CN108292995A - 用于表征用户信誉的方法和系统 - Google Patents
用于表征用户信誉的方法和系统 Download PDFInfo
- Publication number
- CN108292995A CN108292995A CN201680047389.2A CN201680047389A CN108292995A CN 108292995 A CN108292995 A CN 108292995A CN 201680047389 A CN201680047389 A CN 201680047389A CN 108292995 A CN108292995 A CN 108292995A
- Authority
- CN
- China
- Prior art keywords
- user
- people
- personality
- characters
- prestige
- 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 title claims description 90
- 230000000694 effects Effects 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims description 32
- 239000003550 marker Substances 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 27
- 238000005259 measurement Methods 0.000 description 14
- 238000012795 verification Methods 0.000 description 14
- 230000006399 behavior Effects 0.000 description 13
- 150000001875 compounds Chemical class 0.000 description 12
- 238000007726 management method Methods 0.000 description 11
- 230000036541 health Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 4
- 230000013228 contact guidance Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000012938 design process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000013442 quality metrics Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 229910001369 Brass Inorganic materials 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000010951 brass Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- JFUIHGAGFMFNRD-UHFFFAOYSA-N fica Chemical compound FC1=CC=C2NC(C(=O)NCCS)=CC2=C1 JFUIHGAGFMFNRD-UHFFFAOYSA-N 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000011087 paperboard Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
- G06F16/337—Profile generation, learning or modification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及表征用户的信誉。在一个示例中,从一个或多个源获得与多个用户相关的信息。所述信息是针对至少一种类型的在线活动获得的。将所述信息转换成所述多个用户的一个或多个人的个性特质(human traits)。至少部分地基于与所述用户相关的所述信息来估计所述多个用户中的每一个的每个人的个性特质。每个人的个性特质与至少一个分数相关联。相对于用户的一个或多个人的个性特质,基于与所述用户的一个或多个人的个性特质中的每个相关联的至少一个分数以及与所述多个用户的一个或多个人的个性特质相关联的至少一个分数来估计包括在所述多个用户中的所述用户的信誉。
Description
相关申请的交叉引用
本申请要求于2015年8月13日提交的标题为“METHOD AND SYSTEM FORCHARACTERIZING A USER′S REPUTATION”的美国临时专利申请No.62/204,858的优先权,其全部内容通过引用并入本文。
技术领域
本发明涉及用于表征用户信誉的方法、系统和程序。
背景技术
目前,人们有许多手段亲自或在线地彼此交互接洽(engage)。更好地了解要接洽的人可以更好地辅助他们交互接洽成功。同样,在当下共享经济中,其在经济交易中人们彼此交互接洽,理解彼此的特点(characteristics)和特质(qualities)也是很重要的。
尽管社交网络(例如,脸书(Facebook),领英(LinkedIn),推特(Twitter))的进步已经为人们提供了更多的机会来表达自己并彼此接洽,但是很少的网站向用户提供有关彼此的人的个性特质的足够信息。因此,在如今的同人接洽(peer-to-peer engagement)中,在不了解其他人的详细人的个性特质的情况下,一个人只能盲目地信任来自他人的信息。这种“盲目性”不仅可能阻止用户有效地彼此接洽,而且可能妨碍系统管理员有效地管理交互接洽系统。
因此,需要开发用于表征用户的技术以克服上述缺陷。
发明内容
本发明涉及用于表征用户信誉的方法、系统和程序。
在一个示例中,一种在具有至少一个处理器、存储器和连接到网络的通信平台的机器上实现的用于表征用户信誉的方法。多个用户相关的信息获自一个或多个源。所述信息是针对至少一种类型的在线活动获得的。将所述信息转换成所述多个用户的一个或多个人的个性特质(human traits)。至少部分地基于与所述用户相关的所述信息来估计所述多个用户中每一个人的人个性特质。每个人个性特质与至少一个分数相关联。相对于用户的一个或多个人个性特质,基于与所述用户的一个或多个人个性特质中的每个相关联的至少一个分数以及与所述多个用户的一个或多个人个性特质相关联的至少一个分数来估计包括在所述多个用户中的所述用户的信誉。
在不同的示例中,公开了一种具有至少一个处理器、存储器和连接到网络的通信平台的用于表征用户的信誉的系统。该系统包括:数据输入选择器,其被配置为从一个或多个源获得与多个用户相关的信息,其中所述信息是针对至少一种类型的在线活动获得的;人个性特质确定器,被配置为将所述信息转换成所述多个用户的一个或多个人个性特质,其中至少部分地基于与所述用户相关的所述信息来估计所述多个用户中的每一个的每个人个性特质,并且每个人个性特质与至少一个分数相关联;以及性格标记确定器,被配置为相对于用户的一个或多个人个性特质,基于与所述用户的一个或多个人个性特质中的每个相关联的至少一个分数以及与所述多个用户的一个或多个人个性特质相关联的至少一个分数来估计包括在所述多个用户中所述用户的信誉。
其它概念涉及用于实施关于表征用户的信誉的本发明的软件。根据这个概念,软件产品包括至少一个机器可读非临时性介质和由该介质携带的信息。由该介质携带的该信息可以是可执行的程序代码数据、与可执行程序代码相关联的参数、和/或与用户、请求、内容或与社交群组有关的信息等相关的信息。
在下面的描述中将部分地阐述另外的新颖特征,并且对于本领域技术人员在查阅以下内容和附图时将部分地变得显而易见,或者通过示例的生产或操作可以得知。本发明的新颖特征可以通过实践或使用下面讨论的详细示例中阐述的方法、手段和组合的各个方面来实现和获得。
附图说明
根据示例性实施例进一步描述在此描述的方法、系统和/或程序。参考附图详细描述了这些示例性实施例。这些实施例是非限制性的示例性实施例,其中在附图的多个视图中相同的附图标记表示相似的结构,并且其中:
图1示出了根据本发明的实施例的交互接洽辅助系统的示例性图;
图2示出了根据本发明的实施例的用于表征用户信誉的数据库中的内容;
图3示出了根据本发明的实施例的知识数据库中的内容;
图4示出了根据本发明的实施例的性格标记确定器的示例性框图;
图5示出了根据本发明的实施例的由性格标记确定器执行的示例性过程的流程图;
图6示出了根据本发明的实施例的基于性格特征的交互接洽辅助器的示例性框图;
图7是根据本发明的实施例的由基于特征的交互接洽辅助器执行的示例性过程的流程图;
图8示出了根据本发明的实施例的性格标记管理器的示例性框图;
图9是根据本发明的实施例的由性格标记管理器执行的示例性过程的流程图;
图10示出了可以用于实现结合本发明的专用系统的移动设备的架构;
图11示出了可以用于实现结合本发明的专用系统的计算机的体系结构;以及
图12是根据本发明的实施例的用于辅助交互接洽的示例性网络环境的高级描绘。
具体实施方式
在下面的详细描述中,为了提供对相关发明的透彻理解,通过示例阐述了许多具体细节。然而,对于本领域技术人员来说显而易见的是可以在没有这些细节的情况下实施本发明。在其它情况下,为了避免不必要地模糊本发明的多个方面,已经以相对较高的级别描述了公知的方法、过程、系统、组件和/或电路。
本公开描述了表征用户的方法、系统和程序的各个方面。本发明公开了自动确定一个人的一个或多个性格标记(character badges)并利用这些标记来辅助在线和物理环境下的同人交互接洽(peer-to-peer engagements)的方法和系统。性格标记在给定的背景下(例如,一个人的购买者个性(consumer personality)与约会个性)显示出一个人的一种或多种独特的品质,并有助于确定该人在指定情况下的信誉。这些性格标记的使用还可以通过显示的性格标记去帮助人们发现更值得信赖的个性化信息并与具有特定特征的人进行接洽可以辅助同人接洽。此外,本发明包括管理性格标记以确保标记质量,诸如其新鲜度、真实性和可靠性的方法,并保护接洽的可靠性(例如,检测和防止欺诈者)。
本发明的目标可以是将每个人与可以唯一地标识该人的特征的个性特质集合相关联并且在线和/或在现实世界中反映该人的信誉。这可以帮助同人交互接洽,同人交互接洽是指在两个或更多个同伴之间在线或在现实世界中的任何类型的互动,以建立和维持一个或多个关系,包括但不限于专业(例如同事之间)、社交(例如朋友之间)、个人(例如,家庭成员或恋人之间)以及交易(例如买卖双方之间)关系。同人交互接洽中的同伴指的是自然人或人为的人(例如,机器人或软件代理人),其像人一样行为并具有某些人的特质(例如情感)。在本发明中,“同人(peer)”,“同伴”“人员”和“用户”将互换使用。
本发明中的方法可以根据自己的多源、多类型、指定的场景的数据自动确定人的混合的人个性特质。混合的人个性特质更可靠,并根据指定的场景进行定制。
