CN108369586A - 用于检测网络中的交互和影响的系统和方法 - Google Patents

用于检测网络中的交互和影响的系统和方法 Download PDF

Info

Publication number
CN108369586A
CN108369586A CN201680070724.0A CN201680070724A CN108369586A CN 108369586 A CN108369586 A CN 108369586A CN 201680070724 A CN201680070724 A CN 201680070724A CN 108369586 A CN108369586 A CN 108369586A
Authority
CN
China
Prior art keywords
instance
entity
network
information
measurement
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
Application number
CN201680070724.0A
Other languages
English (en)
Inventor
罗曼·奥伯利
托马斯·安尼克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Akerson Webb Joint-Stock Co
Original Assignee
Akerson Webb Joint-Stock Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Akerson Webb Joint-Stock Co filed Critical Akerson Webb Joint-Stock Co
Publication of CN108369586A publication Critical patent/CN108369586A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit 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
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

用于向用户提供基于位置的推荐的系统和方法，所述用户利用所述用户和网络中的其他用户之间的共同特征，使得共同特征基于对在不同时间和位置处的用户信息进行监视和分析来导出。计算设备接收与网络中的多个实体的每个相关联的信息，包括交易和活动，所述交易和所述活动每个都与位置和时间相关联。所述计算设备接收更新的信息并且基于所更新的信息创建与所述多个实体的第一实体和子集相关的数据结构。所述计算设备确定与所更新的信息有关的推荐、计算实体子集中的实体之间的关联值、以及将所述推荐传送给所述实体中的一个实体。

