JP2012510666A

JP2012510666A - 影響度の推定

Info

Publication number: JP2012510666A
Application number: JP2011538605A
Authority: JP
Inventors: リシャブアイヤーゴーシュ; ビプルヴェドプラカス
Original assignee: トプシーラブズインコーポレイテッド
Priority date: 2008-12-01
Filing date: 2009-12-01
Publication date: 2012-05-10
Anticipated expiration: 2029-12-01
Also published as: EP2359275A4; WO2010065108A1; EP2359275A1; JP5604441B2; US20100153329A1; US8244664B2

Abstract

影響度を推定することは、客観的な影響度の評価基準を決定すること、２以上の主語ノードを含むサブジェクトグラフを受信こと、各主語ノードが各無向エッジが相対する方向にある二つの有向エッジとして解釈される主語に対応し、サブジェクトグラフの各最初の主語ノードのための当該サブジェクトグラフに基づき客観的な影響度の評価基準を決定することであって、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスから計算される内部スコア、及び、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスから計算される外部スコアの関数に基づき、前記決定の少なくとも一部がされ、パスは、エッジの番号に等しい長さをもつ一連の連続したエッジである。
【選択図】図１

Description

（他の出願との相互参照）
本願は、２００８年１２月１日に出願された、発明の名称がSYSTEM AND METHOD OF ESTIMATING INFLUENCE（影響度の推定システム及び方法）である米国仮出願No.61/200,638（代理人のDocket No.UPBEP005+)に対して優先権を主張し、あらゆる目的のために引用してここに組み入れられる。

知識は、我々の飛躍的に拡張している知識ベース社会に一層密接な関係がある。完全な知識とは、好み・親和性・嫌悪を参加者が形成して決定する過程で助けを求めるという理想がある。探索者がそのようなトピックス（例えば、自伝作家）に関する全ての情報のソース源でないかぎり、実際は、与えられたトピックスについての完全知識は現実には得ることは不可能である。多くの情報を用意して、所望の出力/結果（例えば、ディナーのためにどのレストランに行くべきか）につながるだろう選択肢を選ぶために、決定者は最良に位置付けられているのが普通である。しかしながら、多くの情報は様々な電子通信様式（例えば、インターネット）を介して容易に利用可能になってきているので、人は結局、関連性があり、より重要で、信頼する価値のある情報を得て、行動をする上での決定において助けとなる無数のデータの状態になることを通してふるいにかけるのをそのままにしている。様々なツール（例えば、サーチエンジン、様々な格付けをもつコミュニティボード）があるが、そこには見つけられたデータに付随する、個人の信頼性のどんな兆候（例えば、ソースの評判及び影響の少なくとも１つ）も欠落してしまっている。

本発明の様々な実施例が、以下の詳細な記載及び添付の図面において開示される。

図１は、ある実施例に従った実例となるコンピュータ環境のブロック図である。図２は、ある実施例に従った実装例に関する典型的な構成要素の連携を示したブロック図である。図３は、ある実施例に従った評判属性のプラットフォームに関する実装の一例を示したブロック図である。図４は、ある実施例に従った評判属性の環境に関する実装の詳細な一例を示したブロック図である。図５は、ある実施例に従った紹介環境の様々なパーティの相互関係の一例を記述したブロック図である。図６は、ある実施例に従った評判スコアリング環境に関するサーチ空間の一例のブロック図である。図７は、ある実施例に従った紹介を生成する上で実行される処理の一例を示したフロー図である。

本発明は、プロセス、装置、システム、物質の合成、コンピュータ読出し可能な記録媒体で具現化されるコンピュータプログラム製品、及びプロセッサ（このプロセッサは、当該プロセッサに結合されたメモリによって記憶され提供される命令を実行するよう構成されている）の少なくとも１つを含む多くの方法で実現されるものである。本明細書では、これらの実装又は本発明が成し得る他の形態も技術として引用される。一般的に、開示されるプロセスのステップ順序は本発明の範囲内で変更され得る。特に明記しない限り、タスクを実行するように構成されるものとして記載されたプロセッサ又はメモリは、所与の時間で当該タスクを実行するために一時的に構成された汎用的な構成要素として、又は前記タスクを実行するために製造された特別な構成要素として実行される。ここで用いられる、用語「プロセッサ」は、１以上のデバイス、回路、及びコンピュータプログラム命令などのデータを処理するよう構成されたプロセスコアの少なくとも１つを意味する。

本発明の１以上の実施例における詳細な記載は、本発明の原理を図示する添付の図と共に提供される。本発明はこのような実施例に関連して記載されるが、実施例に限定されるものではない。本発明の範囲は特許請求の範囲によってのみ制限されるものであり、本発明は多くの変形例、応用例、及び均等な例を包含する。本発明の完全な理解を提供するために、後述する記載において多くの特別な詳細を示す。これらの詳細は一例としてもたらされるものであり、これら詳細のすべて又は幾つかが無くとも、特許請求の範囲に従って実施され得る。明確にする目的から本発明に関連する技術分野において既知の技術事項は詳細に説明していないが、本発明をいたずらに不明瞭にするものではない。

現在、決定を支援する、親和性を決定する、嫌悪を識別する、の少なくともいずれかのために情報を見つけ出すことを求める人は、従来の非電子データソース（例えば、個人的な推薦状、それは少数且つ歪曲されている可能性があるものだが）や、ウェブサイト、掲示版、ブログ、及びその他のソースなどの電子データソース源や、特定のトピックス/サブジェクト（例えば、サンフランシスコを訪れるときどこに滞在すべきか）に関する（時には格付けされた）データを見つけるための他のソース源を利用する。このようなアプローチは、時間を消費し且つ殆どの電子データと同様に、時には信頼がおけないものである。情報のソース源の信頼性の兆候が欠けているのである。中間の非電子・電子データソース源の少なくとも１つから過剰の（又はぴったり正確な）情報を見つけることに失敗すると、探索をする人は限定された情報を用いて決定をすることに委ねられてしまう。この場合、その限定された情報というのは、完璧な予測の下での出力、結果には遠く及ばす、どの情報が求められていたかについての１以上の行動を引き受ける低レベルの満足度しか生じさせない。