本文公开的人个性特质(human trait)是指人的任何天生的、被采纳的和不断发展的心理和生物学特征或特质。每个个性特质都是通过一个数字分数来衡量的,这个数字分数被称为个性特质分数或简称分数。根据个性特质是如何计算得出的,分为基本个性特质和复合个性特质。诸如性别、快乐和外向等基本个性特质是不可分的,其分数通常直接来源于原始数据(例如,人的数字足迹)或由个人给出(例如,同伴投票或自我报告)。复合个性特质,如慷慨和志向,是由一个或多个基本个性特质组成,其分数通过结合相关基本个性特质分数来计算。此外,在计算场景中,每个个性特质可以与一个或多个元属性相关联,这些属性用于测量推导个性特质的分数的质量。例如,个性特质分数可以与可靠性分数相关联以指示计算出的分数有多可靠。
本发明中的方法可以基于文本的同人背书的分析来自动确定人的混合个性特质,这比现有的信誉评级系统更可靠和准确,因为基于文本的同人的输入,推导的标记(badge)显示人的个性特质,并根据背书人的个性特质评估推导的标记的质量。
本发明中的方法可自动地从一个人的混合个性特质中确定一个或多个人的特征,这是比任何自我报告的通用简介更可靠、并且可定制特定的场景。
虽然每个人都可以被表征为一个或多个个性特质,但不是每一个个性特质都有助于将该人与其他人区分开来。例如,如果一个人是平均身高并且是平均友善程度,那么这个人很难被他的身高或友善个性特质所区分。本发明使用术语“性格标记”或有时简称为“标记”来指代在特定场景下有助于区分一个人并确定该人的信誉的个性特质(基本的或复合的)。所有性格标记都是通过一种或多种手段获得的。例如,在线市场的用户可以基于他/她在市场上的行为获得“一致性”的标记,基于他/她在其他地方留下的数字足迹获得“公正”的标记以及基于他/她在市场上张贴的评论的内容获得的“洞察力”的标记。性格标记可以通过一种或多种方式传达,以将标记所有者的独特特征和信誉外化给其他人。
由于一个人的性格标记很容易携带并可以帮助一个人在不同的交互接洽中保持自己的信誉,所以即使当新用户加入系统时的“冷启动”情况下,本发明也可以帮助快速建立个人的信誉。这是因为,只要她在其它地方留下了数字足迹,或者能够从代表个人、组织、产品或服务的其他地方导入她的性格标记,该人在目标接洽系统中就不需要展示任何行为。
由于一个人的性格标记反映个人的在指定的场景的独特特质,并且它们是基于各种证据推导出来的,所以它们可以用于改进同人交互接洽的有效性和可信度。例如,一个人的性格标记可以用来找到合适的接洽伙伴,以及建议合适的接洽方法。一个人的性格标记也可以使这个人获得个性化的、值得信赖的内容,因为这个人可以从具有类似标记和混合个性特质的人那里获得内容。
性格标记还可以帮助保护接洽的可靠性。例如,一个人的性格标记可以用来帮助维护一个人的信誉,通过测量一个人的行为和性格标记之间的一致性来检测和防止欺诈。一个人的性格标记也可以被用来有效地验证和证明自己的身份和信誉,保护个人的隐私(不需要真实姓名)。基于人们的性格标记和混合的人个性特质来评估社区的特征和健康可以超越传统的基于用户行为的社区监测,以提供更深入的见解。
在下面将部分地阐述附加的新颖特征。这些对于本领域技术人员,在研究以下内容和附图后,部分地变得显而易见或可以通过操作示例来学会。本发明的新颖特征可以通过实践或使用下面讨论的详细实施例中阐述的方法、手段和组合的各个方面来实现和获得。
图1示出了根据本发明的实施例的交互接洽辅助系统106的示例性图。本文公开的包括一种改进的过程,其对三个关键功能模块单独地使用中的一个或组合使用来增强同人交互接洽过程。因此,它可以从一个或多个方面,如接洽透明度(关于您的接洽方了解更多)、可信度(通过他人的特征了解要信任的他人)、有效性(通过他人的特征知道如何最好地与他人交流)和诚信(通过他人的特征或者他人特征的改变知道如何识别欺诈情况)改进同人交互接洽的质量。
图1显示了用于通过使用三个功能单元中的一个功能单元或多个功能单元来实现所公开的改进的过程以辅助和改进一个或多个同人接洽系统的交互接洽辅助系统106的多个实施例中的一个。三个功能单元是:(a)性格标记确定器120;(b)基于标记的交互接洽辅助器122和(c)性格标记管理器124。通常,交互接洽系统104-1与两个或更多个用户102-1、102-2接洽。这样的交互接洽系统可以是诸如Facebook,Twitter和LinkedIn的在线社交网络系统;或者诸如Airbnb,Uber和Ebay的在线市场。另一种类型的接洽系统可以是诸如Yelp,TripAdvisor,Reddit或Medium的内容提供商,其中读者通过审阅和评论彼此进行互动。有两种主要的接洽类型:在线或亲自。在每种类型情况下,本发明有许多示例性的用途来改进同人交互接洽过程。
对于任何在线接洽,本发明的一个示例性使用是为用户获得他或她的性格标记。用户可以首先登录到接洽系统104-1。然后调用性格标记确定器120以自动分析存储在外部数据源103中的用户数据,并使用知识库140来推导用户的个性特质并从推导的个性特征创建一个或多个性格标记。随后将所创建的标记连同其它相关信息一起存储在数据库130中。所创建的标记还可以用于更新/增加接洽系统104-1中的用户的表示(例如简介)。
在线接洽中的本发明的另一示例性用途是用户获得关于现有或未来接洽方的更多信息。在这种使用情况下,调用接洽辅助器122以基于人的性格标记和数据库130中存储的系统中的其它性格标记来提供适当的接洽信息、伙伴和方法。用户可以明确地请求这样的信息。例如,用户可以请求要接洽的陌生人的性格标记信息。基于信息共享和隐私策略,辅助器可以将全部或部分请求的信息返回给用户。辅助器还可以基于系统默认设置、用户的设置或系统管理员的设置自动生成建议。例如,辅助器可以自动推荐合适的人来接洽或匹配的接洽指示。辅助器在提出建议时使用知识库。
本发明的另一示例性用途是管理所生成的性格标记以确保其新鲜度和可靠性。当用户产生更多的数据(例如写评论),可能需要更新他/她的性格标记。性格标记管理器124将帮助周期性地或按需要地更新用户的一个或多个性格标记。尽管用户可以明确地请求他/她的性格标记上的这种更新,但是在大多数情况下,系统管理员102-3建立更新时间表以确保所有用户的标记是最新的。换句话说,系统管理员利用性格标记管理器124更新任务,性格标记管理器124可以周期性地呼叫标记确定器120来更新所有用户的标记。
本发明的另一示例性用途是基于用户的性格标记或其变化来管理在线交互接洽系统的可靠性。在这种情况下,管理员可以调用性格标记管理器124,以基于用户性格标记中的变化模式来监视不规则用户活动、甚至欺诈性事件(例如,帐户劫持)。管理器也可以自动向管理员发出异常提示并提出纠正措施(例如,暂停特定用户)。
本发明的另一个示例性用途是支持用户的一个或多个性格标记的输出/输入。一个人经常与一个或多个接洽系统(例如Facebook,Twitter和Airbnb)相关联,她或他可能想要将她/他的一个或多个性格标记从一个接洽系统(例如Facebook)导出/导入到另一个接洽系统(例如Twitter)。因此,可以在任何系统中显示更全面的自己的形象。例如,作为一个房间主人,一个人在Airbnb上非常活跃,并且已经赢得了一个或多个性格标记,但是她在Etsy上是一个新的卖家。为了帮助她建立作为Etsy卖家的信誉,她可以将作为卖家的一个或多个Airbnb性格标记(例如,“负责任”的标记)输入到她的Etsy档案中。标记管理器124支持一个或多个包括冲突解决的性格标记的这种导出/导入。
除了在线接洽之外,我们目前的发明的另一个示例性用途是对亲自接洽的支持。一个示例性的应用是用户呼叫可以安装在用户的手机上的个人代理系统104-2,以通过标记确定器120获得他/她自己的性格标记。可以通过各种显示器104-3如投影显示器和可穿戴式电子标记来显示标记,以显示一个或多个性格标记并方便其与他人亲自交互。用户可以根据场景选择“宣传”一个或多个性格标记以吸引潜在的对象。例如,与会者可以更新她的电子标记来宣传她的兴趣和个性,以吸引其他类似接洽者;大学生可以通过将他的相关标记投射到汽车的后窗上来“宣传”他的特征,以吸引志同道合的同学。
类似于在线接洽,本发明的发明的另一用于亲自接洽的用途是用户获得接洽的“接洽智能”,例如学习关于要亲自接洽的陌生人的特征和/或如何与陌生人接洽。在这种情况下,用户调用个人代理系统104-2以向接洽辅助器122和标记确定器120请求建议,从而推导出陌生人的一个或多个性格标记并推荐接洽意见。
图2示出了根据本发明的实施例的用于表征用户的信誉的数据库中的内容。图2示出了存储在数据库130中的信息。其可以包括人员数据库210,包含关于接洽系统的每个用户的信息,诸如他/她的人个性特质、一个或多个性格标记以及用于评估一个或多个标记中的改变模式的度量。其还可以包括社区数据库220,其捕获用户之间的关系(潜在的或显性的)、社区的概括特征以及用于测量包括社区特质的属性的度量。其也可以包括一个接洽数据库,其记录所有的用户活动,包括相互之间的接洽。
图3示出了根据本发明的实施例的知识数据库中的内容。图3示出了知识库140中的元素。下面将在场景中描述这些元素(例如,文本-特征词典310)的使用。
图4示出了根据本发明的实施例的性格标记确定器120的示例性图。性格标记确定器120旨在从各种数据源中获取人的一个或多个性格标记。总的来说,它可能有三个关键功能:(a)人个性特质确定;(b)标记确定;以及(c)标记生成。
图4示出了使用一个或多个关键部件来构造性格标记确定器的许多结构实施例中的一个。如图4所示,在给定性格标记请求的情况下,请求分析器处理请求402。在该分析期间,请求分析器检查数据库130告知这样的请求是否是用于确定新用户或已经在数据库中的现有用户的一个或多个性格标记。请求分析器还检查以确定使用什么样的数据源来确定标记。根据分析结果,请求分析器制定一个标记确定任务,发送给要实现的控制器404。
控制器404根据使用哪个数据源调用相应的组件来自动推导一个人的一个或多个人个性特质。一般来说,可以使用两种类型的数据源来确定一个人的个性特质:一个人自己的行为数据和同伴的输入。这里,自己的行为数据包括但不限于自己的写作、喜好和分享活动。另一方面,同伴的输入是一个或多个同伴对一个人的一个或多个特征的背书。虽然有许多现有的方法从人自己的行为数据中自动确定诸如大五人格个性特质的人类基本个性特质,但这些方法都不处理在多个数据源中的不同类型的数据的个性特质的确定,更不用说复合个性特质的推导。而且,在这个过程中,当选择数据源和/或整合个性特质结果时,也考虑了潜在的接洽场景。这种个性特质决定模型自动地从一个或多个数据类型/源中推导出一个人的基本个性特质和复合个性特质,并且在特定的场景中测量与个性特质计算相关联的置信度。在这种情况下,因为可以从一个或多个数据源中捕获人的行为,模块412以基于一个或多个准则413(诸如数据可用性,数据质量和场景相关性)去确定要使用的数据源。一旦选择了数据源,个性特质确定器414自动推导一组人个性特质。如果使用多个数据源,个性特质确定器还会整合从多个数据源推导出的个性特质。
除了从自己的行为来确定一个人的个性特质之外,可替代地,可以基于同人的输入来确定一个人的个性特质。此步骤包括两个关键子步骤:同人输入请求和同人输入聚合。与通常要求同伴从预先定义的背书人可能理解或可能不理解的背书条目列表(例如,LinkedIn的技能条目和个性特质条目)中选择现有同人背书或担保的方法不同,本发明揭示了一种更加灵活和有效的基于标签的方法,其收集同人在场景中的输入。而且,在将同人的意见整合在一起时,也考虑了很多因素,包括很少考虑到的使得结果更准确的背书人的特征。给定一个人/用户,首先调用模块422对该人的一个或多个特征请同人背书。这个模块通常还将自由形式的用户输入转化为系统可识别的人个性特质。然而,同人的背书可能并不总是产生一致的甚至是有意义的结果。例如,可以从同一人收到对一个个性特征的具有不同分数的多个背书,或从多个背书人收到对一个个性特征的多个分数。另一方面,可能对一个人的一个个性特质只接收到一个背书。因此,调用模块424来整合多余的、不一致的背书并丢弃不重要的背书。