Description

用于检测网络中的交互和影响的系统和方法
相关申请的交叉引用
本申请要求于2015年10月20日提交的美国临时申请号62/243,955的优先权，其通过引用并入本文。
技术领域
本发明的实施例通常涉及社交网络，并且具体地涉及检测网络中的交互和影响。
背景技术
人和机器的全球网络包括数百万的互联网用户和具有移动电话的个体。许多人具有社交媒体资料，并且每天都会与社交媒体进行多次交互。互联性的这种形式不仅已经打开了彼此相关和与事物相关的新方式，而且它也能够识别这些关系。经由社交媒体连接的个体具有经定义的连接，该连接被记录(memorialized)在数据中。
除了识别传统的关系之外，通过社交媒体、电子商务、远程工作场所、GPS定位服务以及远程学习(仅举几例)，朝着每天生成越来越多数据的个体的转变使描述我们关系的大量数据可用。识别和量化这些关系的先前努力由于多种原因已经获得了有限的成功，多种原因中的一个原因是数量庞大(sheer volume)的可用数据，并且缺乏处理此数据的智能方法。
数字互连性只是全局(larger picture)中的一部分。人们继续面对面地交互，并以不同程度的亲密度来维持个人关系和职业关系。已经检查过连接的现有系统大部分已经忽略了这些现实世界的关系，并且代替地只检查(诸如社交媒体的)在线网络。
尽管最近几年中可用计算和数据处理的数量已经显著增加，但需要超过原始计算能力来智能地识别、量化和遍历不同的连接网络。
发明内容
本公开的方面涉及用于向用户提供基于位置的推荐的系统和计算机化方法，所述用户利用用户和网络中的其他用户之间的共同特征，使得共同特征基于对在不同的时间和位置处的用户信息进行监视和分析而导出。在一些实施例中，计算设备接收与网络中的多个实体中的每一实体相关联的信息，所述信息包括至少一个交易和活动。在一些实施例中，所述交易和所述活动每个都与位置和时间相关联。在一些实施例中，计算设备接收与多个实体中的第一实体相关联的更新的位置信息、与多个实体中的第一实体相关联的更新的交易信息、以及与多个实体中的第一实体相关联的更新的活动信息中的至少一个。在一些实施例中，计算设备创建与第一实体和多个实体的子集相关的数据结构。在一些实施例中，基于具有(与更新的位置信息、更新的交易信息以及更新的活动信息中的至少一个有关的)信息的子集中的每个实体来选择子集。在一些实施例中，数据结构包括表示子集中的每个实体的节点和连接节点的链路。在一些实施例中，计算设备基于与更新的位置信息、更新的交易信息以及更新的活动信息中的至少一个有关的信息，来确定交易和活动中的至少一个的推荐。在一些实施例中，计算设备计算用于连接所述第一实体和具有与推荐相关联的信息的其他实体的链路中的每个的关联值，并且当至少一个关联值超出阈值时，计算设备将推荐发送到子集的第一实体和第二实体中的至少一个，从而基于对实体和网络中的其他实体是共同的并且基于对在不同时间和位置处的实体信息进行监视和分析而导出的信息将推荐提供到实体。
在一些实施例中，计算设备从与推荐相关的第一实体和第二实体中的至少一个接收关联指示，并且计算设备基于关联指示来更新关联值和阈值中的至少一个。在一些实施例中，计算参考值包括计算第一实体和第二实体中的至少一个和网络中的其他实体之间的关系分数，所述关系分数基于持续时间度量、年份度量、交互度量、信任和变化度量、控制度量以及和谐度量的组合。在一些实施例中，计算设备计算用于子集中的每个实体的中心性(centrality)分数，所述中心性分数基于程度度量、亲密度度量以及中间性(betweeness)度量的组合。在一些实施例中，计算设备将关系分数和中心性分数组合以形成参考值。
在一些实施例中，持续时间度量与第一实体和第二实体中的至少一个和网络中的其他实体之间的关系的持续时间相关联；年份度量与第一实体和第二实体中的至少一个和网络中的其他实体之间的在先交互的时间相关联；交互度量与在第一实体和第二实体中的至少一个和网络中的其他实体之间的时间段内建立的连接的次数相关联；信任和变化度量与由第一实体和第二实体中的至少一个和网络中的其他实体所使用的多个不同类型的通信相关联；控制度量与第一实体和第二实体中的至少一个和网络中的其他实体之间的层级相关联；和谐度量与第一实体和第二实体中的至少一个和网络中的其他实体之间的交互的同步性相关联；程度度量与多个链路相关联，与每个节点相关联的所述多个链路对应于第一实体和第二实体中的至少一个和网络中的其他实体之间；亲密度度量与在对应于第一实体和第二实体中的至少一个的节点和对应于网络中的其他实体的节点之间的路径长度相关联；并且中间性度量与每对节点之间的路径长度相关联。
在一些实施例中，更新的位置信息包括第一实体与多个实体中的另一实体共位(co-located)。在一些实施例中，更新的位置信息包括由第一实体首次访问的位置。
在回看以下附图、详细描述以及权利要求之后，将更充分地理解所公开主题的这些能力和其他能力。将理解的是，这里使用的措辞和术语是为了描述的目的，而不应该被认为是限制性的。
附图说明
当结合以下附图(其中相同的参考数字标识相同的元件)考虑时，参考所公开主题的以下详细描述可以更充分地理解所公开主题的各种目的、特征以及优点。
图1是示出了根据本公开的一些实施例的网络化系统的系统图。
图2是示出了根据本公开的一些实施例的社交图的示意图。
图3是示出了根据本公开的一些实施例的基于其他实体计算用于一个实体的关联分数的流程图。
图4是示出了根据本公开的一些实施例的向用户发送推荐的方法的流程图。
具体实施方式
这里描述了用于导出和评估个体、位置、交易以及活动之间以及之中的关系网络的系统和方法。这里还描述了系统和方法，所述系统和方法用于对与关系网络相关联的数据进行集成、分析以及评估，使得从一些个体导出的信息可以用于预测与其他个体的人、位置、交易以及活动的相关联系。
还公开了用于识别关系和这些关系的强度以形成个体和事物的社交图的系统和方法，其中图上的节点表示(诸如人、组织以及事物的)实体，并且链路表示这些实体之间的关系的强度。通过生成社交图，可以识别无数的特征，诸如个体或实体的影响范围、公司与潜在客户之间的路径、在网络和特定社区中的个体角色和他们的重要性、个体口味偏好、物体和位置之间的关联性、以及重要人员之间的亲密度等等。
如下面更详细描述的，示例性社交图可以包括特定关系以及表示为权重的每个关系的强度。社交图的分析可以在识别人、位置、交易以及活动之间的关系中将这些权重考虑进来。
为了形成社交图，可以认为数据是两个实体之间关系的某种水平的证据。例如，可以从共位的频率和资料中的相似性、个体多久一次访问特定餐馆、他在那里花了多长时间、他和谁去的、之前或之后他去了哪里、他到达那个地方有多远等的组合中导出实体之间的关系。这些关系可以被评分并且与其他关系进行比较，以识别可以预测未来行为的模式并用于识别与另一实体相关的实体、位置、交易以及活动。
虽然个体是社交图的重要关键元素，但是本发明的系统和方法可以扩展到可以收集用于其的数据的任何关系。示例包括关联、品牌、位置、政党、口味、类型、对象、设备、事物、食物、饮料、物体等。在整个本公开中，术语“个体”和“实体”可交换使用，并且指示用于可以识别用于其关系的任何广泛的人和事物。
此外，术语“社交图”不旨在局限于个体网络，而是旨在涵盖可以识别用于其关系的人和事物的全部范围。
如图2所示，并如在伴随图2的文本中更详细地描述的，示例性社交图可以包括个体和实体之间的关系的类型和质量的表示。例如，人与其他人的联系、交易、活动或他们定期访问的一些地方，都可以在社交图中表示。同样地，一个人可能对特定类型的食物、某一类型的度假目的地或某一类型的服装有偏爱。一个人可以坐在董事会上、附属于慈善组织或在共同工作的空间中工作。这些都可以在社交图中表示为关系，和表示这些关系强度的度量。
除了识别关系和他们的相对强度之外，如下所述，本公开中描述的一些实施例可以识别网络中的变化并评估这些变化的重要性。在一些实施例中，以提供推荐为目标，可以基于过去进行关于未来行为的猜测。
用于这里描述的系统的数据收集可以通过公共的和私人的无数来源，以及由用户直接提供的数据来获得。在一些实施例中，数据源可以包括app、API、公共和政府数据储存库、普查数据、位置数据、以及来自连接设备的数据等。假如其可以被访问，则对可以由系统分析的数据类型实际上没有限制。
图1是示出了根据本发明一些实施例的网络化系统100的系统图。图1示出了网络102、数据收集节点110、用户访问设备112、数据存储120、数据分析引擎122、发布服务器124、以及查询服务器126。
网络102使系统中的组件之间能够点对点通信。网络102可以是(诸如因特网的)公共网络，其中每个组件经由使用(诸如Wi-Fi、以太网和4G无线网络的)通信协议的网关进行连接。可替代地，网络102可以是(诸如局域网(LAN)的)封闭式网络，其中在开放互联网上不能访问关系分析系统的各种组件。在一些实施例中，可以对经由网络102的通信加密，或者可以利用附加的安全协议，诸如虚拟专用网络(VPN)或安全接壳(SSH)隧道。
