JP2007004411A - 複数の信頼ネットワークグラフの統合装置・方法 - Google Patents
複数の信頼ネットワークグラフの統合装置・方法 Download PDFInfo
- Publication number
- JP2007004411A JP2007004411A JP2005182762A JP2005182762A JP2007004411A JP 2007004411 A JP2007004411 A JP 2007004411A JP 2005182762 A JP2005182762 A JP 2005182762A JP 2005182762 A JP2005182762 A JP 2005182762A JP 2007004411 A JP2007004411 A JP 2007004411A
- Authority
- JP
- Japan
- Prior art keywords
- trust
- value
- obtaining
- node
- network
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本願発明の課題は、日常生活における消費活動において関与している様々な要素の信頼値及び要素間の信頼値を定義しその信頼値に基づき消費者等が最良の選択が出来るような信頼ネットワークグラフにおいて、同一の対象に対応する二つ以上の信頼ネットワークグラフを統合して意味のある信頼値を求めることである。
【解決手段】
層別された各信頼ネットワークについて多変量解析を行い、各ノードの信頼値の主成分に基づいて層別後の信頼値の代表値を求めること、及び、層別後の各ノードの代表信頼値について多変量解析を行い、各ノードの代表信頼値の主成分に基づいて統合後の信頼値を求めることによって課題を解決している。
【選択図】図6
Description
前述のように、日常生活における消費活動においては、インターネットサイト、消費者、広告媒体、商店、製造者、専門家(評論家)など(「主体」)が関与している。これらの主体間にはある種の信頼関係があると考えられる。図1は本願発明の基本的な概念を説明する信頼ネットワーク図である。
本発明は、日常生活における消費活動において関与している様々な要素の信頼値及び要素間の信頼値を定義し、その信頼値に基づき消費者等が最良の選択が出来るような信頼ネットワークグラフを提供すること、さらに、同一のノード集合に対する様々のデータの基づいた複数の信頼ネットワークグラフがある場合に、それらの信頼ネットワークグラフを結合し、結合された信頼値で総合的に判断できるようにする方法・装置に関するものである。
ネットワークグラフの結合状況に基づいてランキングする方法の一つにPageRank (非特許文献1)があり、これを拡張した特許に特許文献1がある。また、webページが構成するリンク構造を解析しHubやAuthorityと呼ばれるWeb siteを探すHITS(非特許文献3)と呼ばれる方法がある。しかしこれらは矢をすべて同等に扱っており、固定されたグラフを一つの観点から見たランキング値しか計算できないので、前述の問題点を解決できない。
(a)前記第一の信頼ネットワークデータと前記第二の信頼ネットワークデータを受け入れる手段、
(b)前記第一の信頼ネットワークの各ノードの信頼値から第一の平均値及び第一の標準偏差、並びに、前記第二の信頼ネットワークの各ノードの信頼値から第二の平均値及び第二の標準偏差を求める手段、
(c)前記第一及び第二の信頼ネットワークの各ノードの信頼値、前記第一及び第二の平均値、並びに、前記第一及び第二の標準偏差に基づいて、第三の信頼ネットワークの各ノードの信頼値を求める手段。
(a)三つ以上の信頼ネットワークデータを受け入れる手段、
(b)前記三つ以上の信頼ネットワークを第一及び第二の信頼ネットワーク群に分類する手段、
(c)前記第一の信頼ネットワーク群の各ノードから第一の代表信頼値を、及び、前記第二の信頼ネットワーク群の各ノードから第二の代表信頼値を求める手段、
(d)前記第一及び第二の代表信頼値に基づいて、前記統合された一つのネットワークの信頼値を求める手段。
(a)第一の信頼ネットワーク群に置ける各ノードの信頼値を基に第一の共分散行列を求める手段、
(b)前記第一の共分散行列の固有値を求め、前記固有値に対応する第一の固有ベクトルを求める手段、
(c)前記第一の信頼ネットワーク群に置ける各ノードの第一の信頼値、及び、前記第一の固有ベクトルに基づいて前記第一の信頼ネットワークの代表信頼値を求める手段、
を含み、
(d)第二の信頼ネットワーク群に置ける各ノードの信頼値を基に第二の共分散行列を求める手段、
(e)前記第二の共分散行列の固有値を求め、前記固有値に対応する第二の固有ベクトルを求める手段、
(f)前記第二の信頼ネットワーク群に置ける各ノードの第二の信頼値、及び、前記第二の固有ベクトルに基づいて前記第二の信頼ネットワークの代表信頼値を求める手段、
によって解決している。
(a)第一主成分に基づいて第一の代表信頼値を求める手段、
(b)所定の次元までの各主成分値の二乗和に基づいて第一の代表信頼値を求める手段、
(c)所定の次元までの各主成分値の二乗値に重み付けしたうえで加算した値に基づいて第一の代表信頼値を求める手段、
の何れかの手段を用い、