无论使用哪个数据源来导出一个人的人性个性特质,然后将所有推导的个性特质发送到混合个性特质确定器430以产生一组组合的人性个性特质。在任务是要更新现有用户性格标记的情况下,个性特质确定器还将从新的/更新的数据源导出的个性特质与已经存储在数据库中的个性特质整合。此外,如由于新的或变化的数据(例如,新的行为数据或同伴的输入)而使其一个或多个较低级别个性特质更新,则可以触发组合个性特质的更新。
然后将完整更新、复合个性特质发送到标记确定器以推导出一个或多个性格标记432。将所推导出的标记存储在数据库130中。在该配置中,包括模块414、430和432的若干组件可以使用知识库140以进行相应的推导。
图5示出了根据本发明的实施例的由性格标记确定器执行的示例性过程的流程图。如图5所示,确定目标人物性格标记的流程501处接收到的性格标记请求开始。首先在502处分析此类请求,并且创建标记确定任务。如果该任务要在503处对不在数据库中的新人确定一个或多个性格标记,则可以首先调用模块510来选择该人的行为数据510。
由于可以在一个或多个数据源中捕获人的行为,所以步骤510是基于诸如数据可用性、数据质量和场景相关性511之类的一个或多个准则来确定要使用的数据源。最简单的方法是通过数据可用性:使用用户提供的任何可用的数据源。如果提供了两个或更多个数据源(例如,Facebook和Twitter),则来自这些源的数据可以被简单地组合以用于分析。为了确保操作的可靠性和质量,最优选的是,这一步应该只选择合适的数据源来使用。首先,不同的接洽需要不同的数据。假定图1中的基础同人接洽系统是求职者的在线市场,LinkedIn和Twitter可能是更受欢迎的数据源,因为他们经常反映人们的职业生涯。相反,如果市场是用于时尚交易,Facebook,Instagram或Pinterest可能是更合适的数据源。此外,不同来源的数据质量可能会有所不同,这直接影响到后来创建的性格标记的质量和接洽的可靠性。可以由一个或多个准则,如密度(捕获多少行为)、分布(所有行为一次发生或长时间的分布)和多样性(捕获的行为有多种多样)来决定数据质量。由于伪造低质量数据比较容易(例如,在一短时间内或延长的时间段伪造行为),该准则还可以帮助检测并防止伪造标记的产生。
通过数据选择准则,可以使用许多方法之一或其组合来确定数据源。一种示例性的方法是首先让用户接洽地指定一个或多个数据源,这为用户提供了一定的自由度,以决定分析和暴露他/她的生活的哪些方面。然后系统评估用户自愿的数据源,并根据选择准则决定使用哪些数据源。另一示例性方法是让系统通过一组准则来选择一个或多个合格数据源,然后提示用户提供数据(例如,通过Facebook登录)。在这种方法中,在知识库中存储所有可能的数据源,并且所有可能的数据源与一组描述符相关联,例如<Facebook,个人,0.8>,<LinkedIn,专业,0.5>。这意味着,如果Facebook将被用来表征个人方面并且Facebook中数据源的质量超过0.8,它可能是一个很好的数据源;否则,如果专业的目的和估计的数据质量超过0.5,LinkedIn可能是一个更好的数据源。
在确定要使用什么数据之后,下一个步骤是在512处从数据推导出一个人的人的个性特质。可以根据数据的类型(例如喜好或者写作)使用不同的个性特质引擎。一个示例性个性特质引擎是使用基于词典的方法来分析文本数据并推导出人的个性特质。与这样的引擎相关联,首先构造文本-特征词典以指示例如“甲板”的单词与特定个性特质(例如,责任感)之间的加权关系为具有权重(例如0.18)。这样的文本个性特质词典可以基于显示了词语与人的个性特质之间关系的心理语言学研究来构建。然后个性特质引擎采用人的文本脚印(例如评论、博客和电子邮件)并且对出现在个性特质词典中的每个词计数频率。通常计数被归一化以处理不同长度的文本输入。对于每个特征t,然后通过考虑词典中与t有关的所有M个单词计算一个总体分数S:
S(t)=C(word1*w1+C(word2*w2+...+C(wordM)*wM (1)
这里,C(wordi)是输入中wordi的归一化计数,wi是其与个性特质t相关联的权重。另一个示例性个性特质引擎是基于规则的个性特质复合引擎,其从一个或多个基本个性特质得出一个或多个合成个性特质。与这种个性特质引擎相关联的是一套个性特质组成规则或公式,其中每个规则指定如下:
S(ct)=S(t1*w1+...S(tK)*wK (2)
这里S()是分数,ct是一个复合的个性特质,由K个基本个性特质t1,...tK组成;以及w1,...wK是权重。可以通过上述的特征引擎(等式(1))计算基本个性特质的分数,并且可以凭经验确定相应的加权。例如,复合个性特质“勤奋”与基本个性特质“自律(积极)”、“成就奋斗(积极)”和“和蔼(消极)”有关。在这种情况下,可以为三个基本个性特质组分分配相等的权重1、1和-1。
也可以自动训练这样的组合和权重。具体而言,我们首先根据基本事实构建一组正面和负面的例子。每个正面的例子代表了一个勤奋的人,由他/她的推导出基本个性特质分数和一个指示他/她的勤奋的标签(例如,勤奋=1)表征。相反,负面的例子代表一个不那么勤奋的人,由他/她的推导出的基本个性特质分数和指示缺乏勤奋的标签(例如,勤奋=0)表征。然后,使用这些例子来训练一个统计模型并且推导出各种基本个性特质对这个组合个性特质的权重(贡献)。可以使用推导的权重来计算复合个性特质的分数。
就像任何其他数据分析引擎一样,数据质量或分析算法本身也不是完美的。为了评估推导出的个性特质分数的质量,还计算质量度量。对推导出的人的个性特质分数可能有两个最重要的质量度量:可靠性和有效性。可靠性测量了推导出的结果的一致性或稳定性,而有效性评估推导出的结果的正确性或准确性。有很多方法来计算可靠性。计算可靠性的一个示例性实现是使用每个人的不同样本数据集(例如,一个人的所有Facebook状态更新的随机样本)来推导出个性特质并检查结果的稳定性。尽管有很多测量有效性的方法,但验证结果的正确性需要时间。例如,评估一个人是否真正负责,需要真实世界的证据。在特定的接洽背景下,一种方法是记录用户的行为(例如,总是按时完成任务),其可以被用作正面或负面的证据来验证一个或多个个性特质(例如负责任)。随着时间的推移,可基于相应行为上的个性特质的预测能力来计算有效性分数。
如上所述,可以使用一个或多个数据源来推导出一个人的人的个性特质。而且,在单个数据源中可以存在一个或多个数据类型,每个数据源都被用来推导出一组个性特质。例如,某人的Facebook数据源可能包含三种类型的数据:喜好、状态更新和个人简介。因此,步骤512还基于一个或多个准则(例如数据类型、数据源、个性特质类型和个性特质类型质量)一起整合推导出的个性特质。
一个示例性实现是如果分数足够相似,通过取得特征分数的平均或平均值,将来源于单一数据源(例如,Facebook)中的不同类型的数据(例如,Facebook喜好和状态更新)推导出的相同类型的个性特质整合。然而,如果分数之间的差异太大(例如,超过3X标准偏差),则与每个个性特质相关联的置信度分数可以被用于确定要保留哪些分数,因为这样的置信度分数测量了计算出的个性特质分数的质量。另一个示例性方法是通过数据源来保留个性特质分数。假设一组个性特质<t1,...tK>是从Facebook推导出来的,而另外一组个性特质<t’1,...t’K>是从Twitter推导出来的。如果个性特质表征了一个人的个人方面(如社交和情绪特征),那么整合保持从Facebook数据推导出的主导性个性特质(最大或最小分数),同时如果个性特质描述了一个人的专业方面,则保持从Twitter推导出来的主导性特征(如工作努力并且雄心勃勃)。可以预先确定个性特质类型并将其存储在知识库中以指示个性特质描述的哪些生活方面,并且个性特质(例如,尽责性)可以描述一个人的生活的多个方面。在这种情况下,除非认为数据源是相似的(例如,Pinterest和Instagram),否则可以保留从不同数据源获得的个性特质分数。这是因为一个人的个性特质可能是与场景有关的(例如,一个人在职业生涯中的认真度可能高,但在个人生活中则很低),所以我们想保留不同的分数来反映这个人在不同场景的不同特征。
整合之后,如果一个人仍然与两组或更多组推导出的个性特质相关联,则该步骤然后基于特定的接洽场景指定一组作为主要个性特质组。例如,如果基础的接洽系统是一个在线时尚商业网站,则一个人的主要个性特质集最有可能是从Facebook推导出的个性特质集合,而对在线工作市场,主要个性特质集合很可能来自LinkedIn。
然后在530处将确定的人个性特质发送到聚合器以进行进一步处理。在当前流程中,由于目标人员是新的,所以聚集器只将所得到的个性特质发送到532,而不做其它的事,其中以下将描述一个或多个性格标记的确定。
如果在503处阐述的标记确定任务不是针对新人,则在505处检查是否使用同人背书来更新现有人员的一个或多个标记。如果是,则进入520处请求目标人的同人背书。
给定一个人/用户,步骤520对该人的一个或多个个性特质请求同人背书。不是预先定义一个长长的个性特质列表,然后让同人投票,而更灵活有效的方法是让同人输入文字标签来在场景中描述的一个人的个性特质。一个示例性实现是当人员A正在阅读人员B的评论时提示人员A给人员B加标签。为了进一步辅助同伴的输入,当同伴正在输入他/她自己的标签时,可以建议使用经常使用的、用户生成的标签。另一个示例性的实现是向人员A提出一个问题,例如“给出你认识的三个最勤奋的人的名字”。结果,三人将被贴上“勤奋”的标签。除了输入标签之外,更好的方法是让一个人也对标签输入一个分数来表示潜在个性特质的强度,例如<勤奋,0.5>。
由于标签基本上是一个人给出的描述个性特质的一个或两个关键词,所以它需要与基本个性特质相关联。为了将一个标签和一个个性特质关联起来,在大多数情况下,这个过程是直接的,因为一个标签可以通过在知识库中的特征文本词典中查找而直接与人的个性特质相关联。这个词典将每个个性特质与一个或多个单词描述符联系起来。在不存在直接映射的情况下,标签可以被扩展为一组标签以包括其同义词。然后再次执行查找来找到关联性。在最坏的情况下,人(例如系统管理员)可以手动将标签与个性特质相关联。
在522处,最后一个步骤520的输出是一个或多个特征以及它们的分数(如果分数不是由背书人指定的,默认情况下它是由一个或多个背书人对一个人给出的:{...,<ti,si,ej>,...},其中ti是背书的个性特质,si是个性特质分数,ej是背书人。
尽管可以使用诸如简单投票方法之类的方法,即选择最多次被背书的特征及其分数,但是另一种方法是基于一个或多个因素来评估每个背书的权重,例如背书人与该人的关系或背书人的积极性。然而,很少使用的一个因素是背书人本身的特征,因为现有系统不能获得这样的信息。由于在512处中描述的方法能够提取包括背书人个性特质的一个人的个性特质,所以在一个示例性实现中使用背书人的个性特质来进行权重确定。如果该个性特质属于特定的个性特质类型并且其背书人也在相同的个性特质上分数高,则该实现赋予被背书的个性特质更高的权重。这里,每个个性特质都与我们的特征词典知识库140中的个性特质类型相关联。例如,有些个性特质,诸如公平性这种个性特质,属于我们称为可靠个性特质的类型,并且指示对一个人有多么负责,这反过来又使得他们的背书更可靠,更值得信赖。另一个例子,有些个性特质,诸如个性特质“有条不紊”,属于另一种我们称之为高价个性特质的类型,其指示这些特征很难“获得”。如果具有像“尽心尽责的”人的背书,那么这样的背书就更难以获得,更加值得信赖。
一旦确定了每个背书的个性特质的权重,就可以使用一种或多种方法来整合冗余的和/或不一致的背书。一个示例性整合是使用加权线性组合,而另一个是选择权重最大的一个。权重也可以用于确定背书是否不重要,并且应当在当前时间被丢弃(例如,权重低于阈值)。这对于判断只得到一两个背书的个性特质尤其有用,其中背书人的特征可以在很大程度上决定了他们的背书的重要性。