数据收集节点110从参与网络化系统的用户中收集信息。在一些实施例中，数据收集节点110可以包括任何计算机化设备，该计算机化设备能够记录和传送关于用户与另一用户的接近度、位置、交易和/或活动的信息。在一些实施例中，计算机化设备可以包括可以被安装有便于数据收集的移动应用的智能手机、平板电脑、计算机、笔记本电脑或智能手表。
在一些实施例中，数据收集节点110可以包括车载数据收集代理，诸如自动机载诊断模块、遥测和远程信息处理模块、转发器、机载GPS模块、以及收集相关数据的其它系统。
在一些实施例中，数据收集节点110可以包括数据存储，该数据存储容纳收集到的与实体关系相关的先存的数据或证据。在一些实施例中，数据可以包括采购数据，诸如信用卡或借记卡使用。在其它实施例中，数据可以包括从(诸如Facebook、LinkedIn、Twitter、Pinterest的)社交网络中收集到的、通过社交媒体网络直接提供的数据、通过应用程序接口、或通过浏览网络收集到的信息。在一些实施例中，社交网络检测可以检测用户和在电子邮件、日历、电话呼叫、位置数据、第三方公司注册数据库(例如CRIF、CreditSafe、Experian等)中检测到的人和/或接口(领英API，XING API等)之间的所有连接。
在一些实施例中，数据收集节点110可以是系统地浏览因特网以用于相关数据的网络爬虫或网络机器人。
在一些实施例中，数据收集节点110可以包括消费者可穿戴设备或健康监视器，诸如Jawbone Up、Fitbit Charge或Apple Watch设备。
在一些实施例中，(例如，在移动应用的情况下)可以将数据从数据收集节点110直接传送到网络102或者可以通过中间步骤收集数据。例如，在车辆遥测系统的情况下，可以利用中间模块从机载设备中收集信息并通过无线链路将其传送到智能手机，然后可以将其传送到网络102。
在一些实施例中，数据收集可以是通过用户的特定许可(诸如利用来自领英或信用卡的数据)，或者可以通过与数据提供者的服务协议的条款来启用。可替代地，可以通过服务提供者或数据聚合器的许可来收集数据。在一些实施例中，可以经由移动应用或被配置为与网络化系统一起操作并且被定制为向系统提供选择数据以符合其预期目的的其它软件来收集数据。
在一些实施例中，移动应用可以安装在用户的智能手机计算设备上，并提供给用户选择加入各种数据收集机构的能力。例如，用户可以通过移动app许可这里描述的系统收集用户的联系人、Facebook好友、Instagram好友、随时间的位置数据，以及使用智能手机计算设备、电话以及消息发送模式进行的支付。
在一些实施例中，数据收集节点110可以采取提供有各种经连接的设备的应用或小程序的形式。例如，嵌入在DVR的app可以传送关于观影习惯和偏好的数据，而嵌入在汽车导航系统的软件可以传送关于位置和驾驶模式的数据。
本领域技术人员将意识到，可以与本公开中描述的系统一起使用的数据收集节点的类型和种类不受限制。
数据存储120存储从数据收集节点110和从数据分析引擎122中接收的数据，在下面更详细地描述数据分析引擎122。在一些实施例中，在处理之前接收从数据收集节点110中接收的数据。如下面更详细描述的，数据存储120中的数据可以利用在处理期间生成的关系分析数据来更新。
在一些实施例中，数据存储120包括基于云的存储系统，该基于云的存储系统具有存储来自系统的预期数据加载的容量。示例性数据存储包括Amazon S3、Windows AzureStorage、Google Cloud Storage、SpiderOak等。可替代地，数据存储120可以被本地托管，并经由网络连接与系统的剩余部分连接。
数据分析引擎122接收并处理来自数据存储120和数据收集节点110的数据。如下面更详细描述的，数据分析引擎122可以利用当接收新用户数据时生成的关系分析数据来更新数据存储中的关系数据存储。
在一些实施例中，数据分析引擎122可以获得个体、组织、以及甚至设备之间的交互和影响的证据，并且导出社交图，如在伴随图2的文本中更详细地描述。简略地，图上的节点可以表示实体(例如，人、组织、以及设备)，并且顶点或链路可以表示实体之间的关系强度。一旦已经生成了社交图，数据分析引擎122然后可以提供在(诸如关系强度、整体连通性和实体中心性的)区域上的得分。
在一些实施例中，数据分析引擎122可以包括服务器计算机，该服务器计算机实现用于保存由数据收集节点110收集的数据的数据库。在优选实施例中，数据库是图形数据库，其中可以进行语义查询并且其特别适合基于这些元素之间的关系对数据元素进行建模。图形数据库的一个示例是Neo4j图形数据库，但是(诸如Teradata Aster、Stardog、FlockDB、InfiniteGraph、GraphDB、以及AllegroGraph系统等的)其他图形数据库系统可以代替Neo4j。在替代实施例中，数据分析引擎可以实现(诸如Apache SQL或等同物的)关系数据库。
在一些实施例中，数据分析引擎122的特定配置可以取决于很多因素，诸如数据库的类型，数据库的预期大小、以及用户性能期望。例如，当利用Neo4j时，数据分析引擎122可以在服务器上运行，该服务器具有Intel Core i7处理器并具有至少2GB内存、10GB或更多的磁盘空间，并且利用ext4文件系统。其他的实现可能有不同的要求。在实施例中，系统可扩展，并且随着需求增加可以添加额外的处理容量。
用户访问设备112可以访问数据分析引擎122以运行数据查询访问预运行查询和报告。用户访问设备112可以直接地或通过查询服务器126访问数据分析引擎122。查询服务器126可以访问数据分析引擎122以启用针对数据拓扑的动态询问。查询服务器126可以对实时询问做出响应或者预存储常见的询问以用于快速检索。在一些实施例中，用户访问设备112可以被实现为基于网络的门户，该基于网络的门户在远程服务器(例如，数据分析服务程序或专用网络服务器)上运行并且通过在(诸如笔记本电脑、平板电脑或智能手机的)个人计算设备上运行的常规网络浏览器访问。可替代地，用户访问设备112可以采取被定制成与这里描述的系统一起工作的任何计算设备运行软件的形式。例如，并且如下面更详细描述的，用户可以在访问新城市时查询系统以用于餐馆建议，或查询系统以用于在购物中心购买品牌的建议。
发布服务器124可以从数据分析引擎122或查询服务器126中接收经处理的数据，并将信息传送到数据收集节点110或用户访问设备。如下面更详细描述的，经处理的数据可以包括来自拓扑的预呈现的遍历或提取以允许快速访问个体或公司网络。在实施例中，发布服务器数据可以以特定于个体消费者的定制格式存储，并且可以(诸如经由网络服务器)以任何常规的格式呈现给用户。在一些实施例中，使用数据分析引擎122计算的信息(例如餐馆推荐)可以使用发布服务器124发送给用户设备。
图2是示出了根据本公开的一些实施例的社交图200的图。社交图200包括节点202204 206、节点参数212 214 216、以及链路220 222 224。
如上所述，社交图200是表示实体和实体之间的关系的一种方式。使实体和与实体的关系(例如矩阵)可视化的其它方法同样适用于这里描述的系统和方法。
节点202 204 206表示实体并且每个都与一组参数212 214 216相关联。如上所述，可以基于从数据收集节点110中接收到的信息将参数212 214 216相应地分配给节点202 204 206。实体可以包括人、组织、以及设备。参数212 214 216可以包括识别实体并且描述与实体相关联的位置、活动或交易的至少一个关系的信息。例如，如果实体是人，则参数可以包括身份证号码、生日、性别、雇主、信用等级、位置(和位置精度)、工资、最近的交易、以及最近的活动。作为另一示例，如果实体是公司，则节点可以包括(诸如公司ID、供应商ID、公司名称、创办年份、地址、行业、行业排名、信用等级、表示为公司的纬度和经度的位置信息、以及对位置坐标精度的置信度的指标的)属性。公司位置信息可以对确定个体的移动和互动是有用的。在一些实施例中，参数信息可以与观察、接收或处理参数信息的时间相关联。
如这里所使用的，交易可以指购买(例如，衣服、食物、旅行、商品)并且活动可以指事件(例如体育赛事、班级、聚会)。
节点(例如，节点202)可以经由链路220 222 224连接到其他节点(例如，节点204和节点206)。链路可以表示实体之间的关系强度或者与实体相关联的参数之间的强度。实体之间的关系强度可以根据涉及的实体性质和手头证据而变化。在一些实施例中并且如下面更详细描述的，较小的分数被认为更好并且类似于距离。关系强度值可以被称为节点之间的距离并且以在此称为轴突(axon)的单位来测量。