さらに、前記第二の代表信頼値を求める手段は、前記第二の信頼ネットワーク群の各ノードの主成分分析により、
(a)第一主成分に基づいて第二の代表信頼値を求める手段、
(b)所定の次元までの各主成分値の二乗和に基づいて第二の代表信頼値を求める手段、
(c)所定の次元までの各主成分値の二乗値に重み付けしたうえで加算した値に基づいて第二の代表信頼値を求める手段、
の何れか手段を用いる請求項3から5に記載の装置。
2.同じノード集合に対する複数の信頼ネットワークグラフが与えられている場合、これらを単純に結合し一つにすると矢やノードの数が膨大になり、信頼値の再計算コストが高くなる。本願発明で開示する方法を用いればそれぞれの信頼ネットワークグラフから計算された信頼値を少ない計算コストで統合することが可能になる。
3.二つだけでなく、3個以上のグラフを結合する拡張が可能である。これによって、与えられているノードに対して、様々な視点、方向からの信頼値を組み合わせたランキングが可能になる。また、同じノード集合に対する信頼ネットワークグラフ群からの信頼値から適切なものを取り出し、組み合わせ方を工夫することによって、新たな分析が可能になる。
図4は、本願発明を実施する装置を示している。筐体200の中には、記憶装置210、メインメモリ220、出力装置230、処理装置(CPU)240、操作部250、入力装置260が含まれている。処理装置(CPU)240は、メインメモリ220から制御するプログラムを読み込み、操作部250から入力された命令に従い、記憶装置210に格納されている複数の信頼ネットワークグラフ情報等を使用して情報処理を行い、結合された信頼値を計算しそれらの情報を出力装置230に出力する。
図5に示すように、同一ノードに対する一組の「正」及び「負」の信頼ネットワークグラフの信頼値を結合する方法について説明する。
(1)一組の「正」及び「負」の信頼ネットワークを入力する。
(2)一組の「正」及び「負」の信頼ネットワークにおいて、各ノードの信頼値の平均値を求める。
(3)一組の「正」及び「負」の信頼ネットワークにおいて、各ノードの信頼値の偏差平方和を求める。
(4)一組の「正」及び「負」の信頼ネットワークにおいて、各ノードの信頼値の標準偏差を求める。
(5)一組の「正」及び「負」の信頼ネットワークの各ノードの信頼値に基づき多変量解析の第一主成分に基づく値を統合されたネットワークの新たな信頼値とする。
(1) P´=cP+(1−c)E
によって、二つのノード間の信頼値とその重みは表現できる。
各ノードの信頼値を要素とするベクトルをXとすると、このベクトルは式(2)を満たすベクトルとして定義される。
(2) X=P´tX
但し、P´tは行列P´の転置行列を表し、Xt=(x1,...,xn)である。ノードniの信頼値はxi,ノードniからノードnjの矢の重み値はaijである
(3) a1=(Σx1i)/n (i=1〜n)
(4) a2=(Σx2i)/n (i=1〜n)
また、それぞれの平方和をS11、及び、S22とすると、これらは式(5)及び(6)で表すことが出来る。
(5) S11=Σ(x1i−a1)2 (i=1〜n)
(6) S22=Σ(x2i−a2)2 (i=1〜n)
(7) s1=√(S11/(n−1))
(8) s2=√(S22/(n−1))
G1及びG2における信頼値x1i及びx2i(i=1〜n)を式(9)及び(10)に従って基準化する。
(9) x´1i=(x1i−a1)/s1 (i=1〜n)
(10) x´2i=(x2i−a2)/s2 (i=1〜n)
ここで、新しい変数x´1i及びx´2iは平均値0、分散1の分布をすることが知られている。ここで多変量解析により主成分分析を行うとx´1i及び、x´2iの第一主成分ziは式(11)によって求めることが出来る。
(11) zi=(x´1i−x´2i)/√(2) (i=1〜n)
これによって二つの信頼値を結合し新たな信頼値を求めることが出来る。
以下に、具体例で説明する。
図6に示す実施例2のアルゴリズムについて以下に説明する。
(1)同一ノードに対する3個以上の信頼ネットワークの信頼ネットワークデータの入力
(2)入力された信頼ネットワークの「正」及び「負」の信頼ネットワーク集合への層別
(3)「正」及び「負」の信頼ネットワーク集合毎の、各ノードの代表信頼値の算出
(4)「正」及び「負」の信頼ネットワークの各ノードの代表信頼値を用いた統合した新たな信頼値の算出
ステップ1:
同一ノードに対する3個以上の信頼ネットワークの信頼ネットワークデータを入力する。
これらの信頼ネットワークの中で、明らかに「正の」信頼関係を表すもの(「正の層」と呼ぶ)、明らかに「負の」信頼関係を表すもの(「負の層」と呼ぶ)を予めそれぞれ指定する。
図7(a)で示されるサークルは信頼ネットワークの信頼ネットワークを表す。ここで、文字「P」を含むサークルは正の層として、文字「N」を含むサークルは負の層として指定された信頼ネットワークを示す。
入力された信頼ネットワークを「正」及び「負」の信頼ネットワーク集合へ層別する。
「正の層」と正の相関関係にあるものをまとめ一つの群を作り、「正の層群」とする。また、「負の層」と正の相関関係にあるものをまとめて一つの群をつくり、「負の層群」とする。「正の層」の信頼値とその他の層の信頼値との相関係数を式(16)によって求めこれが所定の範囲内にあれば、その層は正の層に分類し、同様に「負の層」の信頼値とその他の層の信頼値との相関係数を式(16)によって求めこれが所定の範囲内にあれば、その層は負の層に分類する。図7(b)に分類後の状態を示す。サークルの外側にある信頼ネットワークは「正の層」または「負の層」いずれにも属さない信頼ネットワークを示す。