また、現在の実務では情報の信頼性、言及された相違点を利用せずに、データのソース源の評判（例えば、紹介）に対する価値の結果であると考える。現在の実務の場合、データを求めるエンティティは、データソースの評判への価値ある判断をしなければならない。そのような価値判断は、データソースと共にそれまでの経験に基づくのが一般的である（例えば、マイクがレストラン長をしていたときの当該レストランの推薦、ローラがヨーロッパに５年間住んでいたときのヨーロッパにおけるローラによるホテルの推薦）。探索をする人が、信頼するリファレンスの広範囲なネットワークを持ち、決定するのに必要な所望のデータを得ることがない限り、決定する人というのは、頻繁に、最も利用可能な非属性化された（評判のない）データに基づき、リスクをとることや「さいころを転がす」しかないのである。このような見込みは、参加者を熟慮した行動に関与しないことへと導いてしまう。

そのようなリファレンス・ネットワークで人間により発生される評判というには、主観的である。言い換えると、そのような評判はネットワーク内の他のどの人に対しても異なって現れるのである。なぜなら、各人の意見は彼ら自身の個々の信頼するネットワークによって形成されるからである。

現実世界の信頼あるネットワークは小世界のパターンに付随する。つまり、そこでは、誰もが他の誰かに直接的には繋がっていないが、殆どの人々は比較的小さな数の仲介人又は「コネクタ」を介して他の殆どの人と繋がっている。したがって、これは、ネットワーク内の或る個人が、他の個人の保持する意見に対し偏った影響を及ぼすかもしれない。言い換えると、何人かの人々の意見は、他の人々の意見よりも大きな影響力となりうる。

或る実施例では、影響度は主観的かもしれない評判を増大させることができる。影響度は客観的な評価基準となりうる。例えば、影響度は意見、情報、データをフィルタリングすることに有益である。

上述したように、既存の実務の欠点を改善する目的のシステム及び方法に関する必要性が存在することを認識されるであろう。

したがって、影響度を推定することを提供する。例えば、影響度を推定することは、客観的な影響力の測定を決定することを含み、それは様々な応用例（例えば、客観的影響力を用いたサーチ）に適用されうる。或る実施例では、影響度を推定することは、２以上の主語（サブジェクト）ノードを含むサブジェクトグラフを受信することを含み、各主語ノードは１つの主語に対応する。そして、サブジェクトグラフは有向グラフであるか、若しくはサブジェクトグラフが有向グラフでないならば各無向エッジが相対する方向にある２つの有向エッジとして解釈され、サブジェクトグラフの各最初の主語ノードのための当該サブジェクトグラフに基づき、客観的な影響度の評価基準を決定することであって、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスから計算される内部スコア、及び、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスから計算される外部スコアの関数に基づき、前記決定の少なくとも一部がされ、一つのパスは、エッジの番号に等しい長さをもつ一連の連続したエッジであり、内部パス又は外部パスの少なくとも１つは、１よりも大きな長さのパスである。

或る実施例では、主語ノードは、インターネット著者若しくはブログやツイッターやインターネットウェブサイト上の批評を含むソーシャルメディアサービスのユーザをあらわす人、ウェブログ、エンティティの表現に対応する。或る実施例では、目的ノードは、本、映画、ドキュメント、ウェブサイト、販売対象、批評若しくは推薦され若しくは引用されるオブジェクト、ＵＲＩに関連する任意のエンティティに対応する。

或る実施例では、システムエム及び方法は、データソース源（例えば、意見、データ又は紹介のデータソース）に対する影響度の属性を許可して提供される。或る実施例では、スコア（例えば、影響度スコア）は、所与のディメンジョン(dimensions)上のネットワーク内にある各エンティティのために決定される。或る実施例では、エンティティは任意の数のディメンジョン上の他のエンティティに対して直接的にリンク付けされ、各リンクは関連スコアをもつ可能性がる。例えば、ソース及びターゲットなどの２つのエンティティ間の所与のディメンジョン上のパスは、ソースエンティティから中間エンティティまでの有向リンク若しくは無向リンクを含み、同じ又は可能性としては異なるディメンジョンにおいて、中間エンティティからターゲットエンティティまで有向パス若しくは無向パスに予め固定される。

或る実施例では、他のエンティティからの無向リンク又は内部有向リンクをもつ各エンティティは、他のエンティティとの間にある一部のエンティティの関連重要性を示唆する、任意のディメンジョン上の影響度の評価基準を提供する。

図１は、ある実施例に従った典型的なコンピュータ環境のブロック図である。特に、図１は典型的なコンピュータシステムを示す。コンピュータシステム１００は様々なコンピュータアプリケーション１８０を処理する能力がある。例えば、コンピュータアプリケーション１８０は、コンピュータアプリケーション、コンピュータアプレット、コンピュータプログラム、及びコンピュータシステム１００で動作する他の命令セットの少なくとも何れかを含み、少なくとも１つの関数（ファンクション）、オペレーション、手続（プロシジャー）を実行する。或る実施例では、典型的なコンピュータシステム１００は、例えば、ソフトウェアの形式のコンピュータ読み出し可能な命令によって主に制御される。コンピュータ読み出し可能な命令は、コンピュータ読み出し可能な命令自体を記憶し且つアクセスするためのコンピュータシステム１００のための命令を含むことができる。例えば、そのようなソフトウェアは中央処理装置（ＣＰＵ）１１０内で実行され、コンピュータシステム１００に仕事をさせるようにする。多くの既知のコンピュータサーバ、ワークステーション、パーソナルコンピュータにおいて、ＣＰＵ１１０はマイクロプロセッサと称されるマイクロ電子チップＣＰＵによって実行される。マイクロプロセッサ１１５は付加的な機能を実行するメインＣＰＵ１１０とは区別されるオプショナルプロセッサであり、メインＣＰＵ１１０を支援する。図示するように、ＣＰＵ１１０は、相互コネクト１１２を介してコプロセッサ１１５と接続する。例えば、コプロセッサの通常のタイプは、浮動小数点コプロセッサであり、それはまた、汎用ＣＰＵ１１０よりも早く且つ良く数値演算を実行するよう設計された数値又は一致コプロセッサとも呼ばれる。

オペレーションにおいて、ＣＰＵ１１０は、命令をフェッチし、デコードし、演算処理し、そしてコンピュータのメインデータ転送パス経由で他のリソースから及び他のリソースへ情報を転送する。このようなシステムバスは、コンピュータシステム１００内の構成要素と接続し、データ交換のための媒体を定義する。システムバス１０５に結合されたメモリデバイスは、ランダムアクセスメモリ（ＲＡＭ）１２５及びリードオンリーメモリ（ＲＯＭ）１３０を含む。このようなメモリは記憶され検索されるべき情報を認める回路を含む。ＲＯＭ１３０は変更できない記憶データを含むのが一般的である。ＲＡＭ１２５に記憶されたデータはＣＰＵ１１０若しくは他のハードウェアデバイスによって読み出されたり変更されたりする。ＲＡＭ１２５及びＲＯＭ１３０の少なくとも１つへのアクセスは、メモリコントローラ１２０によって制御される。例えば、メモリコントローラ１２０は、命令が実行されるときに、仮想アドレスを物理アドレスに変換するアドレス変換機能を提供することができる。