在实施例中，提供了表示实体的有效范围的子图。这些子图(称为自我网络)是用于实体的距离限制的子图。在实施例中，一旦已经创建了社交图，自我网络就是用于所有进一步处理的基本单位。可以使用以下准则生成自我网络：
·可以设置最大遍历距离，将子图限制为小于以轴突测量的最大遍历距离的路径。在一些实施例中，最大遍历距离可以被设置为100000个轴突，但是可以根据应用利用其它设置。
·通过将距离乘以惩罚，可以将跳跃惩罚(hop penalties)应用到路径中每个跳跃的距离。例如，如果节点之间的第一跳跃具有5的惩罚并且第一跳跃的距离是100个轴突，则其将有效地具有500个轴突的缩放距离。
·可以合并遍历超时以限制可以导致处理延迟的大型网络。遍历超时是缓和措施，该缓和措施在平衡良好的图中不应该是必需的。在一些实施例中，遍历超时可以被设置为15秒，但是可以根据系统来利用变化。
根据自我网络的根是否是个体或实体，可以强制执行对自我网络生成的附加限制，诸如对在遍历期间考虑的网络特征的限制。
在一些实施例中，可以基于实体之间的期望的共性因素来创建不同的社交图。在这种情况下，相关的自我网络可以彼此是与众不同的。例如，在确定实体对节点202的影响时，如果根据城市A中的相关餐馆建议，询问涉及将具有与节点202的关联性最大的实体，则到节点204的链路220可能更强，而如果询问涉及关于休闲服装的相关零售商将具有与节点202的关联性最大的实体，则到节点206的链路224可能更强。
基于实体的改变后的参数可以确定用于实体的共性因素。例如，当实体旅行到新的位置时，可以基于与旅行到新地点(例如，旅馆、租赁汽车、餐馆)相关的因素来创建社交图。作为另一示例，改变后的参数可以包括特定购买或购买的注意模式。基于这个变化后的参数，其他商家可以被推荐给实体。在一些实施例中，改变后的参数可以确定实体对区域的熟悉度。社交图在实体的家乡可以与实体以前从未访问过的地方比看起来大不相同。例如，旅馆在实体的家乡可以具有不同于实体正在访问的新地点(不太熟悉的地方)的关联值。在一些实施例中，改变后的参数信息包括与改变后的参数相关联的位置和时间。
在一些实施例中，来自社交图的信息用于向用户提供推荐。如下面更详细描述的，该推荐基于关联分数，该关联分数基于与关系相关联的实体的关系强度和中心性。该推荐可以基于与用户相关联的改变后的参数，或者与网络中的其他用户相关联的改变后的参数。例如，改变后的参数可以是移动到新位置的用户，其可以提示，例如新餐馆的推荐。改变后的参数也可以是由网络中的其他用户进行的购买，其提示将被推荐给特定用户的购买。例如，具有多个与特定用户的类似购买的其他用户可能已经进行了与特定用户相关的额外购买。可替代地，其他用户可能已经进行了与特定用户进行的购买一致的额外购买，增加了先前购买的其他用户与特定用户的关联性。
在一些实施例中，评分关系强度可以根据涉及的实体的性质和可用信息而变化。例如，可以使用(诸如关系的长度、关系是个人的还是职业的、两个个体多久一次会在同一位置、以及个体多久一次来访问相似的位置等的)度量来评估两个个体之间的关系。同样地，个体与特定品牌之间的关系可以包括个体已经购买该品牌多长时间、个体多久一次购买竞争品牌、以及一个产品多久一次与另一产品同时购买。虽然根据类型可能在关系特征中有重叠，但也可能存在差异。
在测量关系的强度时，可以在上文简要提及的轴突中评估分数。较小的分数被认为更好，并且与距离类似。除了评分关系之外，还可以对实体的中心性进行评分，以量化实体在网络中的连通性，其转而测量该实体的影响。
个体关系可以使用基于关系的特征对关系进行评分的加权互连来表示。在实施例中，特征包括持续时间、年份、交互、信任/变化、控制、以及和谐。
图3是示出了根据本公开的一些实施例的基于其他实体计算用于一个实体的关联分数的流程图。图3示出了基于关系分数322和中心性分数342计算关联分数350。使用持续时间302、年份304、交互306、信任308、控制310以及和谐312的关系处理320来计算关系分数322。使用程度330、亲密度332以及中间性334的中心性处理340来计算中心性分数342。
关系的持续时间度量302是指两个实体之间的关系已经存在有多长时间。在简单的实施例中，持续时间可以表示第一次交互和最后一次交互之间的时间。在更复杂的实施例中，持续时间可以表示实体之间的交互的集合。
关系的年份度量304可以基于交互的最后日期和时间来确定。将假设更高的年份评级，其中交互的最后日期和时间接近当前日期和时间。在实施例中，年份捕捉交互的最近程度和积极程度，并且可以检查，例如两个人多久之前一起工作或彼此联系，或者这是积极的关系还是过去几年发生的关系。积极的关系可以比过去20年发生的关系分配更高的分数。在一些实施例中，年份可以包含衰减因数，该衰减因数惩罚用于较老年份关系的关系分数。
交互度量306指示实体的亲密度。在一些实施例中，交互306可以考虑在某个时间段(诸如在去年)建立连接的次数。针对商业关系，可以期望小公司中的两名高管会有高度的交互，且大公司中的董事会成员和初级主管会有较少的交互。对于个体而言，相同城市中的两个人可能表示较弱的交互，而相同建筑物中的两个人是较强的交互。可以包括其他变量，诸如位置的性质。例如，共同位于遥远的度假屋的两个人可能比共同位于办公大楼的两个人有更强的指标。
例如，可以基于使用的通信(诸如电子邮件、电话呼叫、根据日历事件或位置数据的个人会议)的不同类型数量来确定信任/变化度量308。在检测到大量不同通信类型的情况下可以分配高信任等级。在一些实施例中，在多个情景中发生的关系指示强的关系，特别是如果那些相互作用极不可能随机发生的话。
控制度量310可以应用于特定类型的关系，诸如层级关系，并且测量一个实体相对于另一个具有多少的直接影响力。例如，与大公司的部分利益相关者对公司的影响相比，小企业的唯一所有者可以具有对企业更直接的影响力。在社交环境中，一个个体的偏好可以比另一个人的在决定他们下一次应该一起去哪更具有影响力，其影响了一些推荐的关联。例如，通过预先建立的社交网络与另一个人连接的人，或频繁地与其他人一起共同位于(不常与共同位于的高度相关相关联的)地方的人可以比不经由社交媒体或通过位置连接的某人具有对其他人的更多影响力。
和谐度量312是指两个实体之间交互的和谐或同步性的量。例如，如果两个人同时到达并离开某个位置，则可以指示两人正一起旅行，且他们的关系应得到更高的分数。如果它们碰巧重叠，但在不同的时间开始和结束，则这可能是关系的较弱指标。
关系处理320包括加权和组合持续时间302、年份304、交互306、信任/变化308、控制310、以及和谐312，以产生关系分数322。作为示例，可以基于个体彼此认识多久(他们第一次共位和今天之间的时间)、他们最后一次看到彼此(最后一次共位的年份)、共位(交互)的数量、两个个体共同位于不同环境(信任/变化)的数量(如果位置都与工作有关，则分数将低于如果其是多个类别(电影、晚餐、公园)的分数)，对人际关系的强度进行评分。分配给持续时间302、年份304、交互306、信任/变化308、控制310以及和谐312中的每个的权重可以根据环境(例如，改变后的参数的性质)而变化。例如，控制310和和谐312可以比其他因素更重地加权，以确定对于寻找吃饭地点的两个人来说最好的午餐推荐是什么。在一些实施例中，推荐的关联取决于理解决策者是谁和他们如何一致。
在一些实施例中，归一化因数可以被并入关系分数322中以反映数据的不完整性。归一化可以考虑用于给定输入设备的数据或经过时间的比例，使得不仅在绝对值上对关系进行评分。归一化可以是社交图中的一个个体只有最近才开始利用由系统考虑的特定技术(例如，智能手机、社交媒体、移动app)的因数。
中心性分数342是指个体或公司的中心性，以确定实体在社区中是重要的还是中心的参与者并因此可以被视为具有影响力。中心性(包括程度330、亲密度332以及中间性334)可以使用各种度量来量化。
程度中心性度量330是指节点具有多少链路的计数，并且假设更多链路意味着对网络有更多的影响力，并且已经发现程度中心性对于测量实体的影响力特别有用。在一些实施例中，也可以使用称为特征向量中心性的度数中心性的变体。特征向量中心性因素把邻近节点的中心性计算在内。该计算是迭代过程，该迭代过程考虑所有节点的程度中心性，然后检查邻近节点的分数。如果邻近节点也具有高度中心性，那么当前节点的分数将被调整。
亲密度中心性度量332是指一个节点与其他节点之间的路径长度。亲密中心性332可以通过为每个节点计算到所有其他节点的最短路径距离并取平均数来考虑关于整个网络的每个节点。网络中心(或深深地嵌入在网络中)的节点将具有较低的平均距离。周边的节点将具有较高的平均最短路径距离。
中间性中心性度量334是指每对节点之间的一定程度的路径长度。中间性中心性334可以识别形成图中关键交叉点的“跨边界者”或节点。在一些实施例中，中间性中心性的计算涉及计算网络中每对节点之间的最短路径。由于最短路径将倾向于穿过边界跨越节点，因此可以通过计算它们多久一次落在最短路径上来识别跨边界者。
