心血管疾病已经成为我国人民健康的头号“杀手”,防治工作刻不容缓。社会发展与众多医学实践表明:以预防保养、实时监控和个性化为主的智能健康管理,不仅是一种通行的健康解决方案,也是应对心血管疾病这一类慢性疾病的有效策略。互联网的快速发展和广泛普及为知识共享提供了机会,也为个性化健康管理的实现提供了支撑。随着互联网技术取得巨大进步,基于网络的健康管理知识也呈现爆炸式增长。然而,由于这些海量且免费的健康知识来源众多、数量庞大、准确性参差不齐,表达方式也各有不同,使得人们很难找到真正适合个体所需的高质量的健康管理知识。目前国内外有很多基于互联网的公众健康管理系统及应用,但这些系统平台发布的健康管理知识大多是定性化和通用化的,定量化和个体针对性不足,也缺乏清晰的实施操作步骤和流程,导致用户实际上无法有效利用这些知识进行自我健康管理。基于此,本文尝试构建一个基于心血管病领域的知识库模型来规范和表示领域内的健康管理方案知识。然后,基于设计的领域本体知识库模型,本文结合个体健康特征、环境特征和个体其它相关特征,进一步研究个性化健康管理方案的智能生成算法。最后,根据智能生成的定性的运动方案和饮食方案,研究个性化运动和饮食方案的定量化模型。本文还邀请了领域专家对基于患者案例生成的个性化健康管理方案进行了评价,评价结果证明了个性化方案智能生成和方案量化的有效性和科学性。本文的主要创新点如下:第一,本文总结归纳了心血管疾病领域与健康管理相关的关键概念,提出并构建了一整套基于领域本体的健康管理方案知识库模型,弥补了目前国内在这个领域的研究不足,有助于实现对多源异构的健康管理知识的过滤、抽取、逻辑化和结构化。此外,考虑到心血管病的各种致病危险因素,以往仅局限于疾病与用药的领域本体并不能很好地满足大众个性化的健康管理需求。因此,本文构建了健康管理方案本体和健康管理方案实施本体,同时补充了领域内的其他关键本体,如食材、菜谱、运动等基础本体,还包含了大量与个体健康特征相关的本体和属性。本文构建的领域本体库是一套基于心血管病领域,完全以大众个性化健康管理为目标的知识库模型,同时它也是一项基础性研究,未来可以在与健康管理相关的场景中得到广泛应用。第二,本文将模糊Petri网络应用于健康管理领域,采用矩阵运算的并行推理方法进行健康管理方案的智能生成,解决了大规模知识推理的效率问题。提出的方案推荐算法充分考虑了个体健康特征、个体所处的自然环境和社会环境特征,能挖掘用户忽视或遗漏的某些健康特征信息或其他特征信息,同时能识别和处理知识推理过程中出现的矛盾或冲突规则,保证了方案推荐结果的有效性和科学性。对于饮食方案,推荐算法在考虑了个体收入水平、饮食偏好、饮食禁忌等信息的基础上,对饮食集做了进一步筛选与排序。而且,本文还结合中国居民平衡膳食宝塔所推荐的九种饮食类别对饮食做了分类推荐,不仅强调了饮食的个性化,而且兼顾了饮食种类的多样性和平衡性。第三,没有明确运动时间的定性运动方案既不足以支撑实施个性化健康管理,也不能保证运动的有效性和科学性。本文在定性的运动方案基础上,遵循每日能量总消耗与每日膳食能量总摄入的差值最接近每日推荐能量净消耗的原则,构建出了个性化运动方案的非线性规划模型,求解该模型即得到定量化的运动时间。该运动时间也是后续饮食方案定量化的重要输入参数,从而保证了运动量化与饮食量化的紧密联系。第四,没有明确的膳食摄入量的定性饮食方案无疑将降低个性化健康管理方案的可操作性和个体的依从性,也不能确保每日膳食能量摄入的科学性。本文在定性的饮食方案的基础上,基于运动方案量化的结果,遵循饮食能量摄入与按目标BMI计算的每日能量总消耗相平衡原则,以中国居民平衡膳食宝塔的九种饮食类别的推荐摄入量作为模型约束条件,构建出了个性化饮食方案的目标规划模型。运动量化和饮食量化相互依存,模型更科学、合理。本研究基于本体理论、知识管理理论、优化理论,结合运动医学、营养学相关研究成果,提出并构建了一整套个性化健康管理方案领域知识库模型。在此基础上,设计了一套知识推理方法和算法,可以智能生成满足用户个性化需求的健康管理方案。同时,针对运动和饮食这二种最普遍的健康干预方案,实现了定性到定量化模型的转换,大大提升了健康管理方案的可操作性、有效性和准确性。