然后,在530处将聚合的同伴的输入发送给个性特质聚合器以供进一步处理。根据一个实施例,此时,过程在507处检查该任务是否还需要使用一个人自己的数据来更新现有的标记,如果是,则在510和512处调用如上所述的从一个人的行为数据中确定人的个性特质的子过程。否则,过程向前移动以在532处调用从推导出的人的个性特质确定一个或多个标记。注意,即使标记更新任务在505处不需要使用同伴的输入,在507处仍然检查该任务是否需要使用一个人自己的数据来更新现有该人的标记。如果需要,则子过程在510和512处从一个人自己的数据中确定人的个性特质,否则,停止。
在530处聚集两组或更多组推导的人的个性特质。例如,步骤512可以从一个人自己的数据中推导出一组人的个性特质,而步骤522可以从同伴的输入产生一个或多个人个性特质。此外,当任务要更新目标人物性格标记时,推导出的个性特质需要与已经存储在数据库中的个性特质集成。为了集成两个或更多的个性特质集合,本发明下面介绍的方法首先合并两组个性特质。该方法可以根据需要重复以合并所有的个性特质集合。
尽管将两个个性特质集合集成在一起有许多简单的实现,但更优选的方法是使用推导出的个性特质的质量来指导集成并解决冲突。一个这样的示例性实现是从推导出的具有较少数量个性特质的集合开始,并将该集合中的每个个性特质集成到较大集合中。在将较小集合中的个性特质ts集成到较大集合时,存在两种情况:(i)如果较大集合中没有对应的个性特质tb,则将个性特质ts添加到较大集合中;(ii)否则,集成ts和tb。在它们的集成中,如果这两个个性特质具有相似的分数(例如,在阈值内),则可以使用这两者的平均值。另一方面,如果两个个性特质分数之间的差异太大(例如,超过3X标准差),则检查与每个个性特质分数相关联的置信度分数。对于源自数据的个性特质,置信度分数可以是如512中所解释的其可靠性分数或有效性分数(如果存在的话),而对于同伴背书的个性特质,置信度分数是如522中所解释的其计算的权重。如果置信度分数中仅有一个超过一个阈值,其相关的个性特质分数保留。反而,如果两个置信度分数都低于或高于阈值,则两个个性特质分数都保持,但附加一个冲突的标志。在冲突得到解决之前,冲突标志不会被取消,例如,未来由于新的输入(例如新的同伴背书),个性特质分数或其相关的置信度分数会改变。
由于复合个性特质由一种或多种基本个性特质组成。如果如上所述的集成更新了一个或多个基本个性特质分数,则也要更新对应的复合个性特质分数。例如,最初一个人从自己的数据中(或者可能是由于缺乏数据)得到的个性特质“自律”是低的。然而,通过同伴背书,这个人获得了很高的“自律”分数,同时也具有很高的置信度(权重)。集成期间,将使用高的分数。用于先前较低分数的任何复合特性(例如韧性)也相应地更新。如之前所定义的,性格标记指示在特定的场景下将一个人(他/她)与其他人区分开的人的独特特征或特质。因此步骤532是在特定的场景中从他/她的推导的人个性特质确定一个人的一个或多个性格标记。一个示例性实现是基于一个或多个推导出的人个性特质来确定标记。该方法首先对人(p)计算在场景c中获得标记(b)的总合格分数Q()。以下是可用于计算此分数的示例公式:
这里我们假设不同的场景授予不同的标记。例如,像Yelp或TripAdvisor这样的在线评论系统可以颁发“公正”和“洞察力”等标记,而Facebook或LinkedIn这样的社交网络可以颁发如“响应性”的标记。此外,每个标记b可以由一个或多个特定的人个性特质来测量。例如,“洞察力”可以通过诸如“善于分析”和“有才智”等个性特质来测量。
根据上述公式,对人员p具有特定的标记b进行资格认定是通过一个或多个准则来检查人员p与标记b有关的所有K个个性特质。例如,它在场景c下检查个性特质的独特性()与阈值(例如,一个人在这个个性特质上必须得分达到最高的15%)。由于一个人的信誉往往是场景敏感的,所以在特定的场景下这个独特性与一个特定的人群有关。例如,在一个在线交易系统中,与同龄人相比,一个人的“响应性”只是平均水平,尽管这样的分数可能远远高于平均人群水平。因此,在交易系统的场景下,该人可能没有资格获得“响应性”标记。由于个性特质分数可能来自不同数据源,采用不同的方法,分数的质量也可能影响标记的资格。因此,Quality()准则检查与推导出的分数相关的置信因子或概率。为了计算的目的,所有度量可以被标准化。如果所计算的总体合格分数超过某个标准,例如绝对阈值或相对阈值(排序前10%),则授予标记。
如果授予了标记,然后我们计算其强度,这表示获得的标记有多强。这个信息有助于帮助人们进行细致的比较。例如,如果两个或两个以上的人获得相同的标记,他们仍然可以通过他们各自的标记强度来区分。以下是根据相关K个性特质分数来计算标记(b)的强度的示例性公式:
这里S()是个性特质ti的分数,wi是对应的权重,其指示ti对该标记的贡献。权重可以基于特定场景下的人类经验实证确定或通过监督机器学习自动学习。在这样的学习过程中,首先构造一组样本(训练数据)。每个样本都编码一组个性特质分数和相关的标记。然后用这些证据来训练一个统计模型,该模型推导出了各个个性特质的权重,以显示他们为特定的标记贡献了多少。
除了标记强度之外,与标记有关的另一个重要信息是它的状态。由于人可以改变或者场景可以改变(例如,标记资格准则),标记可能由于某些改变而过期。例如,在评论者被授予“有洞察力的”的标记之后,其评论的质量已经降低。在这种情况下,他的标记可能会在一段时间后过期。因此,在其生命周期中,标记可能处于以下状态之一:活动,过期和暂停(由于某些违规或欺诈行为)。
根据所建立的系统,可以预先定义与每个标记的期望类型和每个标记相关联的个性特质,并将其存储在知识库140中。或者,可以从系统的用户请求标记的类型和/或相关联的个性特质。另外一个选择是让系统播种一些标记,然后让系统的用户得出新的标记。使用上述公式,可以对给定人员为接洽系统中定义的每个标记计算合格分数。可以根据合格分数将零个或多个性格标记授予该人。
结果,获得的性格标记与至少一条或多条信息相关联:标记名称/类型;标记强度;标记状态;一个或多个其他标记属性,如合格分数,合格时间,合格场景和到期时间;以及相关的个性特质分数及其属性(例如置信因子和数据源)。
图6示出了根据本发明的实施例的基于特征的接洽辅助器122的示例性图。交互接洽辅助器122的目的是基于接洽方的特征向用户提供各种交互接洽建议,诸如和谁和如何最好地接洽。这种交互接洽建议往往是场景敏感的,以确保最有效的交互接洽。例如,对在在线交友网站上与潜在的恋人进行交互的用户的建议可能与在诸如Etsy或Airbnb的在线市场中与卖家或买家进行交互接洽的用户的指示完全不同。用户可以基于她/他的场景以一种或多种方式获得交互接洽建议。
图6捕捉用户获得交互接洽建议的一种或多种方式,但决不是说辅助器的示例性结构配置已经耗尽了所有的配置变体,这些配置变体基于相关方的性格标记和/或人个性特质可以实现辅助同人交互接洽的相同或相似的效果。
辅助器122的输入是交互接洽辅助请求。这样的请求可以由用户明确提交或者由系统自动生成。例如,在线约会系统可以周期性地产生这样的请求,以为全部或部分用户发现适合的交互接洽伙伴(日期)和指示。给定这样的请求,请求分析器602处理该请求以生成对应的辅助任务,其由控制器604调度以驱动不同的组件来一起工作以完成任务。
一个示例性任务是辅助与用户指定的特定目标的交互接洽。在这种情况下,用户可以指定目标的id(例如,Twitter屏幕名称或Facebook ID)。给定这样的ID,人员检索器610尝试在数据库中定位与该ID相关的人员。如果不存在这样的人,则可以生成请求并将其发送到标记确定器120,以通过对目标推导出人的个性特质和性格标记来在人物数据库中创建该人的条目。如果是这种情况,则用户甚至可以决定提交相关的、可访问的数据源(例如,目标和用户之间的先前交换的通信内容)用于个性特质和标记确定。在数据库中找到目标的情况下,检索目标的性格标记以及相关的个性特质。然后将该信息发送给交互接洽指导器620。交互接洽指导器还调用检索器610来检索用户的个性特质和性格标记。使用用户的个性特质和目标的个性特质,接洽指导器输出一个或多个接洽建议。
另一个示例性任务是辅助与一个或多个已知目标的接洽。在这种情况下,用户意识到一组潜在的目标,但希望找出谁或谁的消息与他的情况最相关。假定用户正在TripAdvisor上浏览一组酒店评论,并希望以与他最相关的方式对评论进行分类,例如通过与他最相似的评论者或评论者的信誉(例如,洞察力和可信度)。为了完成这个任务,控制器基于包括用户自己的性格标记和个性特质以及用户的场景611在内的一条或多条信息调用人员排序器612来对目标人群排序。这里,用户的场景可以包括不同类型的用户偏好,诸如目标偏好(即,与谁接洽/接洽什么)或排序偏好(即先看谁/先看什么)。例如,在在线约会的场景下,用户的目标偏好可能是找到一个具有兼容个性的人,而在Airbnb的场景下,目标偏好可能是在Uber的场景下找到一个细致的房主或一个细心的司机。这样的偏好可以由用户明确输入或者设置为系统默认值(例如,像Airbnb和Uber的在线市场可以默认为他们的每个用户设置这样的目标偏好)。由于排序偏好指示用户首选首先看到什么/谁,所以可以以不同的方式对目标进行排序,例如,通过其具有最高分数的导出的个性特质和置信度来对目标进行排序,或者通过与用户最佳匹配的导出的个性特质来对目标进行排序。排序结果可以直接发送给用户或发送给接洽指导器620以获得进一步的建议。例如,指导器可能会建议后续的交互接洽和其它问题。作为流程的一部分,下面给出了如何提出建议的细节。
值得指出的是,尽管交互接洽辅助器的应用可能会有很大的不同,但核心技术是相同的。例如,在像Yelp和TripAdvisor这样的系统中,应用程序可以是为用户找到相关信息(评论),而不是帮助用户与评论者本身交往。相比之下,在Facebook或LinkedIn等系统中,应用程序可以帮助用户找到合适的人接洽。而在像Airbnb和Uber这样的系统中,应用程序可以帮忙找到相关的评论以及相关的房主/租房者以接洽。不管是哪一种应用,底层的核心技术依然是通过评估相关人员的信誉和个性特质帮助用户完成任务。
另一个示例性任务是辅助与一个或多个未知目标的接洽。在这种情况下,用户不知道该与谁接洽,以及如何最好地与他们接洽。例如,在一个在线交友网站或如Airbnb的市场,用户可能希望通过某些准则找到一个约会或房主,以及学如何与他们接洽。这个任务类似于上面描述的任务,除了首先调用一个人员检索器来基于一个或多个检索准则检索一个或多个人。用户可以明确地指定检索准则。例如,一个用户可以指定查找与他/她相似的人或查找具有某些性格标记的人(如诚实和易响应的)。然后将检索结果发送给人员排序器以如上所述基于场景进行排序。注意这项包括检索准则的任务可以来自一个系统而不是一个用户,从而自动触发(例如,由定时器)人员检索器610、人员排序器612、以及接洽指导器620并且用户排定接收系统的建议。
图7是根据本发明的实施例的由基于特征的交互接洽辅助器执行的示例性过程的流程图。图7捕捉用于处理不同类型的接洽辅助请求的不同处理流程。在701处接收到给定的接洽辅助请求,在步骤702处分析以创建对应的接洽任务。接下来是在704处检索关于发出请求的用户的或者是系统旨在帮助的人的所有相关信息。过程然后测试该任务是否关于与具体的目标人员接洽。如果是,则在710处从数据库检索关于目标人员的相关信息。如果这样的人员不存在,则在712处生成请求并将其发送到标记确定器以创建针对目标人员的条目。如果该人员确实存在,那么在740,使用关于该人的信息做出适当的接洽建议。另一方面,如果在705处该任务是关于特定目标人,则在707测试该任务是否关于已知组,如果是,则在730处基于一个或多个准则对这组人员进行排序。然后在740处将排序列表发送给接洽指导器以便进行接洽建议。如果在707处目标组未知,那在720处基于一个或多个检索准则检索一个或多个目标。然后在730处将检索结果发送以便排序,然后在740处由指导器处理。接下来,我们描述一些在步骤720、730和740的示例性的实现。
