CN118297740A - 基于信任得分和地理范围搜索实体 - Google Patents
基于信任得分和地理范围搜索实体 Download PDFInfo
- Publication number
- CN118297740A CN118297740A CN202410091841.1A CN202410091841A CN118297740A CN 118297740 A CN118297740 A CN 118297740A CN 202410091841 A CN202410091841 A CN 202410091841A CN 118297740 A CN118297740 A CN 118297740A
- Authority
- CN
- China
- Prior art keywords
- entity
- trust score
- user
- indication
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 111
- 230000000694 effects Effects 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims description 88
- 230000004044 response Effects 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 claims description 18
- 239000003550 marker Substances 0.000 claims 2
- 230000000977 initiatory effect Effects 0.000 claims 1
- 238000012795 verification Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 65
- 230000008859 change Effects 0.000 description 17
- 238000013507 mapping Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 238000013524 data verification Methods 0.000 description 13
- 230000003993 interaction Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 12
- 230000002829 reductive effect Effects 0.000 description 10
- 238000005065 mining Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000012550 audit Methods 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008512 biological response Effects 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000011888 snacks Nutrition 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本文描述了用于基于信任得分和地理范围搜索实体的***、设备和方法。可以计算实体之间的信任得分,其中实体包括但不限于人类用户、用户组、组织或企业/集团,并且可以考虑各种因素,包括核实数据、网络连接性、公开可用信息、评级数据、团体/人口统计信息、位置数据以及要执行的交易等。用户可以搜索某个地理位置内满足期望信任得分的实体。可以例如通过生成示出识别出的实体和用户设备的当前位置的地图来生成搜索的结果以供在用户设备上显示。可以通过输入用户要执行或期望的预期活动或交易并由此返回与该活动或交易相关联的实体来过滤搜索。
Description
本申请是申请日为2017年2月16日、申请号为201780024074.0、发明名称为“基于信任得分和地理范围搜索实体”的发明专利申请的分案申请。
背景技术
信任是许多社交和商业互动的重要组成部分,但信任既难以测量,又难以量化。人们通常会期待各种不同的因素、经历和影响,以确定在交易中信任另一方或实体的程度。例如,决定是否在特定餐馆用餐的潜在顾客可以考虑他或她在餐馆吃过多少次、来自朋友和家人的口口相传以及来自在线反馈站点的任何评级。作为另一个示例,银行可以在确定是否发放贷款时查找潜在借款人的信用得分作为其财务责任的测量。关于在确定信任级别时哪些因素最重要,人们常常可以有着截然不同的偏好,并且这些偏好可以取决于交易的类型和细节而改变。信任也可以随时间的推移而改变,从而反映累积的经验、交易历史以及实体之间的近期趋势。单个负面事件会破坏信任,并且信任也可以随着时间的推移而重建。所有上述考虑都使“信任”成为难以捉摸的测量。
发明内容
本文描述了用于计算信任得分和基于信任得分和地理范围(geography)搜索实体的***、设备和方法。可以在实体之间计算信任得分,其中实体包括但不限于人类用户、用户组、位置、组织或企业/集团,并且可以考虑各种因素,包括核实数据、网络连接性、公开可用信息、评级数据、团体(group)/人口统计、位置数据和要执行的交易等。信任得分可以反映实体在特定社区中或与另一个实体相关的可信度、声誉、成员资格、状况和/或影响。信任得分可以考虑来自任何合适的数据源的数据,包括但不限于网络连接性信息、社交网络信息、信用得分、可用的法院数据、选择提供的数据、交易历史、评级/反馈数据、团体/人口统计数据、搜索引擎数据或任何公开可用信息。信任得分还可以包括由实体自身提供的某些非公开可用信息(例如,非公开交易历史、目标评级等)。
如本文所使用的,“***信任得分(system trust score)”是指基于可用于实体的信息为实体计算的信任得分,而无需具体地引用另一个实体或活动/交易。***信任得分可以表示未考虑关于具体活动/交易的信息的实体的基本可信度级别。在一些实施例中,可以基于公开可用信息(诸如核实数据、网络连接性得分和/或评级数据)来计算***信任得分。如本文所定义的,“网络社区”可以包括通过网络(包括但不限于计算机网络或社交网络)连接的实体的任何集合或组。在一些实施例中,用户可以将初始信任得分设置为最小信任级别。在这些实施例中,可以基于公开可用信息来检索和更新初始信任得分,以便确定***信任得分。在一些实施例中,***信任得分可以在请求时提供给最终用户,而最终用户不必识别自己。例如,最终用户可以例如通过网站或移动应用查询其它实体的***信任得分,而无需登录网站或移动应用或者以其它方式必须识别自己。
如本文所使用的,“对等信任得分(peer trust score)”是指与第二实体相关地为第一实体计算的信任得分。对等信任得分可以考虑特定于第一实体和第二实体的某些信息,诸如第一实体和第二实体之间的具体交易历史、公共联系人/朋友的数量等。在一些实施例中,对等信任得分可以从***信任得分导出并表示***信任得分的更新。例如,在一些实施例中,可以基于与***信任得分基本相同的数据源来计算对等信任得分,其中可以更新一些组成部分以便进一步加权或考虑特定于第一实体和第二实体的附加信息。在其它实施例中,可以独立于***信任得分来计算对等信任得分,并且可以基于与***信任得分不同的数据源集合。
如本文所使用的,“情境信任得分(contextual trust score)”是指与具体活动或交易相关地为第一实体计算的信任得分。情境信任得分可以考虑特定于具体活动或交易的某些信息。在一些实施例中,情境信任得分可以从***信任得分或对等信任得分导出并表示***信任得分或对等信任得分的更新。例如,在一些实施例中,可以基于与***信任得分基本相同的数据源来计算情境信任得分,其中可以更新一些组成部分以便考虑特定于活动/交易的信息。在其它实施例中,可以基于与***信任得分和对等信任得分不同的数据源集合来计算情境信任得分。在一些实施例中,可以通过基于活动/交易的类型对来自不同数据源的数据进行加权来计算情境信任得分。例如,正在寻求银行抵押的潜在借款人的信任得分可能给借款人的信用得分和财务历史重加权,而不会给社交网络中的连接性水平重加权。以这种方式,情境信任得分可以基于与***信任得分和/或对等信任得分相同或相似的数据源,但具有不同的权重以组合来自数据源的数据。在一些实施例中,交易的具体细节也可以影响情境信任得分的计算。例如,借10美元的朋友的情境信任得分可以更多地关注社交网络连接性(例如,他们共同拥有的朋友的数量等),而寻求从银行借10万美元贷款的借款人的情境信任得分可以更多地关注财务因素。在一些实施例中,交易的细节可以影响来自数据源的数据组合的加权。
根据一个方面,一种用于更新信任得分的方法可以包括识别从第一实体到第二实体的路径,基于识别出的路径计算网络连接性得分,从远程源接收关于第二实体的数据,以及基于从远程源接收的数据计算评级得分。可以通过组合网络连接性得分和评级得分来确定第二实体的信任得分。可以接收要由第一实体和第二实体执行的活动的指示,并且可以基于活动的指示来更新信任得分。在一些实施例中,第一实体和第二实体可以通过社交网络进行连接。在此类实施例中,识别从第一实体到第二实体的路径可以包括识别社交网络中将第一实体连接到第二实体的中间实体。例如,中间实体可以是第一用户和第二用户之间的共同朋友。计算网络连接性得分可以包括确定第一实体和第二实体之间的共同朋友的数量。例如,可以基于第一实体和第二实体之间的共同朋友的数量根据分级标度(graduated scale)来指派网络连接性得分。还可以基于第一实体和第二实体之间的识别出的路径的数量以及识别出的路径的数量是否超过某个阈值来计算网络连接性得分。
在一些实施例中,评级数据可以是信用得分、犯罪历史数据、金融交易历史数据和/或商业评论数据中的一个。可以根据加权和(weighted sum)将评级数据与网络连接性得分组合,以便确定第二实体的信任得分。加权和可以基于缺省权重集或基于用户指派的权重。然后可以基于活动的指示来更新第二实体的信任得分。例如,活动的指示可以调整加权和,使得使用不同的加权和来计算第二实体的信任得分。
在一些实施例中,第一实体和第二实体中的至少一个是人类用户。例如,可以计算参与某个活动的两个用户之间的信任得分。在另一个实施例中,第一实体和第二实体中的至少一个可以是企业。例如,可以计算用户和餐馆之间的信任得分,以便帮助用户确定是否在该餐馆吃饭。在还有其它实施例中,第一实体和第二实体中的至少一个可以是一组用户或组织。作为说明性示例,第二实体可以是美国童子军,并且可以计算第一用户和美国童子军之间的信任得分。在一些实施例中,第一实体和第二实体中的至少一个可以是产品或对象。例如,第一实体可以是第一用户,第二实体可以是链锯(chainsaw),并且可以计算链锯和第一用户之间的信任得分。在这个示例中,信任得分可以考虑从第三方评级源接收的链锯的任何用户评论。在一些实施例中,第一实体和第二实体中的至少一个可以是位置、城市、地区、国家或任何其它地理地点。例如,可以计算第一用户和诸如纽约市之类的城市之间的信任得分。在这个示例中,信任得分可以考虑第一用户在纽约市具有的联系人的数量、从第三方评级源接收到的旅行者评论和/或第一用户与纽约市具有的活动、交易或交互。
在一些实施例中,可以至少部分地基于计算出的信任得分来自动解决与活动相关的决定。例如,银行可以请求潜在借款人的信任得分,以便评估借款人对贷款的适合性。基于更新后的信任得分,银行可以自动发放贷款,例如,如果信任得分超过某个阈值。以这种方式,***信任得分、对等信任得分和/或情境信任得分可以单独或组合地形成自动做出决策的基础。
在一些实施例中,***信任得分、对等信任得分和/或情境信任得分中的至少一个可以包括置信范围。例如,来自数据源的组成部分中的每一个可以包括指示数据中的不确定性水平的置信范围(诸如方差或标准差),并且组成部分得分可以组合以形成***信任得分、对等信任得分和/或情境信任得分中的一个。因此,所得的信任得分可以由平均得分和置信范围表示,并且在一些实施例中,置信范围可以由均值和标准差表示。
根据另一方面,一种用于基于信任得分搜索实体的方法可以包括从用户设备接收搜索计算机网络中的实体的请求。该请求可以包括对实体的期望信任得分的指示。例如,该请求可以指示由与用户设备相关联的用户期望的阈值信任得分。该请求还可以包括期望阈值地理范围的指示和/或用户将来要执行的活动或交易的指示。通过考虑这种附加信息,***可以采用改进的搜索技术并返回更相关的搜索结果。例如,用户可以指示他/她对该区域中的保姆服务感兴趣并且需要1000中的至少850或更高的信任得分。该***可以搜索在用户的相对地理位置提供保姆服务的实体并且仅返回满足所需信任得分850的那些实体。以这种方式,用户可以容易地找到与具体活动或交易相关的其它实体并与这些实体连接。
在一些实施例中,用于基于信任得分搜索实体的方法还可以包括确定用户设备的当前位置。用户设备的当前位置可以被用作确定阈值地理范围的中心点。如本文所使用的,“阈值地理范围”是指针对满足期望信任得分的实体将被搜索的确定的地理位置或空间。阈值地理范围包括具体半径或距离、邻域、城市、州或邮政编码中的一个。阈值地理范围不需要是具有限定边界的完全封闭空间,并且可以预期定义阈值地理范围的其它示例。例如,阈值地理范围可以包括在同一摩天大楼或购物中心内、在同一列车或船上、在相同的交通网络中(诸如高速公路***或地铁***),或者在某种类型的建筑物的某个距离内(例如,在麦当劳餐馆一英里内或距离速汇金(moneygram)供应商1000英尺内)等。在一些实施例中,用户可以输入期望的阈值地理范围,诸如“10英里内”选择或用户的当前邮政编码。
在一些实施例中,用于基于信任得分搜索实体的方法可以包括访问包括与计算机网络中的实体对应的多个数据库条目的数据库。数据库可以包括用于接收、发送和存储数据的任何合适的计算机***,并且可以位于任何合适的位置。例如,数据库可以包括位于远离用户设备的位置的服务器。在一些实施例中,数据库还可以位于用户设备处,使得搜索可以在用户设备上本地发生。每个数据库条目可以与计算机网络中的至少一个实体相关联。此外,在一些实施例中,数据库中的每个数据库条目可以与在与和用户设备相关联的实体分离阈值程度内的实体对应。计算机网络可以是维护实体之间的连接的任何网络,包括例如互联网、社交网络、社交社区或本地网络。在一些实施例中,数据库条目可以指示至少一个实体的信任得分以及相应的一个或多个实体的当前位置。当前位置可以是最后已知位置、基于过去位置模式的实体的预期位置,或者接近实时地被更新的位置等。在一些实施例中,数据库条目可以包括指针,该指针指示存储至少一个实体的当前位置的存储器位置,该存储器位置存储在数据库上或存储在另一个数据库上。在一些实施例中,可以通过例如GPS跟踪、信号三角测量(例如,互联网或移动数据信号三角测量)或其它位置跟踪方法来实时地确定相应的一个或多个实体的当前位置。在一些实施例中,实体可以通过用户界面(诸如文本输入)手动输入其当前位置。
在一些实施例中,数据库条目可以反映至少一个实体的***信任得分、对等信任得分或情境信任得分中的一个或多个。例如,数据库条目可以反映相应的一个或多个实体的***信任得分,如上面所讨论的,其可以基于核实数据和公开可用信息等来计算。可以更新相应的一个或多个实体的***信任得分,以反映发出请求的用户与相应的一个或多个实体之间的对等信任得分。例如,如贯穿全文所讨论的,对等信任得分可以基于路径计数方法来集成网络连接性得分以更新***信任得分。以这种方式,对等信任得分可以表示发出请求的用户与数据库条目中的相应的一个或多个实体之间的信任的更准确表示,因为对等信任得分集成了特定于发出请求的用户与相应的一个或多个实体之间的关系的信息。在一些实施例中,用户可以输入将来要执行的活动或交易,或者***可以基于例如用户或其它实体的过去的历史来预测将来要执行的活动或交易,并且数据库条目可以使用活动或交易的指示将***和/或对等信任得分更新为情境信任得分。例如,如贯穿全文所讨论的,情境信任得分可以基于与***/对等信任得分不同的数据源集合来计算和/或可以使用不同的权重。情境信任得分可以表示发出请求的用户与数据库条目中的相应的一个或多个实体之间的信任的更准确表示,因为它考虑了特定于将来要执行的特定活动或交易的信息。每个数据库条目可以包括***信任得分、对等信任得分和/或情境信任得分中的一个或多个,并且对数据库条目的搜索可以使用三个信任得分中的任何一个。在一些实施例中,对***信任得分、对等信任得分和/或情境信任得分进行排名,使得情境信任得分(如果可用的话)对于搜索是优选的;如果情境信任得分不可用,则对等信任得分是优选的;并且最后,如果情境信任得分和对等信任得分不可用,则缺省地***信任得分是优选的。
在一些实施例中,存储在数据库条目中的信任得分可以由中央服务器以持续为基础地或以间隔为基础地预先计算或计算/更新。在一些实施例中,搜索信任得分的请求可以触发***信任得分、对等信任得分或情境信任得分中的一个或多个的计算或重新计算。例如,响应于接收到搜索满足期望信任得分的信任得分的请求,中央服务器可以重新计算至少数据库条目的子集的***信任得分、对等信任得分和情境信任得分。以这种方式,服务器可以返回与用户的搜索请求有关的最新结果。
在一些实施例中,用于基于信任得分搜索实体的方法可以包括搜索数据库条目以识别与优于或等于期望信任得分的信任得分相关联的实体。可以设想,在许多实施例中,较高或“较大”的信任得分将被认为优于较低的信任得分。但是,本发明还预期其中较低的信任得分被认为是更好的***,这是由于使用了导致更低的值被指派给更好的得分的不同计算。在一些实施例中,搜索可以利用***信任得分作为缺省值,以便识别具有优于或等于期望信任得分的***信任得分的实体。在一些实施例中,搜索实体可以登录或以其它方式向***或搜索引擎指示他的身份。在此类实施例中,搜索可以利用如针对每个目标实体(例如,在阈值地理范围中通过搜索捕获的实体)计算的***信任得分,或者如在搜索实体和目标实体之间计算的对等信任得分。最后,搜索实体可以指示将来要执行或期望在将来执行的活动或交易,或者***可以预测将来可能要执行的活动或交易,并且***或搜索引擎可以使用该信息来更新目标实体的情境信任得分,并识别其情境信任得分优于期望信任得分的实体。对于任何识别出的实体,可以从相应的数据库条目检索实体的当前位置。可以将用户设备的当前位置与实体的当前位置进行比较,以确定实体的当前位置是否在阈值地理范围内。数据库搜索还可以首先按当前位置过滤搜索结果,然后通过信任得分进一步过滤结果。例如,可首先搜索数据库条目,以识别阈值地理范围内的实体。在这些识别出的数据库条目中,可以识别与优于或等于期望信任得分的信任得分相关联的数据库条目。将理解的是,可以预期其它多因素过滤技术,并且***可以结合这些技术中的任何一个或多个,以便最小化计算和/或响应时间。
在一些实施例中,可以将识别出的实体的指示发送到用户设备,以在用户设备上显示。生成的显示可以响应于***发送给用户设备的信息。在优选实施例中,***将发送信息到预先存在于用户设备上的软件,使得预先存在的软件可以生成显示。在其它实施例中,***可以向用户设备发送软件应用或更新,使得***提供的软件生成显示。所生成的显示可以包括实体和/或发出请求的用户的当前位置的指示,或者实体与发出请求的用户的接近度或预期接近度的指示。例如,用户设备可以显示示出用户的当前位置、识别出的一个或多个实体的位置和/或识别出的一个或多个实体的信任得分的指示或表示的地图。可以显示***信任得分、对等信任得分或情境信任得分中的任何一个或多个。在一些实施例中,可以显示识别出的实体的列表,包括实体的当前位置、实体的信任得分和/或用户的当前位置。在某些实施例中,可以期望显示接近度或预期接近度而不是用户或实体的当前位置。例如,在用户和实体中的一个或多个处于运动并预期变得更接近的情况下,可以期望显示倒数计时器或接近度测量或仪表而不是地图上的实际位置。
在一些实施例中,搜索的请求还包括由与用户设备相关联的用户在将来要执行的活动的指示,或者***可以预测用户将来可能要执行的活动或交易。在这些实施例中,每个数据库条目还可以指示与相应的一个或多个实体相关联的至少一个活动的指示。例如,连同搜索的请求一起,用户可以指示他正在寻找汽车贷款。数据库可以列出愿意提供汽车贷款的若干条目,诸如个人和银行,以及针对不同实体的***信任得分、对等信任得分和/或情境信任得分。在这个示例中,情境信任得分将考虑用户正在寻找汽车贷款的事实。搜索可以识别与将来要由用户执行的活动相关联的数据库条目的子集,并且基于将来要由用户执行的活动来更新数据库条目的子集的每个数据库条目的***/对等信任得分。在另一个示例中,***可以基于例如用户对汽车经销商的搜索来预测用户将寻求汽车贷款,并基于预测的活动来更新得分。在又一个示例中,***可以基于用户搜索仅接受现金的企业来预测用户将需要兑现支票或从ATM取钱。
在一些实施例中,可以基于各种特性或排名在显示器上可视地区分识别出的实体。例如,识别出的实体中的一个或多个可以基于它们是否满足阈值信任级别而被指示为“优选的”或“高度评级的”。在一些实施例中,可以将识别出的实体中的一个指示为在阈值地理范围中具有最佳信任级别。可以以任何合适的方式区分实体,包括但不限于不同的着色、不同的图标和/或不同的文本尺寸、字体和样式。所生成的显示还可以显示阈值地理范围中的两个或更多个识别出的实体的信任得分的平均值。
在一些实施例中,***可以存储用户的搜索的请求并在稍后的时间自动执行后续搜索。例如,***可以存储用户的请求,并且在没有进一步的用户输入的情况下自动执行晚于第一次搜索的后续搜索。在一些实施例中,仅当没有从第一次搜索找到搜索结果时,***才可以执行后续搜索。在一些实施例中,***可以在由用户或服务提供商设置的预定时间量之后执行后续搜索。在一些实施例中,***可以提醒用户在第二次搜索中找到的任何搜索结果。***可以以任何合适的方式提醒用户,包括但不限于发送信息,当该信息被用户设备接收和处理时,可以使用户设备生成视觉显示(诸如弹出窗口)、在用户设备上生成通知、在用户设备上播放声音或铃声、使用户设备振动,或者上述的任意组合。在一些实施例中,***可以将来自第二次搜索的搜索结果与来自第一次搜索的搜索结果进行比较,并且仅当来自第二次搜索的结果不同于第一次搜索的结果时才生成提醒。在一些实施例中,***可以连续地监视被添加到数据库、在数据库内被更改和从数据库中被移除的数据库条目,并确定任何新添加或改变的数据库条目是否满足用户的搜索准则。在这些实施例中,***可以响应于检测到满足用户的搜索准则(例如,期望的信任得分、阈值地理范围、要执行的活动/交易)的新数据库条目已被添加到数据库而生成提醒。
在一些实施例中,还可以在与由搜索识别出的任何实体相关联的设备上生成提醒。例如,如果用户请求搜索潜在的保姆,并且搜索在该区域中找到满足期望信任得分的三个潜在保姆,则***可以向这三个潜在保姆中的每一个生成指示他们在搜索中被识别出来的提醒。
附图说明
通过结合附图考虑以下具体实施方式,前述及其它特征和优点将是显而易见的,并且其中:
图1是用于计算信任得分的说明性体系架构的框图;
图2是用于计算信任得分的说明性体系架构的另一个框图;
图3是说明性分层信任得分***的示图;
图4是包括***信任得分的说明性组成部分的框图;
图5是包括***信任得分的组成部分的说明性加权组合的示图;
图6是显示信任得分界面的说明性图形用户界面;
图7是显示另一个说明性信任得分界面的图形用户界面;
图8是示出用于基于度量指派组成部分得分的说明性分级标度的表;
图9是用于基于度量指派组成部分得分的说明性分布;
图10是说明性网络图的显示;
图11是用于支持网络社区内的连接性确定的说明性数据表;
图12是用于支持网络社区内的连接性确定的另一个说明性数据表;
图13A-图13E是用于支持网络社区内的连接性确定的说明性过程;以及
图14是用于计算***信任得分的说明性过程;
图15是用于计算对等信任得分的说明性过程;
图16是用于计算情境信任得分的说明性过程;
图17是用于基于信任得分搜索实体的说明性过程;以及
图18是用于基于信任得分搜索实体的说明性显示。
具体实施方式
为了提供对本文描述的***、设备和方法的全面理解,将描述某些说明性实施例。将理解的是,可以针对任何合适的应用调整和修改本文描述的***、设备和方法,并且这些其它的添加或修改不脱离本发明的范围。