母椀尹[7]（2020）在《人工智能对我国着作权制度的影响研究》文中研究表明伴随着科学技术的更新迭代,人工智能时代已然来临。无人驾驶汽车、智能机器人等的出现不断改变着社会,改变着人们的生活方式,所有的一切都变得更加自动化和智能化。作为法律人,我们的目光不仅注视到了人工智能带来的社会影响,更是集中于它对着作权法等法律的影响。本文共分七部分内容,集中论述人工智能对我国着作权制度的影响和人工智能时代我国着作权制度因应。在本文中,我国着作权制度是指广义上的着作权相关法律制度,不仅包括一般理论层面上的法律法规及各种理论,更是囊括了实践中的司法制度。第一部分为绪论,用阿尔法围棋的大热,用民法对智能机器人颠覆民事主体地位的担忧以及侵权责任法对智能汽车的侵权责任的研究,引出人工智能对着作权制度的影响,从而进一步引出本课题的研究意义和关键之处。第二部分为人工智能概述。从人工智能概念释义引入,阐述了人工智能的多样化概念和以发展阶段为划分标准的人工智能类别。在人工智能的历史沿革中,分域外与我国来说明人工智能发展演进与现状。第三部分为人工智能推动着作权法律理论进步,这是人工智能对着作权制度的影响之一。从以系统论角度分析人工智能对着作权制度的积极影响入手,详细地阐述了人工智能对着作权客体制度的挑战和丰富、对主体制度的冲击与充实。由此体现人工智能对着作权法律理论进步具有促进作用。第四部分为人工智能促进着作权司法实践改革,这是上述影响之二。本章对着作权审判制度现有问题进行了探究,技术查明难和证据认定难是人工智能带来的两大难题。同时审视互联网法院审判模式的运作。这表明人工智能能够促进我国着作权审判制度的创新改革。第五部分为域外着作权制度的经验及借鉴。本章较为详细地介绍了TRIPS协议以及美国和英国的着作权立法规定,分析它们的先进立法经验以及给我国带来的启示与借鉴。第六部分为人工智能时代我国着作权制度因应。本章主要表明,在人工智能时代背景下,我国着作权制度必须做出且能够做出积极回应。我国着作权制度应当构建作品“独创性”统一标准体系、明确人工智能生成内容的权利权属,来回应人工智能带来的理论层面的影响。同时推进着作权审判制度深度创新改革,加快发展法律人工智能的常态化应用,以此来应对实践中的影响。第七部分是结语,通过对文章中的主要观点和结论进行阐释和论述,表明就目前人工智能所处阶段而言,只要我国着作权制度能够及时地从正面积极应对,顺势而为,创新改革,就必定能够与人工智能达到双赢发展。
张湘灵[8]（2020）在《页面智能生成研究及小程序应用》文中指出随着前端技术的发展和人们对产品体验的重视,前端开发工作已经变得越来越重要。而大部分的前端开发工作都是在进行页面布局的搭建和完善,这个过程非常耗时耗力。因此,快速搭建页面并生成代码的技术,会大大加快这个过程,节省大量成本。本文正是针对前端开发中的不足,对页面代码智能生成的难点,即页面截图、代码文本的处理部分进行分析,提出一种编解码模型,来解决快速生成复杂布局页面的问题。它利用基于注意力机制的多尺度特征提取方法来生成页面截图向量表示,相应的描述文本部分则采用词嵌入和LSTM网络进行编码,再使用解码模型对它们的连接向量进行处理,来预测下一个代码词语。除了对算法的研究和优化外,本文还基于已有开发经验,分析现有页面布局内容,提出新数据集的制作方法。并据此产出了由27个布局和标签内容词语组成的20000个页面截图和对应描述文件的page2code数据集。该数据集的页面布局更为复杂,一定程度上反应了当前互联网中多数网页的真实结构,能更好地验证算法的有效性。经过在公开数据集和自制数据集上充分的实验对比,本文所提出模型的评价结果比现有pix2code研究分别高出0.33和0.41。在一些与训练集不同的样本上,它的生成结果也比pix2code模型更加准确。这些结果验证了此模型在页面智能生成问题上的可行性,表明它能够有效地生成复杂布局的页面代码。在此模型的基础上,本文还设计并实现了一个页面智能生成系统,通过前端、后台、模型、数据库之间的多模块通信,生成了微信小程序页面代码,验证了它具有较高的实用价值。
陈力瑞[9]（2020）在《人工智能生成发明的专利法保护研究》文中研究指明人工智能目前已经被广泛的运用到各类的科技研发活动中,随着深度学习技术引领新一轮人工智能技术的热潮,人工智能在着作权领域的应用日臻成熟,人工智能生成物已经有了被认定为法人作品的司法实践。专利法领域,人工智能则由创造性活动的辅助工具演变的更具自主性。上世纪90年代,泰勒博士声称已经获得了由人工神经网络技术生成发明的专利授权,经过多年的发展,在愈加完善的深度学习技术的加持之下,人工智能独立进行创造性活动的能力获得了提升,人工智能生成发明的实例也越来越多。人工智能生成发明与人类发明的实际效果无异,不经披露甚至无法将两者区分开来,且在实践中已有人工智能作为发明人进行专利申请被驳回的案例。当前正值人工智能发展的关键时期,人工智能领域是各商业团体乃至国家抢占的技术高地,人工智能生成发明对于专利法体系的冲击仍将持续,明确人工智能生成发明在专利制度中的地位具有实际意义。