加えて、コンピュータシステム１００は、ＣＰＵ１１０から、プリンタ１４０／キーボード１４５・マウス１５０・データ記憶ドライブ１５５などの周辺機器へと命令を通信する役目がある周辺コントローラ１３５を含む。表示チャネルコントローラ１６３によって制御されるディスプレイ１６５は、コンピュータシステム１００により生成される仮想出力を表示するのに用いられる。例えば、そのような仮想出力は、テキスト、グラフィック、アニメーション化されたグラフィック、及びビデオを含むことができる。ディスプレイコントローラ１６３は、ディスプレイ１６５へ送られるビデオ信号を生成するために要求される電子コンポーネントを含む。さらに、コンピュータシステム１００は、ネットワークアダプタ１７０を含むことができ、このネットワークアダプタは外部の通信ネットワーク１６０にコンピュータシステム１００を接続するために使用される。

上述したように、コンピュータシステム１００はコンピュータネットワークの一部として展開することが可能である。一般に、コンピュータ環境に関する上述した記載は、ネットワーク環境で展開されるサーバコンピュータ及びクライントコンピュータの両方に対して提供される。

図２は、ある実施例に従った実装例に関する典型的な構成要素の連携を示したブロック図である。特に、図２は通信ネットワークを介してクライントコンピュータと通信するサーバを含むネットワーク型コンピュータ環境の例を示し、ここで記載される技術が用いられるものである。図２に示すように、サーバ２０５は、通信ネットワーク１６０（例えば、電信電話線若しくは無線のＬＡＮ、ＷＡＮ、イントラネット、エクストラネット、ピア・ツー・ピアネットワーク、仮想プライベートネットワーク、インターネット、又は他の通信ネットワークの何れか若しくはその組み合わせでありうる）を介して、多数のクライアントコンピュータ環境と相互接続される。多数のクライアントコンピュータ環境は、タブレット型のパーソナルコンピュータ２１０、携帯電話２１５、電話２２０、パーソナルコンピュータ１００、及び携帯個人情報端末（ＰＤＡ）２２５を一例として含む。（例えば、当業者にとって明らかなことから、他のクライントコンピュータ環境もまた、例えばゲームコンソール（不図示）や個人メディア装置（ＩＰＯＤ（Ｒ）等、不図示）などの通信ネットワーク１６０との通信において提供されうる。例えば、通信ネットワーク１６０がインターネットであるネットワーク環境の場合、サーバ２０５は、多数の既知のプロトコル（例えば、ハイパーテキストトランスファープロトコル：ＨＴＴＰ、ファイルトランスファープロトコル：ＦＴＰ、シンプルオブジェクトアクセスプロトコル：ＳＯＡＰ、ワイアレスアプリケーションプロトコル：ＷＡＰなど）を介して、クライアントコンピュータ環境１００，２１０、２１５、２２０、２２５から及び当該クライアントコンピュータへデータを処理し通信するようコンピュータ環境サーバとして機能する。加えて、ネットワーク型コンピュータ環境２００はセキュアソケットレイヤー（ＳＳＬ）やプリティグッドプライバシー（ＰＧＰ）等の様々なデータセキュアプロトコルを用いることができる。各クライントコンピュータ環境１００，２１０、２１５、２２０、２２５は１以上のコンピュータアプリケーション（サーバコンピュータ環境２０５へのアクセスを得るためのウェブブラウザ、他のグラフィカルユーザインタフェース、モバイルデスクトップ環境、いずれも不図示）をサポートするよう機能するオペレーションシステム１８０を備える。

或る実施例では、オペレーションにおいて、ユーザ（不図示）は、所望のデータ及びコンピュータアプリケーションの少なくとも何れかを得るために、クライアントコンピュータ環境で動作するコンピュータアプリケーションと相互作用する。例えば、データやコンピュータアプリケーションはサーバコンピュータ環境２０５に記憶され、そして通信ネットワーク１６０を越えたところにあるクライアントコンピュータ環境１００，２１０、２１５、２２０、２２５を通じてユーザと協働するために通信する。参加しているユーザは、サーバコンピュータ環境２０５にある特定のデータ及びアプリケーションの全部又は一部にアクセスすることを要求することができる。そのデータは、処理及び記憶のために、クライントコンピュータ環境１００，２１０、２１５、２２０、２２５と、サーバコンピュータ環境との間で通信される。サーバコンピュータ環境２０５は、生成、認証、暗号、通信データ並びにアプリケーションに関するコンピュータアプリケーション、プロセス、アプレットをホストすることができ、そして他のサーバコンピュータ環境（不図示）、サードパーティサービスプロバイダー（不図示）、ネットワーク接続ストレージ（ＮＡＳ）、ストレージエリアネットワーク（ＳＡＮ）と協働し、アプリケーション/データトランザクションを実現する。

図３は、ある実施例に従った評判属性のプラットフォーム３００に関する実装の一例を示したブロック図である。図３に示すとおり、評判属性のプラットフォーム３００は、クライアントコンピュータ環境３２０〜３３０、通信ネットワーク３３５、サーバコンピュータ環境３６０、インテリジェント評判エンジン３５０、認証データ３４０、コミュニティデータ３４２、評判ガイドライン３４５、評判履歴データ３４７を含む。また、図３に示すとおり、評判属性のプラットフォーム３００は、多数の評判データ（例えば、入力されたり生成された評判データ）３０５、３１０、３１５を含み、これらのデータは、表示され、閲覧され、記憶され、電子送信され、ナビゲートされ、操作され、及びクライアントコンピュータ環境３２０，３２５、３３０のそれぞれからプリントされる。