あるいは、自然言語処理的な方法(非特許文献4)を用いて、ある矢の型がポジティブであるかネガティブであるかを判定し、それを含む信頼ネットワークをそれぞれ「正の層群」、「負の層群」に分類する方法も適用出来る。
「正」及び「負」の信頼ネットワーク集合から、各ノードの代表信頼値を算出する。 「正の層群」及び「負の層群」において、各層群での信頼値を変量とする多変量解析を行いその主成分分析に基づいて、それぞれの信頼値を統合する、「正の代表信頼値」及び「負の代表信頼値」を計算する。ここでは、以下に(a)から(c)に示す3つの方法について開示する。(非特許文献2, 非特許文献5, 非特許文献6)
主成分分析において、第一主成分はすべての信頼値サンプルの持つ情報量の損失量を最小にしながら統合した値と見なせるので、これを代表値とすることは意味がある。
ここでn個のノードからなる信頼ネットワークを考える。これらのノード集合に対して、p個の信頼ネットワークがあると仮定する。
i層(i=1〜p)におけるノードの信頼値を
(12) Xit =(x1i,...,xαi,...,xni) (α=1〜n)
(13) Ti=Σxαi (α=1〜n)
(14) xai=Ti/n
とおくと偏差積和は式(15)で表すことが出来る。
(16) Rij=Sij/√(Sii・Sjj)
1つのノードに対してp個の層からの信頼値を要素とした信頼値ベクトルXαt=(xα1,...,xαp)が定義できる。(α=1〜n)
それの主成分分析の結果をzαt=(zα1,...,zαm)(m<=p)とする。ここでtは転置を表す。分散共分散行列V
これらの固有ベクトルを列ベクトルとする行列をL=(l1,...,lp)とすると、元のベクトルと主成分分析したベクトルの間には次の関係がある。「L'」等の「'」(プライム)付きの文字は転置行列、又は、転置ベクトルを表す。
主成分分析において、n個のノードの信頼値ベクトルの集合からなる信頼値空間で上述のように求めた固有ベクトルl1は、これらの信頼値ベクトルをただ一つのベクトルで近似した時、2乗誤差を最小にする軸であるので、その方向は各信頼値ベクトルに最も共通する成分の方向、これらのベクトルを代表する方向を表すといえる。
従って、以上より第一主成分であるl1 t=(l11,...,l1p)を用いて、
(18) itv0(x)=l1 tx=(l11,...,l1p)x
とすることは有効であると言える。なお、同様にして、lαはl1,...,lα−1と直行するという条件下でα番目に代表する成分の方向を表している。
(b)ある次元までの主成分の値を二乗して加えたものを、統合した値とする方法。
次のような総合された値を考える。(m<=p)
(19) itv1(x)=Σ(zα)2=Σ(lα tx)2 (α=1〜m)
これは、与えられたノードの信頼値ベクトルxの、m次まで主成分を二乗したものの総和であるが、同時にm次までの固有ベクトルに対する射影値の二乗の総和である。信頼値空間の主要方向に対しどのくらいの成分を持つかを示しており、統合された信頼の度合いを表現していると考えられる。
信頼値空間では低次の固有ベクトル成分ほど、より代表的な方向を示していることを考えると、低次の成分を固有値で強調するのも統合された信頼値を求める上で意味のあることである。m次までの主成分を二乗して各成分の固有値を掛け合わせたものの総和を求めた次の値も、総合された信頼の度合いを表現していると言える。(m<=p)
(20) itv2(x)=Σλα(zα)2=Σλα(lα tx)2 (α=1〜m)
ステップ3
「負の層群」でも同様に各ノードの各層からの複数の信頼値を統合する値を計算することが出来る。
以上(a)から(c)の方法によって、「正の代表信頼値」及び「負の代表信頼値」を計算することが出来る。
ここで、もとのアルゴリズムの説明に戻る。
各ノードに対して「正の代表信頼値」、「負の代表信頼値」が得られたので、実施例1で説明した一組の「正」及び「負」のネットワークグラフを統合して一つのネットワークグラフを作成する方法に従って統合できる。これによって、入力された信頼ネットワークについて、統合された信頼ネットワークが構築できる。
210:記憶装置
220:メインメモリ
230:出力装置
240:処理装置(CPU)
250:操作部
260:入力装置
Claims (12)
- 各々の信頼値を有する複数のノードが、他のノードへの信頼度を示す重み値を有する複数の矢で結ばれている信頼ネットワークにおいて、以下の(a)から(c)を含む手段で、同一のノード群に対してそれぞれの信頼値を有する第一の信頼ネットワークと第二の信頼ネットワークとを統合し第三の信頼ネットワークを構築する装置、
(a)前記第一の信頼ネットワークデータと前記第二の信頼ネットワークデータを受け入れる手段、
(b)前記第一の信頼ネットワークの各ノードの信頼値から第一の平均値及び第一の標準偏差、並びに、前記第二の信頼ネットワークの各ノードの信頼値から第二の平均値及び第二の標準偏差を求める手段、