虽然人工智能主体资格问题的争论越发激烈,但专利法的研究重点应在人工智能的“能”的方面,而不是囿于人工智能是否为“人”的方面。由权利的赋予而促进社会公共福利的增减,由责任规则的明确降低社会风险在现阶段显得更为重要。本文将围绕人工智能生成发明专利法保护的正当性、人工智能生成发明可专利性、人工智能生成发明权利归属的安排、人工智能对专利法可能产生的挑战与应对方式等问题展开,分为以下五个部分进行论述:第一部分绪论主要介绍人工智能的发展现状以及有关人工智能生成发明的最新案例,引出本文的研究的问题,并对国内外学者关于人工智能是否具备主体资格的问题、人工智能生成发明的权利归属以及责任分配等问题进行了观点的展示,确定本文所要研究的重点。第二部分首先在厘清人工智能概念的基础之上,对人工智能生成发明的概念进行了诠释,并列举了人工智能生成发明的实例。对人工智能的能力层级进行了分类,确定当前还处于弱人工智能的时代,对于相关问题的研究应以都应以弱人工智能的时代背景为基础,再对强人工智能做一定的展望。其次,关于人工智能生成发明的可选择的保护模式,在公共领域论、商业秘密保护论、以及专利法保护模式中进行了利弊的对比,得出专利法的保护模式更符合人工智能发展以及国家顶层设计的结论。第三部分主要对人工智能生成发明专利保护的正当性论证,确定人工智能生成发明对专利法基础理论冲击的可调适性,并结合药品发明专利的制度变化、计算机程序发明专利保护态度的转变以及人体胚胎干细胞发明伦理调和的历史,论证人工智能生成发明在专利客体扩大趋势下的可行性。最后,从人工智能市场发展、产业需求以及提升技术研发效率的角度,论证人工智能生成发明专利法保护的必要性。第四部分首先通过对比各国专利客体范围以及实质性授权的标准,结合人工智能技术内部机理论证其生成发明的可专利性。其次,在讨论归属问题前,从各国具体制度出发讨论人工智能主体资格的现实障碍。最后,以恪守人工智能客体地位为前置要件,结合产业发展现状对人工智能生成发明的归属模式进行合理的制度设计。第五部分一方面对人工智能对专利法的已有挑战以及潜在风险进行归纳,结合人工智能的特性,厘清人工智能在扩大现有技术范围、创造性的判断标准以及知识产权稀缺性方面的挑战。另一方面则围绕人工智能创造活动的披露义务,专利审查标准的调整以及人工智能生成发明成为现有技术的管理提供可行性建议。
周林[10]（2020）在《人工智能生成物的着作权保护研究》文中提出当前,人工智能已可生成在表现形式上与人类创作作品相差无异的内容,且这些内容已具备一定的经济价值和事实上已成为可持有与可交易的财产权客体。然而,由于现行着作权法从立法功能、体系构建上,均是围绕自然人的创作活动展开,即使将法人或非法人组织视为作者,亦是为保护投资者利益和激励“理性人”。于是,在面对人工智能通过算法和数据自主生成内容时,现行着作权法律制度就受到了挑战:人工智能生成物是否具有可版权性?应采取何种模式予以保护?权利应归属于谁?等等。因此,明确人工智能生成物着作权法保护的相关问题,已有现实必要性和紧迫性。为此,本文在论证人工智能生成物已具有着作权法保护价值的基础上,依据现行着作权法关于作品的认定标准,揭示了人工智能生成物因无法体现“个性”,而不具有独创性,故不构成现行着作权法意义上的作品和无法通过狭义着作权（作品作者权）模式加以保护和规制。但具体规则都是由基本原理派生而来的,在很多时候,新技术的出现只是改变了规则的适用条件,而并没有改变其基本原理。因此,本文通过对广义着作权中的邻接权制度扩张的现状、特征及合理性予以评析的基础上,提出可将人工智能生成物纳入邻接权客体的保护范畴,并进一步论证了人工智能生成物邻接权保护的可行性。以此为基础,本文提出可构建一种新型邻接权,即数据再生成者权,并对该权利的主体、客体、权利内容、义务内容、保护期限、权利限制等制度的构建作出探讨。
二、网站内容智能生成技术的研究及实现（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网站内容智能生成技术的研究及实现（论文提纲范文）
（1）人工智能生成内容着作权问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及研究方法 |
| 1.3 研究内容 |
| 第二章 人工智能生成内容的概述 |
| 2.1 人工智能与人工智能生成内容的界定 |
| 2.1.1 人工智能的界定 |
| 2.1.2 人工智能生成内容的界定 |
| 2.2 人工智能生成内容的特点 |
| 2.2.1 类作品性 |