在720处人员检索是基于一个或多个人员检索准则。检索准则可以由用户通过一个或多个用户界面明确地指定,诸如通过按钮“象我的人”或者选择指示具有一个或多个性格标记的人的菜单项。检索准则也可以由系统在向用户推荐人的过程中自动生成。例如,在在线约会系统中,系统可以生成检索准则以为任何用户检索“个性相容的人”。注意这里的所有检索准则都是基于一个或多个个性特质或性格标记来寻找人。给定检索准则,检索过程与任何数据库检索相似。首先找到符合所有检索准则的人。如果没有人符合所有准则,则检索器可以检索符合部分准则的人。检索结果指示该项是完全匹配还是部分匹配。
基于用户或系统偏好,在730处将检索到的人员排序。一种方法是基于一个或多个偏好为每个检索到的人员计算排序。一个这样的偏好是检索到的人员和帮助下的用户之间的相似性。相似性是根据他们的性格标记和/或人个性特质来计算的。检索到的人员与用户越相似,该人员的排序越高。另一个偏好是基于与检索到的人员相关联的性格标记和标记的属性,例如合格分数。检索到的人获得的标记越多,合格分数越高,该人的排序就越高。排序中也可以使用额外的准则,例如过去的互动或检索的人员与用户之间的关系。用户还可以指定特定的排序准则,例如按照特定的标记类型对人员排序。注意,人员的排序也可以用来对人员生成的内容进行排序。例如,用户想要按照作者的洞察力来阅读酒店评论的列表。在这种情况下,评论会被根据作者他们是否获得了“有洞察力”的标记,以及标记的属性,例如其合格分数,来排序。
指导器为用户做出各种接洽建议。一种类型的建议是如何与特定的目标人员进行接洽。如上所述,它采用关于用户和目标人的信息,然后建议接洽指示。就像人与人之间的互动一样,有很多种互动指示。一种是如何自我介绍。相似的人吸引相似的人。一条指示是突出用户和目标人物之间的特征相似性。这包括突出共享个性特质或性格标记。另一种类型的指示是使用与目标人共鸣最大的特定单词/短语。单词的选择可以由目标人物的性格标记确定。如前面在512中所描述的那样,可以使用单词来推导出人个性特质,然后将其用于推导出人个性特质标记。因此,系统知道所使用的词语,并且可以在考虑构成通信消息时在指示中包括这些词语。如果目标未知,指示器也可以建议一个正确的要接洽的目标。在这种情况下,指示器选择在730处产生的排序前N的目标,并且如上所述为每个候选者建议一组接洽指示。
图8示出了根据本发明的实施例的性格标记管理器124的示例性图。出于不同的目的,用户可以在使用人物性格标记来增强的同人接洽系统中发布一个或多个管理请求。这里,用户可以是在同人接洽系统上执行不同角色的一个或多个人员,诸如用户、系统管理员、接洽辅助者(诸如社区管理者)。基于性格标记的管理器124可以配置有一个或多个关键部件以处理一个或多个管理请求。
图8捕获了一个基于性格标记的管理器的许多结构配置之一。如图8所示,对管理器124的输入是与标记相关的管理请求。这种请求的发出可以由用户通过一个或多个计算机接口(诸如GUI或脚本)明确地完成。该请求可以是一次性的请求,也可以是周期性的、由定时器触发的排定请求。由请求分析器802首先处理请求以创建对应的管理任务。然后,基于请求的类型以及请求的时间,控制器804调度任务。
一个示例性的管理任务是设计人员的性格标记以供显示或导出。例如,在如TripAdvisor这样的接洽系统上,每个评论者获得的标记可以与他们的个人简介一起显示,以建立他们的信誉并为他们的评论提供可信度。首先由标记检索器850从数据库130中检索要设计的标记。标记设计器810创建使用视觉和/或语言元素的信息图形以编码一个或多个标记相关信息,例如标记的类型和强度。设计者810可以使用存储在知识库140中的诸如各种视觉设计规则的信息来指导其设计过程。然后结果图形由模块812处理以直接显示或者导出到另一个系统。例如,可以将标记图形发送到诸如监视器、电子标记或头戴式显示器之类的物理设备以被显示。在另一种情况下,假设在TripAdvisor上的评论者现在要提交对Airbnb的评论,她可能希望将在TripAdvisor获得的一个或多个性格标记导出到Airbnb以确立其信誉。在这种情况下,模块812可以以一种或多种格式导出图形:诸如PNG或JPEG的文件,到图像的URL或者要被嵌入到网页中的JavaScript。
另一个示例性管理任务是允许用户从另一个系统导入她的一个或多个性格标记以更新她在当前系统上的个人简介。使用上面的例子,假设现在TripAdvisor评论者现在登录到Airbnb并且想要导入她的TripAdvisor的一个或多个标记。在这种情况下,标记更新器808首先在850处检索用户的简介,然后将导入的标记与其当前简介集成。用于合并标记的示例性实现之一类似于之前530处描述的个性特质聚合过程。例如,如果两个标记是相同的类型(例如,洞察力),并且其它关键属性(例如,合格时间和分数)也是相似的,则通过平均它们的强度和其它度量简单地合并两个标记。如果两个标记是相同类型但其它属性相距太远的情况下,则检查其它准则,例如合格分数。可以保留具有更高的合格分数的那个。将更新的标记存储在数据库130中或发送到标记设计器810以更新标记显示。
一个示例性验证任务是为了某个目的而证明一个人的某些特征。例如,在诸如Upstart和Lending Club的同人贷款平台中,潜在的贷方可以通过要求系统通过一种或多种类型的标记(例如责任心强的)来认证借方来查找借方。这与FICA信用分数认证类似。然而,与信用分数不同的是,本发明使用一个或多个性格标记来证明特征分数,该特征分数证明了一个或多个所期望的特征或特质。在这种情况下,验证器820调用标记检索器850来检索所请求的标记及被认证者的相关信息。根据一个或多个认证准则,诸如所获得的标记的合格分数或相关联个性特质的相关的置信因子/概率分数必须超过阈值,然后,验证者对人员p计算整体特征分数:
这里,标记bi的分数S()由认证准则确定,诸如标记的合格分数,并且权重可以由系统凭经验定义或由请求者交互地指定。特征分数可以根据域与不同类型的标记相关联。现在将计算出的特征分数和相关的标记提供给到请求者的证书中。注意与信用分数认证过程一样,认证可以由一个人他/她自己请求,供他/她自己使用。
另一个示例性管理任务是允许用户/管理员验证某些内容(文本或图像相似)的可靠性。假设基本接洽系统是Yelp,并且一个用户正在提交新的评论。在内容提交期间,可以生成针对作者的性格标记验证内容可靠性的管理请求。然后处理该请求以创建验证任务。该任务被路由到验证器820,其首先检索作者的标记信息。然后检查当前内容与现有性格标记的匹配程度。将验证结果发送到报告生成器840以被呈现。报告生成器可以将计算的一致性度量与内容一起显示。这样的信息在一个或多个方面非常有用。一个好处是防止欺诈。例如,如果用户的身份被盗,冒名顶替者试图从原始用户的特征中发布内容,则检测到不一致。另一个好处是确保用户特征的可靠性。如果同一用户试图发布超出自己通常特征的内容,她将被警告,并有可能失去她的一个或多个性格标记。
另一个示例性验证任务是验证用户是否尝试假设多个身份。在这种情况下,根据他们的性格标记或额外的人的个性特质,验证器820调用标记检索器850以检索被调查用户的标记相关信息以及与用户最相似的用户。根据他们的相似性,两个或两个以上的人实际上是同一个人的相似性和可能性。然后将这样的信息发送到报告生成器840以被报告。
另一个示例性管理任务是基于其用户的性格标记和这些标记中的变化来分析作为整体的基本接洽系统的健康状况。在这种情况下,标记总结器830首先创建所选用户或所有用户的基于标记的总结。总结可以显示一种或多种统计类型,例如授予的标记类型及其在用户中的分布。此外,统计数据还可以捕获人们如何随着时间的推移而获得或失去标记的变化。基于该总结,健康探测器计算各种可以用于指示接洽系统的健康的标记度量831。例如,对于在线评论网站,“质量”度量测量已授予多少“有洞察力”的标记,以被授予有多广范围。这个度量可以是该网站生成审查质量的指标。结果,报告生成器840可以为用户(例如系统管理员或社区管理者)报告各种度量以评估基本社区和接洽系统的健康状况。
另一个示例性管理任务是周期性地执行一个或多个任务。在这种情况下,与定时器805相关的管理触发器806触发不同的功能单元来执行排定的任务。一个任务可以是用新数据更新一个或多个用户的性格标记。标记更新器808产生性格标记请求,然后将其发送到标记确定器单元120以更新标记。在此过程中,用户可能会根据新数据获得或丢失一个或多个性格标记。如上所述,另一个排定的任务是社区总结830和健康度量计算832。
图9是根据本发明的实施例的由性格标记管理器执行的示例性过程的流程图。从在901处接收到的与标记相关的管理请求开始,在902处创建相应的管理任务。然后,根据任务描述,在904处检索相关的性格标记(例如,要输出或分析的标记)和相关联的信息,然后在905处检查管理任务是否是排定任务。如不是,则在907,检查任务的类型。
如果任务的类型是要显示一个或多个标记,则在910处构成标记图形。如果需要,还可以在920处输出构成的图形。
如果任务要验证特定内容或用户身份,则在920处发送相关信息以进行验证。然后在950处将验证结果合成为报告。
如任务是更新现有标记,则在911处检查这是否是标记输入的情况。如果是,则在930处将输入的标记与现有标记合并。如果不是,然后在932处创建新的性格标记请求,并且在120处将其发送给标记确定器以进行进一步的处理。
如任务是分析社区,则先在940处总结该社区中的人员的性格标记,然后在942处使用该结果来测量社区健康。然后在950处将分析结果编译成报告。
另一方面,如在905处的任务是排定的任务,则它在909处检查是否已经到达其计划时间。如果没达到,则处理休眠,直到时间到来。否则,它将检查任务类型以查看要执行的任务。然后,任务处理遵循上面描述的过程。以下提供了几个复杂步骤的细节。
步骤910以一个或多个性格标记作为其输入,并输出对标记进行编码的信息图形。设计者首先确定要编码的标记信息。一个或多个方法可用来实现内容确定过程。一种示例性方法是基于模板的方法。在这种方法中,定义了一个或多个内容模板。例如,一个模板指定显示的标记必须包括其类型和强度,而显示其它相关信息(例如合格分数)则是可选的。场景可以决定模板。例如,在线同人借贷系统的情况下,如果一个人的信誉是对系统成功高度重要和关键的,模板可以指定显示标记作为证据,显示标记必须包括标记类型和强度,还可加上最突出的个性特质和导出标记的数据源(例如,数据源或同人背书)。
一旦确定要显示的标记内容,就取决于实际的视觉设计。有一种或多种设计过程的示例性实现,从全自动方法到混合人机设计驱动方法。全自动的方法是自动选择一个语言/视觉元素来编码一个标记及其相关的信息,然后将它们组合成一个连贯的信息图形。构图过程可以遵循信息艺术的构成。在这种方法中,使用设计规则来指导选择较低级的视觉元素,如颜色、形状和主题来编码不同类型的信息。然后组合这些较低级别的视觉元素以形成较高级别的信息图形。然后将这些视觉元素组合在一起以形成连贯的视觉显示。在本发明的场景下,一组示例性设计规则可以类似于以下内容:
标记.类型→单条行.颜色;标记.强度→单条行.高度;
标记.合格分数→单条行.亮度;
单条行+单条行→多条行;多条行+多条行→多条行;多条行→条行码。