(c)前記第一及び第二の信頼ネットワークの各ノードの信頼値、前記第一及び第二の平均値、並びに、前記第一及び第二の標準偏差に基づいて、第三の信頼ネットワークの各ノードの信頼値を求める手段。 - 前記第三の信頼ネットワークの各ノードの信頼値を求める手段は、前記第一及び第二の信頼ネットワークの各ノードの信頼値の主成分分析を行い、その第一主成分に基づいて各ノードの信頼値を求める請求項1に記載の装置。
- 各々の信頼値を有する複数のノードが、他のノードへの信頼度を示す重み値を有する複数の矢で結ばれている信頼ネットワークにおいて、以下の(a)から(d)を含む手段で、同一のノード群に対してそれぞれの信頼値を有する三つ以上の信頼ネットワークを一つの信頼ネットワークに統合する装置、
(a)三つ以上の信頼ネットワークデータを受け入れる手段、
(b)前記三つ以上の信頼ネットワークを第一及び第二の信頼ネットワーク群に分類する手段、
(c)前記第一の信頼ネットワーク群の各ノードから第一の代表信頼値を、及び、前記第二の信頼ネットワーク群の各ノードから第二の代表信頼値を求める手段、
(d)前記第一及び第二の代表信頼値に基づいて、前記統合された一つの信頼ネットワークの信頼値を求める手段。 - 前記三つ以上の信頼ネットワークを第一及び第二の信頼ネットワーク群に分類する手段は、所与の信頼ネットワークの信頼値と、他の各信頼ネットワークの信頼値との相関係数に従って分類する請求項3に記載の装置。
- 前記第一の代表信頼値を求める手段は、
(a)第一の信頼ネットワーク群に置ける各ノードの信頼値を基に第一の共分散行列を求める手段、
(b)前記第一の共分散行列の固有値を求め、前記固有値に対応する第一の固有ベクトルを求める手段、
(c)前記第一の信頼ネットワーク群に置ける各ノードの第一の信頼値、及び、前記第一の固有ベクトルに基づいて前記第一の信頼ネットワークの代表信頼値を求める手段、
を含み、
さらに、前記第二の代表信頼値を求める手段は、
(d)第二の信頼ネットワーク群に置ける各ノードの信頼値を基に第二の共分散行列を求める手段、
(e)前記第二の共分散行列の固有値を求め、前記固有値に対応する第二の固有ベクトルを求める手段、
(f)前記第二の信頼ネットワーク群に置ける各ノードの第二の信頼値、及び、前記第二の固有ベクトルに基づいて前記第二の信頼ネットワークの代表信頼値を求める手段、
を含む請求項3及び4に記載の装置、 - 前記第一の代表信頼値を求める手段は、前記第一の信頼ネットワーク群の各ノードの主成分分析により、
(a)第一主成分に基づいて第一の代表信頼値を求める手段、
(b)所定の次元までの各主成分値の二乗和に基づいて第一の代表信頼値を求める手段、
(c)所定の次元までの各主成分値の二乗値に重み付けしたうえで加算した値に基づいて第一の代表信頼値を求める手段、
の何れかの手段を用い、 さらに、 前記第二の代表信頼値を求める手段は、前記第二の信頼ネットワーク群の各ノードの主成分分析により、
(a)第一主成分に基づいて第二の代表信頼値を求める手段、
(b)所定の次元までの各主成分値の二乗和に基づいて第二の代表信頼値を求める手段、
(c)所定の次元までの各主成分値の二乗値に重み付けしたうえで加算した値に基づいて第二の代表信頼値を求める手段、
の何れか手段を用いる請求項3から5に記載の装置。 - 各々の信頼値を有する複数のノードが、他のノードへの信頼度を示す重み値を有する複数の矢で結ばれている信頼ネットワークにおいて、コンピュータを制御して、以下の(a)から(c)を含む手段を動作させ、同一のノード群に対してそれぞれの信頼値を有する第一の信頼ネットワークと第二の信頼ネットワークとを統合し第三の信頼ネットワークを構築するプログラム、
(a)前記第一の信頼ネットワークデータと前記第二の信頼ネットワークデータを受け入れる手段、
(b)前記第一の信頼ネットワークの各ノードの信頼値から第一の平均値及び第一の標準偏差、並びに、前記第二の信頼ネットワークの各ノードの信頼値から第二の平均値及び第二の標準偏差を求める手段、
(c)前記第一及び第二の信頼ネットワークの各ノードの信頼値、前記第一及び第二の平均値、並びに、前記第一及び第二の標準偏差に基づいて、第三の信頼ネットワークの各ノードの信頼値を求める手段。 - 各々の信頼値を有する複数のノードが、他のノードへの信頼度を示す重み値を有する複数の矢で結ばれている信頼ネットワークにおいて、
コンピュータを制御して、以下の(a)から(d)を含む手段を動作させ、同一のノード群に対してそれぞれの信頼値を有する三つ以上の信頼ネットワークを一つの信頼ネットワークに統合するプログラム、
(a)三つ以上の信頼ネットワークデータを受け入れる手段、
(b)前記三つ以上の信頼ネットワークを第一及び第二の信頼ネットワーク群に分類する手段、
(c)前記第一の信頼ネットワーク群の各ノードから第一の代表信頼値を、及び、前記第二の信頼ネットワーク群の各ノードから第二の代表信頼値を求める手段、
(d)前記第一及び第二の代表信頼値に基づいて、前記統合された一つの信頼ネットワークの信頼値を求める手段。 - 前記第一の代表信頼値を求める手段は、
(a)第一の信頼ネットワーク群に置ける各ノードの信頼値を基に第一の共分散行列を求める手段、
(b)前記第一の共分散行列の固有値を求め、前記固有値に対応する第一の固有ベクトルを求める手段、
(c)前記第一の信頼ネットワーク群に置ける各ノードの第一の信頼値、及び、前記第一の固有ベクトルに基づいて前記第一の信頼ネットワークの代表信頼値を求める手段、