或る実施例では、クライアントコンピュータ環境３２０，３２５、３３０は、評判データ３０５、３１０、３１５に関する要求を提供し、受信するために、通信ネットワーク３３５を越えてサーバコンピュータ環境３６０と通信しそして協働することができる。インテリジェント評判エンジン３５０は、１以上の命令をサーバコンピュータ環境３６０に提供するためサーバコンピュータ環境３６０で動作し、評判データ３０５、３１０、３１５に関する要求を処理し、そして当該評判データを要求しているクライアントコンピュータ環境（例えば、クライアントコンピュータ環境３２０、３２５、３３５）に対して電子通信することができる。評判データ３０５、３１０、３１５に関する要求を処理する一部として、インテリジェント評判エンジン３５０は、複数のデータ（認証データ３４０、コミュニティデータ３４２、評判ガイドライン３４５、評判履歴データ３４７の少なくとも１つを含む）を用いることができる。また、図３に示すとおり、クライアントコンピュータ環境３２０，３２５、３３０は、１以上の参加するユーザ（不図示）に対する表示及び相互作用のために、コンテンツ生成/共有データ３０５、３１０、３１５を処理する能力がある。

図４は、ある実施例に従った典型的な評判属性の環境４００に関する実装の詳細な一例を示したブロック図である。図４に示すとおり、評判属性の環境４００は、インテリジェント評判プラットフォーム４２０、認証データストア４１５、評判ガイドラインデータストア４１０、評判履歴データストア４０５、コミュニティデータストア４０７、ユーザコンピュータ環境４２５、評判ターゲット（例えば、ユーザ）４３０、コミュニティコンピュータ環境４４０、コミュニティ４４５を含む。加えて、図４に示すとおり、評判属性の環境４００は評判セッションコンテンツ４５０を含み、それは表示され、閲覧され、送信され、及びユーザコンピュータ環境４２５やコミュニティコンピュータ環境４４０からプリントされる。

或る実施例では、インテリジェント評判プラットフォーム４２０は、通信ネットワーク４３５を介してユーザコンピュータ環境４２５及びコミュニティコンピュータ環境４４０と電子的な接続がされる。例えば、通信ネットワークは、電信電話線若しくは無線のイントラネット、エクストラネット、及びインターネットを含む。

或る実施例では、ユーザ４３０は、ユーザコンピュータ環境４２５で機能する評判データインタフェース（不図示）と相互作用し、通信ネットワーク４３５を越えてインテリジェント評判プラットフォーム４２０へと渡される評判セッションを開始する。インテリジェント評判プラットフォーム４２０は、評判セッションに関する要求を処理し、そして認証データストア４１５、評判ガイドラインデータストア４１０、評判履歴データストア４０５、コミュニティデータストア４０７と協働し、ユーザ４３０及びコミュニティ４４５による使用のための評判セッションを生成する。

或る実施例では、認証データストア４１５は、ユーザ４３０及びコミュニティメンバ４４５間の接続をあらわすデータを含む。例えば、そのようなデータは、これに限定するものではないが、ユーザ間でのコネクションを含み、評判データの生成における使用のための連携の程度を識別することができる。評判ガイドラインデータストア４１０は、ユーザ４３０及びコミュニティ４４５間での評判を起因とする１以上のルールを表すデータを含む。評判履歴データストア４０５は、評判履歴データ処理の一部としての使用のために１以上の生成された評判属性を含む。コミュニティデータストア４０７は、生成された評判データに関するコミュニティフィードバックを表すデータを含む。例えば、コネクションを表すデータは、ユーザ入力を通じて提供されたり、任意の手法から生成されたり、これに限定するものではないが、コンピュータネットワークで利用可能な自動化若しくはコンピュータ支援処理のデータ、ソーシャルネットワーキングウェブサイト上のエンティティ間で表されたり示唆されるリンク、ユーザ解説すなわち「ブログ」のウェブサイト、又はインターネット上で利用可能な他の形式のドキュメントを含む。

図５は、ある実施例に従った典型的な紹介（関連）環境の様々なパーティの相互関係を記述したブロック図である。特に図５は、評判属性環境５００に寄与する要素を示す。図示するとおり、評判属性環境５００は、複数のサブ環境５０５、５１０、５１５、及び多数の評判ターゲットＡ〜Ｑを含む。評判ターゲットは、与えられたサブ環境５０５、５１０、５１５内の他の評判ターゲット、サブ環境５０５、５１０、５１５外にある他の評判ターゲットの少なくとも何れかと、直接的、間接的なコネクションをもつ。

例示する実装においては、サブ環境５０５、５１０、５１５は、仕事、家、学校、クラブ、教会/寺院/コミューンなど、評判ターゲットの経験の一形態をあらわす。例えば、例示の実装の場合、典型的な評判ターゲットＱは、他の評判ターゲットの評判について問い合せをする（例えば、決定をする際の支援に用いるための信頼性のあるデータを得ること、親和性を決定すること、嫌悪を識別すること等）。各ターゲット参加者の個々の評判は、ここで記載された技術に従って得ることができ、各評判ターゲットは１以上の評判インジケータ（例えば、レストラン紹介に関連した評判スコア、映画紹介に関連した別の評判スコア、結婚仲介事業に関連した別の評判スコア等）の結果であるとされる。例えば、評判インジケータは、所与のサブ環境及びサブ環境の少なくとも何れかに存在する評判ターゲット間の関係の程度及び数に基づき計算される。ひとたび計算されると、典型的な評判ターゲットＱは、信頼されたデータ（例えば、推薦や紹介）に関する他の評判ターゲットをクエリーし、データソース源（例えば、評判ターゲット）の評判スコアに従いそのような信頼されたデータを処理することができる。

例えば、サブ環境５０５はビジネスの場所をあらわし、サブ環境５１０は家を表し、サブ環境５１５はカントリークラブを表す。或る実施例の場合、評判属性環境５００の各評判ターゲットは、１以上の評判スコア（例えば、ビジネスデータに関する評判スコア、ファミリーデータに関する評判スコアなど）に起因する。各カテゴリー（例えば、ビジネス、ファミリー、ソーシャル、宗教など）に関する各評判ターゲットの評判スコアは、他の評判ターゲットとの関係性の程度や、他の関係するターゲットと繋がる数に従って計算される。