这些规则指示使用颜色编码标记类型,使用条状的高度编码标记的强度,并且使用亮度编码标记的合格分数。一旦编码了所有标记,则下一组规则指示一个或多个标记“条状”,然后可以放在一起以形成信息图形,诸如一维彩色条形码。根据设计需要,可以使用不同的规则。例如,可以使用图像来对标记类型进行编码,而不是像上面的规则那样使用颜色来对标记类型进行编码。将这些规则和视觉元素存储在知识库140中。
再一个示例性实现可以使用混合人机设计方法。人参与设计过程并指导选择。例如,当系统决定使用颜色来对标记类型进行编码时,它要求用户选择要使用的颜色。这样,系统可以以决定高层次的设计,而让用户决定某些细节。
又一示例性实现方式是让用户驱动整个过程,从选择编码方案到特定视觉元素。
在920处,由于一个人的性格标记指示个人的独特特性和所获得信誉,标记可用于身份验证。一种是验证特定人员生成的内容。这种验证不仅有利于作者忠实于自己的特征,而且还有助于系统管理员或社区管理者验证接洽系统的可靠性并防止潜在的欺诈。给定一段内容,例如文本文字,这个步骤通过一个或多个所获得的性格标记或推导的混合的人个性特质来计算这段内容是如何与作者相关的。一个示例性验证公式如下:
这里V()计算了由人员p生成的内容c的验证分数。假设人员p已经获得K个标记,对于每个标记bi,计算从内容c推导出的一个或多个个性特质与用于确定bi的个性特质之间的距离distance()。这里函数Ti()从生成的内容c中推导出个性特质,并且个性特质推导过程类似于在512处描述的过程,除了它仅推导出与标记bi相关联的个性特质分数。函数T()检索用于推导标记的个性特质分数。这里的距离函数可以实现为两组个性特质分数之间的Ecludian距离。如果最终的V()分数超过了某个阈值,则可能会向作者或系统管理员发送反馈,以提醒差异。如果这种差异随着人员生成更多的内容持续存在,那么一个或多个受影响最大的标记(在差异最大的地方)可能会过期并被收回。对于系统管理员来说,这种信息或警报是非常有用的,因为这可能是帐号被黑和其它潜在欺诈的标志。
在一个人还没有获得任何标记的情况下,可以使用他/她的混合的人个性特质代替上述公式中的与标记相关联的个性特质。仍可用相同的验证方法来验证用户及其生成的内容。与上述情况不同,这里的差异可能会阻止某人获得标记。
除了通过检查他/她的性格标记和他/她的生成的内容来验证用户之外,另一类型的验证是基于他们的性格标记来检查针对其他用户的该用户的身份。这种使用对于系统管理员来说也是非常有利的,以确保接洽系统的可靠性。例如,用户可能希望在同一个系统中维护多个身份,该过程可以检测并警告同一个人的潜在多个身份。给定一个要验证的用户,这个过程首先根据他们获得的标记的相似性检索一个或多个在验证过程中与该用户相似的人。然后,在检索到一个或多个人之后,计算用户p与所检索到的每个人p’之间的验证分数。验证方法与上述类似,不同之处在于距离是对两个人的所有N个个性特质的个性特质分数的两组之间的距离。与上述验证不同,这里距离越近,两个人越可能是同一个人,因为很难找到两个具有相似指纹集-混合的人个性特质集合的人。
在940处,在增强的同人接洽系统中,现在每个用户被表征为一个或多个人个性特质。这些个性特质和性格标记还共同定义了一个接洽系统的特征,本质上是一个虚拟或真实的社区。因此,总结一个接洽系统中用户的特征并理解这些特征是有益的。
总结过程是基于定样本人口的特征来计算一个或多个统计度量:
多样性。该指标计算接洽系统或简称为社区的特征的多样性。可以通过授予的不同标记的数量以及授予的人数来估计。授予的标记的种类越多,被授予的人越多,其种类就越多。与之前使用的其他社区指标不同的是,这个指标主要考察人员的活动模式,比如帖子数量或者喜好度,这个指标不仅测量活动模式,而且表明参与并活跃的人员的特征。
质量。这个估计了一个接洽系统中的人员生成的内容的质量。可通过发行的诸如“洞察力”之类的标记的数量来估算,再次,不同于以前的依赖简单的用户投票的信息来估计内容质量的系统,该指标进一步基于用户行为和内容特征(诸如其用词)接近内容质量。极性。这一指标基于一个或多个性格标记和/或推导的混合的人的个性特质来测量接洽系统(社区)中的人员之间的总体差异。例如,如果大多数人的适合度很高,并且已经颁发了许多正面性标记,则极性很小。这个指标计算了以前从未量过的另一个有趣的社区特征。如果极性值太小,可能表示社区的“不活泛”;否则表示社区内潜在的不和谐。
可靠性。通过颁发的某种性格标记的数量来衡量一个社区的可靠性也可能是有用的。性格标记,例如“公平”和“负责任的”,提供了一个社区中的人是什么类型的信号。
与上类似,其他社区度量也可以通过一种或多种授予的性格标记来计算,并用来表征整个接洽系统。这样的信息不仅对于系统/社区管理员是有用的,以更好地理解所涉及的人员,而且还帮助接洽系统的用户(特别是新用户)更好地理解涉及的人员。
在942处,给定上述总结度量及其随时间的变化,一个人(例如,系统管理员)可能能够检查基本接洽系统或整个社区的整体健康状况。例如,上述“可靠性”和“质量”指标的降低可能是社区健康退化的迹象。极性的摆动也可能表明社区健康的变化。由于每个接洽系统是不同的,并且可用一个或多个度量来确定其健康状况,所以该步骤的许多示例性实现中的一个是让用户(最可能是社区管理员或系统管理员)监视各种度量的变化,并定义不同类型的健康警报。随着社区发展,警报也可能会发生变化。如下是一个警报例:
如果可靠性<阈值1且质量<阈值2那么警报
与通常依赖用户活动量的社区健康监测系统不同,检察者用所涉及的人的特征来捕获社区健康。
图10描绘了可用于实现本发明的实现专用系统的移动设备的架构。在该示例中,请求并接收表征用户信誉的用户设备是移动设备1000,包括但不限于智能电话、平板电脑、音乐播放器、处理的游戏控制台、全球定位系统(GPS)接收器、以及可穿戴计算设备(例如,眼镜,手表等)、或者以任何其他形式因素。在该示例中,移动设备1000包括一个或多个中央处理单元(CPU)1040、一个或多个图形处理单元(GPU)1030、显示器1020、内存1060、通信平台1010(诸如无线通信模块)、存储器1090以及一个或多个输入/输出(I/O)设备1050。包括但不限于系统总线或控制器(未示出)的任何其他合适的组件也可被包括在移动设备1000中。如图所示,如iOS、Android、Windows Phone等移动操作系统1070和一个或多个应用程序1080可以从存储器1090加载到内存1060中,由CPU 1040执行。应用程序1080可以包括浏览器或用于在移动设备1000上表征用户信誉的任何其他合适的移动应用。与有表征用户信誉的用户接洽可以经由I/O设备1050实现并被提供给接洽辅助系统106和/或本文描述的系统的其他组件。
为了实现本描述的各种模块、单元及其功能,可以将计算机硬件平台用作本文描述的一个或多个元件的硬件平台(例如,接洽辅助系统106和/或关于图1-9描述的系统的其他组件)。这样的计算机的硬件元件、操作系统和编程语言本质上是常规的,并且假定本领域的技术人员对此熟悉以使这些技术适用于此处描述的表征用户的信誉。具有用户界面元件的计算机可以用于实现个人计算机(PC)或其他类型的工作站或终端设备,尽管如果适当地编程,计算机也可以充当服务器。相信本领域技术人员熟悉这种计算机设备的结构、编程和一般操作,因此附图应该是不言自明的。
图11描绘了可用于实现本发明的实现专用系统的计算设备的架构。结合本发明的这种专用系统具有包括用户接口元件的硬件平台的功能框图描述。计算机可是通用或专用计算机。两者都可以用来实施本发明的专门系统。如本文所述,该计算机1100可以用于实现用于表征用户信誉技术的任何组件。例如,交互接洽辅助系统106等可以通过其硬件、软件程序、固件或其组合在诸如计算机1100的计算机上实现。为了方便起见,尽管仅示出了一个这样的计算机,如本文所述的与表征用户的信誉有关的计算机功能可以以分布式在多个类似的平台上实现,以分配处理负载。
计算机1300例如包括连接到或者来自其连接的网络的COM端口1150,以便于数据通信。计算机1100还包括一个或多个处理器形式的中央处理单元(CPU)1120,用于执行程序指令。示例性计算机平台包括内部通信总线1110,用于各种待处理的数据文件的不同形式的程序存储和数据存储,例如盘1170、只读存储器(ROM)1130或随机存取存储器(RAM)1140,和/或由计算机通信、以及可能由CPU执行的程序指令。计算机1100还包括I/O组件1160,其支持计算机与本文的其他组件(例如用户接口单元1180)之间的输入/输出流。计算机1100还可以通过网络通信接收程序和数据。因此,如上所概述的表征用户的信誉的方法的各个方面可以在程序中体现。可以认为该技术的程序方面通常以可执行代码和/或关联数据的形式的“产品”或“制造品”,将该可执行代码和/或相关数据携带或嵌入在一种机器可读介质中。有形的非暂时性“存储”型介质包括计算机、处理器等的任何或者全部内存或其它存储器或其相关模块(诸如各种半导体存储器、磁带驱动器、磁盘驱动器等),其随时为软件程序提供存储。
软件的全部或部分有时可以通过诸如因特网或各种其它电信网络之类的网络来通信。这种通信可以使软件从一台计算机或处理器加载到另一台计算机或处理器中。因此,可以承载软件元件的另一种类型的介质包括光学的、电的和电磁波的、诸如在本地设备之间的物理接口上使用的、通过有线和光学陆地线网络以及各种空中链路。承载这种波的物理元件,例如可以认为有线或无线链路、光链路等也是承载软件的媒体。如本文所使用的,除非限于有形的“存储”介质,诸如计算机或机器“可读介质”之类的术语是指接洽向处理器提供指令以供执行的任何介质。
因此,机器可读介质可采取多形式,包括但不限于有形存储介质、载波介质或物理传输介质、非易失性存储介质例如包括光盘或磁盘,诸如在任何计算机中的任何存储设备、其可用于实现如图中所示的系统或其任何组件。易失性存储介质包括动态内存器,诸如这种计算机平台的主内存器。有形的传输介质包括同轴电缆、铜线和光纤、包括在计算机系统内形成总线的电线。载波传输介质可以采取电信号或电磁信号的形式、或者诸如在射频(RF)和红外(IR)数据通信期间产生的声波或光波的形式。因此,计算机可读介质的常见形式包括如:软盘、移动盘、硬盘、磁带、任何其他磁介质、CD-ROM、DVD或DVD-ROM、任何其他光介质、穿孔卡纸磁带、具有孔图案的任何其他物理存储介质、RAM、PROM和EPROM、FLASH-EPROM、任何其它存储芯片或盒式磁带、传输数据或指令的载波、传输这种载波的电缆或链路、或计算机可以从其读取程序代码和/或数据的任何其他介质。这些形式的计算机可读介质中的许多可能涉及将一个或多个指令的一个或多个序列携带到物理处理器以供执行。
图12是根据本发明的实施例的示例性网络环境1200的描绘。如图所示,示例性网络环境1200包括一个或多个用户102、网络110、接洽辅助系统106、数据库130、知识数据库140、包括一个或多个接洽系统的接洽系统104以及数据源103。网络110可以是单个网络或不同网络的组合,例如,局域网、广域网、公共网络、私有网络、专有网络、公共电话交换网络(PSTN)、因特网、无线网络、虚拟网络或其组合。
本领域技术人员将认识到,本发明适合于各种修改和/或增强。例如,上述各种组件实现可以嵌入硬件设备中,也可以将其实现为仅软件解决方案,例如在现有服务器上的安装。另外,如本文所公开的表征用户信誉可以实施为固件、固件/软件组合、固件/硬件组合、或者硬件/固件/软件组合。
尽管前文已经描述了被认为构成本发明和/或其它示例的内容,但是应当理解,可以对其做出各种修改,并且本文公开的主题可以以各种形式和示例来实现,该发明可以应用于许多应用中,这里仅描述了其中的一些。所附权利要求旨在要求落入本发明的真实范围内的任何和所有的应用、修改和变化。
Claims (20)