を含み、
さらに、前記第二の代表信頼値を求める手段は、
(d)第二の信頼ネットワーク群に置ける各ノードの信頼値を基に第二の共分散行列を求める手段、
(e)前記第二の共分散行列の固有値を求め、前記固有値に対応する第二の固有ベクトルを求める手段、
(f)前記第二の信頼ネットワーク群に置ける各ノードの第二の信頼値、及び、前記第二の固有ベクトルに基づいて前記第二の信頼ネットワークの代表信頼値を求める手段、
を含む請求項3及び4に記載のプログラム、 - 前記第一の代表信頼値を求める手段は、前記第一の信頼ネットワーク群の各ノードの主成分分析により、
(a)第一主成分に基づいて第一の代表信頼値を求める手段、
(b)所定の次元までの各主成分値の二乗和に基づいて第一の代表信頼値を求める手段、
(c)所定の次元までの各主成分値の二乗値に重み付けしたうえで加算した値に基づいて第一の代表信頼値を求める手段、
の何れかの手段を用い、
さらに、前記第二の代表信頼値を求める手段は、前記第二の信頼ネットワーク群の各ノードの主成分分析により、
(d)第一主成分に基づいて第二の代表信頼値を求める手段、
(e)所定の次元までの各主成分値の二乗和に基づいて第二の代表信頼値を求める手段、
(f)所定の次元までの各主成分値の二乗値に重み付けしたうえで加算した値に基づいて第二の代表信頼値を求める手段、
の何れか手段を用いる請求項3から5に記載のプログラム。 - 各々の信頼値を有する複数のノードが、他のノードへの信頼度を示す重み値を有する複数の矢で結ばれている信頼ネットワークにおいて、以下の(a)から(c)を含むステップで、同一のノード群に対してそれぞれの信頼値を有する第一の信頼ネットワークと第二の信頼ネットワークとを統合し第三の信頼ネットワークを構築する方法、
(a)前記第一の信頼ネットワークデータと前記第二の信頼ネットワークデータを受け入れるステップ、
(b)前記第一の信頼ネットワークの各ノードの信頼値から第一の平均値及び第一の標準偏差、並びに、前記第二の信頼ネットワークの各ノードの信頼値から第二の平均値及び第二の標準偏差を求める手段、
(c)前記第一及び第二の信頼ネットワークの各ノードの信頼値、前記第一及び第二の平均値、並びに、前記第一及び第二の標準偏差に基づいて、第三の信頼ネットワークの各ノードの信頼値を求めるステップ。 - 各々の信頼値を有する複数のノードが、他のノードへの信頼度を示す重み値を有する複数の矢で結ばれている信頼ネットワークにおいて、以下の(a)から(d)を含むステップで、同一のノード群に対してそれぞれの信頼値を有する三つ以上の信頼ネットワークを一つの信頼ネットワークに統合する方法、
(a)三つ以上の信頼ネットワークデータを受け入れるステップ、
(b)前記三つ以上の信頼ネットワークを第一及び第二の信頼ネットワーク群に分類するステップ、
(c)前記第一の信頼ネットワーク群の各ノードから第一の代表信頼値を、及び、前記第二の信頼ネットワーク群の各ノードから第二の代表信頼値を求めるステップ、
(d)前記第一及び第二の代表信頼値に基づいて、前記統合された一つの信頼ネットワークの信頼値を求めるステップ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005182762A JP2007004411A (ja) | 2005-06-23 | 2005-06-23 | 複数の信頼ネットワークグラフの統合装置・方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005182762A JP2007004411A (ja) | 2005-06-23 | 2005-06-23 | 複数の信頼ネットワークグラフの統合装置・方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007004411A true JP2007004411A (ja) | 2007-01-11 |
JP2007004411A5 JP2007004411A5 (ja) | 2008-08-07 |
Family
ID=37689991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005182762A Pending JP2007004411A (ja) | 2005-06-23 | 2005-06-23 | 複数の信頼ネットワークグラフの統合装置・方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007004411A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013506204A (ja) * | 2009-09-30 | 2013-02-21 | エバン ブイ チュラプコ, | コミュニティ内の接続を決定するためのソーシャルグラフデータ解析用システムおよび方法 |
US9740709B1 (en) | 2016-02-17 | 2017-08-22 | Www.Trustscience.Com Inc. | Searching for entities based on trust score and geography |