| 2.2.2 内容类型多样化 |
| 2.2.3 低成本与高产出 |
| 2.3 人工智能生成内容的类型 |
| 2.3.1 工具型人工智能生成内容 |
| 2.3.2 自主型人工智能生成内容 |
| 第三章 人工智能生成内容知识产权保护的必要性 |
| 3.1 人工智能生成内容知识产权保护的争议 |
| 3.1.1 人工智能生成内容无需保护 |
| 3.1.2 人工智能生成内容需要保护 |
| 3.2 人工智能生成内容知识产权保护的必要性 |
| 3.2.1 激励论的支撑 |
| 3.2.2 商业主体的趋利本质 |
| 3.2.3 国际优势地位的竞争 |
| 第四章 人工智能生成内容的可版权性 |
| 4.1 人工智能生成内容体现思想与表达 |
| 4.2 人工智能生成内容属于智力成果 |
| 4.3 人工智能生成内容具有独创性 |
| 第五章 人工智能生成内容的权利归属 |
| 5.1 人工智能 |
| 5.2 人工智能程序编程者 |
| 5.3 人工智能程序投资者 |
| 5.4 人工智能程序使用者 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（2）人工智能生成内容的着作权保护研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 一、人工智能生成内容的界定 |
| (一)人工智能的含义 |
| (二)人工智能的主要类型 |
| (三)人工智能生成内容的含义与特征 |
| 二、人工智能生成内容受保护的必要性 |
| (一)人工智能生成内容受着作权法保护的法理基础 |
| 1.人工智能的生成内容属于智力成果 |
| 2.基于司法实践的可操作性考量 |
| 3.基于利益平衡原则的考量 |
| (二)人工智能生成内容受着作权法保护是现实需求 |
| 1.政策导向的必然 |
| 2.市场选择的结果 |
| 三、我国人工智能生成内容面临的法律困境 |
| (一)人工智能生成内容的可版权性问题 |
| (二)人工智能生成内容的权利归属问题 |
| 四、域外人工智能生成内容的着作权立法实践 |
| (一)英美法系国家 |
| 1.美国立法现状 |
| 2.英国立法现状 |
| (二)大陆法系国家 |
| 1.日本立法状况 |
| 2.韩国立法现状 |
| (三)域外相关立法实践的比较与启示 |
| 五、人工智能生成内容的着作权保护对策 |
| (一)人工智能生成内容可版权性判定标准 |
| 1.作品必须是人的智力成果 |
| 2.作品必须具有独创性 |
| (二)人工智能生成内容的权利归属安排 |
| 1.遵循约定优先的原则 |
| 2.无约定或约定不明确时,着作权归属于人工智能的投资者 |
| 结语 |
| 参考文献 |
| 致谢 |
（3）腾讯诉盈讯着作权侵权案评析（论文提纲范文）
| 内容摘要 |
| abstract |
| 绪论 |
| 一、案件基本情况及问题提出 |
| (一)案情简介 |
| (二)判决结果 |
| (三)争议焦点 |
| 1.涉案文章是否为着作权法保护的客体 |
| 2.原告是否为涉案文章的着作权主体 |
| 二、涉案文章是否为着作权法保护的客体 |
| (一)着作权法保护的客体构成要件 |
| 1.具有独创性 |
| 2.属于文学、艺术、科学领域的智力成果 |
| 3.能以有形形式复制 |
| (二)涉案文章应认定为着作权法保护的客体 |
| 1.涉案文章满足独创性的要求 |
| 2.涉案文章属于智力成果 |
| 3.涉案文章能够以有形形式复制 |
| 三、原告是否为涉案文章的着作权主体 |
| (一)我国法律规定的着作权主体 |
| (二)“Dreamwriter”不是着作权法意义上的主体 |
| 1.“Dreamwriter”是人工智能 |
| 2.人工智能不具有法律主体资格 |
| (三)原告是着作权法意义上的主体 |
| 1.涉案文章相关主体分析 |
| 2.适用法人作品制度的分析 |
| 四、完善人工智能生成物的着作权保护建议 |
| (一)区分管理人工智能生成物和自然人作品 |
| 1.统一“独创性”的认定标准 |
| 2.推行人工智能生成物审查制度 |
| (二)明确人工智能生成物的着作权主体 |
| 1.对人工智能生成物强制署名 |
| 2.明确人工智能生成物着作权主体认定三标准 |
| 结语 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间论文发表情况 |