图1示出了根据本公开某些实施例的用于计算信任得分的体系架构100的框图。用户可以利用访问应用102来通过通信网络104访问应用服务器106。例如,访问应用102可以包括计算机应用,诸如标准web浏览器或在移动设备上运行的应用。应用服务器106可以包括任何合适的计算机服务器,包括web服务器,并且通信网络106可以包括任何合适的网络,诸如互联网。访问应用102还可以包括专门为一个或多个平台或设备开发的专有应用。例如,访问应用102可以包括Apple iOS、Android或WebOS应用的一个或多个实例,或者用于通过通信网络104访问应用服务器106的任何合适的应用。多个用户可以经由访问应用102的一个或多个实例访问应用服务器106。例如,多个移动设备可以各自具有在相应设备上本地运行的访问应用102的实例。一个或多个用户可以使用访问应用102的实例来与应用服务器106进行交互。
通信网络104可以包括任何有线或无线网络,诸如互联网、WiMax、广域蜂窝或局域无线网络。通信网络104还可以包括个域网,诸如蓝牙和红外网络。可以使用任何合适的安全性或加密协议来加密或以其它方式保护通信网络104上的通信。
可以包括任何网络服务器或虚拟服务器(诸如文件或web服务器)的应用服务器106可以在本地或通过任何合适的网络连接访问数据源108。应用服务器106还可以包括处理电路***(例如,一个或多个计算机处理器或微处理器)、存储器(例如,RAM、ROM和/或混合类型的存储器),以及一个或多个存储设备(例如,硬盘驱动器、光学驱动器、闪存驱动器、带驱动器)。被包括在应用服务器106中的处理电路***可以执行用于计算信任得分的服务器过程,而访问应用102执行对应的客户端过程。访问应用102可以由用户装备(诸如计算机或移动设备(例如,手机、诸如智能手表的可穿戴移动设备等))上的处理电路***执行。被包括在应用服务器106中的处理电路***和/或执行访问应用102的处理电路***还可以关于计算信任得分来执行本文描述的任何计算和求解。在一些实施例中,其上记录有计算机程序逻辑的计算机可读介质被包括在应用服务器106内。计算机程序逻辑可以计算信任得分并且可以生成这种信任得分以供在显示设备上显示。在一些实施例中,应用102和/或应用服务器106可以存储信任得分的计算日期,并且可以生成信任得分以及计算日期以供显示。
应用服务器106可以通过互联网、安全私有LAN或任何其它通信网络访问数据源108。数据源108可以包括一个或多个第三方数据源,诸如来自第三方社交网络服务和第三方评级机构的数据。例如,数据源108可以包括来自Facebook、MySpace、openSocial、Friendster、Bebo、hi5、Orkut、PerfSpot、Yahoo!360、LinkedIn、Twitter、Google Buzz、简易信息聚合(Really Simple Syndication)读者或任何其它社交网站或信息服务中的一个或多个的用户和关系数据(例如,“朋友”或“跟随者”数据)。数据源108还可以包括应用服务器106本地的数据存储库和数据库,其包含关于经由访问应用102访问应用服务器106的用户的关系信息(例如,地址、法律记录、运输乘客列表、博弈模式、政治和/或慈善机构捐赠、政治立场(political affiliations)、车牌或标识号码、通用产品代码、新闻文章、企业清单以及医院或大学附属机构(affiliation)的数据库)。
应用服务器106可以与数据存储库110、键-值存储库112和并行计算框架114中的一个或多个进行通信。可以包括任何关系数据库管理***(RDBMS)、文件服务器或存储***的数据存储库110可以存储与一个或多个网络社区有关的信息。例如,数据表1100(图11)中的一个或多个可以存储在数据存储库110上。数据存储库110可以存储关于网络社区中的用户和实体的身份信息、网络社区中的节点的标识、用户链接和路径权重、用户配置设置、***配置设置和/或任何其它合适的信息。每个网络社区可以存在数据存储库110的一个实例,或者数据存储库110可以存储与多个网络社区有关的信息。例如,数据存储库110可以包括每个网络社区一个数据库,或者一个数据库可以存储关于所有可用网络社区的信息(例如,每个数据库表关于一个网络社区的信息)。
可以包括任何并行或分布式计算框架或集群的并行计算框架114可以被配置为将计算作业划分为更小的作业以便以分布式方式或两者同时执行。例如,并行计算框架114可以通过实现映射/缩减计算范例来支持数据密集型分布式应用,其中应用可以被划分为多个小的工作片段,每个片段可以在核心集群中的任何核心处理器上执行或重新执行。并行计算框架114的合适示例包括Apache Hadoop集群。
并行计算框架114可以与键-值存储库112对接,键-值存储库112也可以采用核心集群的形式。键-值存储库112可以保持用于与由并行计算框架114实现的映射/缩减计算范例的键-值对的集合。例如,并行计算框架114可以将大的分布式计算表达为对键-值对的数据集的分布式操作的序列。可以跨集群中的多个节点执行用户定义的映射/缩减作业。本文描述的处理和计算可以至少部分地由任何类型的处理器或处理器组合来执行。例如,各种类型的量子处理器(例如,固态量子处理器和基于光的量子处理器)、人工神经网络等可以用于执行大规模并行计算和处理。
在一些实施例中,并行计算框架114可以支持两个不同的阶段,“映射(map)”阶段和“缩减(reduce)”阶段。计算的输入可以包括存储在键-值存储库112处的键-值对的数据集。在映射阶段,并行计算框架114可以将输入数据集拆分或划分为大量片段并将每个片段指派给映射任务。并行计算框架114还可以在其操作的节点集群上分布映射任务。每个映射任务可以从其指派的片段中消耗键-值对,并产生中间键-值对的集合。对于每个输入键-值对,映射任务可以调用用户定义的映射函数,该映射函数将输入转换为不同的键-值对。在映射阶段之后,并行计算框架114可以按照键来对中间数据集进行分类并产生元组(tuple)集合,使得与特定键相关联的所有值一起出现。并行计算框架114还可以将元组集合分割为与缩减任务的数量相等的多个片段。
在缩减阶段中,每个缩减任务可以消耗被指派给该任务的元组的片段。对于每个这种元组,缩减任务可以调用用户定义的缩减函数,该缩减函数将元组转换成输出键-值对。然后,并行计算框架114可以跨节点集群分发许多缩减任务,并向每个缩减任务提供适当的中间数据片段。
每个阶段中的任务可以以容错方式被执行,使得如果一个或多个节点在计算期间失败,则被指派给这种失败节点的任务可以在剩余节点上被重新分发。这种行为可以允许负载平衡,并允许以低运行时开销重新执行失败的任务。
键-值存储库112可以实现能够可靠地存储大文件的任何分布式文件***。例如,键-值存储库112可以实现Hadoop自己的分布式文件***(DFS)或更可扩展的面向列的分布式数据库(诸如HBase)。这种文件***或数据库可以包括如BigTable的能力,诸如对任意数量的表列的支持。
虽然图1为了不使附图过于复杂而仅示出了访问应用102、通信网络104、应用服务器106、数据源108、数据存储库110、键-值存储库112和并行计算框架114的单个实例,但是在实践中,体系架构100可以包括一个或多个前述组成部分的多个实例。此外,在一些实施例中,还可以移除键-值存储库112和并行计算框架114。如图2的体系架构200中所示,由键-值存储库112和/或并行计算框架114执行的并行或分布式计算可以附加地或可替代地由移动设备的集群202而不是固定核心(core)执行。在一些实施例中,移动设备的集群202、键-值存储库112和并行计算框架114都存在于网络体系架构中。某些应用过程和计算可以由移动设备的集群202执行,并且某些其它应用过程和计算可以由键-值存储库112和并行计算框架114执行。此外,在一些实施例中,通信网络104本身可以执行应用过程和计算中的一些或全部。例如,专门配置的路由器或卫星可以包括适于执行本文描述的应用过程和计算的一些或全部的处理电路***。
移动设备的集群202可以包括一个或多个移动设备,诸如PDA、蜂窝电话、移动计算机或任何其它移动计算设备。移动设备的集群202还可以包括包含微处理器(例如,具有备用处理时间)、存储装置或两者的任何电器(例如,音频/视频***、微波炉、冰箱、食物料理机)。应用服务器106可以指示移动设备的集群202内的设备以与通过并行计算框架114和映射/缩减计算范例分发给多个固定核心的类似方式来执行计算、存储或两者。移动设备的集群202中的每个设备可以执行离散计算作业、存储作业或两者。应用服务器106可以组合每个分布式作业的结果并返回计算的最终结果。
图3是根据本公开某些实施例的分层信任得分***的示图300。***信任得分302、对等信任得分304和情境信任得分306可以表示分层信任***,其中用户可以隔离地、与另一个实体相关地和/或与具体的活动/交易相关地查询目标实体的可信度。在一些实施例中,可以从第一数据源集合(例如,图1中的数据源108)计算***信任得分302。在一些实施例中,可以基于第二数据源集合计算对等信任得分304,作为对***信任得分302的更新,第二数据源集合可以与第一数据源集合相同或不同。对等信任得分304可以考虑或可以不考虑附加数据源(例如,图1中的数据源108)。在一些实施例中,对等信任得分304还可以根据与***信任得分302不同的权重来组合来自数据源的数据。在一些实施例中,可以将情境信任得分306计算为对对等信任得分304或***信任得分302的更新。例如,情境信任得分306可以考虑不同的数据源(例如,图1中的数据源108)或者可以基于与***信任得分302和/或对等信任得分304相同的数据源。在一些实施例中,情境信任得分306可以根据与***信任得分304和/或对等信任得分304不同的权重来组合来自数据源的数据。虽然***信任得分302、对等信任得分304和情境信任得分306在图3中被示为层次***,但是每个信任得分可以单独地或者与其它信任得分一起来计算和呈现。
***信任得分302、对等信任得分304和情境信任得分306可以以任何合适的方式表示。作为说明性示例,***信任得分302、对等信任得分304和情境信任得分306可以各自被表示为100以内的百分比或1000以内的数值得分。在其它实施例中,***信任得分302、对等信任得分304和情境信任得分306可以由不同类别的可信度(例如,“可靠”、“古怪”、“诚实”、“欺诈”等)或通过图形方案(例如,表示可信度级别的颜色频谱)来表示。为了便于说明,在本文将信任得分和包括信任得分的组成部分得分作为数值进行讨论。但是,本领域普通技术人员将预期描绘计算出的信任得分的其它方法,并且不脱离本发明的范围。
每种类型的信任得分可以根据具体的权重来组合来自数据源的数据。例如,用于***信任得分的权重可以被设置为:
数据核实-5%
网络连接性-20%
信用得分-15%
法庭数据-10%
评级/反馈数据-20%
团体/人口统计-5%
搜索引擎挖掘-5%
交易历史-20%
在一些实施例中,用户可以根据他们的偏好调整这些缺省的权重。例如,评价网络分析(例如,我们有多少共同的朋友)的用户可以将较重的权重(例如,25%)指派给网络连接性,同时将信用得分的权重降低到10%。相反,非常关心其客户的信用得分的银行可以向信用得分指派更重的权重并酌减(discount)网络连接性。
以下是说明***信任得分302、对等信任得分304和情境信任得分306的一个应用的示例。将理解的是,提供以下内容仅用于说明目的,并且本文描述的***、设备和方法可以被进一步调整或修改。
John在ABC餐馆看到快餐厨师(short order cook)的广告,并尝试决定他是否应当申请。John在他的移动设备上打开一个应用并搜索ABC餐馆。该应用示出对于这个搜索有多个匹配项,但最附近的一个被分类到顶部。在点击正确的餐馆之后,该应用示出ABC餐馆简档页面。ABC餐馆简档页面包括ABC餐馆的***信任得分,该得分部分地基于来自三个博客的评级来计算。John点击查看更多详细信息并查看博客中最近博客的列表。通过点击各个博客,他可以阅读实际的文章。他还可以点击博主以在应用中查看他们的简档页面。
ABC餐馆的***信任得分还基于ABC餐馆作为雇主的先前交易来计算。John点击示出先前交易的列表、这些交易的评级以及评论。
John点击社交图以查看他是如何通过一个或多个网络(例如,Facebook、MySpace、Twitter、LinkedIn等)连接到餐馆的。从社交图中,他看到经理鲍勃是朋友的朋友。基于社交图数据,该应用更新***信任得分以计算John和ABC餐馆之间的对等信任得分。对等信任得分优于***信任得分以指示基于John和经理Bob之间的连接的可信度的增量增加。该应用还显示Bob的***信任得分,这是基于公开可用信息和缺省权重计算的,以及Bob相对于John的对等信任得分,这也考虑了社交图数据。
John决定申请这份工作。在面试之后,经理Bob决定是否雇佣John作为快餐厨师。Bob使用该应用来搜索John。对于John存在多个结果,但Bob最终找到了他并点击他的条目。John的简档页面显示他的***信任得分,该得分是基于公开可用信息(例如,信用得分、核实数据、搜索引擎挖掘、就业历史等)和缺省权重计算的。Bob点击社交图以查看他是如何连接到John的。他发现他们是通过朋友的朋友连接的。该应用基于社交网络数据更新John的***信任得分,以计算John和Bob之间的对等信任得分,这优于John的***信任得分,以指示由于John和Bob之间的连接而引起的可信度的递增增加。该应用还示出了John作为员工的先前交易的平均评级。Bob点击以示出交易列表,该列表可以按时间顺序排序并按作业类型进行过滤。Bob还向该应用指示他希望雇佣John作为员工。该应用调整信任得分的权重以给予员工历史而不是其它组成部分(诸如信用得分)更高的权重。该应用使用调整后的权重来更新对等信任得分以计算情境信任得分,该情境信任得分表示John作为潜在员工的可信度。
在查看应用中的信息后,Bob决定雇佣John。在John的简档页面中,他点击动作图标并选择“雇佣”。该应用提示Bob填写相关信息,诸如职位、开始日期、年薪和每年的休假日。在确认数据后,交易出现在Bob的通知列表中,状态为“等待John...”。John在他的电话上接收到通知。他打开应用,并在他的通知列表中看到新交易。该应用提示John确认他的新工作的详细信息。John选择确认,并且Bob接收到John已确认交易的通知。
如以上示例中所示,用户可以请求另一个实体的***信任得分,然后可以基于特定于所涉及的各方的信息将该得分精炼为对等信任得分,并且基于将由各方执行的活动/交易的细节将该得分精炼为情境信任得分。
图4是根据本公开某些实施例的包括***信任得分402的组成部分404-418的框图400。***信任得分402可以包括数据核实组成部分404、网络连接性组成部分406、信用得分组成部分408、法院数据组成部分410、评级/反馈数据组成部分412、团体/人口统计组成部分414、搜索引擎挖掘组成部分416和/或交易历史组成部分418。组成部分404-418可以在本地或者通过来自一个或多个数据源(例如,图1中的数据源108)的合适网络连接来接收。将理解的是,提供组成部分404-418仅用于说明目的,并且本文描述的信任得分可以包括比图4中提供的组成部分404-418更多或更少的组成部分。
数据核实组成部分404可以包括核实与目标实体相关联的信息的数据。在一些实施例中,数据核实组成部分404可以包括联系人信息的核实,包括但不限于电子邮件地址、电话号码和/或邮寄地址。数据核实组成部分还可以包括电子邮件、IM和其它消息传送因素(诸如消息的频率、消息的时间、线程的深度,或针对关键交易/活动类型(例如,贷款、租金、购买等)的线程的审查)。数据核实组成部分404可以考虑来自护照和/或其它政府ID的数据、纳税申报单因素(例如,用于证明收入的纳税申报单的摘要)、教育数据(例如,学位/文凭的证书)、团体附属因素(例如,证明是团体的成员资格的***)、成就(例如,荣誉引用、奖章、奖励的证明等)、就业数据(例如,工资单数据)。数据核实组成部分404还可以结合面部识别软件以核实某些文档(诸如ID)。在一些实施例中,这种面部识别软件可以被用于随后核实用户的身份。作为说明性示例,数据核实组成部分404可以被用作机场扫描***的一部分以核实用户的身份。数据核实组成部分404可以包括子组成部分(诸如与上述说明性示例对应的数据),并且当核实越多子组成部分时,数据核实组成部分404越高。可以组合子组成部分,以便以任何合适的方式(诸如加权和或者在下面关于图8和图9进一步讨论的方法)确定数据核实组成部分404。在一些实施例中,可以通过证明子组成部分的主题的文档(例如,用于证明收入的纳税申报单)或通过对等核实来实现对数据的核实。例如,就业信息可以由连接到目标用户的对等方(peer)审查,并且随着更多对等方积极审查就业信息,子组成部分得分变得越好。在一些实施例中,一旦经过核实,该信息就可以被删除。例如,一旦护照/ID中包含的信息通过验证,就可以删除护照/ID的图像。
网络连接组成部分406在下面联系图11-图13进一步讨论。在一些实施例中,网络连接组成部分406可以包括来自社交网络(例如,Facebook、Twitter、Instagram、Pinterest、LinkedIn等)的数据。例如,网络连接性组成部分406可以考虑连接的数量,诸如目标用户具有的Facebook“朋友”、评论或“喜欢”目标用户的帖子的那些朋友、关于目标用户添加/移除谁作为朋友的信息、目标用户的朋友的持续时间(例如,在用户将他们添加为朋友之后多久目标用户将他们作为朋友移除)、目标用户向谁发消息、目标用户共享哪些帖子,以及社交网络上的使用期(tenure)的长度。对于对等信任得分(诸如对等信任得分304),网络连接性组成部分可以考虑共同朋友的数量、分离的程度以及从第一实体到目标实体的路径的数量。
信用得分组成部分408可以包括与目标实体相关联的任何合适的财务信息,包括收入、支票/储蓄账户信息(账户的数量、价值)以及来自一个或多个机构的信用得分信息。信用得分信息可以从任何典型的信用得分机构接收,包括但不限于Transunion、Equifax和Experian。还可以考虑信用得分因子,诸如信用账户的数量、信用利用率、信用历史的长度、延迟付款的次数等。考虑的其它财务信息可以包括先前的贷款和支付数据、关于净值或资产/负债的数据、以及关于任何先前违规的信息。可以使用任何合适的方法来组合各种财务数据,包括但不限于以下联系图8和图9讨论的方法。
法院数据组成部分410可以包括关于在刑事或民事法院中与目标实体相关联的活动的任何数据。例如,法院数据组成部分410可以包括关于多少案件涉及实体起诉其他人和诉讼的类型、多少案件涉及目标实体作为被告、可能对可信度具有负面影响的任何刑事案件以及任何已结案的案件的最终持有/处置(例如,无罪释放、定罪、解决等)的数据。法院数据可以源于任何公开可用的来源以及任何可用的市、州、联邦或国际法院。
评级/反馈数据组成部分412可以包括反映与目标实体相关联的评级或反馈的任何数据。例如,诸如Yelp之类的在线评级网站可以提供关于各种企业的评级信息。可以考虑目标实体的任何评级、关于量(volume)、评级的数量、平均评级、谁对目标实体进行评级以及目标实体是否对评论做出响应的信息。在一些实施例中,可以从诸如商业改进局(BetterBusiness Bureau)之类的评级机构接收评级数据。反馈数据可以包括与目标实体相关联的任何肯定或否定评论。在一些实施例中,反馈数据可以包括由社交网络中的对等方做出的评论。在一些实施例中,可以使用其他用户或实体的评级的数量和时间来影响评级/反馈数据组成部分412。例如,在指定的时间段内缺乏负面反馈可以导致评级/反馈数据组成部分412的增加(或减少)。类似地,在指定的时间段内缺乏正面反馈可以导致评级/反馈数据组成部分412的减少(或增加)。
团体/人口统计组成部分414可以包括关于目标实体的团体成员资格的信息或者人口统计信息(诸如年龄、性别、种族、位置等)。团体数据可以建议由目标实体执行的活动。例如,国家帆船俱乐部的成员资格可以指示对帆船和船只的兴趣。在一些实施例中,可以调整对等信任得分以考虑团体/人口统计组成部分。例如,如果第一实体和目标实体两者都是同一国家帆船俱乐部的成员,则可以增加目标实体的对等信任得分。作为另一个示例,人口统计信息(年龄、性别、种族、位置等)的相似性可以指示第一实体和目标实体之间的可信度的递增增加,并且可以相应地调整目标实体的对等信任得分。
搜索引擎挖掘组成部分416可以包括在合适的搜索引擎(诸如Google或Yahoo)上执行的分析。可以搜索和扫描网站/博客/文章以获得关于目标条目的条目,并且可以检测并存储针对这些条目的正面或负面情绪。文章的数量、情绪、文章的时间可以指示对搜索引擎挖掘组成部分416的正调整或负调整。在一些实施例中,可以扫描诸如eBay之类的在线购物或拍卖网站,以获得与目标实体相关联的信息,诸如交易的评级和量、反馈评论、购买/出售物品的数量、物品的平均价值和物品的类别(例如,硬件、软件、家具等)。
交易历史组成部分418可以包括关于与目标实体相关联的过去交易的任何信息。可以识别成功的交易或活动,并对交易历史组成部分得分产生积极影响。例如,如果我借给John 100美元并且他准时向我还款,则在将来我可能会更倾向于将钱借给他。交易历史数据可以(例如,通过图2中的应用102)被本地跟踪并存储,或者可以从远程源(例如,银行或网站)被接收。交易历史数据可以考虑交易的细节,诸如货币的金额、向谁、从谁、多少次和/或成功率。交易/活动类型可以包括但不限于贷款/借入资金或对象、购买/出售商品和服务、财务交易、约会、合作伙伴(例如,发展联盟、开始新业务、投资等)、变成朋友/熟人、租用/出租(包括例如租用汽车、房屋、酒店房间等)、雇佣/工作(包括例如水管工、保姆等)。活动或交易可以包括任何数量的各方,并且每一方可能需要核实它们实际上是活动/交易的一部分。每一方还可以评级他们对交易/活动的体验。未完成的活动/交易的提示可以被自动发送到用户或实体。例如,可以发送电子邮件询问用户是否想要提供反馈。
在一些实施例中,交易历史组成部分418可以包括第一实体和第二实体之间的交易历史中先前交易之间的交互。以这种方式,处理电路***可以在确定信任得分时考虑后悔和宽恕的元素。例如,第一交易可以与信任得分的增加或减少对应,而与第一交易相关的第二后续交易可以导致在相反方向上对对等信任得分的调整。调整可以是信任得分的减少(例如,后悔或怀疑)或信任得分的增加(例如,宽恕或赎回)。作为说明性示例,受试者过去可能偷了一辆汽车,随后被判犯有盗窃罪并被判处***3年。最初的盗窃可能降低受试者的信任得分,从而反映出与已知违规相关联的怀疑增加,而后续的定罪和判刑可能会增加受试者的信任得分,从而反映出受试者可信度的赎回级别。
在一些实施例中,包括交易历史组成部分418的交易可以与信任得分随时间推移的增加或减少相关联。例如,交易可以有助于信任得分的初始增加,并且随着时间的推移,初始增加可以衰减,直到信任得分返回到初始值为止。类似地,交易可以造成信任得分的初始减少,并且随着时间的推移,初始减少可以衰减,直到信任得分返回到初始值为止。
在一些实施例中,***信任得分、对等信任得分或情境信任得分中的任何一个还可以包括考虑实体的地理位置的位置组成部分。例如,由GPS坐标确定的最终用户的位置或企业的地址可以被结合到信任得分的计算中。在一些实施例中,对等信任得分可以考虑第一实体和第二实体的位置并相应地调整信任得分。例如,如果第一用户和第二用户碰巧来自同一家乡,则可以增加对等信任得分以反映这个共同信息。在一些实施例中,实体的位置可以提供信任得分的自动增加/减少。例如,特定位置可以被称为危险邻域、城市或地区,并且可以自动减少位于危险位置或与危险位置相关联的所有实体的信任得分以反映这种危险。作为说明性示例,去接近已知战区的国家的用户可能不如信任该国家中的陌生人那样舒适。位于与用户相同位置的其他人的信任级别可以自动降低以反映增加的怀疑。在一些实施例中,用户可以与他的朋友一起旅行,如由用户与位于该用户周围的多个人具有的高级别对等信任得分所指示的。处理电路***可以以任何合适的方式确定用户被朋友包围,包括友谊、共同的家乡、工作地点或任何其它共同信息的明确指示。如果用户正在去危险的位置旅行,但与朋友一起旅行,则与该危险位置相关联的其它实体的信任得分仍然可以减少,但是与用户不与朋友一起旅行的情况相比,这些得分会减少较小的量。
在一些实施例中,***信任得分、对等信任得分和/或情境信任得分中的任何得分可以考虑最终用户的生物响应。例如,移动设备可以包括手机、智能手表、心率监视器以及可以监视最终用户的一个或多个生物响应(例如,心率、呼吸率、脑电波、出汗响应等)的其它可穿戴移动设备。这些检测到的最终用户的生物响应结合位置信息可以部分地用于确定信任得分。例如,心率的增加可以是焦虑的指示,并且可以导致信任得分的减少。心率的增加可以是由用户移动到新位置造成的,在这种情况下,与该位置相关联的信任得分可以减少。心率的增加可以是由第一用户移动到与第二用户非常接近而造成的,在这种情况下,可以减少关于第二用户的对等信任得分以反映第一用户在第二用户周围感觉到的增加的焦虑。