US9922134B2 (en) | 2010-04-30 | 2018-03-20 | Www.Trustscience.Com Inc. | Assessing and scoring people, businesses, places, things, and brands |
US10055466B2 (en) | 2016-02-29 | 2018-08-21 | Www.Trustscience.Com Inc. | Extrapolating trends in trust scores |
US10121115B2 (en) | 2016-03-24 | 2018-11-06 | Www.Trustscience.Com Inc. | Learning an entity's trust model and risk tolerance to calculate its risk-taking score |
US10180969B2 (en) | 2017-03-22 | 2019-01-15 | Www.Trustscience.Com Inc. | Entity resolution and identity management in big, noisy, and/or unstructured data |
US10187277B2 (en) | 2009-10-23 | 2019-01-22 | Www.Trustscience.Com Inc. | Scoring using distributed database with encrypted communications for credit-granting and identification verification |
US10380703B2 (en) | 2015-03-20 | 2019-08-13 | Www.Trustscience.Com Inc. | Calculating a trust score |
US12019638B2 (en) | 2022-04-21 | 2024-06-25 | Www.Trustscience.Com Inc. | Extrapolating trends in trust scores |
-
2005
- 2005-06-23 JP JP2005182762A patent/JP2007004411A/ja active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013506204A (ja) * | 2009-09-30 | 2013-02-21 | エバン ブイ チュラプコ, | コミュニティ内の接続を決定するためのソーシャルグラフデータ解析用システムおよび方法 |
US11968105B2 (en) | 2009-09-30 | 2024-04-23 | Www.Trustscience.Com Inc. | Systems and methods for social graph data analytics to determine connectivity within a community |
US9747650B2 (en) | 2009-09-30 | 2017-08-29 | Www.Trustscience.Com Inc. | Determining connectivity within a community |
US11323347B2 (en) | 2009-09-30 | 2022-05-03 | Www.Trustscience.Com Inc. | Systems and methods for social graph data analytics to determine connectivity within a community |
US10127618B2 (en) | 2009-09-30 | 2018-11-13 | Www.Trustscience.Com Inc. | Determining connectivity within a community |
US10187277B2 (en) | 2009-10-23 | 2019-01-22 | Www.Trustscience.Com Inc. | Scoring using distributed database with encrypted communications for credit-granting and identification verification |
US12003393B2 (en) | 2009-10-23 | 2024-06-04 | Www.Trustscience.Com Inc. | Parallel computational framework and application server for determining path connectivity |
US10348586B2 (en) | 2009-10-23 | 2019-07-09 | Www.Trustscience.Com Inc. | Parallel computatonal framework and application server for determining path connectivity |