1.一种在具有至少一个处理器、存储器和连接到网络的通信平台的机器上实现的用于表征用户信誉的方法,包括:
从一个或多个源获得与多个用户相关的信息,其中所述信息是针对至少一种类型的在线活动获得的;
将所述信息转换成所述多个用户的一个或多个人的个性特质(human traits),其中至少部分地基于与所述用户相关的所述信息来估计所述多个用户中的每一个的每个人个性特质,并且每个人个性特质与至少一个分数相关联;以及
相对于用户的一个或多个人的个性特质,基于与所述用户的一个或多个人个性特质中的每个相关联的至少一个分数以及与所述多个用户的一个或多个人个性特质相关联的至少一个分数来估计包括在所述多个用户中的所述用户的信誉。
2.如权利要求1所述的方法,还包括:
基于所述用户的多个人的个性特质推导用户的至少一个混合的个性特质,其中,基于所述用户的多个异构类型的活动中的一个来估计所述多个人的个性特质中的每一个;以及
基于所述用户的所述至少一个推导的混合的人的个性特质估计所述用户的信誉。
3.根据权利要求1所述的方法,其中,基于来自同伴的至少一个背书和所述同伴的估计的信誉和/或至少一个人个性特质来推导用户的人个性特质,其中所述背书包括来自所述同伴的关于所述用户的描述。
4.如权利要求1所述的方法,还包括:
接收来自第一用户的关于所述第一用户与第二用户的接洽的指示的请求;
基于所述第二用户估计的信誉和/或至少一个人的个性特质生成所述指示;以及
向所述第一用户提供该指示作为对该请求的响应。
5.如权利要求1所述的方法,还包括:
从第一用户接收涉及一个或多个用户的列表的任务的请求;
基于所述任务选择一个或多个用户,他们的估计的信誉和/或他们的人的个性特质的至少一个;
对所述一个或多个用户和/或其相关联的信息排序以生成排序列表;以及
将所述排序列表提供给所述第一用户作为对所述请求的响应。
6.如权利要求1所述的方法,还包括以下中的至少一个:
将用户的估计信誉导出给服务提供商;以及
从服务提供商导入用户的估计信誉。
7.如权利要求1所述的方法,还包括:
通过将与第一用户ID相关联的估计信誉和/或人的个性特质与第二用户ID相关联的估计信誉和/或人的个性特质相匹配来确定所述第一用户ID和所述第二用户ID与同一人相关联。
8.如权利要求1所述的方法,还包括:
接收来自用户的输入;以及
基于所述用户的估计的信誉和/或一个或多个人的个性特质来确定所述输入是否与用户先前的输入一致。
9.根据权利要求1所述的方法,还包括基于在人交互接洽系统中参与的用户的被估计的信誉来估计该人交互接洽系统的信誉。
10.如权利要求9所述的方法,还包括:
检测所述人交互接洽系统的所述信誉的一个或多个改变;以及
基于所述检测到的改变来估计所述人交互接洽系统的健康状态。
11.一种具有至少一个处理器、存储器和连接到网络的通信平台的用于表征用户的信誉的系统,包括:
数据输入选择器,其被配置为从一个或多个源获得与多个用户相关的信息,其中所述信息是针对至少一种类型的在线活动获得的;
人的个性特质确定器,被配置为将所述信息转换成所述多个用户的一个或多个人个性特质(human traits),其中至少部分地基于与所述用户相关的所述信息来估计所述多个用户中的每一个的每个人的个性特质,并且每个人的个性特质与至少一个分数相关联;以及
性格标记确定器,被配置为相对于用户的一个或多个人的个性特质,基于与所述用户的一个或多个人的个性特质中的每个相关联的至少一个分数以及与所述多个用户的一个或多个人的个性特质相关联的至少一个分数来估计包括在所述多个用户中的所述用户信誉。
12.根据权利要求11所述的系统,还包括:
混合的人的个性特质确定器,被配置为基于所述用户的多个人的个性特质推导用户的至少一个混合的人的个性特质,其中,基于所述用户的多个异构类型的活动中的一个来估计所述多个人的个性特质中的每一个;以及基于所述用户的所述至少一个推导的混合的人个性特质估计所述用户的信誉。
13.如权利要求11所述的系统,其中,基于来自同伴的至少一个背书和所述同伴的估计的信誉和/或至少一个人个性特质来推导用户的人个性特质,其中所述背书包括来自所述同伴的关于所述用户的描述。
14.根据权利要求11所述的系统,还包括基于特征的交互接洽辅助器被配置用于以下操作:
接收来自第一用户的关于所述第一用户与第二用户的接洽指示的请求;
基于所述第二用户的估计的信誉和/或至少一个人的个性特质生成所述指示;以及
向所述第一用户提供该指示作为对该请求的响应。
15.如权利要求11所述的系统,还包括基于人的性格特征的交互接洽辅助器被配置用于以下操作:
从第一用户接收涉及一个或多个用户的列表的任务的请求;
基于所述任务选择一个或多个用户,他们的估计的信誉和/或他们的人的个性特质的至少一个;
对所述一个或多个用户和/或其相关联的信息排序以生成排序列表;以及
将所述排序列表提供给所述第一用户作为对所述请求的响应。
16.根据权利要求11所述的系统,还包括性格标记管理器被配置用于以下中的至少一个:
将用户的估计信誉导出给服务提供商;以及
从服务提供商导入用户的估计信誉。
17.如权利要求11所述的系统,还包括性格标记管理器,其被配置用于:
通过将与第一用户ID相关联的估计信誉和/或人个性特质与第二用户ID相关联的估计信誉和/或人个性特质相匹配来确定所述第一用户ID和所述第二用户ID与同一人相关联。
18.如权利要求11所述的系统,还包括性格标记管理器,被配置用于:
接收来自用户的输入;以及
基于所述用户的估计的信誉和/或一个或多个人个性特质来确定所述输入是否与用户先前的输入一致。
19.如权利要求11所述的系统,还包括性格标记管理器,其被配置用于基于在人类接洽系统中参与的用户的被估计的信誉来估计该人类接洽系统的信誉。
20.根据权利要求19所述的系统,其中所述性格标记管理器进一步被配置用于:
检测所述人类接洽系统的所述信誉的一个或多个改变;以及
基于所述检测到的改变来估计所述人类接洽系统的健康状态。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562204858P | 2015-08-13 | 2015-08-13 | |
US62/204,858 | 2015-08-13 | ||
US14/855,836 US20170046346A1 (en) | 2015-08-13 | 2015-09-16 | Method and System for Characterizing a User's Reputation |
US14/855,836 | 2015-09-16 | ||
PCT/US2016/046483 WO2017027667A1 (en) | 2015-08-13 | 2016-08-11 | Method and system for characterizing a user's reputation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108292995A true CN108292995A (zh) | 2018-07-17 |
Family
ID=57984116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680047389.2A Pending CN108292995A (zh) | 2015-08-13 | 2016-08-11 | 用于表征用户信誉的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170046346A1 (zh) |
CN (1) | CN108292995A (zh) |
WO (1) | WO2017027667A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666413A (zh) * | 2020-06-09 | 2020-09-15 | 重庆邮电大学 | 基于评论者可信赖度回归预测的商品评论推荐方法 |
TWI827910B (zh) * | 2021-02-18 | 2024-01-01 | 合作金庫商業銀行股份有限公司 | 信用評價方法與系統 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9965603B2 (en) * | 2015-08-21 | 2018-05-08 | Assa Abloy Ab | Identity assurance |
US10462079B2 (en) * | 2017-02-02 | 2019-10-29 | Adobe Inc. | Context-aware badge display in online communities |
US11436542B2 (en) * | 2019-06-28 | 2022-09-06 | Microsoft Technology Licensing, Llc | Candidate selection using personalized relevance modeling system |
US11171879B2 (en) | 2020-01-02 | 2021-11-09 | Wipro Limited | System and method of sharing edge computing resources |
US11170800B2 (en) * | 2020-02-27 | 2021-11-09 | Microsoft Technology Licensing, Llc | Adjusting user experience for multiuser sessions based on vocal-characteristic models |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090327054A1 (en) * | 2008-06-27 | 2009-12-31 | Microsoft Corporation | Personal reputation system based on social networking |
US9070088B1 (en) * | 2014-09-16 | 2015-06-30 | Trooly Inc. | Determining trustworthiness and compatibility of a person |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6163778A (en) * | 1998-02-06 | 2000-12-19 | Sun Microsystems, Inc. | Probabilistic web link viability marker and web page ratings |
US7945469B2 (en) * | 2004-11-16 | 2011-05-17 | Amazon Technologies, Inc. | Providing an electronic marketplace to facilitate human performance of programmatically submitted tasks |
US8615440B2 (en) * | 2006-07-12 | 2013-12-24 | Ebay Inc. | Self correcting online reputation |