在一些实施例中，可以利用增强的中心性度量来更好地确定实体的中心性。在一些实施例中，这些增强的中心性量度将第一跳跃以外的范围合并到相邻节点，并且还合并加权路径，使得它们不仅能够测量范围内有多少实体，而且能够测量他们有多少以及他们有多接近。
实体的中心性的计算可以包括随着距离路线起点的距离增加而对分数进行惩罚，称为跳跃惩罚的因式分解。跳跃惩罚不会影响程度中心性，这是因为程度中心性仅考虑开始节点和其最接近的邻居。
中心性处理320包括加权和组合持续时间程度330、亲密度332以及中间性334，以产生中心性分数342。测量与个体相关的一组场地或实体中的中心性便于向另一个体进行推荐。例如，在超过两周的时间段内与特定用户共同访问的五家餐馆的第一用户可以具有比与同一特定用户共同访问的三家餐馆的第二用户更高的中心性分数。可替代地，在超过两周的时间段内与特定用户共同访问的五家餐馆的第一用户可以具有比在超过十周的时间段内与同一特定用户共同访问的五家餐馆的第二用户更高的中心性分数。
关系分数322和中心性分数342被加权并组合以形成关联分数350。关联分数提供了何时某事与用户相关的理解。在向用户推荐之前这被不断计算。用户可以被允许对建议的关联给出反馈。然后这个反馈可以用来对分数的敏感度进行微调。
图4是示出了根据本公开的一些实施例的向用户发送推荐的方法的流程图。
参考步骤402，接收与网络中的多个实体相关联的信息。例如，该信息可以包括实体的身份、实体与另一实体的关系、与实体相关联的位置、与实体相关联的交易、或与实体相关联的活动。在一些实施例中，该信息是从随时间接收的信息进行编辑的或从其他数据库(例如，Facebook，LinkedIn)输入。该信息可以包括原始数据或被预分类或被关联。在一些实施例中，该信息与位置和时间相关联。
参考步骤404，接收与实体相关联的参数。该参数可以是与实体相关联的信息的特定片段。例如，该信息可以是实体与另一个实体的关系、与实体相关联的位置、与实体相关联的交易、或与实体相关联的活动中的一个或多个。在一些实施例中，该参数是对用于实体和链接到该实体的其他实体的先前接收的信息的更新。例如，该参数可以包括与实体相关联的当前位置或由其他实体参与的活动或进行交易的额外数量。
参考步骤406，基于参数创建与实体子集相关的数据结构，其中数据结构包括节点和连接节点的链路。该子集可以基于实体与参数的关联来选择。例如，如果参数是与实体的新的旅行游览相关联的当前位置，则在当前位置附近或类似于当前位置的位置中没有旅行和食物消费历史的其他实体可能不包括在子集中。作为另一示例，该子集可以基于实体和其他实体之间的其他共性来选择。例如，即使实体的相应位置(或位置历史)不一致，那么订阅相同的食物杂志并观看相同烹饪节目的实体也可被认为与具有相同习惯的另一实体相关。
说明实体和其他实体之间的关系的数据结构可以采取具有节点和链路的图形的形式。如上所述，节点可以表示实体，并且链路可以表示实体之间的关系。同样如上所述，链路可以包括描述链路强度的值。如这里所提到的，强度可以指一个节点的信息对第二节点具有的影响的量。例如，如果一个实体访问新的城市，则可能从另一个实体的列表中建议餐馆，这两个实体在另一个城市中具有在相同餐馆处的饮食模式。
参考步骤408，基于与实体子集相关联的信息来确定推荐。在一些实施例中，推荐是建议的下一个交易、与个体的联系、或实体的活动。例如，如果实体在新的位置处开始新的工作，则推荐可以是与该实体网络内的其他实体链接的同事。作为另一示例，当实体在大约用餐时间移动到特定位置时，推荐可以是网络中的其他实体已经访问的对实体来说是新的餐馆，该网络共享与实体一样的一定数量(例如5-10)的其它餐馆。在一些实施例中，除了多个共同的餐馆之外，另一个条件是实体访问餐馆期间的时间段(例如，1-3个月内)。
参考步骤410，计算用于连接实体和与推荐相关联的其他实体的每个链路的关联值。如上所述，基于关系分数和中心性分数的组合来计算关联值。
参照步骤412，当关联值超过阈值时，将推荐传送到实体。超过阈值的关联值指示实体可以找到有用的推荐。在一些实施例中，可以基于用户响应来调整与计算关联值相关联的算法。例如，当推荐被发送给用户时，用户可以响应该推荐与用户(例如，不喜欢餐馆推荐的用户)不相关。当接收到响应时，可以调整与算法相关联的权重或阈值(例如，对具有较高或较低重要性的烹饪类型进行加权，包括共同满足阈值数量的更多或更少的餐馆)。在一些实施例中，推荐被传送以用于在与实体相关联的设备上显示。
这里描述的主题可以在数字电子电路中，或者在计算机软件、固件或硬件(包括本说明书中公开的结构装置及其结构等同物或它们的组合)中来实现。这里描述的主题可以被实现为一个或多个计算机程序产品，诸如一个或多个计算机程序，该一个或多个计算机程序有形地体现在信息载体中(例如，在机器可读存储设备中)或体现在传播信号中，以用于由数据处理装置(例如，可编程处理器、计算机或多台计算机)执行或控制数据处理装置的操作。计算机程序(也称为程序、软件、软件应用、或代码)可以用任何形式的编程语言(包括编译语言或解释语言)编写，并且其可以以任何形式进行配置，包括被配置为独立程序或者被配置为适用于在计算环境中使用的模块、组件、子例程或其他单元。计算机程序不一定对应于文件。程序可以存储在保存其他程序或数据的一部分文件中、专用于所讨论的程序的单个文件中、或多个协调文件中(例如，存储一个或多个模块、子程序或部分代码的文件)。计算机程序可以被配置为在一个计算机上或多个计算机上在一个站点处执行或分布在多个站点上并且通过通信网络互连。
本说明书中描述的过程和逻辑流程(包括这里描述的主题的方法步骤)可以由执行一个或多个计算机程序的一个或多个可编程处理器来执行，以通过操作输入数据和生成输出来执行这里描述的主题的功能。过程和逻辑流程也可以由专用逻辑电路(例如FPGA(现场可编程门阵列)或ASIC(专用集成电路))执行，这里描述的主题的装置可以被实现为专用逻辑电路。
适用于执行计算机程序的处理器包括，例如，通用微处理器和专用微处理器以及任何种类的数字计算机的任何一个或多个处理器。通常，处理器将从只读存储器或随机存取存储器或两者中接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备(例如磁盘、磁光盘或光盘)，或者其将可操作地耦合以从一个或多个大容量存储设备中接收数据或将数据传送到一个或多个大容量存储设备，或既接收数据又传送数据。适用于体现计算机程序指令和数据的信息载体包括所有形式的非易失存储器，包括例如半导体存储器设备(例如，EPROM、EEPROM和闪存设备)；磁盘(例如，内部硬盘或可移动盘)；磁光盘；以及光盘(例如CD和DVD盘)。处理器和存储器可以由专用逻辑电路补充或被并入其中。
为了提供与用户的交互，这里描述的主题可以在具有用于向用户显示信息的显示设备(例如，CRT(阴极射线管)或LCD(液晶显示器)监视器)、和键盘以及定点设备(例如，鼠标或轨迹球)(用户可以通过键盘和定点设备向计算机提供输入)的计算机上实现。其它种类的设备也可以用于提供与用户的交互。例如，提供给用户的反馈可以是任何形式的感官反馈(例如，视觉反馈、听觉反馈、或触觉反馈)，并且可以以任何形式接收来自用户的输入，包括声学输入、语音输入或触觉输入。
这里描述的主题可以在计算系统中实现，该计算机系统包括后端组件(例如，数据服务器)、中间件组件(例如，应用服务器)或前端组件(例如具有图形用户界面或网络浏览器的客户端计算机，用户可以通过该图形用户界面或网络浏览器与这里描述的主题的实现交互)、或者这样的后端组件、中间件组件以及前端组件的任何组合。系统的组件可以通过任何形式或介质的数字数据通信(例如通信网络)互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)，例如因特网。
应理解的是所公开的主题在其应用中并不限于在下面的描述中阐述的或在附图中示出的结构的细节和组件的布置。所公开的主题能够具有其他实施例并且能够以各种方式来实践和执行。而且，应该理解的是，这里采用的措辞和术语是为了描述的目的，而不应该被认为是限制性的。
同样地，本领域技术人员将会理解，本公开所基于的概念可以容易地用作设计其它结构、方法以及系统的基础，该其它结构、方法以及系统用于执行所公开主题的多个目的。因此，重要的是，在当不脱离所公开的主题的精神和范围时的情况下，权利要求被认为包括这样的等同构造。
尽管在前述的示例性实施例中已经描述和示出了所公开的主题，但应该理解的是，仅通过示例的方式进行了本公开，并且在不脱离所公开的主题的精神和范围的情况下可以对所公开的主题的实现细节进行许多改变，所公开的主题仅由下面的权利要求限制。