US10812354B2 (en) | 2009-10-23 | 2020-10-20 | Www.Trustscience.Com Inc. | Parallel computational framework and application server for determining path connectivity |
US11665072B2 (en) | 2009-10-23 | 2023-05-30 | Www.Trustscience.Com Inc. | Parallel computational framework and application server for determining path connectivity |
US9922134B2 (en) | 2010-04-30 | 2018-03-20 | Www.Trustscience.Com Inc. | Assessing and scoring people, businesses, places, things, and brands |
US11900479B2 (en) | 2015-03-20 | 2024-02-13 | Www.Trustscience.Com Inc. | Calculating a trust score |
US10380703B2 (en) | 2015-03-20 | 2019-08-13 | Www.Trustscience.Com Inc. | Calculating a trust score |
US11386129B2 (en) | 2016-02-17 | 2022-07-12 | Www.Trustscience.Com Inc. | Searching for entities based on trust score and geography |
US9740709B1 (en) | 2016-02-17 | 2017-08-22 | Www.Trustscience.Com Inc. | Searching for entities based on trust score and geography |
US10055466B2 (en) | 2016-02-29 | 2018-08-21 | Www.Trustscience.Com Inc. | Extrapolating trends in trust scores |
US11341145B2 (en) | 2016-02-29 | 2022-05-24 | Www.Trustscience.Com Inc. | Extrapolating trends in trust scores |
US10121115B2 (en) | 2016-03-24 | 2018-11-06 | Www.Trustscience.Com Inc. | Learning an entity's trust model and risk tolerance to calculate its risk-taking score |
US11640569B2 (en) | 2016-03-24 | 2023-05-02 | Www.Trustscience.Com Inc. | Learning an entity's trust model and risk tolerance to calculate its risk-taking score |
US10180969B2 (en) | 2017-03-22 | 2019-01-15 | Www.Trustscience.Com Inc. | Entity resolution and identity management in big, noisy, and/or unstructured data |
US12019638B2 (en) | 2022-04-21 | 2024-06-25 | Www.Trustscience.Com Inc. | Extrapolating trends in trust scores |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2007004411A (ja) | 複数の信頼ネットワークグラフの統合装置・方法 | |
Fouss et al. | A novel way of computing similarities between nodes of a graph, with application to collaborative recommendation | |
US7797188B2 (en) | Method and system for optimizing business location selection | |
Bhat | The maximum approximate composite marginal likelihood (MACML) estimation of multinomial probit-based unordered response choice models | |
Bonacich et al. | Eigenvector-like measures of centrality for asymmetric relations | |
Amini et al. | Bayesian model averaging in R | |