图5是根据本公开某些实施例的包括信任得分的组成部分504-518的加权组合502的示图500。将理解的是,信任得分可以包括比组成部分504-518更多或更少的组成部分,并且提供组成部分504-518仅用于说明目的。加权组合502包括数据核实组成部分504、网络连接性组成部分506、信用得分组成部分508、法院数据组成部分510,评级/反馈数据组成部分512、团体/人口统计组成部分514、搜索引擎挖掘组成部分516和交易历史组成部分518。组成部分504-518可以分别与图4中描绘的数据核实组成部分404、网络连接性组成部分406、信用得分组成部分408、法院数据组成部分410、评级/反馈数据组成部分412、团体/人口统计组成部分414、搜索引擎挖掘组成部分416和交易历史组成部分418对应。如图5中描绘的说明性示例中所示,可以根据以下权重使用缺省的权重来组合组成部分504-518。
数据核实-5%
网络连接性-20%
信用得分-15%
法院数据-10%
评级/反馈数据-20%
团体/人口统计-5%
搜索引擎挖掘-5%
交易历史-20%
可以使用加权和(weighted sum)使用上述权重来组合组成部分504-518。例如,组成部分504-518中的每一个可以与数字组成部分得分相关联。加权和502可以被计算为:
其中wi是由上面的缺省权重给出的权重,并且ci是组成部分得分。
在一些实施例中,可以根据用户指定的值来调整缺省权重。例如,如上面所讨论的,更关心网络连接性的用户可以增加网络连接性组成部分506的权重,而不太关心财务责任的用户可以选择减少信用得分组成部分508。在一些实施例中,上面的缺省权重可以例如通过应用102自动调整以反映对等信任得分或情境信任得分。例如,应用102可以检测到第一实体和第二实体正在进入财务交易,并且可以自动调整信用得分组成部分508的权重以反映这个组成部分对活动类型的重要性。因此,可以向用户提供情境信任得分,这种情境信任得分以比缺省权重更相关的方式对因素进行加权。
在一些实施例中,***信任得分、对等信任得分和情境信任得分中的至少一个可以由均值和置信带(confidence band)表示。置信带可以表示计算出的信任得分中的统计方差。例如,基于数据源的可信度如何,每个组成部分得分可以与平均得分μ和标准差σ相关联。可以相应地组合每个组成部分得分的均值和标准差。如本领域普通技术人员将理解的,总组成部分得分的均值可以由每个组成部分得分的均值之和来表示。可以使用以下等式组合两个组成部分得分一起的方差:
V(A+B)=V(A)+V(B)+2*Covar(A,B)
其中V(A)是组成部分A的方差(即,标准差的平方),V(B)是组成部分B的方差,并且Covar(A,B)是组成部分A和B的协方差。
图6是根据本公开某些实施例的向发出请求的用户显示信任得分界面600的图形用户界面。信任得分界面600包括图标602、初始得分604、交易选择器606、交易细节字段608、附加交易按钮610、修订得分图标612、第一简档得分614、第二简档得分616和计算按钮618。虽然在图6中移动设备显示屏幕的上下文中描绘了信任得分界面600,但是将理解的是,可以生成信任得分界面600以供在任何合适的显示设备上显示。
图标602和初始得分604可以以图形方式表示目标实体的第一信任得分。虽然图标602被描绘为笑脸,但是将理解的是,可以利用任何合适的图形表示来表示目标实体的相对信任级别。在一些实施例中,初始得分604可以是使用缺省权重集来计算的目标实体的***信任得分。在其它实施例中,初始得分604可以是关于移动应用的用户计算的对等信任得分。例如,初始得分604可以表示考虑发出请求的用户和目标用户的共同朋友的信任级别。
发出请求的用户可以使用交易选择器606来指示要与目标用户执行的活动/交易。在一些实施例中,交易选择器606可以是可选的,并且不需要交易来计算修订的得分。虽然交易选择器606被描绘为下拉框,但是可以利用任何合适的输入方法(例如,文本输入框、单选按钮等)从发出请求的用户接收活动/交易的指示。在选择活动/交易之后,交易细节字段608可以提供进一步的细节或选项。例如,如果发出请求的用户指示目标实体希望请求贷款,则交易细节字段608可以包括用于指示贷款金额的字段。以这种方式,与10万美元的贷款相反,对于10美元的贷款可以使用不同的组成部分权重。发出请求的用户可以使用附加交易按钮610添加附加交易。在指示多个交易的情况下,可以对多个交易的权重求平均。
修订得分图标612可以指示基于输入到交易选择器606和交易细节字段608中的信息计算的修订的信任得分。在一些实施例中,修订得分图标612可以反映对等信任得分,例如,当未在交易选择器606中选择交易时。在其它实施例中,修订得分图标612可以反映基于在交易选择器606和交易细节字段608中指示的活动/交易和交易细节计算的情境信任得分。修订得分图标612可以包括修订的信任得分的图形表示,类似于图标602。在图6中描绘的说明性示例中,修订图标612包括笑脸以表示相对高的修订得分673。发出请求的用户可以使用计算按钮618来请求计算。
第一简档得分614和第二简档得分616可以指示针对发出请求的用户的***信任得分、对等信任得分和/或情境信任得分中的一个或多个。与图标602和图标612一样,第一简档得分614和第二简档得分616可以包括相应信任得分的图形表示,诸如笑脸。
图7是根据本公开某些实施例的显示另一个信任得分界面700的图形用户界面。信任得分界面700包括权重简档选择器702、权重细节字段704、权重选择器706、第一简档得分708、第二简档得分710和更新权重按钮712。
如上面联系图5所讨论的,用户可以将权重调整为用户指定的值。这些用户指定的权重可以被保存为可以在权重简档选择器702中选择的简档。权重细节字段704可以反映与所选择的权重简档对应的细节,诸如各种组成部分的权重值。用户可以使用权重选择器706进一步调整权重。虽然权重简档选择器704和权重选择器706在图7中被描绘为下拉菜单,但是可以利用任何合适的选择器,包括但不限于文本输入框和/或单选按钮。发出请求的用户可以通过选择更新权重按钮712来用指定的权重更新权重简档。
在一些实施例中,权重简档可以存储在例如图1中描绘的数据存储库110中。这些权重简档可以形成用于开发特定于具体交易类型的缺省权重简档的基础。可以向其他用户建议用于具体交易类型的这些缺省权重简档,并且使用处理电路***的***可以使用AI/机器学习技术以便监视用户如何调整权重简档并自动重新调整用于其他用户的缺省权重简档。通过这样做,***可以改进最终用户的响应时间和便利性,因为他们将不必手动调整他们的权重简档。
在一些实施例中,用户可以指示可以应用于每个其他用户的初始信任得分因子或基本信任得分因子。然后,可以计算***信任得分、对等信任得分和情境信任得分中的至少一个,作为对用户已指示的初始或基本信任得分的更新。例如,联系图4讨论的每个组成部分可以导致所指示的初始或基本信任得分的增加或减少。在一些实施例中,可以通过向用户呈现问卷或一系列问题以确定他们对其它实体的一般信任级别来确定初始或基本信任得分。在一些实施例中,用户可以为不同的实体指定不同的初始或基本信任得分。
第一简档得分708和第二简档得分710可以基本上类似于图6中描绘的第一简档得分614和第二简档得分616,并且可以指示针对发出请求的用户的***信任得分、对等信任得分和/或情境信任得分中的一个或多个。
图8是示出根据本公开某些实施例的用于基于度量指派组成部分得分的分级标度的表800。表800描绘了用于基于测得的度量802确定组成部分得分或子组成部分得分的仅一个说明性示例。图8中描绘的说明性示例使用社交网络中朋友的数量作为可测量的度量。基于度量802,可以根据分级标度来指派组成部分得分804和806。在图8中描绘的示例中,组成部分得分804被描绘为1000以内的数字得分,并且组成部分得分806被描绘为100%以内的百分比。将理解的是,可以使用用于描绘组成部分得分的任何合适方法。例如,组成部分得分可以由离散类别表示(例如,“非常差”、“差”、“不错”、“好”和“非常好”)。此外,虽然图8中描绘的分级标度仅示出了五个阶梯,但是分级标度可以被划分为任何合适数量的阶梯或类别。
根据图8中描绘的分级标度,可以基于目标实体具有的朋友的数量来指派网络组成部分得分(例如,图4中的网络连接性得分406)。例如,如果目标实体有306个朋友,则网络组成部分得分可以是600。在一些实施例中,网络组成部分得分可以包括两个或更多个子组成部分得分的组合,其中每个子组成部分得分基于类似于表800的分级标度来确定。在一些实施例中,还可以基于以下联系图9讨论的方法来确定子组成部分得分。在一些实施例中,可以使用平均值或加权平均值来组合子组成部分得分。例如,网络组成部分得分可以组合朋友的数量和目标用户关于其帖子接收到的“喜欢”的数量。可以对网络组成部分得分进行加权,使得朋友的数量占潜在网络组成部分得分的700/1000,并且“喜欢”的数量占潜在网络组成部分得分的300/1000。
度量802和分级标度的阶梯可以由服务器(诸如图1中描绘的应用服务器106)确定。例如,信任应用的提供者可以根据其专有算法来设置度量。在一些实施例中,度量802可以由实体调整,使得可以根据用户的偏好来计算组成部分得分。虽然关于网络连接性得分讨论了度量802,但是将理解的是,可以使用类似的分级标度方案来确定组成部分404-418中的任何组成部分或任何其它组成部分。
图9是根据本公开某些实施例的用于基于度量指派组成部分得分的分布900。分布900描绘了用于基于测得的度量902确定组成部分得分或子组成部分得分的一个说明性示例。图9中描绘的说明性示例使用社交网络中朋友的数量作为可测量的度量904。应用(诸如图1中的访问应用102)或应用服务器(诸如图1中的应用服务器106)可以识别通过网络连接到发出请求的用户的实体。在一些实施例中,网络可以是社交网络(诸如Facebook)或计算机网络(诸如互联网或互联网的子集)。然后,应用或应用服务器可以为每个识别出的用户确定或检索关于期望度量904的信息。在图9中描绘的说明性示例中,应用或应用服务器可以识别发出请求的用户的所有朋友并确定用户的每个朋友具有多少个朋友。可以基于确定或检索的信息来绘制分布900。在图9中,分布900被描绘为高斯分布,但是将理解的是,任何分布都可以由确定或检索的数据产生。分布900可以具有平均值为μ的峰912。例如,发出请求的用户的大多数朋友可以具有μ=500个朋友的平均值。可以基于标准差σ将分布900划分为区域906、908、910、914、916和918。例如,区域906可以表示比平均值μ低两个标准差σ的朋友的数量。区域908可以表示比平均值μ低两个标准差σ和一个标准差σ之间的朋友的数量。区域910可以表示比平均值μ低小于一个标准差σ的朋友的数量。区域914可以表示在平均值μ和高于平均值μ一个标准差σ之间的朋友的数量。区域916可以表示高于平均值μ一个标准差σ和两个标准差σ之间的朋友的数量。最后,区域918可以表示高于平均值μ两个标准差σ以上的朋友的数量。
用于目标用户的度量可以落入区域906、908、910、914、916和918中的一个当中。如本领域普通技术人员将理解的,区域906和918各自表示分布900的大约2.5%,区域908和916各自表示分布900的大约13.5%,并且区域910和914各自表示分布900的大约34%。应用或应用服务器可以取决于目标用户的度量落入区域906、908、910、914、916和918中的哪一个来指派组成部分得分。例如,如果度量落在区域906或918内,则用于目标用户的组成部分得分可以相对低,而如果度量落在区域910或914内,则得分可以相对高。类似于图8中描绘的表800的分级标度可以被指派给区域906、908、910、914、916和918。
图10是根据本公开某些实施例的网络图1000的显示。网络图1000包括源节点1002、目标节点1004、中间节点1006以及路径1008和1010。可以生成网络图1000以供在任何合适的显示设备上以及在任何合适的界面(诸如图6和图7中描绘的界面600和700)中显示。如本文所定义的,“节点”可以包括任何用户终端、网络设备、计算机、移动设备、接入点或任何其它电子设备。在一些实施例中,节点还可以表示个人、实体(例如,法人实体,诸如上市公司或私营公司、集团、有限责任公司(LLC)、合作伙伴、独资企业或慈善组织)、概念(例如,社交网络团体)、动物,或无生命的对象(例如,汽车、飞机或工具)。
网络图1000可以表示连接由源节点1002描绘的发出请求的实体和由目标节点1004描绘的目标实体的网络的可视化。还可以显示一个或多个中间节点(诸如中间节点1006),以及连接节点1002、1004和1006的路径1008。在一些实施例中,可以显示主导路径1010并在视觉上区别于其它路径1008。可以使用任何合适的算法来确定主导路径1010。例如,主导路径1010可以表示从源节点1002到源节点1004的最短长度路径。在其它实施例中,主导路径1010可以表示通过具体中间节点(诸如具有相对高信任值的节点)的路径。例如,从节点1002通过节点1006到节点1004的较长路径可以在路径的每条链路处具有比较短路径1010更高的信任。
在一些实施例中,节点1002、1004和1006中的每一个可以包括图像、文本或两者,诸如与由节点描绘的实体相关联的简档图片。在一些实施例中,可以生成网络图1000以供在可滚动的显示中显示,其中用户可以滚动并缩放网络图1000以根据期望查看更多或更少的节点。
图11-图13描述了用于计算网络组成部分得分的说明性方法,诸如图4中描绘的网络连接性组成部分406。可以至少部分地使用下面更详细描述的各种图遍历和归一化技术来确定连接性。
在实施例中,可以使用路径计数方法,其中处理电路***被配置为对网络社区内的第一节点n1和第二节点n2之间的路径的数量进行计数。然后可以将连接性评级Rn1n2指派给节点。指派的连接性评级可以与连接两个节点的关系或子路径的数量成比例,以及与其它可能的测量成比例。使用子路径的数量作为测量,在第一节点n1和第二节点n2之间具有一个或多个中间节点的路径可以通过适当的数量(例如,中间节点的数量)来缩放,并且这个缩放的数量可以用于计算连接性评级。
在一些实施例中,除了子路径计数方法之外或作为其替代,还使用加权链路。处理电路***可以被配置为将相对用户权重指派给连接网络社区内第一节点n1和第二节点n2的每条路径。可以为每条链路指派用户连接性值。例如,与节点n1相关联的用户或实体可以为来自节点n1的所有传出路径(outgoing path)指派用户连接性值。在一些实施例中,由用户或实体指派的连接性值可以指示该用户或实体对于与节点n2相关联的用户或实体的信任。然后可以将由特定用户或实体指派的链路值彼此进行比较以确定每条链路的相对用户权重。
可以通过首先计算由该用户指派的所有用户连接性值的平均值(即,外链路值)来确定每条链路的相对用户权重。如果ti是指派给链路i的用户连接性值,则可以根据下式给出指派给该条链路的相对用户权重wi:
为了确定路径的总权重,在一些实施例中,沿该路径的所有链路的权重可以一起相乘。然后可以根据下式给出总路径权重:
wpath=Π(wi) (2)
然后,可以根据下式将路径的连接性值定义为路径中所有链路的最小用户连接性值乘以总路径权重:
tpath=wpath×tmin (3)
为了确定路径连接性值,在一些实施例中,可以使用并行计算框架或分布式计算框架(或两者)。例如,在一个实施例中,多个核心处理器实现Apache Hadoop或GoogleMapReduce集群。这个集群可以结合确定新路径链路值和路径权重来执行分布式计算中的一些或全部。
处理电路***可以识别网络社区内改变的节点。例如,可以添加新的传出链路、可以移除链路,或者可以改变用户连接性值。响应于识别出改变的节点,在一些实施例中,处理电路***可以重新计算与所涉及的一个或多个网络社区中的一些或全部节点相关联的链路、路径和权重值。
在一些实施例中,在识别出改变的节点之后,仅重新计算与网络社区中受影响的节点相关联的值。如果在网络社区中存在至少一个改变的节点,则改变的一个或多个节点可以首先经历准备过程。准备过程可以包括“映射”阶段和“缩减”阶段。在准备过程的映射阶段中,准备过程可以被划分为较小的子过程,然后将这些子过程分发到并行计算框架集群中的核心。例如,每个节点或链路改变(例如,尾部到出链路(out-link)改变和头部到入链路(in-link)改变)可以被映射到不同的核心以供并行计算。在准备过程的缩减阶段中,可以根据等式(1)确定每条出链路的权重。然后可以通过出链路权重的总和(或任何其它合适的值)来归一化每个出链路权重。然后可以针对每个改变的节点、其入链路及其出链路来更新节点表。
在已经准备好改变的节点之后,可以计算源自每个改变的节点的路径。再一次地,可以定义这个过程的“映射”和“缩减”阶段。在这个过程期间,在一些实施例中,可以执行节点有向图(digraph)或节点树的深度优先搜索。然后可以识别所有受影响的祖先节点并重新计算它们的路径。
在一些实施例中,为了改进性能,可以通过路径中的最后一个节点对路径进行分组。例如,以节点n1结尾的所有路径可以被分组在一起,以节点n2结尾的所有路径可以被分组在一起,依此类推。然后可以分开存储这些路径组(例如,在单个数据库表的不同列中)。在一些实施例中,路径组可以存储在实现HBase集群的键-值存储库(或任何其它压缩的高性能数据库***,诸如BigTable)的列中。
在一些实施例中,可以定义一个或多个阈值函数。一个或多个阈值函数可以被用于确定将在连接性确定或连接性计算中被分析的路径中的最大链路数。还可以针对最小链路权重、路径权重或两者定义阈值因子。在连接性确定或连接性计算中可以忽略低于用户定义或***定义的阈值的权重,而可以仅考虑足够大量值的权重。
在一些实施例中,用户连接性值可以表示第一节点和第二节点之间的信任程度。在一个实施例中,节点n1可以将用户连接性值l1指派给节点n1与节点n2之间的链路。节点n2也可以将用户连接性值l2指派给节点n2与节点n1之间的反向链路。l1和l2的值可以至少部分地是与由链路连接的节点相关联的个人或实体的可信度的主观指示。然后,用户(或由该节点授权的其他个人)可以将这个值指派给将该节点连接到个人或实体的传出链路。在一些实施例中,还可以使用客观测量(例如,来自第三方评级机构或信用局的数据)来形成指示信任的复合用户连接性值。可以自动收集或手动输入主观、客观或两种类型的测量以供分析。
图11示出了根据本公开某些实施例的用于支持用于计算网络组成部分得分的连接性确定的数据表1100。表1100中的一个或多个可以存储在例如数据存储库110(图1)中的关系数据库中。表1102可以存储网络社区中所注册的所有节点的标识。可以将唯一标识符指派给每个节点并将唯一标识符存储在表1102中。此外,字符串名称可以与每个节点相关联并存储在表1102中。如上所述,在一些实施例中,节点可以表示个人或实体,在这种情况下字符串名称可以包括个人或人的名字和/或姓氏、昵称、句柄或实体名称。
表1104可以存储用户连接性值。在一些实施例中,用户连接性值可以由***(例如,通过应用服务器106(图1))自动指派。例如,应用服务器106(图1)可以监视网络社区的成员之间的所有电子交互(例如,电子通信、电子交易或两者)。在一些实施例中,可以将缺省用户连接性值(例如,链路值1)最初指派给网络社区中的所有链路。在网络社区中的两个或更多个节点之间识别出电子交互之后,可以取决于节点之间的交互类型和交互的结果来向上或向下调整用户连接性值。例如,两个节点之间的每个简单电子邮件交换可以将连接这两个节点的用户连接性值自动增加或减少固定的量。两个节点之间的更复杂的交互(例如,产品或服务销售或查询)可以将连接这两个节点的用户连接性值增加或减少某个更大的固定量。在一些实施例中,可以增加两个节点之间的用户连接性值,除非用户或节点指示交互是不适宜的、未成功完成的、或者以其它方式是不利的。例如,交易可能未及时执行或电子邮件交换可能特别令人不愉快。不利的交互可能自动减少用户连接性值,而所有其它交互可能增加用户连接性值(或没有效果)。此外,可以使用外部源自动收集用户连接性值。例如,可以向第三方数据源(诸如评级机构和信用局)自动查询连接性信息。这种连接性信息可以包括完全客观的信息、完全主观的信息、部分客观和部分主观的复合信息、任何其它合适的连接性信息,或者前述的任何组合。
在一些实施例中,用户连接性值可以由网络社区的成员手动指派。例如,这些值可以表示两个用户或节点之间的信任程度或级别,或者一个节点以某种努力对另一个节点的竞争力的评估。在一些实施例中,用户连接性值可以包括主观组成部分和目标组成部分。主观组成部分可以包括指示第一用户或节点找到第二用户、节点、社区或子社区有多可信的可信度“得分”。这个得分或值可以是完全主观的并且基于两个用户、节点或社区之间的交互。这个手动用户连接性得分可以“覆盖”***信任得分、对等信任得分或情境信任得分中的一个或多个。当用户用手动信任得分“覆盖”上述信任得分中的一个时,用户指定的信任得分可以与被覆盖的信任得分同时被提供或代替被覆盖的信任得分被提供。
在一些实施例中,***管理员可以覆盖***信任得分、对等信任得分或情境信任得分中的一个或多个。例如,***管理员可以覆盖实体的***信任得分以考虑最近的趋势或事件。当***管理员覆盖信任得分时,管理员的信任得分可以与被覆盖的信任得分同时被提供或代替被覆盖的信任得分被提供。当被覆盖的信任得分达到管理员的信任得分的指定范围或阈值时,***可以自动恢复到被覆盖的信任得分。作为说明性示例,***管理员可以减少已经在新闻中引起负面公众注意的实体的***信任得分。被覆盖的信任得分将继续由***计算,并将逐渐反映该实体的负面公众关注。当被覆盖的信任得分达到管理员的信任级别的某个范围内(例如,在10%之内)时,则***将自动恢复到计算出的得分。在一些实施例中,管理员的信任得分将被提供给用户,具有得分被覆盖的通知和/或信任得分被覆盖的原因。
表1104可以存储链路的链路头部、链路尾部和用户连接性值的标识。链路可以是双向的,也可以不是双向的。例如,从节点n1到节点n2的用户连接性值可以与从节点n2到节点n1的链路不同(并且完全分离)。尤其是在上述信任上下文中,每个用户可以将他或她自己的用户连接性值指派给链路(即,在一些实施例中,两个用户不需要彼此信任相等的量)。
表1106可以存储表1104的审计日志(audit log)。可以分析表1106以确定在网络社区中哪些节点或链路已经改变。在一些实施例中,每当检测到表1104中的数据的改变时,数据库触发器被用于自动地将审计记录***到表1106中。例如,可以创建新链路、可以移除链路、或者可以改变用户连接性值。这种审计日志可以允许前瞻性地(即,在预期事件之前)做出与连接性值相关的决定。这种决定可以在用户的请求下进行,或者作为自动化过程的一部分进行。这种前瞻性分析可以允许以流畅和/或动态的方式发起交易(或采取某个特定动作)。在检测到这种改变之后,触发器可以在表1106中自动创建新行。表1106可以存储改变的节点的标识,以及改变的链路头部、改变的链路尾部的标识,以及要指派给改变的链路的用户连接性值。表1106还可以存储指示改变时间的时间戳和操作代码。在一些实施例中,操作代码可以包括“***”、“更新”或“删除”操作,分别与是否***了链路、改变了用户连接性值或者删除了链路相对应。在其它实施例中可以使用其它操作代码。
图12示出了用于支持本公开的连接性确定的数据结构1210。在一些实施例中,可以使用键-值存储库112(图1)来存储数据结构1210,而表1200被存储在数据存储库110(图1)中。如上所述,键-值存储库112(图1)可以实现HBase存储***并包括BigTable支持。与传统的关系数据库管理***一样,图12中所示的数据可以存储在表中。但是,BigTable支持可以允许每个表中任意数量的列,而传统的关系数据库管理***可能需要固定数量的列。
数据结构1210可以包括节点表1212。在图12所示的示例中,节点表1212包括若干列。节点表1212可以包括行标识符列1214,行标识符列1214可以存储64位、128位、256位、512位或1024位整数,并且可以被用于唯一地标识节点表1212中的每一行(例如,每个节点)。列1216可以包括针对当前节点的所有传入链路的列表。列1218可以包括针对当前节点的所有传出链路的列表。列1220可以包括当前节点所连接到的节点标识符的列表。如果可以跟随传出链路到达第二节点,则第一节点可以连接到第二节点。例如,对于A->B,A连接到B,但是B可以不连接到A。节点表1212还可以包括一个或多个“桶(bucket)”列1222。这些列可以存储将当前节点连接到目标节点的路径列表。如上所述,通过路径中的最后一个节点(例如,目标节点)对路径进行分组可以促进连接性计算。如图12中所示,在一些实施例中,为了促进扫描,桶列名称可以包括附加到“桶:”列的末尾的目标节点标识符。