或る実施例では、評判ターゲットＱは、ビジネス問題（例えば、トランザクションをブローカーする方法）に関するデータを要求することができる。この要求に応じて、サブ環境５０５の評判ターゲット（例えば、この評判ターゲットは評判ターゲットＱのデータソース源として作用することが可能である）は、評判ターゲットＱの要求を満足するデータを提供する。さらに、直接的にはサブ環境５０５の一部ではない他の評判ターゲットも、評判ターゲットＱに対するデータソース源として作用することができる。本状況において、評判ターゲットＡ、Ｂ、Ｃ、Ｄの少なくとも１つに関する評判スコアは、評判ターゲットがビジネスに焦点をあてられているサブ環境５０５内にあるといったサブ環境５０５の一部でない他の評判ターゲットよりも、高い評判スコアを有する。サブ環境５０５の一部でない他の評判ターゲットは、評判ターゲットＡ、Ｂ、Ｃ、Ｄと、評判ターゲットＱとのコネクションに基づき、サブ環境５０５の評判ターゲット（Ａ、Ｂ、Ｃ、Ｄ）に対して等しいか又は近いレベルの評判スコアを有する。例えば、図５に示すとおり、評判ターゲットＩは比較的高い評判スコアを有する。これは、評判ターゲットＩが、サブ環境５０５の評判ターゲット（Ａ、Ｂ、Ｃ、Ｄ）に対する多数の直接的及び間接的なコネクション（Ｉ−Ａ,Ｉ−Ｇ−Ｂ、Ｉ−Ｈ−Ｄ、Ｉ−Ｇ−Ｅ−Ｄ）をもち、評判ターゲットＱを問い合わせるようなビジネスに関係するからである。

図５の評判属性環境５００は様々な参加者を有するサブ環境の構成で示したものであるが、これは本願に記載する技術の熟考した評判属性環境の単に一例であることを認識されたい。他の様々な構成において様々な参加者を有する多数のサブ環境があり得る。

図６は、ある実施例に従った典型的な評判スコアリング環境に関するサーチ空間のためのブロック図である。特に、図６はある実施例に従った典型的な評判スコアリング環境６００を示す。図６に示すとおり、評判スコアリング環境６００は、１以上の推移的なディメンジョン６２０、６２５に結合される複数のディメンジョン６０５，６１０，６１５を含む。さらに、図示するように、評判スコアリング環境６００は、１以上のディメンジョン６０５、６１０、６１５に存在する１以上のエンティティ６３０，６３５、６４５、６５０、６６０、６７０、及び推移的なディメンジョン６２０、６２５に存在する推移的コネクタ６４０、６６５、６７０、６８０を含む。

或る実施例では、１以上のエンティティ６３０，６３５、６４５、６５０、６６０、６７０に関するスコアは、所与のディメンジョン６０５、６１０、６１５上のネットワーク（不図示）で決定されうる。エンティティ６３０，６３５、６４５、６５０、６６０、６７０は、ディメンジョン６０５，６１０，６１５のどれかにある他のエンティティ６３０，６３５、６４５、６５０、６６０、６７０のいくつとでも直接的にリンクされる（その結果、直接的/間接的な各リンクはスコアに関連する）。例えば、１以上のディメンジョン６０５，６１０，６１５は、１以上の推移的ディメンジョン６２０、６２５の少なくとも１つとの関連を有する。

或る実施例では、ソース及びターゲットなどの２つのエンティティ６３０及び６３５間でのディメンジョン６０５上の直接的なパス６０７は、ソースエンティティ６３０（例えば、全てのエンティティ６３０，６３５、６４５、６５０、６６０、６７０として例示する６３０は、様々な実施例に従いここに記載したスコアリング属性プラットフォームの見込みに基づくソース源及びターゲットエンティティの少なくとも何れかである）から、中間エンティティ６４０までの直接的なリンクを含む。ここで、上記中間エンティティ６４０は、中間エンティティ６４０からターゲットエンティティ６３５までの有向パスで予め固定されている。

或る実施例では、パス上のリンクは所与のディメンジョン６０５、６１０、６１５に関連する１以上の推移的なディメンジョン６２０、６２５となりうる。一例として、所与のディメンジョン６０５、６１０、６１５上でソースエンティティ６３０と、ターゲットエンティティ６３５間のスコアを決定するため、所与のディメンジョン６０５、６１０、６１５上の有向パス６０７が任意の種類のグラフサーチ（不図示）を通じて決定される。１以上のパスにおける１以上のリンクの個々のスコアは、スコアを伝搬させるのに利用可能な１以上の技術、及び異なるスコア間での矛盾を解消するのに一般的に利用可能な技術によって、１以上のスコアを生じさせるために組み合わせられる。また、１以上の中間エンティティ６４０、６６５、６７０、６８０は、ソースエンティティ（例えば、６３０，６３５、６４５、６５０、６６０、６７０）の領域、ターゲットエンティティ（６３０，６３５、６４５、６５０、６６０、６７０）の領域、及び両者間のリンクに基づき、ディメンジョン６０５、６１０、６１５に関する影響の評価基準を提供する。

評判スコアリング環境６００は、或る特定数のディメンジョン、推移的なディメンジョン、エンティティ、有向コネクション、無向コネクションをもつ例示のオペレーションに対する特定の構成を有するものとして示されているが、そのような記載は単に例示であって、ここで記載する実施例内の影響度の計算には様々なディメンジョン、推移的なディメンジョン、エンティティ、有向コネクション、無向コネクションが用いられ、他の例示のオペレーションに従いオペレートする様々な構成及び組み合わせを有することが認識されるものである。

図７は、ある実施例に従った紹介を生成する上で実行される処理の一例を示したフロー図である。特に、図７は、評判スコアを計算することにおける典型的な処理を示す。図７に示すとおり、ブロック７００で処理は開始し、エンティティの集団が識別される。次に、処理はブロック７０５に進み、選択された拘束条件がその識別された集団に確立される。その結果、エンティティ間の相互関係はソースエンティティに繋がるターゲットエンティティに関する−１〜＋１までの値にマップされる。次に処理はブロック７１０に進み、エンティティの関係は所与のディメンジョンにおける有向グラフとしてあらわされる。その結果、エンティティはあらゆる数のディメンジョン上の他のエンティティに直接、一方向でリンクされる。そして、直接のリンクそれぞれは選択されたレンジＲの範囲内にある関連スコアをもつ。これにより、各ディメンジョンはそれと共に関連する推移的ディメンジョンを有する。次に、処理はブロック７１５に進み、グラフサーチがソースエンティティからターゲットエンティティまでの有向パスを識別するために実行され、利用可能な識別された有向パスの組み合わせをもつグローバルな有向グラフを生成し、そして識別された有向パスのためのスコアリンググラフを生成する。次に、処理はブロック７２０に進み、識別されたパス上での直接リンクの個々のスコアが組み合わされ、ソースエンティティの見込みからターゲットエンティティに関する１以上の最終スコア（例えば、評判スコア）を生成する。