（4）基于歌曲文本信息的音乐介绍智能生成系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术研究 |
| 2.1 深度学习模型 |
| 2.1.1 RNN类模型 |
| 2.1.2 Seq2Seq模型 |
| 2.1.3 自注意力模型 |
| 2.1.4 VAE模型 |
| 2.2 迁移学习 |
| 2.3 生成结果评价指标 |
| 2.3.1 困惑度 |
| 2.3.2 BLEU |
| 2.3.3 Rouge |
| 第三章 基于深度学习的音乐介绍文本智能生成算法 |
| 3.1 音乐介绍文本生成任务分析 |
| 3.2 模型和算法 |
| 3.2.1 基于预训练的歌词摘要模型 |
| 3.2.2 评论文本的筛选 |
| 3.2.3 结合VAE结构的评论复述模型 |
| 3.2.4 复述文本的处理和组合 |
| 3.2.5 自定义生成配置 |
| 3.3 训练过程 |
| 3.3.1 数据准备 |
| 3.3.2 数据预处理 |
| 3.3.3 实现细节 |
| 3.4 实验与分析 |
| 3.4.1 实验环境 |
| 3.4.2 实验过程 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第四章 音乐介绍文本智能生成系统的设计与实现 |
| 4.1 系统需求分析 |
| 4.1.1 用户功能性需求分析 |
| 4.1.2 管理员功能性需求分析 |
| 4.1.3 非功能性需求分析 |
| 4.2 总体架构设计 |
| 4.3 系统设计与实现 |
| 4.3.1 系统交互模块 |
| 4.3.2 数据处理模块 |
| 4.3.3 请求响应模块 |
| 4.3.4 模型管理模块 |
| 4.3.5 文件存储模块 |
| 4.3.6 异常处理模块 |
| 4.4 系统测试 |
| 4.4.1 系统部署环境 |
| 4.4.2 系统功能测试 |
| 4.4.3 系统性能测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（5）人工智能生成物的着作权归属问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| (一)选题背景 |
| (二)选题意义 |
| (三)国内外相关研究动态及文献综述 |
| 1.国内研究动态及文献综述 |
| 2.国外研究现状及文献综述 |
| 一、人工智能生成物概述 |
| (一)人工智能生成物概念 |
| 1.人工智能生成物含义 |
| 2.人工智能生成物的特点 |
| 3.人工智能生成物的类型 |
| (二)人工智能生成物近年热议案例 |
| 1.微软小冰--首例放弃“版权”的人工智能 |
| 2.北京菲林律师事务所诉百度公司侵权案 |
| 3.腾讯公司诉上海盈讯公司案 |
| 二、着作权归属的前提:可版权性的人工智能作品 |
| (一)人工智能生成物的可版权性争议 |
| 1.肯定说 |
| 2.否定说 |
| 3.折中说 |
| (二)可版权的人工智能生成物作品具备的条件 |
| 1.具有可复制性 |
| 2.属于智力成果 |
| 3.具有独创性 |
| (三)人工智能生成物可版权性的排除情形 |
| 1.不具有作品外观的情形 |
| 2.不符合作品构成要件的情形 |
| 3.着作权法明确排除的情形 |
| 三、我国人工智能生成物着作权存在的障碍 |
| (一)人工智能生成物可版权性认定存在的障碍 |
| 1.作品独创性判断标准认定不一 |
| 2.着作权主体认定的困难 |
| (二)人工智能生成物的着作权归属障碍 |
| 1.着作权归属不明确 |
| 2.关于人工智能生成物着作权归属的争议 |
| 四、人工智能生成物着作权问题域外经验考察 |
| (一)英美法系国家发展现状 |
| 1.英国立法现状 |
| 2.美国立法现状 |
| 3.澳大利亚立法现状 |
| (二)大陆法系国家发展现状 |
| (三)国际组织 |
| 1.欧盟立法现状 |
| 2.世界知识产权组织立法现状 |
| (四)域外经验总结 |
| 1.人工智能生成物是否能成为作品 |
| 2.人工智能是否具有人格属性 |
| 3.人工智能生成物着作权归属方面 |
| 五、完善人工智能生成物着作权归属的建议 |
| (一)明确可版权性人工智能作品着作权归属模式 |
| 1.着作权归属的具体原则 |
| 2.着作权归属的具体模式 |
| (二)明确人工智能生成物着作权的内容 |
| (三)明确着作权原始取得方式 |
| 结语 |