图13A-图13E示出了用于确定网络社区内的节点的连接性的说明性过程。图13A-图13E中描绘的过程可以被用于确定网络组成部分得分,诸如图4中描绘的网络连接组成部分406。图13A示出了用于更新与网络社区相关联的连接性图(或任何其它合适的数据结构)的过程1300。如上所述,在一些实施例中,每个网络社区与其自己的连接性图、有向图、树或其它合适的数据结构相关联。在其它实施例中,多个网络社区可以共享一个或多个连接性图(或其它数据结构)。
在一些实施例中,可以执行关于图13A-图13E描述的过程来前瞻性地(即,在预期事件之前)做出决定。这种决定可以在用户的请求下进行,或者作为自动化过程的一部分进行。这种前瞻性分析可以允许以流畅和/或动态的方式发起交易(或采取某种特定动作)。在一些实施例中,处理电路***可以预期由于做出某个决定而导致信任得分的增加或减少。处理电路***可以例如通过用户界面600或700中的一个向最终用户提供提醒,该提醒向最终用户指示最终用户的信任得分将作为决定的结果而增加/减少。在一些实施例中,还可以基于作为决定的结果的信任得分的潜在增加/减少,手动或者自动地做出前瞻性决定。例如,如果决定将导致信任得分在某个阈值内的增加/减少,则处理电路***可以自动做出前瞻性决定。以这种方式,无论是自动还是手动做出的前瞻性决定都可以考虑最终用户的风险忍受或风险偏好。
在步骤1302处,确定网络社区中是否至少一个节点已经改变。如上所述,可以在节点已经改变之后将审计记录***到表1106(图11)中。通过分析表1106(图11),可以(例如,由图1的应用服务器106)确定已经添加了新链路、已经移除了现有链路、或者用户连接性值已经改变。如果在步骤1304处确定节点已经改变,则过程1300继续到步骤1310(图13B中所示)以准备改变的节点,继续到步骤1312(图13C中所示)以计算源自改变的节点的路径,继续到步骤1314(图13D中所示)以移除经过改变的节点的路径,以及继续到步骤1316(图13E所示)以计算通过改变的节点的路径。应当注意的是,图13B、图13C、图13D和图13E中所示的多于一个步骤或任务可以使用例如核心的集群来并行执行。例如,图13B中所示的多个步骤或任务可以并行或以分布方式执行,然后图13C中所示的多个步骤或任务可以并行或以分布方式执行,然后图13D中所示的多个步骤或任务可以并行或以分布方式执行,以及然后图13E中所示的多个步骤或任务可以并行或以分布式方式执行。以这种方式,可以降低与过程1300相关联的总体延时。
如果在步骤1304处未检测到节点改变,则过程1300在步骤1306处进入睡眠模式。例如,在一些实施例中,应用线程或过程可以连续检查以确定网络社区中是否至少一个节点或链路已改变。在其它实施例中,应用线程或过程可以每n秒定期地检查改变的链路和节点,其中n是任何正数。在步骤1316处计算经过改变的节点的路径之后或在步骤1306处睡眠一段时间之后,过程1300可以确定是否在步骤1308处循环。例如,如果所有改变的节点已被更新,则过程1300可以在步骤1308处停止。但是,如果存在更多改变的节点或链路要处理,则过程1300可以在步骤1308处循环并返回到步骤1304。
在实践中,过程1300中所示的一个或多个步骤可以与其它步骤组合、以任何合适的顺序执行、并行(例如,同时或基本上同时)执行或者被移除。
图13B-图13E各自包括具有“映射”阶段和“缩减”阶段的过程。如上所述,这些阶段可以形成由并行计算框架114(图1)、键-值存储库112(图1)或两者执行的映射/缩减计算范例的一部分。如图13B中所示,为了准备任何改变的节点,映射阶段1320可以包括在步骤1322处确定是否还有链路改变,在步骤1340处检索下一个链路改变,在步骤1342处将尾部映射到链路改变,以及在步骤1344处将头部映射到入链路改变。
如果在步骤1322处不再有链路改变,则在缩减阶段1324,可以在步骤1326处确定存在更多节点和链路改变以进行处理。如果是这样,则可以在步骤1328处检索下一个节点及其链路改变。可以在步骤1330处保留最近的链路改变,同时用更近的改变替换任何中间链路改变。例如,存储在表1106(图11)中的时间戳可以被用于确定每个链路或节点改变的时间。在步骤1332处,可以计算平均的出链路用户连接性值。例如,如果节点n1具有八条具有指派的用户连接性值的出链路,则可以在步骤1332处对这八个用户连接性值求平均。在步骤1334处,可以根据上面的等式(1)计算每条出链路的权重。然后可以在步骤1336处对所有出链路的权重求和并用于归一化每个出链路权重。例如,每个出链路权重可以除以所有出链路权重之和。对于每条外链路,这可以产生0到1之间的权重。在步骤1338处,可以保存针对改变的节点、入链路和出链路的现有桶。例如,桶可以保存在键-值存储库112(图1)或数据存储库110(图1)中。如果在步骤1326处没有更多节点和链路改变要处理,则过程可以在步骤1346处停止。
如图13C中所示,为了计算源自改变的节点的路径,映射阶段1348可以包括在步骤1350处确定是否还有改变的节点、在步骤1366处检索下一个改变的节点、在步骤1368处通过将改变的节点映射到空(NULL)路径来标记现有的用于删除的桶、在步骤1370处通过跟随出链路而递归地生成路径,并且如果路径是合格路径,则将尾部映射到该路径。合格路径可以包括满足一个或多个预定义阈值函数的路径。例如,阈值函数可以指定最小路径权重。路径权重大于最小路径权重的路径可以被指定为合格路径。
如果在步骤1350处不再有改变的节点,则在缩减阶段1352中,可以在步骤1354处确定存在更多的节点和路径要处理。如果是这样,则可以在步骤1356处检索下一个节点及其路径。在步骤1358处,可以通过按其头部对路径进行分组来创建桶。如果在步骤1360处桶仅包含空路径,则在步骤1362处可以删除节点表中的对应单元格(cell)。如果桶包含不止空路径,则在步骤1364处,桶被保存到节点表中对应的单元格。如果在步骤1356处没有更多节点和路径要处理,则过程可以在步骤1374处停止。
如图13D中所示,为了移除通过改变的节点的路径,映射阶段1376可以包括在步骤1378处确定是否还有改变的节点并且在步骤1388处检索下一个改变的节点。在步骤1390处,节点表中与改变的节点对应的“桶:”列(例如,节点表1212的列1222(图12中的两者))可以被扫描。例如,如上所述,目标节点标识符可以附加到“桶:”列名称的末尾。每个桶可以包括将当前节点连接到目标节点(例如,改变的节点)的路径列表。在步骤1392处,对于通过扫描找到的每个匹配节点和改变后的节点的旧桶,匹配节点可以与(改变的节点,旧桶)删除对匹配。
如果在步骤1378处没有更多改变的节点,则在缩减阶段1380中,可以在步骤1384处确定存在更多的节点和删除对要处理。如果是这样,则可以在步骤1384处检索下一个节点及其删除对。在步骤1386处,对于每个删除对,可以删除通过旧桶中的改变的节点的任何路径。如果在步骤1382处没有更多节点和删除对要处理,则过程可以在步骤1394处停止。
如图13E中所示,为了计算通过改变的节点的路径,映射阶段1396可以包括在步骤1398处确定是否还有改变的节点并且在步骤1408处检索下一个改变的节点。在步骤1410处,节点表中与改变的节点对应的“桶:”列(例如,节点表1212的列1222(图12中的两者))可以被扫描。在步骤1412处,对于在扫描中找到的每个匹配节点和改变的节点的路径,被扫描的桶中的所有路径可以与改变的桶的所有路径接合。在步骤1414处,可以将每个匹配节点映射到每条合格的接合。
如果在步骤1398处没有更多改变的节点,则在缩减阶段1400中,可以在步骤1402处确定存在更多的节点和路径要处理。如果是这样,则可以在步骤1404处检索下一个节点及其路径。然后,在步骤1406处,可以将每条路径添加到适当的节点桶。如果在步骤1402处没有更多的节点和路径要处理,则过程可以在步骤1416处停止。
图14示出了根据本公开某些实施例的用于计算***信任得分的过程1420。过程1420包括在步骤1422处核实实体简档中的至少一个条目、在步骤1424处确定社交网络的连接性度量、在步骤1426处执行web搜索以确定公开可用信息、在步骤1428处识别过去的交易、在步骤1430处从第三方源接收评级信息、在步骤1432处计算组成部分得分、在步骤143处确定是否已接收到用户权重、在步骤1436处使用缺省权重来组合组成部分得分,以及在步骤1438处使用用户权重来组合组成部分得分。将理解的是,过程1420描绘了用于计算***信任得分的说明性步骤,并且在不脱离本发明范围的情况下对于本领域技术人员将显而易见的是,可以省略步骤1422-1438中的一个或多个并且将附加的步骤添加到过程1420。
在步骤1422处,处理电路***(诸如应用服务器106或访问应用102的处理电路***)可以核实实体的简档中的至少一个条目。该条目可以是一条或多条核实数据,诸如联系图4中描绘的数据核实组成部分404描述的核实数据。例如,处理电路***可以核实人类用户的电子邮件地址、电话号码、邮寄地址、教育信息、就业信息中的一个或多个。在步骤1424处,处理电路***可以确定社交网络的连接性度量。连接性度量可以包括联系图4中描绘的网络连接性组成部分406所讨论的度量。连接性度量可以包括但不限于朋友的数量、帖子的数量或消息的数量。在步骤1426处,处理电路***可以执行web搜索以确定与实体相关联的公开可用信息。例如,处理电路***可以执行搜索引擎挖掘,如上面联系图4中描绘的搜索引擎挖掘组成部分416所讨论的。处理电路***还可以确定诸如实体的信用得分或可用法院数据之类的信息,如上面联系图4中描绘的信用得分组成部分408和法院数据组成部分410所讨论的。在步骤1428处,处理电路***可以识别与该实体相关联的过去交易。例如,处理电路***可以识别该实体已参与的过去的财务交易以及财务交易是顺利完成(例如,偿还贷款)还是不适宜地完成(例如,在贷款上违约)。在步骤1430处,处理电路***可以从第三方源接收评级信息,如上面联系图4中描绘的评级/反馈数据组成部分412所讨论的。作为说明性示例,处理电路***可以从商业改进局或从诸如Yelp之类的在线评级站点接收关于实体的评级。在1432处,处理电路***可以基于从步骤1424-1430接收的信息来计算组成部分得分。处理电路***可以以任何合适的方式计算组成部分得分,诸如上面在图8和图9中讨论的方法。
在步骤1434处,处理电路***可以确定是否已接收到用户指定的权重。例如,用户可以通过用户界面(诸如图7中描绘的界面700)指定自定义权重。如果已经接收到用户指定的权重,则处理电路***可以在步骤1438处使用用户指定的权重来组合组成部分得分。如果尚未接收到用户指定的权重,则处理电路***可以在步骤1436处使用缺省权重(诸如图5中描绘的缺省权重)来组合组成部分得分。在一些实施例中,处理电路***可以响应于用户对***信任得分的请求而计算***信任得分。例如,用户可以按下图6中描绘的计算按钮618,并且作为响应,处理电路***可以基本上实时地计算***信任得分。在其它实施例中,处理电路***可以在用户请求***信任得分之前计算***信任得分。在此类实施例中,处理电路***可以响应于用户对***信任得分的请求而例如从图1中描绘的数据存储库110检索预先计算的***信任得分。
图15示出了根据本公开某些实施例的用于计算对等信任得分的过程1500。过程1500包括在步骤1502处接收***信任得分、在步骤1504处识别从第一实体到第二实体的路径、在步骤1506处从与第一实体或第二实体中的至少一个相关联的远程源接收数据、在步骤1508处更新组成部分得分,以及在步骤1510处基于更新后的组成部分得分来计算对等信任得分。将理解的是,过程1500描绘了用于计算对等信任得分的说明性步骤,并且在不脱离本发明的范围的情况下对于本领域技术人员将显而易见的是,可以省略步骤1502-1510中的一个或多个并且可以将附加步骤添加到过程1500。例如,用于计算对等信任得分的过程1500在图15中被描绘为对***信任得分的更新。但是,将理解的是,可以独立于***信任得分从组成部分得分计算对等信任得分,如上面所讨论的。
在步骤1502处,处理电路***(诸如应用服务器106或访问应用102的处理电路***)可以接收***信任得分。***信任得分可以诸如通过类似于图14中描绘的过程1420的方法已经先前地计算出来。在步骤1504处,处理电路***可以识别从第一实体到第二实体的路径。例如,处理电路***可以利用路径计数方法,如上面联系图11-图13所讨论的。在步骤1506处,处理电路***可以从与第一实体或第二实体中的至少一个相关联的远程源接收数据。例如,处理电路***可以接收关于第二实体的社交联系、信用得分、法院数据或与第一实体的先前交易历史的数据。
在步骤1508处,处理电路***可以基于来自步骤1502-1506的信息来更新组成部分得分。在一些实施例中,更新组成部分得分包括更新少于包括***信任得分在内的所有组成部分得分。例如,处理电路***可以仅更新网络连接性组成部分,以考虑第一实体和第二实体的相互联系。关于第二实体的***信任得分计算的其它组成部分得分(诸如信用得分或法院数据)可以不受附加社交图信息的影响。在步骤1510处,处理电路***可以基于更新后的组成部分(例如通过使用加权平均来组合组成部分得分)来计算对等信任得分。在一些实施例中,处理电路***可以响应于用户对对等信任得分的请求而计算对等信任得分。例如,用户可以按下图6中描绘的计算按钮618,并且作为响应,处理电路***可以基本上实时地计算对等信任得分。在其它实施例中,处理电路***可以在用户请求对等信任得分之前计算对等信任得分。在此类实施例中,处理电路***可以响应于用户对对等信任得分的请求而例如从图1中描绘的数据存储库110检索预先计算的对等信任得分。
图16示出了根据本公开某些实施例的用于计算情境信任得分的过程1600。过程1600包括在步骤1602处接收对等信任得分、在步骤1604处接收要由第一实体和第二实体执行的活动的指示、在步骤1606处基于活动来更新组成部分得分、在步骤1608处基于活动来更新权重、以及在步骤1610处基于更新后的组成部分得分和更新后的权重计算情境得分。将理解的是,过程1600描述了用于计算情境信任得分的说明性步骤,并且在不脱离本发明的范围的情况下对于本领域技术人员将显而易见的是,可以省略步骤1602-1610中的一个或多个并且可以将附加步骤添加到过程1600。例如,用于计算对等信任得分的过程1600在图16中被描绘为对对等信任得分的更新。但是,将理解的是,可以独立于***信任得分或对等信任得分从组成部分得分计算情境信任得分,如上面所讨论的。
在步骤1602处,处理电路***(诸如应用服务器106或访问应用102的处理电路***)可以接收对等信任得分。可以诸如通过类似于图15中描绘的过程1500的方法已经先前地计算出***信任得分。在步骤1604处,处理电路***可以接收要由第一实体和第二实体执行的活动的指示。例如,处理电路***可以通过图6中描绘的交易选择器606接收活动的指示。处理电路***还可以通过交易细节字段608接收活动/交易的细节,如上面联系图6所讨论的。在步骤1606处,处理电路***可以基于活动来更新组成部分得分。例如,某些组成部分得分可能受到交易类型的影响。作为说明性示例,可以更新交易历史组成部分(诸如图4中描绘的交易历史组成部分418),以仅反映由第一实体和第二实体正在执行的特定类型的交易的交易历史。在步骤1608处,处理电路***可以基于活动来更新权重。如上面联系图7所讨论的,不同的交易类型可以与不同的权重相关联,并且可以根据这些不同的权重来组合这些组成部分。在步骤1610处,处理电路***可以基于更新后的组成部分得分和更新后的权重(例如通过根据更新后的权重取更新后的组成部分得分的加权平均值)来计算情境信任得分。在一些实施例中,处理电路***可以响应于用户对情境信任得分的请求而计算情境信任得分。例如,用户可以按下图6中描绘的计算按钮618,并且作为响应,处理电路***可以基本上实时地计算情境信任得分。在其它实施例中,处理电路***可以在用户请求情境信任得分之前计算情境信任得分。在此类实施例中,处理电路***可以响应于用户对情境信任得分的请求而例如从图1中描绘的数据存储库110检索预先计算的情境信任得分。
图17是用于基于信任得分搜索实体的说明性过程1700。过程1700包括在1702处接收搜索实体的请求,该请求包括期望的信任级别的指示、在1704处确定用户设备的当前位置、在1706处访问数据库并识别数据库中的实体、在1708处确定数据库中的实体的信任得分是否满足期望的信任级别、在1710处确定实体的当前位置是否在阈值地理范围内、在1712处保存识别出的实体、在1714处确定数据库中是否还有剩余的实体、以及在1716处生成阈值地理范围、用户设备的当前位置和识别出的实体的当前位置以供显示。
在1702处,处理电路***(诸如应用服务器106或访问应用102的处理电路***)可以接收搜索实体的请求。请求可以包括期望的信任级别/得分的指示。期望的信任级别可以使用任何合适的手段来接收并且可以取决于信任得分的类型。例如,如果信任级别由具体的数字(诸如0-1000)指示,则请求可以将具体的数字指示为目标或阈值,或数字的范围。如果信任级别由例如五星***指示(没有星表示不可信并且五颗星表示非常可信),则请求可以包括目标实体所期望的阈值星数量。在一些实施例中,请求还可以包括附加信息,包括将来要由搜索实体执行的活动的指示或者期望由搜索实体在将来执行的活动的指示。在一些实施例中,***可以预测预期在不久的将来要执行的活动。作为说明性示例,用户可能在将来期望保姆服务,并且可以请求搜索提供满足期望信任得分的保姆服务的实体。活动/交易的指示还可以包括关闭或者开放的时间段,在此期间将执行活动或交易。最后,请求还可以包括在其中搜索目标实体的阈值地理范围的指示。在一些实施例中,阈值地理范围可以是缺省的地理范围,诸如邻域、城市、邮政编码或州。在一些实施例中,搜索用户可以通过例如输入邻域、城市、邮政编码或州,或者通过放大和缩小用户设备上的地图来手动输入阈值地理范围。
在1704处,处理电路***可以确定用户设备的当前位置。可以使用任何合适的手段来确定用户设备的当前位置,包括GPS位置确定电路***和服务。例如,用户设备可以是配备有可以被用于确定用户设备的当前位置的GPS和/或wifi位置确定子例程的移动电话。当前位置可以以任何合适的方式表达,诸如GPS坐标或通过其它位置指示,包括但不限于邻域、邮政编码、城市、州或国家。可替代地,用户能够手动设置针对搜索的“当前位置”。例如,如果用户的实际位置在纽约,则用户可能手动指定针对搜索的“当前位置”在西雅图。
在1706处,处理电路***可以访问数据库以从请求中搜索满足期望信任得分的目标实体。如上面所讨论的,数据库可以是用于存储关于目标实体的信任得分和附加信息的任何合适的数据库。例如,数据库可以包括用于接收、发送和存储数据的任何合适的计算机***,并且可以位于任何合适的位置。在一些实施例中,数据库可以包括位于远离用户设备的位置处的服务器。在一些实施例中,数据库还可以位于用户设备处,使得搜索可以在用户设备上本地发生。数据库可以包括多个数据库条目,其中每个数据库条目可以与至少一个实体以及所述实体的信任得分和位置相对应。例如,每个数据库条目可以表示人类用户、一组用户、企业或如前所述定义的任何其它实体,或其组合。此外,在一些实施例中,数据库中的每个数据库条目可以与在与用户设备相关联的实体的阈值分离程度内的实体相对应。计算机网络可以是维护实体之间的连接的任何网络,包括例如互联网、社交网络、社交社区或本地网络。在一些实施例中,数据库条目可以与用于至少一个实体的信任得分和相应的一个或多个实体的当前位置相关联。在一些实施例中,数据库条目可以包括指针,该指针指示存储在数据库上或者存储在另一个数据库上的存储器位置,其存储至少一个实体的当前位置。在一些实施例中,可以通过例如GPS跟踪、信号三角测量(例如,互联网或移动数据信号三角测量)或其它位置跟踪方法来实时地确定相应的一个或多个实体的当前位置。在一些实施例中,实体可以通过用户界面(诸如文本输入)来手动输入其当前位置。在一些实施例中,可能期望允许实体指定固定的“当前位置”,而不是试图确定实体的实际位置。例如,企业可能与数据库中的移动设备相关联,但更喜欢将企业的位置固定而不是绑定到该移动设备的位置。
在1708处,处理电路***可以确定数据库中识别出的实体的信任得分是否满足期望的信任级别。如上面所讨论的,处理电路***可以在这种确定中利用***信任得分、对等信任得分或情境信任得分。信任得分的选择可以取决于来自1702的请求中所包括的信息量。例如,如果请求包括将来要执行的活动/交易的指示,则在1708的确定中可以利用考虑到这种信息的情境信任得分。如果用户尚未登录或以其它方式指示他的身份,则可以使用***信任得分。情境信任得分也可以用在这种指示中,但是基于对等交互计算的任何组成部分(诸如网络连接性得分、交易历史等)可以被排除在情境信任得分计算之外。
如果识别出的实体的信任得分不满足期望的信任得分,则处理电路***可以返回到1706并识别数据库中的另一个实体。在一些实施例中,代替返回个别实体,搜索将导致满足一个或多个适当准则的实体列表。在此类实施例中,步骤1706、1708、1710、1712和1714的迭代过程可以基于响应于搜索而由数据库返回的列表被压缩为更少数量的步骤。可替代地,可以扩展步骤1706、1708、1710、1712和1714的迭代过程以首先识别数据库条目,然后识别数据库条目中的实体。该过程可以以与步骤1706、1708、1710、1712和1714类似的方式继续迭代地通过数据库条目中的每个实体,然后可以继续迭代地通过数据库条目。在过程1700中的步骤1714处,如果没有进一步的数据库实体要搜索,则处理电路***可以退出过程1700和/或继续到1716。如果信任得分满足期望的信任级别,则处理电路***可以继续到1710。在1710处,处理电路***可以确定识别出的实体的当前位置是否在阈值地理范围内。可以以任何合适的方式(诸如将识别出的实体的当前位置的GPS坐标与阈值地理范围的边界进行比较)做出确定。在阈值地理范围的边界不清楚的情况下,阈值地理范围可以由单个点(诸如单个GPS坐标集)定义,并且处理电路***可以确定识别出的实体的当前位置是否在阈值地理范围的某个半径内。
如果目标实体不在阈值地理范围内,则处理电路***可以继续到1706并识别数据库中的另一个实体。如果已经搜索了数据库中的所有实体,则处理电路***可以退出过程1700和/或继续到1716。如果目标实体在阈值地理范围内,则处理电路***可以在1712处将识别出的实体保存到存储器。存储器可以是临时存储器(诸如计算机或移动电话的易失性存储器),或者可以是永久的非易失性存储器(诸如硬盘驱动器)。在1714处,处理电路***可以确定是否仍然要搜索数据库中的实体。如果仍然要搜索实体,则处理电路***可以返回到1706并识别数据库中的另一个实体。如果已经搜索了所有数据库实体,则处理电路***可以继续到1716并生成阈值地理范围、用户设备的当前位置以及所保存的一个或多个实体的当前位置以供显示。在替代方案中,处理电路***可以将相关信息发送到远程设备,该远程设备配备有用于在接收并处理信息后生成显示的软件和硬件。可以将显示以任何合适的方式(诸如在阈值地理范围的地图上)提供给用户。在一些实施例中,显示可以将阈值地理范围的指示、用户设备的当前位置以及实体的当前位置作为文本(诸如所保存的实体的文本列表)进行传送。
图18是用于基于信任得分搜索实体的说明性显示1800。将理解的是,提供显示1800仅用于说明目的,并且本文预期其它的显示和用户界面。显示1802可以包括搜索栏1802,其中搜索实体可以输入搜索项。在图18中描绘的说明性示例中,搜索项是搜索实体正在寻找保姆的指示。搜索栏1802还可以包括过滤器,诸如要搜索的最小和/或最大信任得分级别和/或阈值地理范围。在图18中描绘的说明性示例中,过滤器被设置为仅搜索优于800的信任得分并且在邮政编码90210的20英里内。