或る実施例では、図７の処理は、所与の各ディメンジョンにおいて有向グラフとして概念的にあらわされるネットワーク上のソースエンティティに繋がるターゲットエンティティに関し、レンジＲ内のそれぞれのエンティティが−１〜＋１の値にマップされるエンティティの集団、スコア決定の方法を実行する。これにより、エンティティは任意の数のディメンジョンにおける他のエンティティと直接的に一方向でリンクされ、そして各直接リンクはレンジＲ内の関連スコアを有する。さらに、各ディメンジョンは関連する推移的なディメンジョンをもち、２つのエンティティであるソースエンティティとターゲットエンティティとの間の有向パスは、ソースエンティティから中間エンティティまでの直接リンクとして定義され、中間エンティティからターゲットエンティティまでの有向パスが予め固定される。そして、これに限定するものではないが、１）任意のエンティティからターゲットエンティティまでのパス上の直接リンクは所与のディメンジョンに存在しなければならず、２）任意のエンティティから（ターゲットエンティティではない）中間エンティティまでのパス上の直接リンクは、所与のディメンジョンに関連する推移的ディメンジョン、或いは所与のディメンジョン自体が推移的ディメンジョンであるならば当該所与のディメンジョンの何れか一方に存在しなければならないという選択された拘束条件に従う。

或る実施例では、図７の処理は、これに限定するものではないが、有向パスの上記定義に従うソースエンティティからターゲットエンティティまでの有向パスを識別するためにグラフサーチ（例えば、利用可能なグラフサーチ技術を一般的には用いる。）を実行すること（Ａ）であって、識別されたそのような有向パスの全ての組み合わせを有向グラフにおいて最適に生じさせる。例えば、得られる有向グラフは別々に記憶されるスコアリンググラフとして定義される。各スコアはスコアリンググラフ上の各パスの各直接リンクで組み合わされ（Ｂ）、ソースエンティティの見込みからのターゲットエンティティのために、各スコアに関するレンジＣ＝０〜１内の信頼値の関連セットのあるなしにかかわらず、１以上の最終スコアを作り出す。例えば、処理（Ａ）及び（Ｂ）は、順次又は同時に実行される。同時に実行されるとき、処理（Ｂ）に記載された各スコアの組み合わせは、別々に記憶されたスコアリンググラフの生成なしに、処理（Ａ）に記載されたグラフサーチの間実行される。この場合、処理（Ａ）で実行されるグラフサーチは処理（Ｂ）を通じて特定されるスコアの或る組み合わせによって最適化され、これによりこの最適化は、ソースエンティティとターゲットエンティティとの間の或るパスの排除を結果として生じさせる。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、各エンティティの影響度は、エンティティに対する直接リンクをもつ、或いは（可能性としては当該エンティティに対する予め決定した最大長を有する）パスをもつ他のエンティティのカウントとして、各リンク上の可能性がある重み、各パスの長さ、及び各パス上の各エンティティのレベルによって調整されるカウントとは無関係に推定される。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、各エンティティの影響度は、ここに記載したオペレーションを通して計算された調整後のカウントにより推定され（例えば、エンティティに対する直接リンクをもつ、或いは（可能性として当該エンティティに対する予め決定した最大長を有する）パスをもつ他のエンティティのカウントとして各リンク上の可能性がある重み、各パスの長さ、及び各パス上の各エンティティのレベルによって調整されるカウントとは無関係に推定される）、同様に評価した他の全てのエンティティの影響度と比較したランク若しくは百分率に変換される。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、各エンティティの影響度は、データ、意見、又は他のエンティティに関する又は他のエンティティから由来するサーチの実際の要求のカウントとして推定される。エンティティは、エンティティに対する直接リンクをもつ、或いは（可能性としては当該エンティティに対する予め決定した最大長を有する）パスをもち、そのような実際の要求は、（例えば、意見、レビュー、引用、他の形式の表現をあらわす）エンティティから由来するパスの使用が結果として生じる場合には、当該カウントが各リンク上の可能性がある重み、各パスの長さ、及び各パス上の各エンティティのレベルによって調整されることとは無関係にカウントされる。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、各エンティティの影響度は、ここに記載したオペレーションを通して計算された調整後のカウントにより推定され、同様に評価した他の全てのエンティティの影響度と比較したランク若しくは百分率に変換される。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、各エンティティの影響度は、データ、意見、又は他のエンティティに関する又は他のエンティティから由来するサーチの実際の要求のカウントとして推定される。エンティティは、エンティティに対する直接リンクをもつ、或いは（可能性としては当該エンティティに対する予め決定した最大長を有する）パスをもち、そのような実際の要求は、所定の期間内に生じ且つ（例えば、意見、レビュー、引用、他の形式の表現をあらわす）エンティティから由来するパスの使用が結果として生じる場合には、当該カウントが各リンク上の可能性がある重み、各パスの長さ、及び各パス上の各エンティティのレベルによって調整されることとは無関係にカウントされる。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、各エンティティの影響度は、中心度又は中間度などの幾つかのグラフ測定基準関数のいずれかを適用することによって推定される。この場合、中心度又は中間度などの関数は、リンク付けされたエンティティ全てを含む完全グラフに対してエンティティを関連付けるか、又は直接的若しくは所与の長さまでのパスによってエンティティにリンク付けされた全エンティティを含むサブグラフに対してエンティティを関連付けるかの何れか一方で推定される。或る実施例では、客観的な影響度の基準指標を決定することは、１以上の次の関数を用いて実行される。すなわち、中間中心性、次数中心性、近似中心性、固有ベクトル中心性、フロー中心性を含むグラフ中心性の任意の形式の関数である。この場合、このような関数は、任意の既存のエッジ重みに対する追加の重みをグラフの各エッジに適用する。このような追加の重みは、データ、意見、他のエンティティに関係する若しくは他のエンティティから由来するサーチに関する実際の要求を処理するために、各エッジで使用される関数である。