| 参考文献 |
| 致谢 |
（6）心血管健康管理方案知识库构建及个性化方案智能生成与量化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 研究内容与创新点 |
| 1.4 研究方法与技术路线图 |
| 1.5 论文的组织结构 |
| 第二章 文献综述 |
| 2.1 健康管理知识库 |
| 2.2 知识推理 |
| 2.3 个性化健康管理方案定量化 |
| 2.4 本章小结 |
| 第三章 个性化健康管理方案领域本体库构建 |
| 3.1 本体建模方法 |
| 3.1.1 本体内涵 |
| 3.1.2 建模方法 |
| 3.2 领域本体知识库模型构建 |
| 3.2.1 明确本体应用目标 |
| 3.2.2 确定核心知识源 |
| 3.2.3 归纳顶层概念 |
| 3.2.4 本体详细设计 |
| 3.2.5 本体建立与检验 |
| 3.2.6 知识库模型评估 |
| 3.3 健康管理方案的本体实例 |
| 3.4 健康管理方案实例相似度 |
| 3.4.1 属性分类 |
| 3.4.2 相似度计算 |
| 3.4.3 相似度计算实例 |
| 3.5 本章小结 |
| 第四章 心血管健康管理方案知识库系统 |
| 4.1 设计方法 |
| 4.2 核心需求 |
| 4.3 系统设计 |
| 4.3.1 系统架构设计 |
| 4.3.2 基本功能设计 |
| 4.3.3 业务流程设计 |
| 4.3.4 数据库设计 |
| 4.4 知识库系统实现 |
| 4.5 领域本体知识库模型验证与更新 |
| 4.6 本章小结 |
| 第五章 个性化健康管理方案智能生成 |
| 5.1 健康管理方案Petri网络 |
| 5.2 个性化方案智能生成 |
| 5.2.1 Step1:构建推理网络 |
| 5.2.2 Step2:设置初始状态向量 |
| 5.2.3 Step3:知识推理 |
| 5.2.4 Step4:饮食方案筛选与排序 |
| 5.2.5 Step5:健康管理方案输出 |
| 5.3 应用实例 |
| 5.4 本章小结 |
| 第六章 个性化运动和饮食方案定量化 |
| 6.1 方案量化概述 |
| 6.2 运动方案量化模型 |
| 6.3 饮食方案量化模型 |
| 6.4 方案迭代 |
| 6.5 应用实例 |
| 6.5.1 运动方案定量化实例 |
| 6.5.2 饮食方案定量化实例 |
| 6.6 方案评价 |
| 6.7 菜谱智能推荐 |
| 6.7.1 菜谱推荐概述 |
| 6.7.2 智能推荐模型 |
| 6.7.3 应用实例 |
| 6.8 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 附录 |
| 附录一. 常见活动代谢当量表 |
| 附录二. 中国居民平衡膳食宝塔 |
| 附录三. 健康管理方案知识库系统数据表结构 |
| 附录四. 健康管理方案知识库系统典型界面 |
| 附录五. 心血管疾病患者案例及个性化健康管理方案 |
| 附录六. 个性化健康管理方案评价表 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
（7）人工智能对我国着作权制度的影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 |
| (一)研究背景及意义 |
| (二)研究思路、关键问题及创新之处 |
| 1.研究思路 |
| 2.关键问题 |
| 3.创新之处 |
| 一、人工智能概述 |
| (一)人工智能释义 |
| (二)人工智能的着作权解读 |
| (三)人工智能的历史沿革 |
| 1.域外人工智能的演进与现状 |
| 2.我国人工智能的演进与现状 |
| (四)人工智能助力着作权制度的发展与变革 |
| 二、人工智能推动着作权法律理论进步 |
| (一)人工智能挑战并丰富了着作权客体制度 |
| 1.对“独创性”标准的冲击 |
| 2.与传统“智力成果”的碰撞 |
| (二)人工智能冲击并充实了着作权主体制度 |
| 1.丰富了“作者”内涵 |
| 2.扩充了“作者”外延 |
| 三、人工智能促进着作权司法实践改革 |
| (一)着作权审判制度问题突显 |
| 1.技术查明难:非专业 |
| 2.证据认定难:非规范 |
| (二)互联网法院的审判模式检视 |
| 四、域外着作权制度的经验及借鉴 |
| (一)TRIPS协定 |
| (二)美国版权法 |
| (三)英国版权法 |