显示1800可以包括阈值地理范围的可视显示,诸如地图1804。地图1804可以包括与匹配搜索准则的目标实体的当前位置对应的一个或多个图标1808。在图18中描绘的说明性示例中,每个图标1808指示在邮政编码90210的20英里内提供具有优于800的信任得分的保姆服务的实体。任何合适的图标可以用于图标1808。在图18中描绘的说明性示例中,实体的信任得分显示在气泡内,这为搜索实体快速调查信任得分的范围并选择合适的目标实体提供了高效的方式。在一些实施例中,代替显示得分,可以基于得分的相对强度对图标进行颜色编码。搜索实体可以使用显示1800中的按钮1806选择后10个或前10个搜索结果。在一些实施例中,图标1808中的每一个可以由用户选择。在选择时,图标可以提供关于对应目标实体的进一步信息,诸如来自目标实体的简档的信息。在一些实施例中,对图标1808中的一个的选择可以提供到目标实体的简档的用户可选择链路。在一些实施例中,对图标1808中的一个的选择可以自动地将搜索用户转移到示出目标实体的简档的单独页面。在一些实施例中,对图标1808中的一个的选择可以允许搜索用户发起与所选择的目标用户的交易/活动。例如,在图18中描绘的说明性示例中,对图标1808中的一个的选择可以调出与所选择的用于保姆服务的实体相关联的应用。在一些实施例中,可以向所选择的实体发送诸如文本消息或电子邮件之类的消息,该消息指示搜索用户希望发起与所选择的实体的交易/活动。
前述内容仅仅是对本公开的原理的说明,并且本文描述的***、设备和方法是出于说明的目的而非限制来呈现的。在回顾本公开之后,本领域技术人员将联想到变化和修改。所公开的特征可以以任何组合和子组合(包括多个从属组合和子组合)与本文描述的一个或多个其它特征一起实现。以上描述或说明的各种特征(包括其任何组成部分)可以在其它***中组合或集成。此外,可以省略或不实现某些特征。可以在不脱离本文公开的信息的范围的情况下做出本领域技术人员可认定的示例、改变、替换和更改。
Claims (20)
1.一种用于基于信任得分搜索实体的方法,所述方法包括:
在服务器处接收来自用户设备的搜索实体的请求,所述请求包括所述实体的期望信任得分的指示和阈值地理范围;
在服务器处接收所述用户设备的当前位置;
通过数据库执行对实体的搜索,所述搜索包含所述期望信任得分、所述阈值地理范围和所述用户设备的当前位置;
从所述数据库接收与优于或等于所述期望信任得分的第一信任得分相关联并且位于所述阈值地理范围内的第一实体的指示;
向所述用户设备发送所述第一实体的指示;
通过所述数据库自动执行对所述阈值地理范围内的实体的进一步搜索,以识别与优于或等于所述期望信任得分的第二信任得分相关联并且位于所述阈值地理范围内的第二实体;以及
向所述用户设备发送所述第二实体的指示。
2.如权利要求1所述的方法,其中,向所述用户设备发送所述第一实体的指示包括向所述用户设备发送包括针对多个实体中的每一个实体的以下信息的从所述数据库接收的实体列表:实体的标识、实体的当前位置,以及实体的信任得分的指示。
3.如权利要求2所述的方法,还包括生成所述第一实体的可视指示以供显示,包含:
生成地图以供显示;
生成所述地图上指示所述第一实体的信任得分的标记以供显示;以及
将所述标记放置在地图上与所述第一实体的当前位置相关联的位置。
4.如权利要求1所述的方法,其中所述阈值地理范围包括以下中的一个:具体的半径或距离、邻域、城市、州或省、邮政编码、区域、国家或邮政编码。
5.如权利要求3所述的方法,其中所述第一实体的可视指示是可选择的可视指示,所述方法还包括:
检测对所述可选择的可视指示的用户选择;以及
响应于检测到所述用户选择,生成关于所述第一实体的信息以供显示。
6.如权利要求5所述的方法,其中关于所述第一实体的信息包括第二可选择的可视指示,所述方法还包括:
检测所述第二可选择的可视指示的第二用户选择;以及
在服务器处接收所述第二用户选择的指示;以及
发起与所述第一实体的交易。
7.如权利要求1所述的方法,还包括:
生成所述第二实体的可视指示以供显示,其中所述第二实体的可视指示指示所述第二实体与优于所述第一实体的信任得分相关联。
8.如权利要求1所述的方法,还包括向所述用户设备发送来自多个实体的信任得分的平均值的指示。
9.如权利要求1所述的方法,其中搜索实体的请求还包括预期要由与所述用户设备相关联的用户在将来执行的活动的指示或者能够用于推断预期要由与所述用户设备相关联的用户在将来执行的活动的信息。
10.如权利要求9所述的方法,其中所述搜索包含搜索所返回的任何实体具有执行所述活动的能力的要求。
11.一种用于基于信任得分搜索实体的***,所述***包括:
服务器,服务器包含处理电路***;
所述处理电路***被配置为:
从用户设备接收搜索实体的请求,所述请求包括所述实体的期望信任得分的指示和阈值地理范围;
接收所述用户设备的当前位置;
通过数据库执行对实体的搜索,所述搜索包含所述期望信任得分、所述阈值地理范围和所述用户设备的当前位置;
从所述数据库接收与优于或等于所述期望信任得分的信任得分相关联并且位于所述阈值地理范围内的第一实体的指示;
向所述用户设备发送所述第一实体的指示;
通过所述数据库自动执行对所述阈值地理范围内的实体的进一步搜索,以识别与优于或等于所述期望信任得分的第二信任得分相关联并且位于所述阈值地理范围内的第二实体;以及
向所述用户设备发送所述第二实体的指示。
12.如权利要求11所述的***,其中所述处理电路***还被配置为向所述用户设备发送包括针对多个实体中的每一个实体的以下信息的从所述数据库接收的实体列表:实体的标识、实体的当前位置,以及实体的信任得分的指示。
13.如权利要求11所述的***,还包括处理电路***被配置为生成所述第一实体的可选择的可视指示,并且其中该处理电路***还被配置为:
检测对所述可选择的可视指示的用户选择;以及
响应于检测到所述用户选择,生成关于所述第一实体的信息以供显示。
14.如权利要求13所述的***,其中关于所述实体的信息包括第二可选择的可视指示,并且其中所述处理电路***还被配置为:
检测所述第二可选择的可视指示的第二用户选择;
在服务器处接收所述第二用户选择的指示;以及
发起与所述第一实体的交易。
15.如权利要求11所述的***,其中搜索实体的请求还包括预期要由与所述用户设备相关联的用户在将来执行的活动的指示或者能够用于推断预期要由与所述用户设备相关联的用户在将来执行的活动的信息。
16.一种非瞬态计算机可读介质,包括在其上编码的用于基于信任得分搜索实体的指令,所述指令包括:
用于在服务器处接收来自用户设备的搜索实体的请求的指令,所述请求包括所述实体的期望信任得分的指示和阈值地理范围;
用于在服务器处接收所述用户设备的当前位置的指令;
用于通过数据库执行对实体的搜索的指令,所述搜索包含所述期望信任得分、所述阈值地理范围和所述用户设备的当前位置;
用于从所述数据库接收与优于或等于所述期望信任得分的第一信任得分相关联并且位于所述阈值地理范围内的第一实体的指示的指令;
用于向所述用户设备发送所述第一实体的指示的指令;
用于通过所述数据库自动执行对所述阈值地理范围内的实体的进一步搜索以识别与优于或等于所述期望信任得分的第二信任得分相关联并且位于所述阈值地理范围内的第二实体的指令;以及
用于向所述用户设备发送所述第二实体的指示的指令。
17.如权利要求16所述的非瞬态计算机可读介质,其中用于向所述用户设备发送所述第一实体的指示的指令包括用于向所述用户设备发送包括针对多个实体中的每一个实体的以下信息的实体列表的指令:实体的标识、实体的当前位置,以及实体的信任得分的指示。
18.如权利要求16所述的非瞬态计算机可读介质,还包括:
用于生成所述第一实体的可选择的可视指示的指令,
用于检测对所述可选择的可视指示的用户选择的指令;以及
用于响应于检测到所述用户选择生成关于所述第一实体的信息以供显示的指令。
19.如权利要求18所述的非瞬态计算机可读介质,其中关于所述第一实体的信息包括第二可选择的可视指示,所述指令还包括:
用于检测所述第二可选择的可视指示的第二用户选择的指令;以及
用于响应于检测到所述第二用户选择而发起与所述第一实体的交易的指令。
20.如权利要求16所述的非瞬态计算机可读介质,其中搜索实体的请求还包括预期要由与所述用户设备相关联的用户在将来执行的活动的指示或者能够用于推断预期要由与所述用户设备相关联的用户在将来执行的活动的信息。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/046,041 US20170235792A1 (en) | 2016-02-17 | 2016-02-17 | Searching for entities based on trust score and geography |
US15/046,041 | 2016-02-17 | ||
CN201780024074.0A CN109564669B (zh) | 2016-02-17 | 2017-02-16 | 基于信任得分和地理范围搜索实体 |
PCT/CA2017/050197 WO2017139887A1 (en) | 2016-02-17 | 2017-02-16 | Searching for entities based on trust score and geography |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780024074.0A Division CN109564669B (zh) | 2016-02-17 | 2017-02-16 | 基于信任得分和地理范围搜索实体 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118297740A true CN118297740A (zh) | 2024-07-05 |
Family
ID=59559644
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780024074.0A Active CN109564669B (zh) | 2016-02-17 | 2017-02-16 | 基于信任得分和地理范围搜索实体 |
CN202410091841.1A Pending CN118297740A (zh) | 2016-02-17 | 2017-02-16 | 基于信任得分和地理范围搜索实体 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780024074.0A Active CN109564669B (zh) | 2016-02-17 | 2017-02-16 | 基于信任得分和地理范围搜索实体 |
Country Status (6)
Country | Link |
---|---|
US (5) | US20170235792A1 (zh) |
CN (2) | CN109564669B (zh) |
CA (2) | CA3014995C (zh) |
IL (1) | IL261207B (zh) |
MX (2) | MX2018010005A (zh) |
WO (1) | WO2017139887A1 (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9467494B1 (en) | 2011-12-30 | 2016-10-11 | Rupaka Mahalingaiah | Method and apparatus for enabling mobile cluster computing |
US10565210B2 (en) * | 2015-11-23 | 2020-02-18 | Verizon Patent And Licensing Inc. | Generating and verifying a reputational profile |
US9984146B2 (en) * | 2015-12-15 | 2018-05-29 | Oath Inc. | Method and system for mapping notable entities to their social profiles |
US11025736B2 (en) * | 2016-03-02 | 2021-06-01 | Microsoft Technology Licensing, Llc | Develop and multiply your network at events |
US10324990B2 (en) * | 2016-03-23 | 2019-06-18 | International Business Machines Corporation | Providing continued searching and associated indicators |
US10922701B2 (en) * | 2016-07-28 | 2021-02-16 | Mastercard International Incorporated | Systems and methods for characterizing geographic regions |
US10552495B2 (en) * | 2016-08-09 | 2020-02-04 | Afilias Limited | Linked network presence documents associated with a unique member of a membership-based organization |
AU2017322114B8 (en) | 2016-09-02 | 2022-09-08 | FutureVault Inc. | Real-time document filtering systems and methods |
WO2018068632A1 (zh) * | 2016-10-10 | 2018-04-19 | 上海资本加管理软件有限公司 | 用户推荐方法及相关*** |
US10735406B1 (en) * | 2016-12-21 | 2020-08-04 | Wells Fargo Bank, N.A. | Customer centric grid for customer services |
US11122038B1 (en) * | 2017-05-18 | 2021-09-14 | United Services Automobile Association (Usaa) | Methods and systems for authentication of new users |
US20190019249A1 (en) * | 2017-07-12 | 2019-01-17 | Mastercard International Incorporated | Methods, Systems, Networks, And Media For Generating Personal Profile Scores Using A Geo-Location Based Model |
CN108628943B (zh) * | 2018-03-28 | 2021-10-08 | 北京三快在线科技有限公司 | 一种数据处理方法、装置和电子设备 |
CN109118359B (zh) * | 2018-06-13 | 2020-08-25 | 阿里巴巴集团控股有限公司 | 一种基于区块链的可用资源配额的预兑换方法及装置 |
US11170416B2 (en) * | 2018-06-14 | 2021-11-09 | Casey Klippel | System, website, and application to match babysitters with people requesting babysitting services |
US11023481B2 (en) * | 2018-08-08 | 2021-06-01 | commos inc. | Navigation platform for performing search queries |
US10977244B2 (en) | 2018-11-06 | 2021-04-13 | Snowflake Inc. | Tracking intermediate changes in database data |
US20230267502A1 (en) * | 2018-12-11 | 2023-08-24 | Hiwave Technologies Inc. | Method and system of engaging a transitory sentiment community |
US11605004B2 (en) * | 2018-12-11 | 2023-03-14 | Hiwave Technologies Inc. | Method and system for generating a transitory sentiment community |
US11030533B2 (en) * | 2018-12-11 | 2021-06-08 | Hiwave Technologies Inc. | Method and system for generating a transitory sentiment community |
CN109816402B (zh) * | 2019-01-18 | 2020-09-18 | 腾燊嘉诚(上海)信息科技股份有限公司 | 一种产品追溯*** |
US11568006B1 (en) | 2019-02-12 | 2023-01-31 | State Farm Mutual Automobile Insurance Company | Systems and methods for electronically matching online user profiles |
US20200265511A1 (en) * | 2019-02-19 | 2020-08-20 | Adp, Llc | Micro-Loan System |
CN110445783B (zh) * | 2019-08-07 | 2021-08-31 | 奇安信科技集团股份有限公司 | 基于客户和实体的地理位置信息标准化方法及装置 |
US11593873B2 (en) * | 2019-08-27 | 2023-02-28 | International Business Machines Corporation | Methods and systems for establishing trust in commerce negotiations |
US11443386B2 (en) * | 2019-09-25 | 2022-09-13 | Metropolitan Life Insurance Co. | Trust platform |
CA3078051A1 (en) * | 2020-04-27 | 2021-10-27 | Collabofide Inc. | Conformity assessment tool for online platforms |
US12033110B1 (en) * | 2020-05-29 | 2024-07-09 | Walgreen Co. | System and method for displaying dynamic pickup location information on a graphical user interface |
US11893623B1 (en) | 2020-05-29 | 2024-02-06 | Walgreen Co. | System for displaying dynamic pharmacy information on a graphical user interface |
EP4006759A1 (en) * | 2020-09-29 | 2022-06-01 | Rakuten Group, Inc. | Fraud detection system, fraud detection method, and program |
CN112199514B (zh) * | 2020-11-12 | 2022-11-18 | 同济大学 | 一种基于知识图谱的搜索引擎可信搜索方法 |
US11683331B2 (en) * | 2020-11-23 | 2023-06-20 | Juniper Networks, Inc. | Trust scoring of network entities in networks |
US11824866B2 (en) * | 2021-02-05 | 2023-11-21 | Cisco Technology, Inc. | Peripheral landscape and context monitoring for user-identify verification |
US20230328019A1 (en) * | 2022-04-07 | 2023-10-12 | Peepline LLC | Personal Media Communications Over a Non-Commutative Node-Centric Star-Cluster Network |
US12034588B1 (en) * | 2022-12-30 | 2024-07-09 | Juniper Networks, Inc. | Diagnostics reporting for wide area network assurance system |
Family Cites Families (231)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992022972A1 (fr) | 1991-06-19 | 1992-12-23 | Fujitsu Limited | Systeme de transfert d'informations de discrimination d'itineraires de paquets |
US6108308A (en) | 1996-09-17 | 2000-08-22 | International Business Machines Corporation | System and method for dynamic video routing |
US5860605A (en) | 1996-10-11 | 1999-01-19 | Johannes Petrus Andreas Josephus Van Der Zanden | Method and device for synchronously making material collide |
JP3436871B2 (ja) | 1997-10-23 | 2003-08-18 | 株式会社東芝 | 通信資源管理方法及びノード装置 |
SG77163A1 (en) | 1998-03-06 | 2000-12-19 | John Francis Chong | A method of implementing an acyclic directed graph structure using a relational database |
US6509898B2 (en) | 1998-04-17 | 2003-01-21 | Xerox Corporation | Usage based methods of traversing and displaying generalized graph structures |
US6751729B1 (en) | 1998-07-24 | 2004-06-15 | Spatial Adventures, Inc. | Automated operation and security system for virtual private networks |
US6356902B1 (en) | 1998-07-28 | 2002-03-12 | Matsushita Electric Industrial Co., Ltd. | Method and system for storage and retrieval of multimedia objects |