Claims (18)

1.一种用于向用户提供基于位置的推荐的计算机化方法，所述用户利用所述用户与网络中的其他用户之间的共同特征，使得基于在不同时间和位置处对用户信息进行监视和分析来导出所述共同特征，所述计算机化方法包括：
由计算设备接收与网络中的多个实体中的每个实体相关联的信息，所述信息包括至少一个交易和活动，所述交易和所述活动每个都与位置和时间相关联；
由所述计算设备接收以下中的至少一个：
与所述多个实体中的第一实体相关联的更新的位置信息，
与所述多个实体中的第一实体相关联的更新的交易信息，以及
与所述多个实体中的第一实体相关联的更新的活动信息；
通过所述计算设备创建与所述第一实体和所述多个实体中的子集相关的数据结构，所述子集基于具有与所更新的位置信息、所更新的交易信息以及所更新的活动信息中的至少一个相关的信息的所述子集中的每个实体来选择，所述数据结构包括表示所述子集中的每个实体的节点和连接所述节点的链路；
通过所述计算设备基于与所更新的位置信息、所更新的交易信息以及所更新的活动信息中的至少一个相关的信息来确定交易和活动中的至少一个的推荐；
通过所述计算设备计算用于连接所述第一实体和具有与所述推荐相关联的信息的其他实体的链路中的每个的关联值；以及
当至少一个关联值超过阈值时，通过所述计算设备将所述推荐传送到所述子集中的所述第一实体和第二实体中的至少一个，
从而基于对所述实体和所述网络中的其他实体是共有的并且基于对在不同时间和位置处的实体信息进行监视和分析而导出的信息将所述推荐提供给实体。
2.根据权利要求1所述的计算机化方法，还包括：
通过所述计算设备从与所述推荐相关的所述第一实体和所述第二实体中的至少一个接收关联指示；和
通过所述计算设备基于所述关联指示来更新所述关联值和所述阈值中的至少一个。
3.根据权利要求1所述的计算机化方法，其中，计算所述参考值包括：
通过所述计算设备计算所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的关系分数，所述关系分数基于持续时间度量、年份度量、交互度量、信任和变化度量、控制度量以及和谐度量的组合；
通过所述计算设备计算用于所述子集中的每个实体的中心性分数，所述中心性分数基于程度度量、亲密度度量以及中间性度量的组合；以及
通过所述计算设备将所述关系分数和所述中心性分数进行组合以形成所述参考值。
4.根据权利要求3所述的计算机化方法，其中：
所述持续时间度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的关系的持续时间相关联；
所述年份度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的先前交互的时间相关联；
所述交互度量与在所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的时间段内建立的连接的次数相关联；
所述信任和变化度量与由所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体所使用的多个不同类型的通信相关联；
所述控制度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的层级相关联；
所述和谐度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的交互的同步性相关联；
所述程度度量与多个链路相关联，与每个节点相关联的所述多个链路对应于所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间；
所述亲密度度量与在对应于所述第一实体和所述第二实体中的至少一个的节点和对应于所述网络中的其他实体的节点之间的路径长度相关联；以及
所述中间性度量与每对节点之间的路径长度相关联。
5.根据权利要求1所述的计算机化方法，其中，所更新的位置信息包括所述第一实体与所述多个实体中的另一个实体共位。
6.根据权利要求1所述的计算机化方法，其中，所更新的位置信息包括所述第一实体第一次访问的位置。
7.一种具有可执行指令的非暂时性计算机可读介质，所述可执行指令促使装置执行以下操作：
接收与网络中的多个实体的每个相关联的信息，所述信息包括至少一个交易和活动，所述交易和所述活动每个都与位置和时间相关联；
接收以下中的至少之一：
与所述多个实体中的第一实体相关联的更新的位置信息，
与所述多个实体中的第一实体相关联的更新的交易信息，以及
与所述多个实体中的第一实体相关联的更新的活动信息；
创建与所述第一实体和所述多个实体的子集相关的数据结构，所述子集基于具有与所更新的位置信息、所更新的交易信息以及所更新的活动信息中的至少一个相关的信息的所述子集中的每个实体来选择，所述数据结构包括表示所述子集中的每个实体的节点和连接所述节点的链路；
基于与所更新的位置信息、所更新的交易信息以及所更新的活动信息中的至少一个相关的信息来确定交易和活动中的至少一个的推荐；
计算用于连接所述第一实体和具有与所述推荐相关联的信息的其他实体的链路中的每个的关联值；以及
当至少一个关联值超过阈值时，将所述推荐传送到所述子集中的所述第一实体和第二实体中的至少一个，
从而基于对所述实体和所述网络中的其他实体是共有的并且基于对在不同时间和位置处的实体信息进行监视和分析而导出的信息将所述推荐提供给实体。
8.根据权利要求7所述的非暂时性计算机可读介质，其中，所述装置还被促使：
从与所述推荐相关的所述第一实体和所述第二实体中的至少一个接收关联指示；并且
基于所述关联指示来更新所述关联值和所述阈值中的至少一个。
9.根据权利要求7所述的非暂时性计算机可读介质，其中，为了计算所述参考值，所述装置还被促使：
计算所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的关系分数，所述关系分数基于持续时间度量、年份度量、交互度量、信任和变化度量、控制度量以及和谐度量的组合；
计算用于所述子集中的每个实体的中心性分数，所述中心性分数基于程度度量、亲密度度量以及中间性度量的组合；以及
将所述关系分数和所述中心性分数进行组合以形成所述参考值。
10.根据权利要求9所述的非暂时性计算机可读介质，其中：
所述持续时间度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的关系的持续时间相关联；
所述年份度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的先前交互的时间相关联；
所述交互度量与在所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的时间段内建立的连接的次数相关联；
所述信任和变化度量与被所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体所使用的多个不同类型的通信相关联；
所述控制度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的层级相关联；
所述和谐度量与所述第一实体和所述第二实体中的至少一个与所述网络中的其他实体之间的交互的同步性相关联；
所述程度度量与多个链路相关联，与每个节点相关联的所述链路对应于所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间；
所述亲密度度量与在对应于所述第一实体和所述第二实体中的至少一个的节点和对应于所述网络中的其他实体的节点之间的路径长度相关联；以及
所述中间性度量与每对节点之间的路径长度相关联。
11.根据权利要求7所述的非暂时性计算机可读介质，其中，所更新的位置信息包括所述第一实体与所述多个实体中的另一个实体共位。
12.根据权利要求7所述的非暂时性计算机可读介质，其中，所更新的位置信息包括所述第一实体第一次访问的位置。
13.一种用于向用户提供基于位置的推荐的计算设备，所述用户利用所述用户与网络中的其他用户之间的共同特征，使得所述共同特征基于对在不同时间和位置处的用户信息进行监视和分析来导出，所述计算机化设备包括：
数据存储；和
处理器，与所述数据存储通信并且被配置为运行存储在存储器中的模块，所述模块被配置为促使所述处理器：
接收与网络中的多个实体的每个相关联的信息，所述信息包括至少一个交易和活动，所述交易和所述活动每个都与位置和时间相关联；
接收以下中的至少之一：
与所述多个实体中的第一实体相关联的更新的位置信息，
与所述多个实体中的第一实体相关联的更新的交易信息，以及
与所述多个实体中的第一实体相关联的更新的活动信息；
创建与所述第一实体和所述多个实体的子集相关的数据结构，所述子集基于具有与所更新的位置信息、所更新的交易信息以及所更新的交易信息中的至少一个相关的信息的所述子集中的每个实体来选择，所述数据结构包括表示所述子集中的每个实体的节点和连接所述节点的链路；
基于与所更新的位置信息、所更新的交易信息以及所更新的活动信息中的至少一个相关的信息来确定交易和活动中的至少一个的推荐；
计算用于连接所述第一实体和具有与所述推荐相关联的信息的其他实体的链路中的每个的关联值；以及
当至少一个关联值超过阈值时，将所述推荐传送到所述子集中的所述第一实体和第二实体中的至少一个，
从而基于对所述实体和所述网络中的其他实体是共有的并且基于对在不同时间和位置处的实体信息进行监视和分析而导出的信息将所述推荐提供给实体。
14.根据权利要求13所述的计算设备，其中，所述处理器还被致使：
从与所述推荐相关的所述第一实体和所述第二实体中的至少一个接收关联指示；并且
基于所述关联指示来更新所述关联值和所述阈值中的至少一个。
15.根据权利要求13所述的计算设备，其中，为了计算所述参考值，所述处理器还被促使：
计算所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的关系分数，所述关系分数基于持续时间度量、年份度量、交互度量、信任和变化度量、控制量度以及和谐度量的组合；
计算用于所述子集中的每个实体的中心性分数，所述中心性分数基于程度度量、亲密度度量以及中间性度量的组合；以及
将所述关系分数和所述中心性分数进行组合以形成所述参考值。
16.根据权利要求15所述的计算设备，其中：
所述持续时间度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的关系的持续时间相关联；
所述年份度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的先前交互的时间相关联；
所述交互度量与在所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的时间段内建立的连接的次数相关联；
所述信任和变化度量与被所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体所使用的多个不同类型的通信相关联；
所述控制度量与所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间的层级相关联；
所述和谐度量与所述第一实体和所述第二实体中的所述至少一个与所述网络中的其他实体之间的交互的同步性相关联；
所述程度度量与多个链路相关联，与每个节点相关联的所述链路对应于所述第一实体和所述第二实体中的至少一个和所述网络中的其他实体之间；
所述亲密度度量与在对应于所述第一实体和所述第二实体中的至少一个对应的节点和对应于所述网络中的其他实体的节点之间的路径长度相关联；以及
所述中间性度量与每对节点之间的路径长度相关联。
17.根据权利要求13所述的计算设备，其中，所更新的位置信息包括与所述多个实体中的另一个实体共位的所述第一实体。
18.根据权利要求13所述的计算设备，其中，所更新的位置信息包括包括所述第一实体第一次访问的位置。
CN201680070724.0A 2015-10-20 2016-10-20 用于检测网络中的交互和影响的系统和方法 Pending CN108369586A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562243955P 2015-10-20 2015-10-20
US62/243,955 2015-10-20
PCT/US2016/057846 WO2017070305A1 (en) 2015-10-20 2016-10-20 System and method for detecting interaction and influence in networks