Tenenhaus et al. | Regularized generalized canonical correlation analysis for multiblock or multigroup data analysis | |
Cheung et al. | A two-stage approach to synthesizing covariance matrices in meta-analytic structural equation modeling | |
US20120016878A1 (en) | Constrained nonnegative tensor factorization for clustering | |
Peltier et al. | Canonical variate analysis of sensory profiling data | |
De la Cruz et al. | The duality diagram in data analysis: Examples of modern applications | |
Beh et al. | Multiple and multiway correspondence analysis | |
Chen et al. | A review study of functional autoregressive models with application to energy forecasting | |
Rodriguez et al. | Graph kernel based measure for evaluating the influence of patents in a patent citation network | |
Amirteimoori et al. | Ranking of decision making units in data envelopment analysis: A distance-based approach | |
Das et al. | A Bayesian semiparametric model for bivariate sparse longitudinal data | |
de Figueiredo et al. | Application of mixed models for evaluating stability and adaptability of maize using unbalanced data | |
Talagala et al. | Meta‐learning how to forecast time series | |
Iaci et al. | Multivariate association and dimension reduction: A generalization of canonical correlation analysis | |
Kim et al. | Automated detection of influential patents using singular values | |
Sugihara | Beyond Google’s PageRank: complex number-based calculations for node ranking | |
Zuo et al. | A hybrid recommender system combing singular value decomposition and linear mixed model | |
Liang et al. | A split-and-merge approach for singular value decomposition of large-scale matrices | |
van Wieringen et al. | Penalized estimation of the Gaussian graphical model from data with replicates | |
Couteron et al. | A generalized, variogram‐based framework for multi‐scale ordination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20071102 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071113 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20071220 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080623 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080623 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081203 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090303 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090421 |