US6286007B1 (en) | 1998-10-13 | 2001-09-04 | International Business Machines Corporation | Method and system for efficiently storing and viewing data in a database |
US6823299B1 (en) | 1999-07-09 | 2004-11-23 | Autodesk, Inc. | Modeling objects, systems, and simulations by establishing relationships in an event-driven graph in a computer implemented graphics system |
US6446048B1 (en) | 1999-09-03 | 2002-09-03 | Intuit, Inc. | Web-based entry of financial transaction information and subsequent download of such information |
US7086085B1 (en) | 2000-04-11 | 2006-08-01 | Bruce E Brown | Variable trust levels for authentication |
JP2001298453A (ja) | 2000-04-14 | 2001-10-26 | Fuji Xerox Co Ltd | ネットワーク表示装置 |
US7123620B1 (en) | 2000-04-25 | 2006-10-17 | Cisco Technology, Inc. | Apparatus and method for scalable and dynamic traffic engineering in a data communication network |
JP2002123649A (ja) | 2000-10-13 | 2002-04-26 | Nippon Telegr & Teleph Corp <Ntt> | 信用調査装置、信用調査方法及び信用調査装置における信用調査プログラムを記録した記録媒体 |
WO2002036831A2 (en) | 2000-10-30 | 2002-05-10 | Monsanto Technology Llc | Canola event pv-bngt04(rt73) and compositions and methods for detection thereof |
US6738777B2 (en) | 2000-12-20 | 2004-05-18 | Microsoft Corporation | Chaining actions for a directed graph |
US6708308B2 (en) | 2001-01-10 | 2004-03-16 | International Business Machines Corporation | Soft output viterbi algorithm (SOVA) with error filters |
US7130908B1 (en) | 2001-03-13 | 2006-10-31 | Intelsat Ltd. | Forward cache management between edge nodes in a satellite based content delivery system |
US7002927B2 (en) | 2001-08-01 | 2006-02-21 | International Business Machines Corporation | Self-scaling network |
US6912549B2 (en) | 2001-09-05 | 2005-06-28 | Siemens Medical Solutions Health Services Corporation | System for processing and consolidating records |
US7130262B1 (en) | 2002-01-16 | 2006-10-31 | At & T Corp. | Method and apparatus for providing alternative link weights for failed network paths |
JP3792166B2 (ja) | 2002-02-27 | 2006-07-05 | 株式会社リコー | インターネットファクシミリ装置 |
US7096498B2 (en) | 2002-03-08 | 2006-08-22 | Cipher Trust, Inc. | Systems and methods for message threat management |
US7069483B2 (en) | 2002-05-13 | 2006-06-27 | Kiyon, Inc. | System and method for identifying nodes in a wireless mesh network |
US20080015916A1 (en) | 2002-05-22 | 2008-01-17 | International Business Machines Corporation | Using configurable programmatic rules for automatically changing a trust status of candidates contained in a private business registry |
US7633867B2 (en) | 2002-06-10 | 2009-12-15 | Alcatel-Lucent Usa Inc. | Capacity allocation for networks having path length routing constraints |
US7069259B2 (en) * | 2002-06-28 | 2006-06-27 | Microsoft Corporation | Multi-attribute specification of preferences about people, priorities and privacy for guiding messaging and communications |
US8237714B1 (en) | 2002-07-02 | 2012-08-07 | James Burke | Layered and vectored graphical user interface to a knowledge and relationship rich data source |
US7539697B1 (en) | 2002-08-08 | 2009-05-26 | Spoke Software | Creation and maintenance of social relationship network graphs |
US7139837B1 (en) | 2002-10-04 | 2006-11-21 | Ipolicy Networks, Inc. | Rule engine |
US7225118B2 (en) | 2002-10-31 | 2007-05-29 | Hewlett-Packard Development Company, L.P. | Global data placement |
US20040122803A1 (en) | 2002-12-19 | 2004-06-24 | Dom Byron E. | Detect and qualify relationships between people and find the best path through the resulting social network |
JP4068473B2 (ja) | 2003-02-19 | 2008-03-26 | 株式会社東芝 | ストレージ装置、分担範囲決定方法及びプログラム |
US7603291B2 (en) | 2003-03-14 | 2009-10-13 | Sap Aktiengesellschaft | Multi-modal sales applications |
US20040181518A1 (en) | 2003-03-14 | 2004-09-16 | Mayo Bryan Edward | System and method for an OLAP engine having dynamic disaggregation |
EP1625687A4 (en) | 2003-05-17 | 2011-11-23 | Microsoft Corp | SECURITY RISK ASSESSMENT SYSTEM |
US20040239674A1 (en) | 2003-06-02 | 2004-12-02 | Microsoft Corporation | Modeling graphs as XML information sets and describing graphs with XML schema |
US7822631B1 (en) | 2003-08-22 | 2010-10-26 | Amazon Technologies, Inc. | Assessing content based on assessed trust in users |
DE60321338D1 (de) | 2003-08-28 | 2008-07-10 | Nokia Siemens Networks Gmbh | Verfahren zum Übertragen von Datenpaketen in einem Netzwerk |
US7668665B2 (en) | 2003-09-22 | 2010-02-23 | Advanced Structure Monitoring, Inc. | Methods of networking interrogation devices for structural conditions |
JP2005135071A (ja) | 2003-10-29 | 2005-05-26 | Hewlett-Packard Development Co Lp | 商品購入における信頼値の算出方法及び装置 |
JP2005149202A (ja) | 2003-11-17 | 2005-06-09 | Nippon Telegr & Teleph Corp <Ntt> | コミュニティ形成システム、コミュニティ形成方法、プログラム、及び記録媒体 |
US20050243736A1 (en) | 2004-04-19 | 2005-11-03 | International Business Machines Corporation | System, method, and service for finding an optimal collection of paths among a plurality of paths between two nodes in a complex network |
US7860889B1 (en) | 2004-05-12 | 2010-12-28 | Cisco Technology, Inc. | Methods and apparatus for redetermining social maps upon expectation of change |
US7426557B2 (en) | 2004-05-14 | 2008-09-16 | International Business Machines Corporation | System, method, and service for inducing a pattern of communication among various parties |
US8010458B2 (en) | 2004-05-26 | 2011-08-30 | Facebook, Inc. | System and method for managing information flow between members of an online social network |
US7805407B1 (en) | 2004-06-16 | 2010-09-28 | Oracle America, Inc. | System and method for dynamic configuration of replicated database servers |
US8621215B1 (en) | 2004-06-30 | 2013-12-31 | Google Inc. | Methods and systems for creating monetary accounts for members in a social network |
US8302164B2 (en) | 2004-07-22 | 2012-10-30 | Facebook, Inc. | Authorization and authentication based on an individual's social network |
US8010460B2 (en) | 2004-09-02 | 2011-08-30 | Linkedin Corporation | Method and system for reputation evaluation of online users in a social networking scheme |
US8392590B2 (en) | 2004-09-10 | 2013-03-05 | Cavium, Inc. | Deterministic finite automata (DFA) processing |
US20130097184A1 (en) | 2004-09-15 | 2013-04-18 | Yahoo! Inc. | Automatic updating of trust networks in recommender systems |
JP4543871B2 (ja) | 2004-10-15 | 2010-09-15 | 富士ゼロックス株式会社 | 情報処理システム及び情報処理方法、並びにコンピュータ・プログラム |
CA2807829C (en) | 2004-11-04 | 2017-10-10 | Topeer Corporation | System and method for creating a secure trusted social network |
US8266676B2 (en) | 2004-11-29 | 2012-09-11 | Harris Corporation | Method to verify the integrity of components on a trusted platform using integrity database services |
US7272719B2 (en) | 2004-11-29 | 2007-09-18 | Signacert, Inc. | Method to control access between network endpoints based on trust scores calculated from information system component analysis |
US7733804B2 (en) | 2004-11-29 | 2010-06-08 | Signacert, Inc. | Method and apparatus to establish routes based on the trust scores of routers within an IP routing domain |
US20060212931A1 (en) | 2005-03-02 | 2006-09-21 | Markmonitor, Inc. | Trust evaluation systems and methods |
KR100690021B1 (ko) | 2005-03-15 | 2007-03-08 | 엔에이치엔(주) | 다면적인 관계 설정을 촉진하기 위한 온라인상 휴먼네트워크 관리 시스템 및 방법 |
JP2006260099A (ja) | 2005-03-16 | 2006-09-28 | Fuji Xerox Co Ltd | ユーザ間関係算出装置および方法 |
US7743254B2 (en) | 2005-03-23 | 2010-06-22 | Microsoft Corporation | Visualization of trust in an address bar |
US20060248573A1 (en) | 2005-04-28 | 2006-11-02 | Content Guard Holdings, Inc. | System and method for developing and using trusted policy based on a social model |
US7958120B2 (en) | 2005-05-10 | 2011-06-07 | Netseer, Inc. | Method and apparatus for distributed community finding |
JP2007004411A (ja) | 2005-06-23 | 2007-01-11 | Hewlett-Packard Development Co Lp | 複数の信頼ネットワークグラフの統合装置・方法 |
US20060290697A1 (en) | 2005-06-24 | 2006-12-28 | Tom Sawyer Software | System for arranging a plurality of relational nodes into graphical layout form |
WO2007002820A2 (en) * | 2005-06-28 | 2007-01-04 | Yahoo! Inc. | Search engine with augmented relevance ranking by community participation |
US9167053B2 (en) | 2005-09-29 | 2015-10-20 | Ipass Inc. | Advanced network characterization |
US20070087819A1 (en) | 2005-10-14 | 2007-04-19 | Leviathan Entertainment, Llc | Financial institutions and instruments in a virtual environment |
US20070136086A1 (en) | 2005-10-17 | 2007-06-14 | Luerssen Brian T | System and method for providing location-based information to a mobile device |
JP2007140843A (ja) | 2005-11-17 | 2007-06-07 | Fuji Xerox Co Ltd | リンク関係表示装置、リンク関係表示装置の制御方法及びプログラム |
WO2007062885A1 (en) | 2005-11-29 | 2007-06-07 | International Business Machines Corporation | Method and system for extracting and visualizing graph-structured relations from unstructured text |
WO2007076297A2 (en) | 2005-12-16 | 2007-07-05 | Davis John Stannard | Trust-based rating system |
US20070162761A1 (en) | 2005-12-23 | 2007-07-12 | Davis Bruce L | Methods and Systems to Help Detect Identity Fraud |
US7877353B2 (en) | 2006-03-13 | 2011-01-25 | Ebay Inc. | Peer-to-peer trading platform with relative reputation-based item search and buddy rating |
JP5087850B2 (ja) | 2006-03-14 | 2012-12-05 | 富士通株式会社 | サービス仲介方法、サービス仲介装置及びサービス仲介システム |
US7865551B2 (en) | 2006-05-05 | 2011-01-04 | Sony Online Entertainment Llc | Determining influential/popular participants in a communication network |
US8018471B2 (en) | 2006-05-15 | 2011-09-13 | Microsoft Corporation | Visual component/clause merging |
US7961189B2 (en) | 2006-05-16 | 2011-06-14 | Sony Corporation | Displaying artists related to an artist of interest |
WO2007142566A1 (en) | 2006-06-09 | 2007-12-13 | Telefonaktiebolaget Lm Ericsson (Publ) | Access to services in a telecommunications network |
US7458049B1 (en) | 2006-06-12 | 2008-11-25 | Magma Design Automation, Inc. | Aggregate sensitivity for statistical static timing analysis |
US20080005096A1 (en) | 2006-06-29 | 2008-01-03 | Yahoo! Inc. | Monetization of characteristic values predicted using network-based social ties |
US7685192B1 (en) | 2006-06-30 | 2010-03-23 | Amazon Technologies, Inc. | Method and system for displaying interest space user communities |
US7596597B2 (en) | 2006-08-31 | 2009-09-29 | Microsoft Corporation | Recommending contacts in a social network |
US20080133391A1 (en) | 2006-09-05 | 2008-06-05 | Kerry Ivan Kurian | User interface for sociofinancial systems and methods |
US8190610B2 (en) | 2006-10-05 | 2012-05-29 | Yahoo! Inc. | MapReduce for distributed database processing |