Publications (1)

Publication Number Publication Date
CN108369586A true CN108369586A (zh) 2018-08-03

Family

ID=58524502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680070724.0A Pending CN108369586A (zh) 2015-10-20 2016-10-20 用于检测网络中的交互和影响的系统和方法

Country Status (6)

Country Link
US (1) US10735532B2 (zh)
EP (1) EP3371716B8 (zh)
CN (1) CN108369586A (zh)
HK (1) HK1258802A1 (zh)
RU (1) RU2742457C2 (zh)
WO (1) WO2017070305A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274495A (zh) * 2020-01-20 2020-06-12 平安科技（深圳）有限公司 用户关系强度的数据处理方法、装置、计算机设备及存储介质
CN112966122A (zh) * 2021-03-03 2021-06-15 平安科技（深圳）有限公司 语料意图识别方法、装置、存储介质及计算机设备

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017152096A1 (en) 2016-03-04 2017-09-08 Axon Vibe AG Systems and methods for predicting user behavior based on location data
PL3497403T3 (pl) 2016-08-11 2022-01-10 Axon Vibe AG Geolokalizowanie osób na podstawie pochodnej sieci społecznościowej
CN108038692B (zh) * 2017-11-06 2021-06-01 创新先进技术有限公司 角色识别方法、装置及服务器
US10565229B2 (en) 2018-05-24 2020-02-18 People.ai, Inc. Systems and methods for matching electronic activities directly to record objects of systems of record
US11463441B2 (en) 2018-05-24 2022-10-04 People.ai, Inc. Systems and methods for managing the generation or deletion of record objects based on electronic activities and communication policies
US11924297B2 (en) 2018-05-24 2024-03-05 People.ai, Inc. Systems and methods for generating a filtered data set
US11163807B2 (en) 2019-06-05 2021-11-02 Premier Healthcare Solutions, Inc. System for data structure clustering based on variation in data attribute performance
CN110674359B (zh) * 2019-09-03 2022-07-05 中国建设银行股份有限公司 多场景展示关系图谱的方法及系统
CN111737592B (zh) * 2020-06-18 2022-07-12 北京航空航天大学 一种基于异构传播协同知识感知网络的推荐方法
CN111709787B (zh) * 2020-06-18 2023-08-22 抖音视界有限公司 用于生成用户留存时间的方法、装置、电子设备和介质
CN113626462B (zh) * 2021-07-15 2022-11-15 北京百度网讯科技有限公司 即时通讯对象的搜索方法、装置、电子设备和存储介质
US20230297901A1 (en) * 2022-03-21 2023-09-21 C3.Ai, Inc. Entity relation strength identification using spatiotemporal data