或る実施例では、影響度を計算するためにここで記載した例示的なオペレーションは、各ディメンジョンで別々に実行され、各ディメンジョンに関する各エンティティのために１つの影響度評価が得られる。すべてのディメンジョンを一緒にするため、各エンティティに関する１つの影響度評価を得る。又は任意のエンティティに適用される任意のサブグループのディメンジョンを一緒にするため、そのエンティティに適用されるサブグループのディメンジョンの数として多くの影響度評価を持つ各エンティティを得る。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、ここで記載した各オペレーションにおいて推定された各エンティティの影響度は、すべてのエンティティ若しくはリンクされた全てのエンティティのサブセットを含むグラフに関係する測定基準によって調整される。例えば、そのような測定基準は、グラフ内のリンクされたエンティティ数に対するリンク数の比率として定義されるグラフ密度を含む。また、このような測定基準はグラフトポロジーに対する数学的な最適化関数によって変換され、そこでは、グラフ内のエンティティ間にあるリンク分布が非線形であることが知られている。このような調整の例は、リンクされたエンティティすべてを含むグラフ密度の対数によって分割され、エンティティに繋がる有向リンクの数として、エンティティの影響度を推定するオペレーションでありうる。例えば、このようなオペレーションは、演算を複雑にする次数の制限を図ることにより、迅速に影響度を推定するための最適手法を提供することができる。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、ここで記載した各オペレーションにおいて推定された各エンティティの影響度は、分離し結合されていないグラフのために推定される。この場合、分離し結合されていないグラフ内のエンティティに関する影響度は、ここで記載したオペレーションで示すとおり、そのエンティティ内の各分離し結合されていないグラフに関係する測定基準を適用することによって調整される。その結果、１つのグラフにおける各エンティティの影響度が調整され、正規化され、別のグラフのエンティティの影響度と比較され、また調整される。例えば、そのようなオペレーションは、分離し結合されていないグラフに渡って、影響度の測定基準を使用することを許可する。

或る実施例では、ここで記載した技術の例示的なオペレーションにおいて、影響度の推定は、上述したオペレーションの組み合わせにより、異なる事情、及びパフォーマンス・メモリ・グラフトポロジー・エンティティ数・他の任意の事情の要求・他の要求のために最適化される。そして、測定基準に関与する類似のオペレーションは、これに限定するものではないが、その影響度が推定されるべきかに関するエンティティに対する、可能性として存在するソースエンティティの数、可能性として存在するターゲットエンティティの数、任意の１つのエンティティと他の任意のエンティティ間の可能性として存在する有向パスの数、エンティティを含む可能性として存在する有向パスの数、エンティティからの有向パスがスコアリング・サーチ又は他のオペレーションのために使用される定義された期間内の回数を含む値を有している。

ここに記載した技術は、様々な修正及び代替の実施例を受け入れる余地があることが理解されるであろう。ここに記載された特有の実施例に対し、ここに記載した技術を制限する意図はない。これに対して、ここに記載した技術はあらゆる修正、代替実施例、及び当該技術の範囲及び精神に逸脱しない等価物をカバーするよう意図されている。

ここに記載した技術は様々な電子的環境（優先及び無線コンピュータ環境、携帯電話及びビデオ電話を含む）、部分的なコンピュータ環境、実世界の環境で実行されることに留意すべきである。例えば、ここに記載した様々な技術は、ハードウェア若しくはソフトウェア、又はこれらの組み合わせにおいて実行される。或る実施例の場合、この技術は、コンピュータネットワーク、プロセッサ、サーバ、プロセッサにより読み出し可能な記憶媒体（例えば、揮発性及び不揮発性メモリ、ストレージ要素を含む）、少なくとも１つの入力装置、少なくとも１つの出力装置を備えたプログラム計算可能なコンピュータを保持するコンピュータ環境で実行される。或る実施例において、様々な命令セットと共に協働するコンピュータハードウェアロジックはデータに適用され、ここに記載される機能を実行し、そして出力情報を生成する。例えば、典型的なコンピュータハードウェアにより使用されるプログラムは、コンピュータシステムとの通信のために高いレベルの手続又はオブジェクト指向プログラミング言語を含む様々なプログラミング言語で実行されうる。別の例として、ここに記載した技術は、望むならばアセンブル、即ち機械言語で実行されることもある。そのようなコンピュータプログラムのそれぞれは、好ましくは、記憶媒体又はデバイス（例えば、ＲＯＭ又は磁気ディスク）に記憶される。これらは、コンピュータを構成しオペレーティングするための汎用又は則別の目的でプログラム可能なコンピュータにより読み出し可能であって、このとき記憶媒体又はデバイスは上述した手続を行なうためコンピュータにより読まれる。例えば、装置もまた、コンピュータプログラムで構成されたコンピュータ読み出し可能な記憶媒体として実行されるようみなすことができる。この場合、そのように構成された記憶媒体は、コンピュータが特別及び所定の方法でオペレートさせるようにする。

ここに記載した技術の典型的な実例は、その詳細を上述したのだが、当業者であれば、ここに記載した技術の新規な教示及び有利な効果から実質的に離れることなく、多くの修正がこの実例において可能であることを容易に認識するであろう。したがって、そのような全ての修正は、ここに記載した技術の範囲内に含まれるよう意図されている。

先の実施例は理解を明確にする目的で幾つか詳細に記載されているが、本発明はこの適用された詳細に限定されるものではない。本発明を実行する多くの代替方法がある。開示された実施例は例示であり、制限的なものではない。

