美术作品版权和非遗作品IP衍生品交收数据

通过自有交收系统采集单位时间内的美术作品版权和非遗作品衍生品的交收数据，结合使用传统算法、多项式回归和决策树回归来预测作品受欢迎程度。算法模型将根据输入的商品名称、子商品名称、尺寸等数据计算预测的衍生品销售情况，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑来预测不同风格作品和不同尺寸衍生品在不同地域的受欢迎程度，进而指导艺术家创作和衍生品生产。输入变量包括商品名称、子商品名称、交收件数、尺寸等。商品交收率（ CDR）：商品交收率是指商品交收总量中单一品类商品的选择占比。商品交收率可以反映商品的吸引力和市场热度。 $CDR = \frac{\text{单一商品交收件数}}{\text{商品总交收件数}} \times 100\%$ 子商品交收率（SDR）：子商品交收率是指在交收同一品类商品的用户中，交收单一子商品的数量占比。子商品交收率可以反映子商品在同一品类商品下的吸引力和市场热度。 $SDR = \frac{\text{子商品交收件数}}{\text{单一商品交收件数}} \times 100\%$ 交收尺寸率（DS）：交收尺寸是指用户最终选择的衍生品交收尺寸在单一品类商品交收总件数的占比。 $DS = \frac{\text{同一交收尺寸交收件数}}{\text{单一商品交收件数}} \times 100\%$综合以上指标，我们可以计算单一商品的受欢迎程度（OS)=$OS = w1 \times CDR+w2 \times SDR + w3 DS$ 其中 $w1, w2, w3$ 分别为各项指标的权重，可以根据实际调整

搜集汇总

数据集介绍

特点

该数据集记录了美术作品版权和非遗作品IP衍生品的交收信息，包含12460条数据，主要用于通过算法模型预测作品的受欢迎程度，指导艺术创作和衍生品生产。数据涵盖商品代码、交收数量、交收价格等关键字段，并通过商品交收率、子商品交收率等指标评估市场热度。