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080059207A1 (en) * 2006-09-01 2008-03-06 Nokia Corporation System and method for content functionality
US20120095862A1 (en) * 2010-10-15 2012-04-19 Ness Computing, Inc. (a Delaware Corportaion) Computer system and method for analyzing data sets and generating personalized recommendations
CN103116614A (zh) * 2013-01-25 2013-05-22 北京奇艺世纪科技有限公司 一种基于用户轨迹的协同过滤推荐方法、装置及系统
CN103279533A (zh) * 2013-05-31 2013-09-04 北京华悦博智科技有限责任公司 一种社交关系推荐方法及系统
CN103400291A (zh) * 2013-08-26 2013-11-20 百度在线网络技术（北京）有限公司 商品推荐方法、系统和服务器
US20140207582A1 (en) * 2003-11-28 2014-07-24 World Assets Consulting Ag, Llc Adaptive and recursive system and method
CN104268171A (zh) * 2014-09-11 2015-01-07 东北大学 基于活动相似和社交信任的社交网好友推荐系统及方法
CN104750856A (zh) * 2015-04-16 2015-07-01 天天艾米（北京）网络科技有限公司 一种多维协同推荐的系统与方法
CN104834695A (zh) * 2015-04-24 2015-08-12 南京邮电大学 基于用户兴趣度和地理位置的活动推荐方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004051580A1 (en) 2002-12-05 2004-06-17 Koninklijke Philips Electronics N.V. Transportation payment
US20100169134A1 (en) * 2008-12-31 2010-07-01 Microsoft Corporation Fostering enterprise relationships
US8140403B2 (en) 2010-03-23 2012-03-20 Amazon Technologies, Inc. User profile and geolocation for efficient transactions
US20130060635A1 (en) 2011-03-04 2013-03-07 Tristan Walker System and method for managing and redeeming offers with a location-based service
CN109597945B (zh) * 2011-07-20 2023-05-02 电子湾有限公司 用于产生位置感知推荐的方法
US8909771B2 (en) * 2011-09-15 2014-12-09 Stephan HEATH System and method for using global location information, 2D and 3D mapping, social media, and user behavior and information for a consumer feedback social media analytics platform for providing analytic measurements data of online consumer feedback for global brand products or services of past, present or future customers, users, and/or target markets
US8650252B2 (en) 2011-09-28 2014-02-11 Facebook, Inc. Instantaneous recommendation of social interactions in a social networking system
US8463295B1 (en) * 2011-12-07 2013-06-11 Ebay Inc. Systems and methods for generating location-based group recommendations
US9558242B2 (en) * 2013-10-15 2017-01-31 Google Inc. Social where next suggestion
WO2015056269A1 (en) 2013-10-20 2015-04-23 Anagog Ltd Method, system and product for automatic parking payment and policy detection

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140207582A1 (en) * 2003-11-28 2014-07-24 World Assets Consulting Ag, Llc Adaptive and recursive system and method
US20080059207A1 (en) * 2006-09-01 2008-03-06 Nokia Corporation System and method for content functionality
US20120095862A1 (en) * 2010-10-15 2012-04-19 Ness Computing, Inc. (a Delaware Corportaion) Computer system and method for analyzing data sets and generating personalized recommendations
CN103116614A (zh) * 2013-01-25 2013-05-22 北京奇艺世纪科技有限公司 一种基于用户轨迹的协同过滤推荐方法、装置及系统
CN103279533A (zh) * 2013-05-31 2013-09-04 北京华悦博智科技有限责任公司 一种社交关系推荐方法及系统
CN103400291A (zh) * 2013-08-26 2013-11-20 百度在线网络技术（北京）有限公司 商品推荐方法、系统和服务器
CN104268171A (zh) * 2014-09-11 2015-01-07 东北大学 基于活动相似和社交信任的社交网好友推荐系统及方法
CN104750856A (zh) * 2015-04-16 2015-07-01 天天艾米（北京）网络科技有限公司 一种多维协同推荐的系统与方法
CN104834695A (zh) * 2015-04-24 2015-08-12 南京邮电大学 基于用户兴趣度和地理位置的活动推荐方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274495A (zh) * 2020-01-20 2020-06-12 平安科技（深圳）有限公司 用户关系强度的数据处理方法、装置、计算机设备及存储介质
CN111274495B (zh) * 2020-01-20 2023-08-25 平安科技（深圳）有限公司 用户关系强度的数据处理方法、装置、计算机设备及存储介质
CN112966122A (zh) * 2021-03-03 2021-06-15 平安科技（深圳）有限公司 语料意图识别方法、装置、存储介质及计算机设备

Also Published As

Publication number Publication date
EP3371716A1 (en) 2018-09-12
EP3371716C0 (en) 2023-06-07
RU2018118170A (ru) 2019-11-25
EP3371716B1 (en) 2023-06-07
WO2017070305A1 (en) 2017-04-27
US10735532B2 (en) 2020-08-04
RU2018118170A3 (zh) 2020-05-15
EP3371716A4 (en) 2019-08-21
EP3371716B8 (en) 2023-08-02
WO2017070305A8 (en) 2023-07-13
HK1258802A1 (zh) 2019-11-22
US20170111462A1 (en) 2017-04-20
RU2742457C2 (ru) 2021-02-05

Similar Documents

Publication Publication Date Title
CN108369586A (zh) 用于检测网络中的交互和影响的系统和方法
JP6894465B2 (ja) オンライン・ソーシャル・ネットワーク上でのビーコンを使用したユーザ通知の生成
US11087413B2 (en) Identity mapping between commerce customers and social media users
US9801020B2 (en) System for creating anonymous social gatherings
CN109379416B (zh) 用于交换信息的方法、计算机可读非暂时性存储介质和系统
US10726438B2 (en) Personalized contextual coupon engine
CN105531691B (zh) 用于标识数据值之间的隐私相关相关性的方法和装置
Zheng et al. Role of smart technology use behaviour in enhancing tourist revisit intention: the theory of planned behaviour perspective
US20130218687A1 (en) Methods, systems and devices for determining a user interest and/or characteristic by employing a personalization engine
US11301924B2 (en) Generating catalog-item recommendations based on social graph data
CN108235808A (zh) 用于产品、服务和企业推荐的技术
TW201237657A (en) Geo-location systems and methods
WO2016010833A1 (en) Recommendation system based on lifestyle
US20180260849A1 (en) Multiple-Merchant Community
US10542105B2 (en) Geo-locating individuals based on a derived social network
US11397757B2 (en) Relevance estimation and actions based thereon
Wang et al. Predicting poi visits with a heterogeneous information network
Aisyah Millennial’s Decision on the Use of Online Halal Marketplace in Indonesia
US10795951B2 (en) Method, computer-readable storage device and apparatus for utilizing companion and event information
Lin et al. Social Appraisal Support for Point-of-interest Visiting Decision-making

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1258802

Country of ref document: HK

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180803