Claims

各主語ノード（サブジェクトノード）が１つの主語に対応する当該主語ノードを２以上含むサブジェクトグラフを受信こと、
前記サブジェクトグラフの各最初の主語ノードのための当該サブジェクトグラフに基づき、客観的な影響度の評価基準を決定することであって、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスから計算される内部スコア、及び、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスから計算される外部スコアの関数に基づき、前記決定の少なくとも一部がされることを特徴する方法。
前記サブジェクトグラフは有向グラフであり、又は前記サブジェクトグラフが無向グラフであれば、各無向エッジは相対する方向にある二つの有向エッジとして解釈される、請求項１に記載の方法。
前記サブジェクトグラフは重み付きグラフであり、又は前記サブジェクトグラフが重み付きグラフでなければ、各重み付きエッジはゼロを含む任意の値である一定重みの重み付きエッジとして解釈される、請求項１に記載の方法。
パスは、エッジの番号に等しい長さをもつ一連の連続したエッジであり、内部パス又は外部パスの少なくとも１つは、１よりも大きな長さのパスである、請求項１に記載の方法。
前記内部スコアは、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスの数及び重みに基づいている、請求項１に記載の方法。
前記外部スコアは、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスの数及び重みに基づいている、請求項１に記載の方法。
前記内部スコアは、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスの数に基づいている、請求項１に記載の方法。
前記外部スコアは、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパスの数に基づいている、請求項１に記載の方法。
前記客観的な影響度の評価基準は、前記サブジェクトグラフのすべてのパスのために決定される、請求項１に記載の方法。
前記客観的な影響度の評価基準は、データ、意見又は他のエンティティに関係する若しくは他のエンティティから由来するサーチに関する実際の要求の数の関数として決定される、請求項１に記載の方法。
前記客観的な影響度の評価基準を決定することは、中間中心性、次数中心性、近似中心性、固有ベクトル中心性、フロー中心性を含むグラフ中心性の任意の形式である、１以上の関数を用いて実行され、前記関数は、任意の既存のエッジ重みに対する追加の重みをグラフの各エッジに適用し、前記追加の重みは、データ、意見、他のエンティティに関係する若しくは他のエンティティから由来するサーチに関する実際の要求を処理するために、各エッジで使用される関数である、請求項１に記載の方法。
第一のエンティティが、主語又は目的語であるかを決定すること、
第二のエンティティが、主語又は目的語であるかを決定すること、
一つのグラフを生成することであって、当該グラフのサブセットが１以上の他の主語エンティティにリンクされた少なくとも１以上の主語エンティティを含む主語ノードのサブジェクトグラフであり、前記グラフは、前記サブジェクトグラフ内の１以上の主語エンティティにそれぞれリンクされた１以上の目的語エンティティを有すること、
を更に含む請求項１に記載の方法。
一つのグラフを生成することであって、当該グラフのサブセットが１以上の他の主語エンティティにリンクされた少なくとも１以上の主語エンティティを含む主語ノードのサブジェクトグラフであり、前記グラフは、前記サブジェクトグラフ内の１以上の主語エンティティにそれぞれリンクされた１以上の目的語エンティティである、
を更に含む請求項１に記載の方法。
１以上の他の主語エンティティにリンクされた少なくとも１以上の主語エンティティを含む主語ノードのサブジェクトグラフを生成することを含む、請求項１に記載の方法。
前記最初の主語ノードは、インターネット著者若しくはブログやツイッターやインターネットウェブサイト上の批評を含むソーシャルメディアサービスのユーザをあらわす人、ウェブログ、エンティティの表現に対応する、請求項１に記載の方法。
前記内部スコア及び前記外部スコアを用いて実行される前記最初の主語ノードに関する客観的な影響度の評価基準の計算は、前記最初の主語ノードの固有ベクトル中心性の評価基準である、請求項１に記載の方法。
前記内部スコア及び前記外部スコアを用いて実行される前記最初の主語ノードに関する客観的な影響度の評価基準の計算は、固有ベクトル中心性の反復計算により決定される前記最初の主語ノードの最小固有ベクトル中心性であり、各ノードの反復において実際の出次数が最小の出次数より小さい場合、前記最小の出次数は、それまでの反復から前記最初の主語ノードの最小固有ベクトル中心性の非線形関数として計算されることになる、請求項１に記載の方法。
前記内部スコア及び前記外部スコアを用いて実行される前記最初の主語ノードに関する客観的な影響度の評価基準の計算は、固有ベクトル中心性の反復計算により決定される前記最初の主語ノードの最小固有ベクトル中心性であり、各ノードの反復において実際の出次数が最小の出次数より小さい場合、前記最小の出次数は、それまでの反復から前記最初の主語ノードの最小固有ベクトル中心性の非線形関数であって、複数のノードの実際の入次数及び出次数の分布から生成される当該非線形関数として計算されることになる、請求項１に記載の方法。
主語−目的語グラフを受信し、
前記サブジェクトグラフに基づき最小固有ベクトル中心性又は普通の固有ベクトル中心性を算出し、
引用重み付き最小固有ベクトル中心性、又は引用重み付き普通の固有ベクトル中心性を、最小固有ベクトル中心性又は普通の固有ベクトル中心性のそれぞれと、前記最初の主語ノードから前記各目的語ノードへ向かうリンクの数に基づき決定される引用数との関数として算出する、
ことをさらに含む請求項１に記載の方法。
前記目的語ノードは、本、映画、ドキュメント、ウェブサイト、販売対象、批評若しくは推薦され若しくは引用されるオブジェクト、ＵＲＩに関連する任意のエンティティに対応する、請求項１に記載の方法。
前記最初の主語ノードに関する前記客観的な影響度の評価基準は、前記サブジェクトグラフに現れる他の複数のエンティティの客観的な影響度の評価基準に対するランク若しくは百分率に変換される、請求項１に記載の方法。
各主語ノードが１つの主語に対応する当該主語ノードを２以上含むサブジェクトグラフを受信することであって、前記サブジェクトグラフは有向グラフであり、又は前記サブジェクトグラフが無向グラフであれば、各無向エッジは向かいあっている二つの有向エッジとして解釈され、
前記サブジェクトグラフの各最初の主語ノードのための当該サブジェクトグラフに基づき、客観的な影響度の評価基準を決定することであって、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパス数に基づく内部スコア、及び、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパス数に基づく外部スコアの関数に基づき、前記決定の少なくとも一部がされるよう構成されたプロセッサと、
前記プロセッサに接続され、当該プロセッサに命令を提供するよう構成されたメモリと、を含むシステム。
パスは、エッジの番号に等しい長さをもつ一連の連続したエッジであり、内部パス又は外部パスの少なくとも１つは１よりも大きな長さのパスであり、前記内部スコアは、前記最初の主語ノードの少なくとも１つの長さに至る１以上の前記パス数及び重みに基づき、前記外部スコアは、前記最初の主語ノードの少なくとも１つの長さに至る１以上の前記パス数及び重みに基づく、請求項２２に記載のシステム。
コンピュータ読み出し可能な記録媒体を備えたコンピュータプログラム製品であって、コンピュータに、
各主語ノードが１つの主語に対応する当該主語ノードを２以上含むサブジェクトグラフを受信することであって、前記サブジェクトグラフは有向グラフであり、又は前記サブジェクトグラフが無向グラフであれば、各無向エッジは向かいあっている二つの有向エッジとして解釈され、
前記サブジェクトグラフの各最初の主語ノードのための当該サブジェクトグラフに基づき、客観的な影響度の評価基準を決定することであって、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパス数に基づく内部スコア、及び、前記最初の主語ノードの少なくとも１つの長さに至る１以上のパス数に基づく外部スコアの関数に基づき、前記決定の少なくとも一部がされ、パスは、エッジの番号に等しい長さをもつ一連の連続したエッジであり、内部パス又は外部パスの少なくとも１つは１よりも大きな長さのパスであり、前記内部スコアは、前記最初の主語ノードの少なくとも１つの長さに至る１以上の前記パス数及び重みに基づき、前記外部スコアは、前記最初の主語ノードの少なくとも１つの長さに至る１以上の前記パス数及び重みに基づくことを実行させるためのコンピュータ命令を記憶したコンピュータプログラム製品。