| 五、人工智能时代着作权制度因应 |
| (一)构建作品“独创性”统一标准体系 |
| (二)明确人工智能生成内容的权利归属 |
| (三)推进着作权审判制度深度创新改革 |
| 1.法律人工智能的常态化应用 |
| 2.着作权审判制度的创新改革 |
| 结语 |
| 参考文献 |
| 致谢 |
（8）页面智能生成研究及小程序应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术研究 |
| 2.1 图像模型 |
| 2.1.1 VGG图像模型 |
| 2.1.2 注意力机制 |
| 2.2 文本模型 |
| 2.2.1 长短期记忆网络 |
| 2.2.2 门控循环单元 |
| 2.3 迁移学习 |
| 2.4 文本分类评价方法 |
| 2.4.1 召回率、准确率、F1-measure |
| 2.4.2 AUC/ROC曲线 |
| 2.4.3 n-gram BLEU评分 |
| 2.5 系统开发 |
| 2.5.1 微信小程序框架 |
| 2.5.2 Node.js |
| 2.5.3 Flask |
| 第三章 基于深度学习的页面智能生成模型page2code |
| 3.1 页面代码智能生成难点分析 |
| 3.1.1 图像模型 |
| 3.1.2 文本模型 |
| 3.1.3 解码模型 |
| 3.2 Page2code模型结构 |
| 3.2.1 基于注意力机制的多尺度图像特征提取模型 |
| 3.2.2 结合词向量处理的文本模型 |
| 3.2.3 端到端的解码模型 |
| 3.2.4 自定义风格配置生成 |
| 3.3 训练与采样 |
| 3.3.1 数据预处理 |
| 3.3.2 实现细节 |
| 3.4 数据集制作算法 |
| 3.4.1 问题分析 |
| 3.4.2 算法实现 |
| 3.5 实验与分析 |
| 3.5.1 评估方法 |
| 3.5.2 实验环境 |
| 3.5.3 模型生成结果对比 |
| 3.5.4 结果分析 |
| 3.6 本章小结 |
| 第四章 页面智能生成系统的设计与实现 |
| 4.1 功能需求分析 |
| 4.1.1 用户功能分析 |
| 4.1.2 系统功能分析 |
| 4.1.3 模型功能分析 |
| 4.2 总体架构设计 |
| 4.3 Web系统的详细设计与实现 |
| 4.3.1 用户界面设计 |
| 4.3.2 图片处理流程 |
| 4.3.3 请求响应策略 |
| 4.3.4 模型通信模块 |
| 4.3.5 文件信息存储 |
| 4.4 微信小程序系统的详细设计与实现 |
| 4.4.1 工程架构设计 |
| 4.4.2 模型编译模块 |
| 4.5 系统测试 |
| 4.5.1 环境部署 |
| 4.5.2 Web系统功能测试 |
| 4.5.3 微信小程序功能测试 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
（9）人工智能生成发明的专利法保护研究（论文提纲范文）
| 摘要 |
| abstract |
| 绪论 |
| 一、背景及意义 |
| 二、国内外研究现状 |
| 三、写作思路与方法 |
| 四、主要创新点 |
| 第一章 人工智能生成发明之专利法保护概述 |
| 第一节 人工智能技术概述 |
| 一、人工智能的概念澄清 |
| 二、人工智能技术标准的分类 |
| 第二节 人工智能生成发明的实例 |
| 一、词义替换型 |
| 二、辅助发明型 |
| 三、自主发明型 |
| 第三节 人工智能生成发明可选择的保护模式 |
| 一、公共领域论 |
| 二、商业秘密保护论 |
| 三、专利法保护论 |
| 本章小结 |
| 第二章 人工智能生成发明专利法保护之正当性 |
| 第一节 专利法理论基础冲突的可调适性 |
| 一、以劳动学说为视角 |
| 二、以人格学说为视角 |
| 三、以功利学说为视角 |
| 第二节 专利客体扩大趋势下的可行性 |
| 一、药品发明专利的历史回溯 |
| 二、计算机程序发明专利的制度演变 |
| 三、人体胚胎干细胞发明专利的伦理调和 |
| 第三节 促进产业科技创新的必要性 |
| 一、符合产业发展现状及未来需求 |
| 二、有效提升技术领域的研发效率 |
| 本章小结 |
| 第三章 人工智能生成发明可专利性及权利归属的论证 |
| 第一节 比较法视角下的可专利性论证 |
| 一、专利客体范围无实质性差别 |
| 二、专利授权标准趋同 |
| 三、人工智能生成发明可适用专利授权标准 |