US7706265B2 (en) | 2006-10-30 | 2010-04-27 | Telefonaktiebolaget L M Ericsson (Publ) | Decentralized node, access edge node, and access node for aggregating data traffic over an access domain, and method thereof |
US20080104225A1 (en) | 2006-11-01 | 2008-05-01 | Microsoft Corporation | Visualization application for mining of social networks |
JP5020610B2 (ja) | 2006-11-24 | 2012-09-05 | 株式会社日立ソリューションズ | 社会ネットワーク解析処理装置 |
US7886334B1 (en) | 2006-12-11 | 2011-02-08 | Qurio Holdings, Inc. | System and method for social network trust assessment |
WO2008089362A1 (en) | 2007-01-17 | 2008-07-24 | Weidner David P | Point of reference directions |
US10007895B2 (en) | 2007-01-30 | 2018-06-26 | Jonathan Brian Vanasco | System and method for indexing, correlating, managing, referencing and syndicating identities and relationships across systems |
WO2008120267A1 (ja) | 2007-03-28 | 2008-10-09 | Fujitsu Limited | エッジノード冗長システム |
US8838478B2 (en) | 2007-05-11 | 2014-09-16 | Sony Corporation | Targeted advertising in mobile devices |
GB2443760B (en) | 2007-05-18 | 2008-07-30 | Cvon Innovations Ltd | Characterisation system and method |
US8688701B2 (en) | 2007-06-01 | 2014-04-01 | Topsy Labs, Inc | Ranking and selecting entities based on calculated reputation or influence scores |
US7685141B2 (en) | 2007-06-06 | 2010-03-23 | Yahoo! Inc. | Connection sub-graphs in entity relationship graphs |
EP2164870B1 (en) | 2007-06-27 | 2015-12-09 | National University of Singapore | Polypeptides and polynucleotides for artemin and related ligands, and methods of use thereof |
JP2009025871A (ja) | 2007-07-17 | 2009-02-05 | Hewlett-Packard Development Co Lp | アクセス制限装置およびその方法。 |
ATE444618T1 (de) | 2007-08-08 | 2009-10-15 | Sap Ag | Verfahren und system zur durchführung eines abgleichs unauffindbarer geheimnisse |
US20110135648A1 (en) | 2007-08-08 | 2011-06-09 | Biogen Idec Ma Inc. | Anti-neublastin antibodies and uses thereof |
US8725673B2 (en) | 2007-08-22 | 2014-05-13 | Linkedin Corporation | Evaluating an item based on user reputation information |
KR101391599B1 (ko) | 2007-09-05 | 2014-05-09 | 삼성전자주식회사 | 컨텐트에서의 등장 인물간의 관계에 대한 정보 생성 방법및 그 장치 |
US8255975B2 (en) | 2007-09-05 | 2012-08-28 | Intel Corporation | Method and apparatus for a community-based trust |
US7917574B2 (en) | 2007-10-01 | 2011-03-29 | Accenture Global Services Limited | Infrastructure for parallel programming of clusters of machines |
US9536256B2 (en) | 2007-10-08 | 2017-01-03 | First Data Corporation | Systems and methods for stored-value exchange within social networking environments |
US8214883B2 (en) | 2007-10-22 | 2012-07-03 | Microsoft Corporation | Using social networks while respecting access control lists |
JP2009146253A (ja) | 2007-12-17 | 2009-07-02 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
US20090198562A1 (en) | 2008-01-31 | 2009-08-06 | Guenter Wiesinger | Generating social graph using market data |
US20120095955A1 (en) | 2008-03-06 | 2012-04-19 | Arun Darlie Koshy | Facilitating relationships and information transactions |
US8606721B1 (en) | 2008-03-11 | 2013-12-10 | Amazon Technologies, Inc. | Implicit social graph edge strengths |
US20090276233A1 (en) | 2008-05-05 | 2009-11-05 | Brimhall Jeffrey L | Computerized credibility scoring |
US20090327054A1 (en) | 2008-06-27 | 2009-12-31 | Microsoft Corporation | Personal reputation system based on social networking |
US8108536B1 (en) | 2008-06-30 | 2012-01-31 | Symantec Corporation | Systems and methods for determining the trustworthiness of a server in a streaming environment |
US7930255B2 (en) | 2008-07-02 | 2011-04-19 | International Business Machines Corporation | Social profile assessment |
US8364605B2 (en) | 2008-07-13 | 2013-01-29 | Tros Interactive Ltd. | Calculating connectivity, social proximity and trust level between web user |
US8943549B2 (en) | 2008-08-12 | 2015-01-27 | First Data Corporation | Methods and systems for online fraud protection |
US20100076987A1 (en) | 2008-09-10 | 2010-03-25 | Benjamin Schreiner | Trust Profile Aggregation from Various Trust Record Sources |
WO2010048172A1 (en) | 2008-10-20 | 2010-04-29 | Cascaad Srl | Social graph based recommender |
US20100106557A1 (en) | 2008-10-24 | 2010-04-29 | Novell, Inc. | System and method for monitoring reputation changes |
CN101393566A (zh) | 2008-11-17 | 2009-03-25 | 北京交通大学 | 基于网络结构用户行为模式的信息跟踪与检测方法及*** |
CN102246174B (zh) | 2008-12-12 | 2014-11-12 | 皇家飞利浦电子股份有限公司 | 用于在采用异构信任模型的分布式和自治保健环境中改进记录链接的自动决断再利用 |
US20100169137A1 (en) | 2008-12-31 | 2010-07-01 | Ebay Inc. | Methods and systems to analyze data using a graph |
US8065433B2 (en) | 2009-01-09 | 2011-11-22 | Microsoft Corporation | Hybrid butterfly cube architecture for modular data centers |
US8170958B1 (en) * | 2009-01-29 | 2012-05-01 | Intuit Inc. | Internet reputation manager |
US8539359B2 (en) | 2009-02-11 | 2013-09-17 | Jeffrey A. Rapaport | Social network driven indexing system for instantly clustering people with concurrent focus on same topic into on-topic chat rooms and/or for generating on-topic search results tailored to user preferences regarding topic |
US20100217525A1 (en) | 2009-02-25 | 2010-08-26 | King Simon P | System and Method for Delivering Sponsored Landmark and Location Labels |
US8689172B2 (en) | 2009-03-24 | 2014-04-01 | International Business Machines Corporation | Mining sequential patterns in weighted directed graphs |
US9817872B2 (en) * | 2009-03-26 | 2017-11-14 | International Business Machines Corporation | Method and apparatus for social trust networks on messaging platforms |
US8234688B2 (en) | 2009-04-03 | 2012-07-31 | International Business Machines Corporation | Managing privacy settings for a social network |
US8306973B2 (en) | 2009-04-06 | 2012-11-06 | Google Inc. | Method for generating location targeted, keyword-triggered, ads and generating user recallable layer-based ads |
US20100262610A1 (en) | 2009-04-09 | 2010-10-14 | International Business Machines Corporation | Identifying Subject Matter Experts |
US10257016B2 (en) | 2009-06-08 | 2019-04-09 | Wsou Investments, Llc | Virtual leased line address resolution protocol cache for customer edge internet protocol addresses |
US8583571B2 (en) | 2009-07-30 | 2013-11-12 | Marchex, Inc. | Facility for reconciliation of business records using genetic algorithms |
CA2675701A1 (en) | 2009-08-27 | 2009-11-05 | Ibm Canada Limited - Ibm Canada Limitee | Trust assertion using hierarchical weights |
CN106101202B (zh) | 2009-09-30 | 2019-09-24 | 柯蔼文 | 用于社交图数据分析以确定社区内的连接性的***和方法 |
US20110099164A1 (en) | 2009-10-23 | 2011-04-28 | Haim Zvi Melman | Apparatus and method for search and retrieval of documents and advertising targeting |
US8316056B2 (en) | 2009-12-08 | 2012-11-20 | Facebook, Inc. | Second-order connection search in a social networking system |
US8443366B1 (en) | 2009-12-11 | 2013-05-14 | Salesforce.Com, Inc. | Techniques for establishing a parallel processing framework for a multi-tenant on-demand database system |
US8484154B2 (en) | 2009-12-14 | 2013-07-09 | Intel Corporation | Methods and systems to traverse graph-based networks |
US20110173344A1 (en) | 2010-01-12 | 2011-07-14 | Mihaly Attila | System and method of reducing intranet traffic on bottleneck links in a telecommunications network |
US20130173457A1 (en) | 2010-01-14 | 2013-07-04 | Evan V. Chrapko | Systems and methods for conducting more reliable financial transactions, credit decisions, and security assessments |
CN102136114A (zh) * | 2010-01-21 | 2011-07-27 | 维鹏信息技术(上海)有限公司 | 一种通过优惠券终端获取优惠券的控制方法以及相应*** |
US8195883B2 (en) | 2010-01-27 | 2012-06-05 | Oracle America, Inc. | Resource sharing to reduce implementation costs in a multicore processor |
BR112012018653B1 (pt) | 2010-01-29 | 2020-12-22 | The Dun And Bradstreet Corporation. | sistema e método para agregação e associação de dados de afiliação profissional com conteúdo de dados comerciais |
WO2011097624A2 (en) | 2010-02-08 | 2011-08-11 | Facebook, Inc. | Communicating information in a social network system about activities from another domain |
US9264329B2 (en) | 2010-03-05 | 2016-02-16 | Evan V Chrapko | Calculating trust scores based on social graph statistics |
US9319390B2 (en) | 2010-03-26 | 2016-04-19 | Nokia Technologies Oy | Method and apparatus for providing a trust level to access a resource |
US8812585B2 (en) * | 2010-03-29 | 2014-08-19 | Google Inc. | Trusted maps: updating map locations using trust-based social graphs |
EP2556470A4 (en) | 2010-04-06 | 2014-07-16 | Right 90 Inc | METRIC FOR ASSESSING TRUST FOR FUTURE PREDICTION OF A RESULT |
US8244848B1 (en) | 2010-04-19 | 2012-08-14 | Facebook, Inc. | Integrated social network environment |
US8572129B1 (en) | 2010-04-19 | 2013-10-29 | Facebook, Inc. | Automatically generating nodes and edges in an integrated social graph |
US8918418B2 (en) | 2010-04-19 | 2014-12-23 | Facebook, Inc. | Default structured search queries on online social networks |
US8180804B1 (en) | 2010-04-19 | 2012-05-15 | Facebook, Inc. | Dynamically generating recommendations based on social graph information |
US9530166B2 (en) | 2010-04-21 | 2016-12-27 | Facebook, Inc. | Social graph that includes web pages outside of a social networking system |
US9922134B2 (en) | 2010-04-30 | 2018-03-20 | Www.Trustscience.Com Inc. | Assessing and scoring people, businesses, places, things, and brands |
US9990429B2 (en) | 2010-05-14 | 2018-06-05 | Microsoft Technology Licensing, Llc | Automated social networking graph mining and visualization |
CA2704866A1 (en) | 2010-05-19 | 2011-11-19 | Vendasta Technologies Inc. | Unifying social graphs across multiple social networks |
US20110295626A1 (en) | 2010-05-28 | 2011-12-01 | Microsoft Corporation | Influence assessment in social networks |
US20110314557A1 (en) | 2010-06-16 | 2011-12-22 | Adknowledge, Inc. | Click Fraud Control Method and System |
US8489641B1 (en) | 2010-07-08 | 2013-07-16 | Google Inc. | Displaying layers of search results on a map |
US8832093B2 (en) | 2010-08-18 | 2014-09-09 | Facebook, Inc. | Dynamic place visibility in geo-social networking system |
US8150844B2 (en) * | 2010-08-18 | 2012-04-03 | Facebook, Inc. | Location ranking using social graph information |
US20140172708A1 (en) | 2010-09-16 | 2014-06-19 | Evan V Chrapko | Systems and methods for providing virtual currencies |
TWI447584B (zh) | 2010-11-01 | 2014-08-01 | Inst Information Industry | 多人共享之網路儲存服務系統與方法 |
JP2012146377A (ja) | 2011-01-14 | 2012-08-02 | Elpida Memory Inc | 半導体装置 |
US20120197758A1 (en) | 2011-01-27 | 2012-08-02 | Ebay Inc. | Computation of user reputation based on transaction graph |
US9147273B1 (en) | 2011-02-16 | 2015-09-29 | Hrl Laboratories, Llc | System and method for modeling and analyzing data via hierarchical random graphs |