US20080109491A1 (en) * | 2006-11-03 | 2008-05-08 | Sezwho Inc. | Method and system for managing reputation profile on online communities |
US10055698B2 (en) * | 2008-02-11 | 2018-08-21 | Clearshift Corporation | Online work management system with job division support |
US8200587B2 (en) * | 2008-04-07 | 2012-06-12 | Microsoft Corporation | Techniques to filter media content based on entity reputation |
US9710555B2 (en) * | 2010-05-28 | 2017-07-18 | Adobe Systems Incorporated | User profile stitching |
US8495143B2 (en) * | 2010-10-29 | 2013-07-23 | Facebook, Inc. | Inferring user profile attributes from social information |
WO2013045751A1 (en) * | 2011-09-30 | 2013-04-04 | Nokia Corporation | Method and apparatus for identity expression in digital media |
US9594903B1 (en) * | 2012-02-29 | 2017-03-14 | Symantec Corporation | Reputation scoring of social networking applications |
US20130268479A1 (en) * | 2012-04-06 | 2013-10-10 | Myspace Llc | System and method for presenting and managing social media |
US20130344968A1 (en) * | 2012-06-05 | 2013-12-26 | Knack.It Corp. | System and method for extracting value from game play data |
US20140025427A1 (en) * | 2012-07-17 | 2014-01-23 | Linkedln Corporation | Inferring and suggesting attribute values for a social networking service |
KR20150036686A (ko) * | 2012-07-27 | 2015-04-07 | 엠파이어 테크놀로지 디벨롭먼트 엘엘씨 | 소셜 네트워킹 기반 프로파일링 |
US9278255B2 (en) * | 2012-12-09 | 2016-03-08 | Arris Enterprises, Inc. | System and method for activity recognition |
US9418354B2 (en) * | 2013-03-27 | 2016-08-16 | International Business Machines Corporation | Facilitating user incident reports |
KR101438354B1 (ko) * | 2013-05-21 | 2014-09-16 | 숭실대학교산학협력단 | 소셜 네트워크 서비스 제공 방법 및 서버 |
US9686276B2 (en) * | 2013-12-30 | 2017-06-20 | AdMobius, Inc. | Cookieless management translation and resolving of multiple device identities for multiple networks |
-
2015
- 2015-09-16 US US14/855,836 patent/US20170046346A1/en not_active Abandoned
-
2016
- 2016-08-11 WO PCT/US2016/046483 patent/WO2017027667A1/en active Application Filing
- 2016-08-11 CN CN201680047389.2A patent/CN108292995A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090327054A1 (en) * | 2008-06-27 | 2009-12-31 | Microsoft Corporation | Personal reputation system based on social networking |
US9070088B1 (en) * | 2014-09-16 | 2015-06-30 | Trooly Inc. | Determining trustworthiness and compatibility of a person |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666413A (zh) * | 2020-06-09 | 2020-09-15 | 重庆邮电大学 | 基于评论者可信赖度回归预测的商品评论推荐方法 |
CN111666413B (zh) * | 2020-06-09 | 2023-04-07 | 重庆邮电大学 | 基于评论者可信赖度回归预测的商品评论推荐方法 |
TWI827910B (zh) * | 2021-02-18 | 2024-01-01 | 合作金庫商業銀行股份有限公司 | 信用評價方法與系統 |
Also Published As
Publication number | Publication date |
---|---|
US20170046346A1 (en) | 2017-02-16 |
WO2017027667A1 (en) | 2017-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230376693A9 (en) | Detection of deception within text using communicative discourse trees | |
CN108292995A (zh) | 用于表征用户信誉的方法和系统 | |
US11783126B2 (en) | Enabling chatbots by detecting and supporting affective argumentation | |
US9870591B2 (en) | Distributed electronic document review in a blockchain system and computerized scoring based on textual and visual feedback | |
US20200286463A1 (en) | Using communicative discourse trees to create a virtual persuasive dialogue | |
US20200265195A1 (en) | Using communicative discourse trees to detect distributed incompetence | |
Babaei et al. | Analyzing biases in perception of truth in news stories and their implications for fact checking | |
Wright | The future of facial recognition is not fully known: Developing privacy and security regulatory mechanisms for facial recognition in the retail sector | |
CN109690608A (zh) | 外推信任得分中的趋势 | |
US20180239832A1 (en) | Method for determining news veracity | |
US20180276543A1 (en) | Intelligent visual object management system | |
US11567949B2 (en) | Data discovery solution for data curation | |
CN108073645B (zh) | 一种招聘平台的求职人推荐页面展示方法及装置 | |
WO2013165923A1 (en) | Recruitment enhancement system | |
US11849056B1 (en) | Social media profile identification connected to cryptographic token | |
Ganguly et al. | A review of the role of causality in developing trustworthy ai systems | |
Imran et al. | Enhancing data quality to mine credible patterns | |
US11520677B1 (en) | Real-time Iot device reliability and maintenance system and method | |
US20190197585A1 (en) | Systems and methods for data storage and retrieval with access control | |
Jaeger | Consensual and idiosyncratic trustworthiness perceptions independently influence social decision‐making | |
Taylor et al. | The effect of explanation in simple binary decision tasks | |
Champin et al. | Coping with noisy search experiences | |
US20240185090A1 (en) | Assessment of artificial intelligence errors using machine learning | |
US20230319060A1 (en) | Portable trust rating method and system | |
Lancaster | A Quantitative Study on How Personality Affects the Ability to Detect Phishing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180717 |