| 第二节 比较法视角下权利归属的论证 |
| 一、人工智能主体资格之现实障碍 |
| 二、“Dreamwriter”案司法观点之借鉴 |
| 三、人工智能客体地位为基准的专利归属模式探讨 |
| 本章小结 |
| 第四章 人工智能生成发明专利法保护的挑战与应对 |
| 第一节 人工智能生成发明对专利法的冲击 |
| 一、人工智能扩大现有技术范围 |
| 二、人工智能对创造性判定标准的挑战 |
| 三、人工智能或改变知识产权的稀缺性 |
| 第二节 人工智能生成发明专利法保护的建议 |
| 一、人工智能生成发明成为现有技术的管理 |
| 二、建立人工智能生成发明披露机制 |
| 三、完善人工智能生成发明的专利审查标准 |
| 本章小结 |
| 参考文献 |
| 致谢 |
（10）人工智能生成物的着作权保护研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.2.3 国内外研究现状评述 |
| 1.3 本文研究方法及思路 |
| 1.3.1 本文研究方法 |
| 1.3.2 本文研究思路 |
| 第2章 人工智能生成物及其保护概述 |
| 2.1 人工智能形成生成物的运行机理和功能定位 |
| 2.1.1 人工智能生成物的概念 |
| 2.1.2 人工智能形成生成物的运行机理 |
| 2.1.3 人工智能形成生成物的功能定位 |
| 2.2 人工智能生成物着作权法保护的价值 |
| 2.2.1 契合着作权法的激励理论和自然权论 |
| 2.2.2 契合着作权法促进社会公众福祉最大化的需要 |
| 2.2.3 矫正着作权市场秩序 |
| 2.2.4 推动着作权法律制度革新 |
| 2.2.5 促进人工智能产业发展 |
| 第3章 人工智能生成物的可版权性分析 |
| 3.1 人工智能生成物的作品构成分析 |
| 3.2 国内外独创性认定标准的评析 |
| 3.2.1 版权体系关于独创性的规定 |
| 3.2.2 作者权体系关于独创性的规定 |
| 3.2.3 两大体系关于独创性认定标准的相互借鉴、逐步融合 |
| 3.2.4 独创性的国内法规定 |
| 3.3 人工智能生成物的定性分析 |
| 3.3.1 学术界相关独创性认定标准的评析 |
| 3.3.2 人工智能生成物的不可版权性 |
| 第4章 人工智能生成物邻接权保护的可行性分析 |
| 4.1 对邻接权制度扩张趋势的评析 |
| 4.1.1 邻接权制度扩张的现状 |
| 4.1.2 邻接权制度扩张的特征及合理性 |
| 4.2 人工智能生成物邻接权保护的可行性探究 |
| 4.2.1 契合邻接权制度保护传播者利益的基本功能 |
| 4.2.2 契合邻接权制度保护投资者利益的基本功能 |
| 4.2.3 维持着作权法律制度体系的完整与逻辑自洽 |
| 4.2.4 体现知识产权法的利益平衡原则 |
| 第5章 人工智能生成物邻接权保护的制度构建 |
| 5.1 人工智能生成物邻接权——数据再生成者权的创设 |
| 5.2 数据再生成者权框架下的制度安排 |
| 5.2.1 权利归属 |
| 5.2.2 权利客体 |
| 5.2.3 权利义务内容 |
| 5.2.4 侵权构成 |
| 结语 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
四、网站内容智能生成技术的研究及实现（论文参考文献）
- [1]人工智能生成内容着作权问题研究[D]. 张宁. 北方工业大学, 2021(01)
- [2]人工智能生成内容的着作权保护研究[D]. 葛城. 安徽财经大学, 2021(10)
- [3]腾讯诉盈讯着作权侵权案评析[D]. 包蓉. 渤海大学, 2021(02)
- [4]基于歌曲文本信息的音乐介绍智能生成系统的设计与实现[D]. 黄璜. 北京邮电大学, 2021(01)
- [5]人工智能生成物的着作权归属问题研究[D]. 蒋淑芬. 云南财经大学, 2021(09)
- [6]心血管健康管理方案知识库构建及个性化方案智能生成与量化研究[D]. 张威强. 上海交通大学, 2020(01)
- [7]人工智能对我国着作权制度的影响研究[D]. 母椀尹. 四川师范大学, 2020(08)
- [8]页面智能生成研究及小程序应用[D]. 张湘灵. 北京邮电大学, 2020(05)
- [9]人工智能生成发明的专利法保护研究[D]. 陈力瑞. 中南财经政法大学, 2020(07)
- [10]人工智能生成物的着作权保护研究[D]. 周林. 西南交通大学, 2020(07)