CN102685661A (zh) * | 2011-03-15 | 2012-09-19 | 芯讯通无线科技(上海)有限公司 | 服务信息搜索装置、移动终端及搜索服务信息的方法 |
US20120282884A1 (en) | 2011-05-05 | 2012-11-08 | Nicholas Sun | System and method for the emergency voice and image e-mail transmitter device |
US20120290427A1 (en) | 2011-05-09 | 2012-11-15 | Respect Network Corporation | Apparatus and Method for Managing a Trust Network |
US8667012B2 (en) | 2011-06-09 | 2014-03-04 | Salesforce.Com, Inc. | Methods and systems for using distributed memory and set operations to process social networks |
TW201250611A (en) | 2011-06-14 | 2012-12-16 | Pushme Co Ltd | Message delivery system with consumer attributes collecting mechanism and transaction history recording mechanism and communication system using same |
EP2721510A4 (en) | 2011-06-16 | 2015-03-25 | Radiumone Inc | CONSTRUCTION OF A SOCIAL DIAGRAM WITH PARTICULAR USE BETWEEN OPEN WEB USERS |
CN102855572B (zh) * | 2011-07-01 | 2016-03-09 | 北京亚投科技有限责任公司 | 移动交互式点餐定位服务***和方法 |
US8965848B2 (en) | 2011-08-24 | 2015-02-24 | International Business Machines Corporation | Entity resolution based on relationships to a common entity |
WO2013026095A1 (en) | 2011-08-25 | 2013-02-28 | Matsumoto Yashimasa | Social rating system |
US9171336B2 (en) | 2011-08-29 | 2015-10-27 | Bank Of America Corporation | Cumulative connectedness |
US10096033B2 (en) * | 2011-09-15 | 2018-10-09 | Stephan HEATH | System and method for providing educational related social/geo/promo link promotional data sets for end user display of interactive ad links, promotions and sale of products, goods, and/or services integrated with 3D spatial geomapping, company and local information for selected worldwide locations and social networking |
US8601025B1 (en) | 2011-09-28 | 2013-12-03 | Emc Corporation | Techniques using a bidirectional graph for reporting to clients |
US11151617B2 (en) * | 2012-03-09 | 2021-10-19 | Nara Logics, Inc. | Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships |
US8977611B2 (en) | 2011-10-18 | 2015-03-10 | Facebook, Inc. | Ranking objects by social relevance |
US20130110732A1 (en) | 2011-10-27 | 2013-05-02 | NetOrbis Social Media Private Limited | System and method for evaluating trustworthiness of users in a social network |
WO2013063474A1 (en) * | 2011-10-28 | 2013-05-02 | Scargo, Inc. | Security policy deployment and enforcement system for the detection and control of polymorphic and targeted malware |
KR101986312B1 (ko) | 2011-11-04 | 2019-06-05 | 주식회사 케이티 | 신뢰관계 형성 방법 및 이를 위한 내장 uⅰcc |
US8832790B1 (en) | 2011-12-19 | 2014-09-09 | Emc Corporation | Fraud detection in adaptive authentication systems |
US10311106B2 (en) | 2011-12-28 | 2019-06-04 | Www.Trustscience.Com Inc. | Social graph visualization and user interface |
US9390243B2 (en) | 2012-02-28 | 2016-07-12 | Disney Enterprises, Inc. | Dynamic trust score for evaluating ongoing online relationships |
US9971993B2 (en) | 2012-03-26 | 2018-05-15 | Microsoft Technology Licensing, Llc | Leveraging a social graph for use with electronic messaging |
US20130290226A1 (en) | 2012-04-05 | 2013-10-31 | Maynard Dokken | System and method for social graph and graph assets valuation and monetization |
US9961021B2 (en) | 2012-04-19 | 2018-05-01 | Cisco Technology, Inc. | Enabling applications in a multi-transport stack environment |
US20130291098A1 (en) | 2012-04-30 | 2013-10-31 | Seong Taek Chung | Determining trust between parties for conducting business transactions |
WO2013173799A1 (en) | 2012-05-17 | 2013-11-21 | Luvocracy Inc. | Reward structures |
CN103456233A (zh) * | 2012-05-28 | 2013-12-18 | 腾讯科技(深圳)有限公司 | 一种基于电子地图查找兴趣点的方法和*** |
CN103593764A (zh) * | 2012-08-14 | 2014-02-19 | 崔名宇 | 一种基于android手机的服务及位置信息收集*** |
US20140081652A1 (en) * | 2012-09-14 | 2014-03-20 | Risk Management Solutions Llc | Automated Healthcare Risk Management System Utilizing Real-time Predictive Models, Risk Adjusted Provider Cost Index, Edit Analytics, Strategy Management, Managed Learning Environment, Contact Management, Forensic GUI, Case Management And Reporting System For Preventing And Detecting Healthcare Fraud, Abuse, Waste And Errors |
US20140089189A1 (en) | 2012-09-27 | 2014-03-27 | S. Rao Vasireddy | System, method, and apparatus to evaluate transaction security risk |
US9208460B2 (en) * | 2012-10-19 | 2015-12-08 | Lexisnexis, A Division Of Reed Elsevier Inc. | System and methods to facilitate analytics with a tagged corpus |
US9106681B2 (en) | 2012-12-17 | 2015-08-11 | Hewlett-Packard Development Company, L.P. | Reputation of network address |
US20140278730A1 (en) * | 2013-03-14 | 2014-09-18 | Memorial Healthcare System | Vendor management system and method for vendor risk profile and risk relationship generation |
US20140280590A1 (en) | 2013-03-15 | 2014-09-18 | Nevada Funding Group Inc. | Systems, methods and apparatus for creating, managing and presenting a social contacts list |
US11232447B2 (en) | 2013-03-15 | 2022-01-25 | Allowify Llc | System and method for enhanced transaction authorization |
US10296625B2 (en) | 2013-03-16 | 2019-05-21 | Fadi Victor Micaelian | Computerized system and method for identifying relationships |
US20140279352A1 (en) * | 2013-03-18 | 2014-09-18 | Stuart Schaefer | System and methods of providing a fungible consumer services marketplace |
US9350805B2 (en) | 2013-04-09 | 2016-05-24 | Martin Hamilton | Allocation of crowdsourced resources |
US20140317003A1 (en) * | 2013-04-18 | 2014-10-23 | Netspective Communications Llc | System and method for facilitating crowdsourced credentialing and accreditation |
US9319419B2 (en) | 2013-09-26 | 2016-04-19 | Wave Systems Corp. | Device identification scoring |
GB2519545A (en) | 2013-10-24 | 2015-04-29 | Ibm | Determining a quality parameter for a verification environment |
US20150121456A1 (en) | 2013-10-25 | 2015-04-30 | International Business Machines Corporation | Exploiting trust level lifecycle events for master data to publish security events updating identity management |
US9154491B1 (en) | 2013-11-15 | 2015-10-06 | Google Inc. | Trust modeling |
US9143503B2 (en) | 2013-12-10 | 2015-09-22 | Dell Products, L.P. | Managing trust relationships |
US9367629B2 (en) | 2013-12-19 | 2016-06-14 | Facebook, Inc. | Grouping recommended search queries on online social networks |
US20160342679A1 (en) | 2014-01-16 | 2016-11-24 | Shanghai Fusion Management Software Co., Ltd. | Recommendation method and recommendation system applied to social network |
US20150242856A1 (en) | 2014-02-21 | 2015-08-27 | International Business Machines Corporation | System and Method for Identifying Procurement Fraud/Risk |
US9560076B2 (en) | 2014-03-19 | 2017-01-31 | Verizon Patent And Licensing Inc. | Secure trust-scored distributed multimedia collaboration session |
US9947060B2 (en) | 2014-06-03 | 2018-04-17 | Excalibur Ip, Llc | Information matching and match validation |
US20150359039A1 (en) * | 2014-06-06 | 2015-12-10 | Umbrellium LTD. | System for facilitating searching in the internet of things |
US9846896B2 (en) * | 2014-06-22 | 2017-12-19 | Netspective Communications Llc | Aggregation of rating indicators |
US9501791B2 (en) | 2014-07-18 | 2016-11-22 | Mark V. Dziuk | Online marketplace with seller financing |
US20160035046A1 (en) | 2014-07-31 | 2016-02-04 | Linkedln Corporation | Influencer score |
US9398467B2 (en) * | 2014-09-05 | 2016-07-19 | Verizon Patent And Licensing Inc. | System and method for providing extension of network coverage |
US20160171531A1 (en) | 2014-12-11 | 2016-06-16 | Connectivity, Inc. | Systems and Methods for Generating Advertising Targeting Data Using Customer Profiles Generated from Customer Data Aggregated from Multiple Information Sources |
US9430498B2 (en) | 2014-12-13 | 2016-08-30 | Velvet Ropes, Inc. | Methods and systems for generating a digital celebrity map tour guide |
CN104504043A (zh) * | 2014-12-16 | 2015-04-08 | 新余兴邦信息产业有限公司 | 一种基于智能终端的搜索优质商家的方法及装置 |
US9578043B2 (en) | 2015-03-20 | 2017-02-21 | Ashif Mawji | Calculating a trust score |
CN104954492B (zh) * | 2015-06-30 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 即时通讯方法、分发服务器、用户终端及即时通讯*** |
US10268976B2 (en) | 2016-02-17 | 2019-04-23 | SecurityScorecard, Inc. | Non-intrusive techniques for discovering and using organizational relationships |
US9438619B1 (en) | 2016-02-29 | 2016-09-06 | Leo M. Chan | Crowdsourcing of trustworthiness indicators |
US9721296B1 (en) | 2016-03-24 | 2017-08-01 | Www.Trustscience.Com Inc. | Learning an entity's trust model and risk tolerance to calculate a risk score |
KR102019860B1 (ko) | 2018-05-24 | 2019-09-09 | 주식회사 한컴위드 | 사용자의 네트워크 활동 정보에 기초한 신용 평가 등급 산출 장치 및 그 동작 방법 |
US10977626B2 (en) | 2018-06-14 | 2021-04-13 | Capital One Services, Llc | Semi-private blockchain virtual currency exchange systems |
-
2016
- 2016-02-17 US US15/046,041 patent/US20170235792A1/en not_active Abandoned
- 2016-03-15 US US15/070,643 patent/US9740709B1/en active Active - Reinstated
-
2017
- 2017-02-16 CA CA3014995A patent/CA3014995C/en active Active
- 2017-02-16 CN CN201780024074.0A patent/CN109564669B/zh active Active
- 2017-02-16 WO PCT/CA2017/050197 patent/WO2017139887A1/en active Application Filing
- 2017-02-16 MX MX2018010005A patent/MX2018010005A/es unknown
- 2017-02-16 CN CN202410091841.1A patent/CN118297740A/zh active Pending
- 2017-02-16 CA CA3185523A patent/CA3185523A1/en active Pending
- 2017-07-07 US US15/644,356 patent/US20170357670A1/en not_active Abandoned
-
2018
- 2018-08-16 IL IL261207A patent/IL261207B/en active IP Right Grant
- 2018-08-17 MX MX2023004777A patent/MX2023004777A/es unknown
-
2020
- 2020-02-26 US US16/801,295 patent/US11386129B2/en active Active
-
2022
- 2022-06-07 US US17/805,750 patent/US20220300538A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US11386129B2 (en) | 2022-07-12 |
US20200301969A1 (en) | 2020-09-24 |
MX2018010005A (es) | 2019-07-10 |
WO2017139887A1 (en) | 2017-08-24 |
CA3185523A1 (en) | 2017-08-24 |
IL261207A (en) | 2018-10-31 |
CA3014995C (en) | 2023-03-14 |
US9740709B1 (en) | 2017-08-22 |
US20170357670A1 (en) | 2017-12-14 |
US20170235792A1 (en) | 2017-08-17 |
US20170235766A1 (en) | 2017-08-17 |
CN109564669B (zh) | 2024-02-02 |
US20220300538A1 (en) | 2022-09-22 |
CA3014995A1 (en) | 2017-08-24 |
MX2023004777A (es) | 2023-05-09 |
CN109564669A (zh) | 2019-04-02 |
IL261207B (en) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109564669B (zh) | 基于信任得分和地理范围搜索实体 | |
CN110313009B (zh) | 用于为请求实体调整第二实体的信任得分的方法和*** | |
CN109690608B (zh) | 外推信任得分中的趋势 | |
US11900479B2 (en) | Calculating a trust score | |
CN109074389B (zh) | 可信度指标的众包 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |