JP2014514642A - 信用のスコアリングおよび報告 - Google Patents

Abstract

一部の実施形態は、定量的データおよび定性的データを含む様々なデータソースおよび信用データに基づいて、企業の信用を定量的に計測するための標準化されたスコアの形態で、有形資産を生成する方法、システム、およびコンピュータソフトウェアプロダクトを提供する。一部の実施形態は、信用スコアを、成功したビジネス手法、事業の成功を阻んだビジネス手法、顧客の望む改善点（ここに将来有望なビジネス機会がある）、将来の成長および企業の成功のために改善することができる変更点、を判断することができる報告の形態で別個に有形資産を提供する信用データとともに利用して、企業の信用スコアを向上させる。
【選択図】図１

Description

本発明は、企業に、自身の信用を判断、通信、および管理させるためのシステム、方法、およびプロセスに関する。

個人および企業が信頼できるかは、多くの個人的な商取引が基とすることのできる計量可能な定量値になって久しい。個人の信用は、たとえば、個人が住宅ローン、個人ローン、不動産賃貸を行ったり、クレジットカードを得たりしようとする際の条件（たとえば、その量および利率）を決定したりするために利用される。既に、個人が信用を判断して、この情報を関連する買主に売る信用調査機関がいくつも存在している。信用調査機関は、個人の信用を、個人の消費性向、支払性向、自己資本等を参考にして導き出す。信用調査機関は、これらおよびその他の監視した行動を、３００−８５０ポイントの範囲に標準化した定量可能なクレジットスコアに変換する（より高いスコアが、より高い信用を表し、より低いスコアが、より低い信用を示す）。

企業の信用も、多くの商取引を促す定量可能な尺度である。しかし、企業の信用を定量化することは、個人の信用を定量化することよりも、基本的に複雑な課題である。個人であれば、識別子（たとえば社会保障番号）と、個人との間に１対１の関係がある。しかし多くの企業ではそうではない。企業は、数例を上げても、様々な名称、子会社、支店、およびフランチャイズの元で操業している場合がある。企業の資産、会計、および取引は、企業が合併したり、倒産したり、新たに起業したり、分割されたりすることもあるために、さらに複雑になる。したがって、企業の信用を監視、分析するためにはより多くのリソースが必要となる。Dun & Bradstreetなどの会社は、企業の信用を監視して定量化している。企業クレジット報告が、Dun & Bradstreet社その他の企業クレジット報告会社から購入可能である。これら情報の販売は、数十億ドルの売り上げを上げる産業となっている。

一部の企業の需要には重要であるが、企業の信用は、小さな企業の日々の成功を判断するためには重要ではない場合も多い。たとえば、あるクライアントが、小さな企業から購入したあるサービスまたは製品に満足しているかは、このクライアントが常連客になるか、または他の人にこの企業を推薦するかを判断するために重要である。満足しているクライアントが相当数いることが、小さな企業の宣伝効果を高め、この企業の成長、成功、および利益をもたらす。逆に、不満をもつクライアントが相当数いると、小さな企業の失敗につながる。したがって小さな企業の成功は、その企業の信用よりも、成された好意および良い評判を用いるほうが、確実な予測ができる。小さな企業の日々の操業に影響をもつ、成された好意、評判、満足度、およびその他の類似する基準を、ここでは「信用」と称することにする。

現在は、小さな企業を正確かつ迅速に信用を見極めるサービスが存在していない。一部の小さな企業は調査を行っている。また、様々な媒体を参照して、自社の信用を確かめようとしている小さな企業も存在している。媒体には、新聞および雑誌の批評欄、インターネットのサイト（たとえばwww.yelp.com、www.citysearch.com）に載せられたクライアントの批評欄、および、商事改善協会に電話で寄せられた苦情等が数例として含まれる。自身の信用をこのようなやり方で理解しようとするやり方は、小さな企業にとっては、非常に時間もかかり、不正確で、困難である。したがって小さな企業は、自身の信用に影響する要素を理解することができず、その結果、この課題に直接対処することができていない。

したがって、複数の情報源および媒体を利用して企業の信用を監視して、企業の信用の正確な報告を提供する、という需要が存在している。さらには、企業の信用を理解しやすく、利用しやすい形で提供するために、信用情報を定量化して、複数の文字の批評欄またはコメントを読むことなく信用を特定することができるようにする必要もある。さらには、信用を全ての企業間で標準化して、信用データの偏った、または一貫性のない解釈に基づいて信用を導き出さないようにする必要もある。またさらに、企業が自身の信用を向上させることができる手段、リソース、および情報を提供する必要がある。

本発明の目的の１つは、定量的データおよび定性的データを含む様々なデータソースおよび信用データに基づいて、企業の信用を定量化可能に表すための標準化されたスコアの形態で、有形資産を生成する方法、システム、およびコンピュータソフトウェアプロダクトを定義することである。さらなる目的は、信用スコアを信用データとともに利用して、成功したビジネス手法、事業の成功を阻んだビジネス手法、顧客の望む改善点（ここに将来有望なビジネス機会がある）、将来の成長および企業の成功のために改善することができる変更点、を判断することができる報告の形態で別個に有形資産を提供して、企業の信用スコアを向上させることである。

したがって、一部の実施形態は、信用をスコアリングして報告するシステムおよび方法を提供する。信用をスコアリングして報告するシステムは、マスターデータマネージャ、データベース、報告エンジン、およびインタフェースポータルを含む。マスターデータは、定量的または定性的信用データを、複数のデータソースから合計して、合計されたデータを、データが関連している適切な企業エンティティにマッチングする。報告エンジンは、自然言語処理を定性的信用データに行い、定性的信用データを、定性的信用データを定量化可能に表す数値尺度に変換する。定量的尺度および信用データは、次にフィルタリングされて、異常なものを取り除き、適宜重み付けを調節して、定量的尺度を正規化する。特定の企業エンティティに対して、報告エンジンは、特定の企業エンティティに関する定量的尺度を、１つの信用スコアにコンパイルする。一部の実施形態では、信用報告が、関連する信用データを利用して信用スコアを導出する方法を詳述するために生成される。一部の実施形態では、信用報告がさらに、自身の信用スコアに基づいて向上可能なアクションを示す。インタフェースポータルを利用することで、企業および個人は、信用スコアおよび／または信用報告を購入して、見ることができ、同時に、信用をスコアリングして報告するシステムに参加して、交信することができる。具体的には、ユーザは、信用データを提出して、信用データと不正確な企業エンティティとのマッチングの誤りを正すことができる。

本発明の本質をよりよく理解するために、信用をスコアリングして報告するシステムおよび方法の好適な実施形態を、例として、添付図面を参照しながら記載する。

一部の実施形態における信用スコアおよび信用報告を生成するべく、信用をスコアリングして報告するシステムが実行するプロセスを示す。

一部の実施形態における信用をスコアリングして報告するシステムの一部のコンポーネントを示す。

一部の実施形態におけるマスターデータマネージャのコンポーネントを示す。

一部の実施形態のマスターデータマネージャが実行するマッチングプロセスのフロー図を示す。

信用スコアリング情報を格納するデータ構造の一例を示す。

一部の実施形態における信用スコアおよび信用報告を生成する報告エンジンの一部のコンポーネントを示す。

一部の実施形態における、テキストの数量詞と修飾対象物との間の関係を特定するＮＬＰエンジンが実行するプロセスを示す。

一部の実施形態における、テキストの数量詞および修飾対象物の対を特定する。

一部の実施形態において、定量的信用データから定量的尺度を導出するプロセスを示す。

一部の実施形態において、特定したテキストの数量詞および修飾対象物の対の、値のスケールの具体的な値へのマッピングを示す。

一部の実施形態において、スコアフィルタが、定量的尺度および信用データをフィルタリングするプロセスを示す。

一部の実施形態における、インタフェースポータル内の信用報告ウィンドウを示す。

一部の実施形態における、別の信用報告ビュアーを示す。

一部の実施形態が実装されるコンピュータシステムを示す。

以下の記載では、信用をスコアリングして報告するシステムおよび方法の様々な詳細、例、および実施形態を記載し、説明している。当業者であれば、本開示に照らして、システムおよび方法が、記載されている実施形態に限定されず、システムよび方法が、記載されている詳細および例の一部がなくても実施可能であることを理解する。さらに、参照は添付図面に示されており、これらは、本発明を実施可能な具体的な実施形態を示している。しかし実施形態の範囲から逸脱せずに、他の実施形態を利用したり、構造上の変更を加えたりすることも可能である点を理解されたい。

Ｉ．概略

小さな企業では、企業の信用が、成功したビジネス手法、事業の成功を阻んだビジネス手法、顧客の望む改善点（ここに将来有望なビジネス機会がある）、将来の成長および企業の成功のために改善することができる変更点を特定するために利用可能な貴重な資産である。今日では、企業の信用は、様々なランキングシステムを用いて企業に関する様々な係数を選択的に計測する定性的データおよび標準化されていない定量的な尺度に存在している。しかし、信用データは、その定性的または非標準的な性質によって、無形資産になっており、ベースラインの計測基準が存在せず、相互比較を行うことができず、個々で偏りがあり、情報が乏しいことにより、情報の関連性がない。この結果、企業（特に小さな企業）は、市場で自身の信用を効果的に判断したり評価したりすることができず、将来に向けた戦略的決定を誤ることがある。

これらおよびその他の課題を解決して、企業の信用を定量化可能に表す有形資産を提供するために、一部の実施形態では、信用をスコアリングして報告するシステムが提供される。信用をスコアリングして報告するシステムは、複数のデータソースから合計されたデータに基づいて企業の信用を定量化可能に表し、標準化された信用スコアを生成するが、この標準化された信用スコアは、信用を、同じシステムおよび方法で導出した競合他社の信用スコアと比較分析することができる、認識の容易なスコアとして提示することができる。一部の実施形態では、信用をスコアリングして報告するシステムは、各企業の信用スコアの導出について詳述した信用報告を生成する。より詳しくは、信用報告は、ある企業が、成功したビジネス手法、事業の成功を阻んだビジネス手法、顧客の望む改善点（ここに将来有望なビジネス機会がある）、将来の成長および企業の成功のために改善することができる変更点を特定するための１つの手段となる。

図１は、一部の実施形態において、信用をスコアリングして報告するシステムが、信用スコアおよび信用報告を生成する際に実行するプロセス１００を提示している。プロセスは、１１０で、複数のデータソースから定性的および定量的信用データを合計することから始まる。これには、パートナーのフィード（feeds）、ファイル、および手動入力によって、様々なオンラインおよびオフラインデータソースからデータを収集することが含まれる。プロセスは、１２０で、合計されたデータを適切な企業にマッチングする。各企業にマッチングされたデータは、１３０で分析され、定量的信用データから定性的信用データを特定する。プロセスは、１４０で、定性的信用データに自然言語処理を行い、定性的信用データを定量的尺度に変換する。このようにして得られた定性的信用データについての定量可能な尺度、およびその他の合計された定量的信用データを、次に、スコアフィルタに送り、スコアフィルタは、１５０で、異常な、および偏っている信用データの定量尺度を修正して、定量的尺度を正規化する。プロセスは、１６０で、残りの正規化された定量的尺度をコンパイルして、信用スコアを生成する。

信用スコアは、ある企業の信用を正確に表している、というのも、（ｉ）信用スコアが、様々なデータソースからのデータを用いて計算されているので、いずれか１つのデータソースに依存したり、偏って影響されたりせず、（ｉｉ）信用データが、定性的信用データの解釈からの個々の偏りをなくすアルゴリズムを用いて処理され、（ｉｉｉ）信用データが、偏った信用データを削除しつつ、様々な定量的尺度を正規化するフィルタを用いて処理され、（ｉｖ）同じ方法および一貫したアルゴリズムのセットを利用して、複数の企業の信用スコアを生成することで、生成される信用スコアが、標準化され、ある企業の信用が、他の競合他社（other competitors or businesses）の信用スコアに比較してどの程度のランクかを判断するための比較分析を行うことができるからである。この結果、信用スコアは、自身の信用を理解したいと思う企業に対して、有形の資産として販売することができる。

一部の実施形態では、プロセスはさらに、１７０で、自身の信用スコアを導出について理解して、自身の信用スコアを向上させる方法を探っている企業に対して、別個の有形資産として、信用報告を生成する。一部の実施形態では、信用報告は、関連性のある信用データを提示して、信用スコアの導出法を特定する。一部の実施形態では、信用報告は、さらに、自身の信用スコアに基づいて企業を向上させるためのアクションを示唆する。

一部の実施形態は、企業および個人が、信用スコアおよび／または信用報告を購入して読むことができるインタフェースポータルを提供する。これら資産（つまり信用スコアおよび信用報告）を利用して、企業は、正確かつ対象の絞られた企業目的を作成することができ、これをもって、自身の信用を高め、より重要なこことは、将来の成長および成功の可能性を高めることができるようになる。個人および企業はさらに、他の企業の信用スコアにアクセスすることもできるようになる。信用スコアをこのように利用すると、クライアントを信用できる企業へと導くことができ、顧客満足度の低い企業をクライアントが利用しないようにすることもできる。さらに、信用スコアは、特定の企業が、将来の営業取引において、提携したい、または、協力関係を築きたいと望む企業を特定するためにも利用可能であってよい。さらに、企業側には、クライアントおよび提携先企業が、特定の企業と取引を考えているときにこの信用スコアを見る可能性があることから、信用スコアを向上させたいという動機づけがある。

ポータルはさらに、信用スコアリングプロセスに企業が直接関与するための手段としても機能する。具体的には、このインタフェースポータルを利用して、企業は、これを利用しなければデータソースからは入手できなかった関連する信用データを提出したり、信用データのマッチングミスを正したりすることができる。

ＩＩ．信用をスコアリングして報告するシステム

図２は、一部の実施形態の信用をスコアリングして報告するシステム２０５のコンポーネントを示す。信用スコアおよび報告システム２０５は、（１）マスターデータマネージャ２１０、（２）データベース２２０、（３）報告エンジン２３０、および、（４）インタフェースポータル２４０を含む。当業者であれば本記載をみて理解することであるが、信用スコアおよび報告システム２０５は、図２に列挙されたコンポーネントに加えて、またはこれらの代わりに、他のコンポーネントを含んでもよい。図２のコンポーネント２１０−２４０は、包括的なリストを意図しているわけではなく、例示および記載目的からあくまで例であるコンポーネントのセットとして提示されている。システム２０５全体は、モジュール式プラグインコンポーネントで設計されており、既存のコンポーネントまたは機能を修正することなく、新たなコンポーネントまたは向上した機能をシステム２０５全体に組み込むことが可能である。

Ａ．マスターデータマネージャ

現在、企業は、特定のデータソースからの信用データを分析して、他者が自身についてどう言っているかをみて自身の信用を判断することが可能である。このようにして得られた信用は、多くの点で欠点が多い。最初に、１またはいくつかのデータソースから導出された信用は、このように少ないデータソースからは、信用の十分なサンプリングが得られないので、欠点がある。例えば、特定の企業の２つの否定的な見解のみを含むサイトは、この特定の企業が数千人の個人に日々サービス提供をしている場合には、この特定の企業の信用を正確に表していない。さらに、これらデータソースの１以上が、企業の信用に偏って影響を与える偏ったデータまたは古いデータを有している場合がある。第２に、１またはいくつかのデータソースから導出された信用は、各データソースが、その企業の特定の側面に関する情報を含んでいる場合があるために、欠点がある。したがい、これら少ない数のソースから導出した信用は、その企業の全体を考慮していないので、誤ったものとなる場合がある。信用に欠点がある第３の理由は、全ての企業、競合会社間、または特定の産業（field of business）で比較対照されていないということである。例えば、批判的な批評において、第１の企業「パフォーマンスが悪い」とされ、第２の企業が「パフォーマンスが非常に悪い」とされているとする。別個に見ると、この企業はそれぞれ、信用が悪いと分類される。しかし、比較分析をすると、第１の企業は、第２の企業よりも信用面で良好であると分類することもできる。第４に、別の批評欄またはデータソースからの信用データは、標準化されていないので、信用データは、別の解釈および個々の偏りを避けられない。例えば、同じ企業がwww.yelp. Comでは５中３のランクであると、www.zagat.com.での、３０中２６のランクに相当する、と判断するのは難しい。同様に、第１の企業のサービスを「良好」とする批評は、第１の企業によって、成功している、または好意的な批評と解釈されるが、第２の企業のサービスに対する同じ「良好」という批評は、第２の企業によって、まあまあの批評であり、向上の余地があると捉えられる場合もある。

企業の信用を導き出す際のこれらおよびその他の課題を解決するべく、一部の実施形態では、複数のデータソース２５０とインタフェースして、これらソース２５０から、定期的または継続的な間隔で関連性のある信用データを自動取得するマスターデータマネージャ２１０を提供する。これに際して、マスターデータマネージャ２１０は、サンプルサイズが不十分であったり、データが古かったり、比較するデータがなかったりすることにより生じる欠点をなくす。

図３は、一部の実施形態におけるマスターデータマネージャ２１０のコンポーネントを示す。マスターデータマネージャ２１０は、様々なプラグインインタフェースモジュール３１０（プラグイン３２０を含む）、マッチングプロセス３３０、および、一組のマッチングアルゴリズム３４０を格納するデータベースを含む。マスターデータマネージャ２１０に対するアクセスは、図２のインタフェースポータル２４０によって提供される。

マスターデータマネージャ２１０は、プラグインインタフェースモジュール３１０（３２０を含む）を通じて、および、インタフェースポータル２４０を通じて、様々なデータソースからデータを合計する。各プラグインインタフェースモジュール３１０は、１以上のデータソースから信用データを抽出するためにこれらデータソースと自動的にインタフェースするよう構成されている。一部の実施形態では、各プラグインインタフェースモジュール３１０が、通信プロトコル、スクリプト、およびアカウント情報で構成され、１以上のデータソースにアクセスする。加えて、プラグインインタフェースモジュール３１０は、データクロール機能で構成され、１以上のデータソースから信用データを抽出する。あるプラグインデータモジュールは、特定のデータソースをナビゲートして、信用データを発見する。一例では、マスターデータマネージャ２１０が、www.yelp.com.のウェブサイトへのプラグインインタフェースモジュール３２０を含んでいる。このインタフェースモジュール３２０は、www.yelp.comのウェブサイトにアクセスしてするためのアカウント情報と、このウェブサイトから企業信用データを直接スキャン、抽出するデータクローラスクリプトとにより構成されてよい。一部の実施形態では、データソースとの間で提携契約を結ぶことで、プラグインインタフェースモジュールが直接データソースの１以上のデータベースとインタフェースして、信用データを抽出することができる。

抽出された信用データには、１以上の企業に関する定性的データおよび定量的データが含まれている。定性的データには、一部の例として、顧客および専門家による批評データ、ブログの内容、および、ソーシャルメディアコンテンツが含まれる。様々な企業に関する定性的データが含まれる一部のデータソースには、www.yelp. com, www.citysearch. com, www.zagat. com, www.gayot. com, www.facebook. com, and www.twitter. com.といったインターネットウェブサイトが挙げられる。したがって、マスターデータマネージャ２１０の一部の実施形態には、これらサイトそれぞれから信用データを抽出するために、異なるプラグインインタフェースモジュール３１０が含まれている。定量的データは、企業クレジット（business credit）、他の企業情報（たとえばアドレス、電話番号、ウェブサイト等）、および、一部のスケール、ランキング、および格付けを用いて定量化可能に表される信用データを含む。定量的データソースの例として、Dun & Bradstreetおよび商事改善協会(BBB)が含まれる。一部の定性的データソースも、定量的信用データを含んでよい。例えば、www.yelp. comは、テキスト形式の批評およびコメントの形態の定性的データ、および、０から５の格付けシステムの形態の定量的データを含んでいる。マスターデータマネージャ２１０の一部の実施形態には、定量的データソースから定量的データを抽出するプラグインインタフェースモジュール３１０が含まれる。

プラグインインタフェースモジュール３１０によって、新たなデータソースからのデータを、他のプラグインインタフェースモジュール３１０の機能を変更せずに、マスターデータマネージャ２１０に統合することができるようになる。このモジュール方式によって、データソースの追加、または新たなデータソースが望ましい場合に、システムの拡大縮小が容易になる。さらに、プラグインインタフェースモジュール３１０によって、信用データを自動的かつ継続的にこれら様々なデータソースから取得することが可能になる。一部の実施形態では、合計されたデータは、コピーされたテキスト、ファイル、フィード、データベースのレコード、およびその他のデジタルコンテンツを含む。

定性的データおよび定量的データは、さらに、印刷出版物（たとえば新聞または雑誌記事）、テレビの批評、またはラジオの批評等の他の媒体から合計されてもよい。一部の実施形態では、データソースは、インタフェースポータル２４０にアクセスして、自身のデータをマスターデータマネージャ２１０に直接提供することができる。例えば、出版社が関連性のある雑誌記事をアップロードまたはスキャンして、インターネットポータル２４０経由で提出することもできる。出版物および記録（recordings）はメールで提出されてもよい。出版社がこのような情報を提出する動機づけとして、提出すれば、出版社を宣伝する、としてもよい。具体的には、一部の実施形態で、提出された出版物が、実際に生成された信用報告に含められるたびに、宣伝量を増やす、といったことが考えられる。

信用データは、企業によってマスターデータマネージャ２１０に直接提出されてもよい。これは、様々なデータソースが感知していない、または無視してきた小さな企業にとっては有利である。具体的には、信用データが、企業のオーナによってインタフェースポータル２４０経由で提出されてよく、このデータは、データが利用可能になるとすぐに、信用スコアおよび信用報告に含められてよい。このようにすると、企業は直接、信用データ合計プロセスに関与することができ、この企業に関する信用データをマスターデータマネージャ２１０に提供する際に、他のデータソースに依存する必要がなくなる。たとえば、ロサンジェルス郡健康局は、グレードＡ、Ｂ、およびＣの健康格付けシステムをレストランに対して行っている。レストランが新たな格付けを受けると、レストランの企業オーナは、第三者データソースがそうする前に、インタフェースポータル２４０経由で新たな格付けをマスターデータマネージャ２１０に提出することができる。提出は、ウェブページ経由で、提出者が自身を名乗り、データをテキスト形式で入力またはファイル形式で提出する形態であってよい。

マスターデータマネージャ２１０は、プラグインモジュール３１０を利用して合計されるデータ、および、インタフェースポータル２４０経由で提出されたデータに対して、データが関連している企業を特定する１以上の識別子をタグ付する。一部の実施形態では、識別子には、名称、名称の読み方（phonetic name）、住所、固有識別子、電話番号、電子メールアドレス、およびＵＲＬが、一部の例として含まれている。自動的に合計された信用データについては、プラグインモジュール３１０は、合計された信用データに、なんでもいいので、データソースの信用データに関する識別子をタグ付しておく。例えば、www.yelp. comサイトは、企業の連絡先情報（たとえば名称、住所、電話番号、ウェブサイト等）を含むページの特定の企業で、批評およびランキング（つまり信用データ）を分類しておく。インタフェースポータル２４０経由で提出された信用データについては、提出者は、まず、提出者が送信する信用データにタグ付される様々な識別子を含むユーザアカウントを作成する必要がある。

場合によって、タグ付けされる識別子が、データが関連している企業を一意にまたは正確に識別しない場合もある。これは、企業が、複数の異なる名称、電話番号、住所、ＵＬＲ等で操業している場合に生じうる。したがってマスターデータマネージャ２１０は、マッチングアルゴリズムデータベース３４０のうちの１セットのマッチングアルゴリズムを利用して、合計されたデータを、適切な企業にマッチングさせるマッチングプロセス３３０を含む。さらにデータマッチングの整合性および品質を高めるために、一部の実施形態では、企業オーナおよび共同体に、マッチングプロセス３３０に参加することを許可する。

図４は、一部の実施形態のマスターデータマネージャが実行するマッチングプロセス３３０のフロー図を示す。マッチングプロセス３３０は、タグ付けされた信用データ４１０、自動マッチングプロセス４２０、第１のデータベース４３０、第２のデータベース４４０、インタフェースポータル２４０、オーナ４７０、ユーザ共同体４８０、補正プロセス４９０、およびマッチングアルゴリズムデータベース３４０に関している。

マッチングプロセス３３０は、タグ付された信用データ４１０が自動マッチングプロセス４２０に渡されると開始される。自動マッチングプロセス４２０は、信用データ４１０を適切な企業にマッチングするために、マッチングアルゴリズムデータベース３４０からの様々なマッチングアルゴリズムを利用する。具体的には、信用データ４１０が、適切な企業を一意に識別する識別子に関連付けられている。マッチングを行うとき、信用データは、信用データがマッチングした企業の固有識別子を利用して第１のデータベース４３０に格納される。一部の実施形態では、第１のデータベース４３０が、図２のデータベース２２０である。一部の実施形態では、固有識別子は、信用識別子と称される。後述するが、信用識別子は、企業を識別する１以上の数字または英数字である。

データを適切な企業にマッチングすることに加えて、自動マッチングプロセス４２０は、さらに、名称の標準化および認証、アドレスの標準化および認証、名称の読み方のマッチング、設定可能なマッチングの重み、および多重パスエラーによる処理保留となることを低減すること（multi-pass error suspense reduction）を実行してよい。一部の実施形態では、自動マッチングプロセス４２０が、所有権、提携関係、その他の関係が停止された場合、複数の企業リストを互いにマッチングさせる他のマッチングアルゴリズムを実行する。例えば、自動マッチングプロセス４２０は、ニューヨークのＡｃｍｅ Ｓｔｏｒｅが、フィラデルフィア州のＡｃｍｅ Ｓｔｏｒｅと同じ企業であるかを判断したり、Ａｃｍｅの綴りにおける変形（たとえば"Acme", "Acmi", "Akme", "Ackme"など）が、同じ企業であるか異なる企業であるかを判断したり、また、Ａｃｍｅ Ｓｔｏｒｅ、Ａｃｍｅ Ｃｏｒｐｏｒａｔｉｏｎ、およびＡｃｍｅ Ｉｎｃ．が、同じ企業であるか異なる企業であるかを判断したりする。このマッチングは、デジタルのエンティティ（つまりオンラインのエンティティ）と現実のエンティティとの両方で企業の信用を確かめようとするときに特に重要である。例えば、オフラインのクレジットデータが、「Ａｃｍｅ Ｃｏｒｐｏｒａｔｉｏｎ」という名称の企業エンティティに関連付けられていて、同じ企業が、「Ａｃｍｅ Ｐｉｚｚａ Ｓｈｏｐ」という名称に関連付けられているような場合がある。

しかし、マッチングプロセス３３０は、タグに、正確なまたは適したマッチングを見つけるための十分な情報がない場合には、信用データの一部を企業に自動マッチングさせることができない。マッチングされない信用データは、第２のデータベース４４０に格納される。第２のデータベース４４０は、マッチングされなかった信用データを、破棄まで、オーナ４７０が手動でマッチングするまで、または共同体４８０のユーザが手動でマッチングするまで、一時的に保管する領域である。

図２のインタフェースポータル２４０は、企業オーナ４７０およびユーザ共同体４８０が、マッチングプロセス３３０に参加することを許可する。一部の実施形態では、インタフェースポータル２４０が、企業オーナ４７０が、マッチングプロセス３３０およびデータベース４３０および４４０にアクセスする際に利用するウェブサイトである。インタフェースポータル２４０経由で、企業のオーナ４７０は、自身のアカウントに入り（claim their accounts）、その後で、マッチングの誤りを制御して、身元詐称を検知して、自身の信用スコアの整合性を監視することができる。具体的には、オーナ４７０は、第１のデータベース４３０におけるマッチングエラーを特定して、第２のデータベースで止められている信用データのマッチングを確認、拒絶、または示唆することができる。インタフェースポータル２４０によって、企業オーナ４７０は、リアルタイムに信用にまつわる問題を解決することができる。一部の実施形態では、企業オーナ４７０は、信用をスコアリングして報告するシステムの企業オーナのアカウントにアクセスを許可されている企業のエージェントまたは代理人を含む。

一部の実施形態では、インタフェースポータル２４０は、さらに、ユーザに、プラグイン経由のマッチングプロセス３３０へのアクセスを提供する。プラグインは、企業信用データがありさえすればどのウェブサイトでも利用可能である。一部の実施形態では、プラグインは、信用データ供給者のバックエンドを、信用をスコアリングして報告するシステムに途切れなく統合することを希望する外部ウェブサイト用のものである。このようにすると、企業は、信用データ自身の批評を所有および管理することができ、その企業のウェブサイトが、プラグインを、企業批評プロバイダとして利用することができる。こうすると、参加している全ての第三者ウェブサイトで一つの信用ソースを作成することができる。したがって、その共同体のユーザ４８０または企業オーナ４７０が、不正確なマッチングを見つけたり、信用データの問題を発見したりすると、プラグインを利用してデータに交信することができる。こうすることで、共同体４８０が交信して、他のユーザによるマッチング結果の向上を促す。こうすると、企業批評データを、オーナと共同体のユーザとの間の相互連携に転用（transform）することもできるようになる。

不適切なマッチングに、見直しを要請するためのフラグが立てられ、新たなマッチングが示唆されると、補正プロセス４９０に送られて、検証される。一部の実施形態では、補正プロセス４９０は、自動補正検証および手動補正検証を含む。自動補正検証は、フラグを立てられた信用データを、既知の企業アカウント情報または特定の企業にマッチングしているその他の信用データと比較することで実行することができる。承認された補正は、第１のデータベース４３０に入力される。承認されなかった補正は無視される。

一部の実施形態では、調節を行い、承認された補正に基づいて、マッチングアルゴリズムデータベース３４０のマッチングアルゴリズムのマッチング精度を向上させてよい。このようにすると、マッチングプロセス３３０は、前の誤りから学び、将来のマッチング精度を向上させるようにアルゴリズムを変更することができるようになる。

Ｂ．データベース

図２に戻ると、データベース２２０は、各企業の信用スコアリングに関する様々な情報を、その企業に割り当てられている固有識別子を利用して格納する。図５は、信用スコアリング情報を格納するデータ構造の一例を示す。データ構造５１０は、固有識別子５１５、連絡先エレメント５２０、信用エレメント５３０、および、エンティティエレメント５４０を含む。

前述したように、固有識別子５１５は、一意に各企業エンティティを識別する。連絡先エレメント５２０は、合計されタグ付されている信用データを特定の企業にマッチングするために利用される、１つの企業を特定するための１以上の名称、住所、識別子、電話番号、電子メールアドレス、およびＵＬＲを格納している。信用フィールド５３０は、合計されマッチングされた定性的および定量的信用データを格納する。加えて、信用フィールド５３０が、データ構造５１０の固有識別子５１５にリンクされている、生成された信用スコアおよび信用報告を格納していてよい。エンティティエレメント５４０は、企業情報、個人情報、および関係情報を特定する。企業情報は、企業クレジット、財務情報、供給者、下請け業者、およびDun & Bradstreet等の会社から提供される他の情報を含んでよい。個々の情報は、企業に関連付けられている個人を特定する。関係情報は、企業および様々な企業組織または構造における個人の役割を特定する。個人情報は、マッチングプロセスを助ける目的から、および、信用スコアに影響を与える要素として含められていてよい。例えば、成長している成功している企業の証明されているレコードの幹部は、特定の企業の信用スコアを向上させることができ、経験の少ない責任者または斜陽企業の幹部は、企業の信用スコアに対して悪影響を与える場合がある。

論理的には、データベース２２０が、図４のデータベース４３０および４４０、並びに、図面および本文書で言及されている他のデータベースを含んでよい。物理的には、データベース２２０は、１つの物理的な位置にある、または様々な地理的領域に分散されている１以上の物理的格納サーバを含んでよい。格納サーバは、１以上のプロセッサ、ネットワーキングされている通信用のネットワークインタフェース、およびＲＡＭ、固体ディスクドライブ、または磁気ディスクドライブ等の揮発性および／または不揮発性コンピュータ可読記憶媒体を含んでよい。

Ｃ．報告エンジン

報告エンジン２３０は、データベース２２０にアクセスして信用データを得るが、信用データから、様々な企業の信用スコアおよび信用報告が導出される。一部の実施形態では、報告エンジン２３０が、ある企業の信用スコアおよび報告が前に生成された、信用データが変更された、または新たな信用データがデータベース２２０で利用可能になったときに、前に生成されたスコアおよび報告を更新する。図６は、一部の実施形態における信用スコアおよび信用報告を生成する報告エンジン２３０の一部のコンポーネントを示す。報告エンジン２３０は、データ分析器６１０、自然言語処理（ＮＬＰ）エンジン６２０、スコアリングエンジン６２５、スコアフィルタ６３０、信用スコア合計器６４０、および報告生成器６５０を含む。一部の実施形態では、報告エンジン２３０およびその様々なコンポーネント６１０−６５０は、コンピュータ命令セットを実行する一組のスクリプトまたはマシン実装されたプロセスとして実装される。

ｉ．データ分析器

データ分析器６１０は、データベース２２０とインタフェースして、１以上の企業に対して合計した信用データを得る。上述したように、特定の企業用の信用データは、固有識別子を利用してデータベース２２０に格納される。したがってデータ分析器６１０は、信用スコアおよび報告を生成した１つの固有識別子または固有識別子のリストを提供される。固有識別子のリストは、システムアドミニストレータにより提供されても、インタフェースポータルが提出する要求に基づいてオンザフライで生成されてもよい。データ分析器６１０は、固有識別子を利用して、データベース２２０から関連するデータを取得する。

ひとたび特定の企業の信用データがデータベース２２０から取得されると、データ分析器６１０は、その信用データを分析して、定量的信用データから定性的信用データを特定する。前述したように、信用データは、定性的信用データおよび定量的信用データを両方とも含んでいる場合がある。この場合、データ分析器６１０は、信用データを分割して、定性的データ部分と定量的データ部分とに分ける。

データ分析器６１０は、パターンマッチング技術および文字分析を利用して、定性的信用データを定量的信用データから分ける。定性的信用データには、量で示されないデータ、数値で表されないデータ、または、主観的なデータが含まれる。www.yelp. com、www.citysearch. com等のサイトから得たテキストベースの批評およびコメントが、定性的データの例である。データ分析器６１０は、これらテキストベースの批評を特定して、これらを、定性的信用データに分類する。データ分析器６１０は、特定した定性的データをＮＬＰエンジン６２０およびスコアリングエンジン６２５に送り、定量的尺度に変換させる。

この逆に、定量的データには、量で示されているデータ、定量化可能に表されているデータ、または、客観的なデータが含まれる。有界のスケール（０−５つの星）に定められた企業クレジットスコア、格付け、またはランキングが、定量的データの例である。したがってデータ分析器６１０は、これらスコア、格付け、およびランキングを、定量的信用データとして特定する。データ分析器６１０は、特定した定量的データをスコアフィルタ６３０に送る。

ｉｉ．ＮＬＰエンジン

一部の実施形態では、ＮＬＰエンジン６２０が、定性的信用データに関係特定を実行する。具体的には、ＮＬＰエンジン６２０は、（ｉ）テキスト数量詞と（ｉｉ）修飾対象物との間の関係を特定する。

一部の実施形態では、テキスト数量詞は、形容詞またはその他の単語、フレーズ、およびシンボルを含み、これによって定量的な尺度を導出することができる。これには、正または負の程度を連想させるような単語、フレーズ、またはシンボルが含まれる。「良好」「非常に良好」「すてき」「素晴らしい」「最高」という一組の単語は、異なる程度ではあるが、同様の意味を連想させる。テキスト数量詞は、異なる程度の同等の形容詞が存在する場合もしない場合もある形容詞（たとえば「助かる」「知識がある」「礼儀が正しい」「丁寧な」「高価な」「壊れている」「怠慢な」）も含む。上述したリストは、テキスト数量詞の幾つかの例であり、包括的なリストを意図しているわけではない。テキスト数量詞の完全なリストは、ＮＬＰエンジン６２０がアクセスするデータベースに格納されている。このようにして、ＮＬＰエンジン６２０は、必要に応じて、新しいまたは異なるテキスト数量詞を特定するよう縮小拡大することができる。

一部の実施形態では、修飾対象物に、企業のある側面に関しており、１以上のテキスト数量詞により修飾される用語、フレーズ、またはシンボルが含まれる。いいかえると、修飾対象物は、テキスト数量詞に文脈を提供する。たとえば、「Ａｃｍｅ Ｓｔｏｒｅにおける私の体験全般は良かったですが、サービスは悪かったです」という文言は、「良い」と「悪い」という２つのテキスト数量詞を含んでおり、「体験全般」および「サービス」という２つの修飾対象物を含んでいる。最初の修飾対象物である「体験全般」は、「良好な」というテキスト数量詞で修飾されている。第２の修飾対象物である「サービス」は、「悪い」というテキスト数量詞で修飾されている。一部の実施形態では、修飾対象物の完全なリストを、ＮＬＰエンジンがアクセスするデータベースに格納する。加えて、文法法則およびその他の修飾対象物の特定法則をデータベースに格納しておき、ＮＬＰエンジンにより利用されて、様々なテキスト数量詞により修飾される対象物が特定されてもよい。

図７は、一部の実施形態における、テキストの数量詞と修飾対象物との間の関係を特定するＮＬＰエンジン６２０が実行するプロセス７００を示す。プロセス７００は、ＮＬＰエンジン６２０が、７１０で、データ分析器６１０から定性的信用データを受信することから始まる。プロセスは、７２０で、そのなかのテキスト数量詞を特定するために、信用データによって最初のパスを実行する。第２のパスにおいて、プロセスは、７３０で、各テキスト数量詞の修飾対象物の特定を試みる。マッチングされなかったテキスト数量詞、または、企業のある側面に関連しない対象物にマッチングしたテキスト数量詞は破棄する。マッチングした対は、７４０でスコアリングエンジン６２５に渡されて、定量的尺度に変換されて、プロセス７００が終了する。他の自然言語処理を定量的信用データに実行して、これらデータからの定量的尺度の導出を助けたり、ＮＬＰエンジン６２０が、他の類似する処理を利用したりすることもできることは明らかであろう。

図８は、一部の実施形態における、テキストの数量詞および修飾対象物の対を特定する。この図は、企業批評という形態の定量的信用データ８１０を示している。批評は、テキストで企業における様々な体験を示している。ＮＬＰエンジン６２０に処理を受けさせるべく渡されると、信用データのテキスト数量詞および修飾対象物が特定される。この図では、テキスト数量詞が、矩形ボックス（たとえば８２０）を用いて示されており、修飾対象物（８３０）が、丸印で示されている。

ｉｉｉ．スコアリングエンジン

ＮＬＰエンジン６２０は、テキスト数量詞と修飾対象物とのマッチングした対をスコアリングエンジン６２５に送る。スコアリングエンジン６２５は、各対を定量的尺度に変換する。図９は、一部の実施形態において、定量的信用データから定量的尺度を導出するプロセス９００を示す。プロセス９００は、スコアリングエンジン６２５が、ＮＬＰエンジン６２０から、特定されたテキスト数量詞と修飾対象物との対をもつ、定性的信用データを受信する。

プロセスは、９１０で、第１の特定されたテキスト数量詞と修飾対象物との対を選択する。選択された対の修飾対象物に基づいて、プロセスは、９２０で、定量的な値のスケールを特定する。一部の実施形態では、値のスケールが、特定の修飾対象物に起因した重み付けを決定する。一部の修飾対象物は、他のものよりも重み付けを大きくされて、信用スコアに対する影響力が強められる。例えば、「Ａｃｍｅ Ｓｔｏｒｅにおける私の体験全般は良かったですが、サービスは悪かったです」という文言であれば、「サービス」は企業の信用の１つの側面のみに関しているが、「体験全般」は企業の信用全般に関わることなので、「サービス」という修飾対象物よりも、「体験全般」という修飾対象物に大きな重み付けをする。一部の実施形態では、プロセスが、修飾対象物を、修飾対象物に関する対応する値のスケールを特定するテーブルのインデックスまたはハッシュとして利用される。

次に、９３０で、プロセスは、特定された対から得たテキスト数量詞を、特定された値のスケールの特定の値にマッピングして、定量的尺度を導出する。一部の実施形態では、マッピングは、テキスト数量詞および値のスケールが入力として提供されたときに、特定の値を出力する変換公式とともに実行される。一部の他の実施形態では、テキスト数量詞は、第１の値をマッピングして、この第１の値が、次に、修飾対象物が特定する値のスケールに従って調節される。たとえば、「良好」「非常に良好」「すてき」「素晴らしい」「最高」という一組の単語は、０−１０の調節されていないスケールにおける、値６、７、８、９、１０にそれぞれマッピングされる。「すてき」というテキスト数量詞と対になっている修飾対象物は、０−１００の範囲の値のスケールを特定してもよい。したがって、テキスト数量詞（８）に関連付けられている値が、特定された値のスケールの８０に調節される。

プロセスは、９４０で、信用データに関して、他の特定されたテキスト数量詞および修飾対象物の対があるかを判断する。もしあれば、プロセスはステップ９１０に戻り、次の対を選択する。もしなければ、プロセスは、９５０で、関連する信用データとともにマッピングされた値を、スコアフィルタ６３０に渡し、プロセス９００が終了する。

図１０は、一部の実施形態において、特定したテキストの数量詞および修飾対象物の対の、値のスケールの具体的な値へのマッピングを示す。示されているように、各特定されたテキスト数量詞および修飾対象物の対において、値のスケール（たとえば１０１０および１０２０）が特定され、修飾対象物の、信用スコア全体に対する相対的な重み付けまたは重要性が表される。例えば、値のスケール１０１０は、０−２０の範囲であり、値の範囲１０２０は、０−３の範囲である。これは、値のスケール１０１０に関連付けられている修飾対象物が、信用スコアにおいて、値のスケール１０２０に関連付けられている修飾対象物よりも重み付けが大きいことを示している。各特定された対のテキスト数量詞は、次に、値のスケールの特定の値（たとえば１０３０および１０４０）にマッピングされる。本記載の観点においては、提示されているスケールが、あくまで例であり、スコアリングエンジン６２５が、異なる修飾対象物について異なるスケールを利用してよい。

一部の実施形態では、報告エンジン２３０が、定量的データおよび定性的データの間の関係を監視して、自己学習および適合的スコアリングを促進する。信用データソースは、いくつかの定量的スケール（たとえば０−５個の星）で企業をランク付けまたは格付けする定量的スコア、および、定量的スコアについてコメントする、または説明する関連する定性的データのセットを提供していることが多い。定量的データと定性的データとの間の関係に基づいて、一部の実施形態の報告エンジン２３０が、定量的尺度を定性的データから得る方法を適合的に調節することができる。具体的に、報告エンジン２３０は、（ｉ）定性的データにある特定の修飾対象物に提供される値のスケール、および、（ｉｉ）修飾対象物に関連付けられている特定のテキスト数量詞のための値のスケールで選択される値を調節する。例えば、定量的スコア５段階で５が、テキスト数量詞「良好（good）」を含む定性的データに７５％現れ、５段階で３が、テキスト数量詞「良い（fine）」を含む定性データに８０％現れる場合には、報告エンジン２３０は、これらの関係から、「良好」を含む定性的データを増加させ、「良い」を含む定性的データを減少させるべきことを学ぶ。

一部の実施形態では、報告エンジン２３０は、定性的データの様々なテキスト数量詞と修飾対象物との間の関係を監視して、自己学習および適合的スコアリング法を促進させる。具体的には、報告エンジン２３０は、ある修飾対象物が定性的データに現れる頻度に基づいて、その修飾対象物に関連する値のスケールを調節する。同様に、報告エンジン２３０は、あるテキスト数量詞が定性的データに現れる頻度に基づいて、そのテキスト数量詞に関連する値のスケールを調節することができる。これら頻度の計測は、個々の企業ごとに行ってもよいし、企業の副分類ごとに行ってもよいし（たとえばファストフードレストラン、高級レストラン、およびファミリーレストランごと等）、または、産業ごとに行ってもよい（たとえばレストラン、服飾店、および家電店ごと等）。たとえば、「料理は...だった」というフレーズが、具体的な企業に関するユーザレビューに７５％現れる場合、「ウェイターさんが...だった」というフレーズが、具体的な企業に関するユーザレビューに１０％現れる場合には、報告エンジン２３０は、修飾対象物「料理」に対する値のスケールを、修飾対象物「ウェイター」に対する値のスケールより大きな重み付けすることができる。このように、定性的データから得られる信用スコアは、ユーザが頻繁にコメントする要素の比重を高くして、他のあまり言及されない要素が信用スコアにもつ影響は減らすようにしてよい。

まとめると、一定の修飾対象物の値のスケール、および、関連するテキスト数量詞の値のスケールは、定性的データに関する定量的データと、特定の企業、企業の副分類、または産業に関して具体的なテキスト数量詞または修飾対象物が利用される相対頻度に基づいて、適合的に調節することができる。

ｉｖ．スコアフィルタ

一部の実施形態では、スコアフィルタ６３０が、定量的尺度と信用データとを、信用スコアを作成する前にフィルタリングする。一部の実施形態では、スコアフィルタ６３０は、異なるパターンマッチング基準を含む実行可能処理を含むことで、どの条件に基づいてどの定量的尺度またはどの信用データをフィルタリングするかを特定する。各スコアフィルタは、１以上のタイプの信用データ専用であってよい。したがい、スコアフィルタは、信用データのタイプに基づいて信用データに選択的に適用される。

図１１は、一部の実施形態において、スコアフィルタ６３０が、定量的尺度および信用データをフィルタリングするプロセス１１００を示す。プロセスは、１１００で、１組のフィルタを利用して、範囲外の、異常な、偏っている信用データから得た定量的尺度を除く。これには、対象企業と無関係な信用データからの定量的尺度を除くことが含まれる。例えば、ある機器の設定の難しさに関する様々な不満が述べられた信用データからの定量的尺度は、機器の設定が、販売点が提供する財・サービスとは無関係な場合には、除かれる。批評を提出する人に関する情報も利用して信用データを分析する他のフィルタも定義可能である。例えば、信用データに関する人口統計学的情報を分析するフィルタを定義してもよい。これは、特定の顧客層を対象にする企業であって、批評を提出する人がこの顧客層分類に当てはまらない場合などに有用である。したがい、スコアフィルタは、これらの定量的尺度を除くよう定義することが可能である。匿名のユーザからの他の定量的尺度、または極端なケースまたは正規ではないイベントに関する他の信頼データも除くことができる。

次に、プロセスは、１１２０で、残りに信用データについて、定量的尺度の矛盾を調節する一組のフィルタを利用する。たとえば、別のユーザそれぞれが、ある企業に、５段階中の３の格付けを与えたが、関連するコメントでは、一番目のユーザは良いフィードバックをしたが、二番目のユーザは悪いフィードバックをしたとする。この場合には、良いフィードバックに基づいて一番目のユーザの提供した定量的尺度を増加させて、悪いフィードバックに基づいて二番目のユーザの提供した定量的尺度を減らすように、フィルタを定義することができる。

プロセスでは、１１３０で、一組のフィルタを利用して、残りの信用データの定量的尺度を正規化してよい。正規化には、定量的尺度のスケールの調節が含まれる。一部の実施形態では、スコアリングエンジン６２５から得られた定性的信用データのための定量的尺度は、正規化の必要がない。しかし、定量的信用データから得られた定量的尺度は、正規化が必要となるだろう。たとえば、第１のデータソース（たとえばwww.yelp. com）から得られた定量的信用データの定量的尺度は、５つの星を上限とする格付けを含んでおり、第２のデータソース（たとえばwww.zagat. com）から得られた定量的信用データは、０−３０ポイントのポイントスケールを含んでいる、といった場合があるだろう。一部の実施形態では、プロセスは、これらの定量的尺度を正規化して、均一の値のスケールにする（たとえば０−１００）。一部の他の実施形態では、プロセスは、これらの定量的尺度を、不均一な重み付けで正規化して、より信頼できるデータソースの信用データから得られた定量的尺度が、信頼性の低いデータソースの信用データから得られた定量的尺度より高い重みで提供されるようにしてもよい。不均一な重み付けは、古い信用データが信用スコアに対してもつ影響を抑える用途にも利用できる。具体的には、古い信用データからの定量的尺度は、新しい信用データの定量的尺度より重み付けを減らして正規化する。これらおよびその他の重み付け基準を実装するべく、様々な異なるスコアフィルタを定義することができる。

プロセスは、１１４０で、フィルタリングされた定量的尺度データを、データベース２２０に格納して、プロセスが終了する。一部の実施形態では、プロセスは、フィルタリングされた定量的尺度を直接、報告エンジン２３０の信用スコア合計器６４０に渡す。

ｖ．信用スコア合計器

信用スコア合計器６４０は、具体的な企業の正規化された定量的尺度に基づいて、その企業の信用スコアを生成する。一部の実施形態では、信用スコアは、一端では信用がなく、他端では完全な信用を表す範囲で限界を設けられた数値であり、この信用スコアでは、信用が、様々な企業のプラクティスの成功、顧客満足度、競合他社に対するパフォーマンス、成長の可能性等を考慮する。一部の実施形態では、信用スコアは、異なる信用の側面を異なる桁で符号化することもできる。例えば、６桁のスコアの最初の３桁が企業クレジットスコア（business credit score）を特定しており、最後の３桁が、信用スコア（credibility score）を特定する一部の実施形態では、信用スコアは、各スコアが信用の異なるコンポーネントを表すような、１組のスコアのことである。例えば、信用スコアは、企業クレジットスコア、批評スコア、および格付けスコアからなっていてよく、批評スコアは、合計された定性的データから得られた定量的尺度をコンパイルしたものであり、格付けスコアは、合計された定量的データにおける正規化された定量的尺度をコンパイルしたものであってよい。当業者には、信用スコアを、他のいくつのやり方によっても（たとえば、フォーマットされた一組の文字またはフォーマットされた一組の英数字で）フォーマットすることもできることを理解する。

信用スコアを生成するために、信用スコア合計器６４０は、具体的な企業に対する、任意のフィルタリングを行われ、正規化された定量的尺度を、データベース２２０またはスコアフィルタ６３０から合計する。信用スコア合計器６４０は、次に、１以上の所有アルゴリズムを利用して、定量的尺度同士を統合して（factor together）、信用スコアを生成する。これには、平均化、合計、または所有公式（proprietary formula）を利用して、合計された１組の定量的尺度から信用スコアを生成することが含まれてよい。これらアルゴリズムは、信用スコアを、任意の数の利用可能な定量的尺度で計算することができる。生成された信用スコアは、次に、データベース２２０に戻され格納されて、ここで具体的な企業と関連付けられる。

ユーザおよび企業は、図２のインタフェースポータル２４０から、これら信用スコアにアクセスして、閲覧することができる。一部の実施形態では、信用スコアは、リアルタイムに更新されて提示される。一部の実施形態では、信用スコアが、ユーザおよび企業が、信用スコアにアクセスするためには購入せねばならない、有形財産である。ユーザおよび企業は、信用スコアを「一度だけ見る」購入をすることもでき、または、一定の視聴サイクルで（たとえば月ベースまたは年ベースなど）自分の信用スコアをいつでも見ることができる、視聴購読プランを購入することもできる。ユーザおよび企業は、自社に関連する信用報告を購入したり見たりして、自分の信用を理解したり、取引したいと思う他の企業または競合他社の信用スコアを購入することもできる。

ｖｉ．報告生成器

報告生成器６５０は、信用スコア合計器６４０と協働する。一部の実施形態では、報告生成器６５０は、信用スコアの導出方法、企業が成功してきた分野、改善が必要な他の領域、競合他社に比して優れている点（standing relative to competitors）、および、信用スコアの向上に寄与するために指摘される改善点などを詳述した報告を生成する役目を果たす。したがって信用報告は、信用スコアがどのように導出されたかについて、完全に透明である。信用報告に基づいて、企業は、関連付けの間違っている信用データについてみたり報告したりすることができたり、企業は、身元詐称その他の企業の善意にただ乗りしたりしている可能性のある事例を指摘したり、企業は、自社の信用スコアおよびスコア導出の元になった個々のコンポーネントを積極的に見つめ直して改善したりすることもできる。生成された報告は、信用スコアとは別の有形資産として販売することもできる。前述したように、ユーザは、信用報告にインタフェースポータル２４０経由でアクセスすることができるが、一部の実施形態では、書面または電話等の他の媒体で信用報告を行ってもよい。

図１２は、一部の実施形態における、インタフェースポータル２４０内の信用報告ウィンドウ１２１０を示す。示されているように、信頼報告ウィンドウ１２１０は、複数の視聴ペイン１２２０、１２３０、１２４０、および１２５０を、内部に様々な情報およびアクションを含んだ形で含む。

ペイン１２２０は、信用スコアおよび／または信用スコアのコンポーネントを提示するスコアペインである（例を挙げると、Dun & Bradstreetによる企業クレジットスコア、信用格付けスコア、および信用批評スコア）。一部の実施形態では、信用スコアは、企業の全体的な信用を特定しており、格付けスコアは、定量的データの正規化された定量的尺度から導出されており、批評スコアは、定性的データを処理して得られた定量的尺度から導出される。一部の実施形態では、スコアは、インジケータバーおよび／または数値によって提示される。インジケータバーはカラー表示にすると、スコア間を区別するのが容易となる。例えば、赤色は、スコアがよくないことを示し、黄色は、中立的なスコアを示し、緑が、良好なスコアを示す、といったことができる。さらにペイン１２２０にはボタン１２２５も含まれている。ボタン１２２５をクリックすると、報告は、ユーザがどのようにスコアを向上させられるか、改善の必要な領域、または、現在成功している領域など、様々な示唆を与える。これら情報は、ポップアップダイアログボックスで提示されてもよいし、ペイン１２２０の内容を変化させて提示されてもよい。

ペイン１２３０は、データ編集ペインである。このペインでは、ユーザは、データソースから合計したデータ批評を調節する、または、前には信用スコアに組み込まれていなかった新たなデータを提供することができる。これには、合計されたデータの誤りを補正することが含まれてよい。ボタン１２６０および１２６５も、ペイン１２３０に含まれている。ボタン１２６０を利用すると、ペイン１２３０内の特定のエントリを拡張することができる。ボタン１２６５を利用することで、ユーザは、様々な合計されたデータソースで利用ができないデータ、および、まだデータソースにまだ伝播されていない新たなデータを含む新たな信用データを提供することもできる。

ペイン１２４０は、ユーザが見ることができ、およびその他の合計された信用データが見直されて、マッチングされなかったデータが特定され報告される、データマッチングペインである。具体的には、企業オーナは、合計された定量的および定性的データのリストをスクロールして、他の人が企業について語っていることを確かめることができる。これには、良いまたは悪いフィードバック、企業を向上させるための示唆、ユーザの体験した問題、ユーザが企業について良いと思っている点等を見ることが含まれる。加えて、ペイン１２４０は、特定のエントリを拡張したり、誤りを報告したりするためのボタン１２７０および１２７５を含む。誤りには、別の企業に関するデータ、および、信用報告を生成した企業に誤ったマッチングをされたデータが含まれる。誤りはさらに、偏ったデータまたは例外物としてフィルタリングされるべきであったデータを含んでよい。ペイン１２４０は、さらに、企業の情報（アドレス、エージェント、電話番号）を提示してもよい。

ペイン１２５０は、顧客サービスペインである。一部の実施形態では、このペインが、企業の良好な分野、および、改善の必要な分野についての信用スコアおよび報告に関するサマリ情報を提供する。このペインは、さらに、企業について示唆されるアクションおよびユーザが今後サポートを得ようとするときの連絡先情報を提供してよい。一部の実施形態では、ペイン１２５０は、顧客サポート代表部に、対話型のチャットウィンドウを提供する。

図１３は、一部の実施形態における、別の信用報告ビュアー１３１０を示す。信用報告ビュアー１３１０は、信用報告のドリルダウンビューを提供して、これを利用することで、ユーザは、各ドリルダウンレイヤで企業の信用に関するより詳しい情報を得ることができる。信用報告ビュアー１３１０は、企業の累積信用スコア１３２０を提供する第１のレイヤ１３１５を提示される。累積信用スコア１３２０は、企業の信用が標準化されたスコアに定量化された１つの数値または英数値である。

ユーザは、信用スコア１３２０をクリックして、第２のレイヤ１３３０にドリルダウンすることができる。ユーザが信用スコア１３２０をクリックすると、一部の実施形態では、信用報告ビュアー１３１０の表示を、第１のドリルダウンレイヤ１３１５のコンテンツの表示から、第２のドリルダウンレイヤ１３３０のコンテンツの表示に変更する。ナビゲーション機能を利用することで、ユーザは、第１のドリルダウンレイヤ１３１５または任意の他のレイヤにいつでも戻ることができる。信用報告ビュアー１３１０の表示を変更する代わりに、一部の実施形態では、第２のドリルダウンレイヤ１３３０を表示するために、第２のウィンドウまたは表示領域を提供する。

第２のドリルダウンレイヤ１３３０は、信用スコア１３２０を導出した様々なコンポーネントであるスコアを提示する。一部の実施形態では、コンポーネントであるスコアは、第１のスコア１３３５、第２のスコア１３４０、および第３のスコア１３４５を含む。一部の実施形態では、第１のスコア１３３５は、企業の信用力を定量化するスコアである。したがって第１のスコア１３３５は、Dun and Bradstreetのクレジットスコアその他の類似する企業クレジットスコアであってよい。一部の実施形態では、第２のスコア１３４０は、様々なソースから１つのソースへと合計された定量的データを定量化する格付けスコアである。一部の実施形態では、第３のスコア１３４５が、様々なデータソースから１つのソースへ合計された定性的データを定量化する批評スコアである。

ユーザは、さらにドリルダウンを続けて、各コンポーネントであるスコアを導出するために利用されたデータを見ることができる。具体的には、第１のスコア１３３５をクリックすると、ユーザは、Dun and Bradstreet社または類似した企業クレジット報告を提示する第３のレイヤ１３５０へとドリルダウンする。この代わりに、ユーザに、要求ウィンドウが提示され、この要求ウィンドウから、ユーザがDun and Bradstreet社または類似した企業クレジット報告を購入することができてもよい。第２のスコア１３４０をクリックすると、ユーザは、信用スコア１３２０の格付けスコアコンポーネントを導出するのに利用した、様々な合計された定量的データを提示する第３のレイヤ１３６０へとドリルダウンする。同様に、第３のスコア１３４５をクリックすると、ユーザは、信用スコア１３２０の批評スコアのコンポーネントを導出するのに利用された様々な合計された定性的データを提示する第３のレイヤ１３７０にドリルダウンする。

ユーザは、様々な第３のドリルダウンレイヤ１３５０−１３７０内に提示される任意の企業クレジットデータ、定量的データ、または定性的データをクリックして、別のドリルダウンレイヤ（たとえば、ユーザが誤り、マッチングが誤っているデータを補正したり、新たなデータを提供したり、様々な信用スコアのコンポーネントを向上させることができるかの示唆を受けることができるレイヤ１３８０等）にアクセスすることができる。示唆は、信用の専門家に接続できる対話型チャットウィンドウを提供する別のドリルダウンレイヤによって、または、様々な信用スコアのコンポーネントを向上させる指針を提供することにより、提供することができる。当業者には、任意の数のドリルダウンレイヤを提供することができ、各レイヤが、図１３に示すものに加える情報、または図１３に示すもの以外の情報を含んでよいことが明らかであろう。

ＩＩＩ．コンピュータシステム

上述したプロセスおよびモジュールの多くは、非一時的コンピュータ可読記憶媒体（コンピュータ可読媒体とも称される）に記録されている命令セットとして特定されるソフトウェアプロセスとして実装される。これら命令が１以上の計算素子（たとえば、ＡＳＩＣおよびＦＰＧＡ等のプロセッサその他の計算素子）により実行されると、計算素子が、命令に示す動作を実行させる。コンピュータおよびコンピュータシステムは、広義の意味で利用されており、携帯電話、スマートフォン、情報携帯端末、タブレットデバイス、ラップトップ、およびネットブックを含むプロセッサを含む任意の電子デバイスを含んでよい。コンピュータ可読媒体の例には、ＣＤ−ＲＯＭ、フラッシュドライブ、ＲＡＭチップ、ハードドライブ、ＥＰＲＯＭ等が含まれるが、これらに限定はされない。

図１４は、一部の実施形態が実装されるコンピュータシステムを示す。これらコンピュータシステムは、上述した様々なプロセス、モジュール、およびエンジン（たとえば、マスターデータ管理取得エンジン、報告エンジン、インタフェースポータル等）を実装する様々なタイプのコンピュータ可読媒体、および、様々な他のタイプのコンピュータ可読媒体へのインタフェースを含む。コンピュータシステム１４００は、バス１４０５、プロセッサ１４１０、システムメモリ１４１５、読み取り専用メモリ１４２０、永久記憶装置１４２５、入力デバイス１４３０、および出力デバイス１４３５を含む。

バス１４０５は、集合的に、コンピュータシステム１４００の複数の内部デバイスを通信可能に接続するすべてのシステム、周辺機器、およびチップセットバスを表す。たとえば、バス１４０５は、プロセッサ１４１０を、読み取り専用メモリ１４２０、システムメモリ１４１５、および永久記憶装置１４２５に、通信可能に接続する。これら様々なメモリユニットから、プロセッサ１４１０は、本発明のプロセスを実行するための、実行する命令および処理するデータを取得する。プロセッサ１４１０は、中央処理装置、集積回路、グラフィック処理ユニット等の処理デバイスである。

読み取り専用メモリ（ＲＯＭ）１４２０は、プロセッサ１４１０およびコンピュータシステムの他のモジュールが必要とする静的データおよび命令を格納する。これに対して、永久記憶装置１４２５は、読み書きメモリデバイスである。このデバイスは、コンピュータシステム１４００が停止中であっても命令およびデータを記憶する不揮発性メモリユニットである。本発明の一部の実施形態では、大容量記憶素子（たとえば光または磁気ディスクおよび対応するディスクドライブ）を永久記憶素子１４２５として利用する。

他の実施形態では、取り外し可能記憶素子（たとえばフラッシュドライブ）を永久記憶装置として利用する。永久記憶装置１４２５同様に、システムメモリ１４１５も、読み書きメモリ素子である。しかし、記憶素子１４２５と違って、システムメモリは、ＲＡＭ等の揮発性の読み書きメモリである。システムメモリは、プロセッサのランタイム中に必要な命令およびデータの一部を格納する。一部の実施形態では、プロセスは、システムメモリ１４１５、永久記憶装置１４２５、および／または読み取り専用メモリ１４２０に格納される。

バス１４０５は、入力デバイスおよび出力デバイス１４３０および１４３５にも接続する。入力デバイスは、ユーザに、コンピュータシステムに情報を伝え、コンピュータシステムのコマンドを選択させる。入力デバイス１４３０は、容量性タッチスクリーン、抵抗性タッチスクリーン、その他のタッチスクリーン技術、コンピュータシステム１４００の一部である、または周辺機器に取り付けられているトラックパッドを含む。入力デバイス１４３０は、さらに、英数字キーパッド（物理的キーボードおよびタッチスクリーンキーボードを含む）、ポインティングデバイス（「カーソル制御デバイス」とも称される）を含む。入力デバイス１４３０は、音声入力デバイス（たとえばマイクロフォン、ＭＩＤＩ音楽機器等）も含んでいる。出力デバイス１４３５は、コンピュータシステムが生成した画像を表示する。出力デバイスは、プリンタおよび表示デバイス（陰極線管（ＣＲＴ）または液晶ディスプレイ（ＬＣＤ）を含んでいる。

最後に、図１４に示すように、バス１４０５も、コンピュータ１４００をネットワーク１４６５に、ネットワークアダプタ（不図示）経由で連結させる。このようにして、コンピュータは、コンピュータネットワーク（たとえばローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、またはイントラネット、またはネットワークのネットワーク（たとえばインターネット））の一部であってよい。たとえばコンピュータ１４００は、ウェブサーバ（ネットワーク１４６５）に連結され、コンピュータ１４００で実行されているウェブブラウザが、ウェブサーバと、ユーザがウェブブラウザで動作するＧＵＩと交信するときに、ウェブサーバと交信できてよい。

上述したように、コンピュータシステム１４００は、様々な異なるコンピュータ可読媒体の１以上を含むことができる。これらコンピュータ可読媒体の一部の例として、ＲＡＭ、ＲＯＭ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ，ＣＤ−ＲＷ，読み取り専用デジタル多用途ディスク（たとえば、ＤＶＤ−ＲＯＭ，デュアルレーヤＤＶＤ−ＲＯＭ）、様々な記録可能／書き込み可能ＤＶＤ（たとえばＤＶＤ−ＲＡＭ、ＤＶＤ−ＲＷ，ＤＶＤ+ＲＷ等）、フラッシュメモリ（たとえばＳＤカード、ｍｉｎｉ−ＳＤカード、ｍｉｃｒｏ−ＳＤカード等）、磁気および／または固体ハードドライブ、ＺＩＰ（登録商標）ディスク、読み取り専用および記録可能ブルーレイディスク、およびその他の光磁気媒体、およびフロッピー（登録商標）ディスクが挙げられる。

本発明は、数多くの特定の詳細を参照しながら記載されたが、当業者であれば、本発明を、本発明の精神から逸脱せずに、他の特定の形態で実施することができることを理解する。したがって当業者は、本発明が前述した例である詳細に限定されるのではなく、添付請求項によって定義されることを理解する。
（項目１）
複数のエンティティの信用を定量的に表すスコアを生成する方法であって、
複数のデータソースから、（ｉ）第１の複数のエンティティの各エンティティに関するテキストステートメントを有する定性的データと、（ｉｉ）第２の複数のエンティティの各エンティティを定量的に格付けする定量的尺度を有する定量的データとを含む信用データを合計する段階と、
上記定性的データを、上記第１の複数のエンティティの各エンティティに関するテキストステートメントのテキストに基づいて当該エンティティを定量的に格付けするべく、定量的尺度セットを導出するように、処理する段階と、
上記定性的データから導出された上記定量的尺度セットと、上記定量的データからの上記定量的尺度とを正規化する段階と、
上記第１および第２の複数のエンティティのうちの特定のエンティティに関する正規化された定量的尺度に基づいて、上記特定のエンティティの信用スコアを生成する段階と
を備える方法。
（項目２）
上記定量的尺度を合計する元になったデータソースに基づいて、定量的尺度の重みを調節する段階をさらに備える、項目１に記載の方法。
（項目３）
上記定性的データを処理する段階は、
上記定性的データに自然言語処理を行い、各テキストステートメントについて、プラスおよびマイナスの度合いを含んだ第１の単語と、上記第１の単語が修飾する第２の単語とを特定する段階を有する、項目１に記載の方法。
（項目４）
上記定性的データを処理する段階は、
（ｉ）上記第２の単語に基づいて定量的尺度のスケールを特定して、（ｉｉ）上記第１の単語に基づいて、上記定量的尺度のスケールにおける特定の定量的尺度値を特定する段階をさらに有する、項目３に記載の方法。
（項目５）
上記定性的データを処理する段階は、
上記定性的データから定量的尺度を導出するときに、上記定性的データの偏った、または一貫性のない解釈をなくすアルゴリズムのセットに基づいて、自然言語処理を行う段階を有する、項目１に記載の方法。
（項目６）
上記特定のエンティティに関連するユーザが、信用データを提出する際に利用するインタフェースを提供する段階をさらに備える、項目１に記載の方法。
（項目７）
上記信用スコア、ならびに、上記信用スコアの導出に利用した信用データを含む報告を生成する段階をさらに備える、項目１に記載の方法。
（項目８）
エンティティが上記報告および上記信用スコアをみるためのインタフェースを提供する段階をさらに備える、項目７に記載の方法。
（項目９）
上記信用スコアを生成する段階は、
上記特定のエンティティに関する上記定量的尺度を１つの値にコンパイルする段階を有する、項目１に記載の方法。
（項目１０）
上記信用スコアを生成する段階は、
上記特定のエンティティに関する上記定量的尺度を、上記特定のエンティティに関する上記定性的データから導出した定量的尺度を表す第１の値と、上記特定のエンティティに関する上記定量的データの定量的尺度を表す第２の値とにコンパイルする段階を有する、項目１に記載の方法。
（項目１１）
上記信用データを合計する段階は、各合計された信用データを、上記信用データを１つのエンティティに関連付ける少なくとも１つの識別子にタグ付する段階を有する、項目１に記載の方法。
（項目１２）
上記信用スコアを生成する段階は、上記第１および第２の複数のエンティティの他のエンティティの信用スコアと比較可能な、標準化されたスコアを生成する段階を有する、項目１に記載の方法。
（項目１３）
上記特定のエンティティは、企業を運営する企業エンティティである、項目１に記載の方法。
（項目１４）
複数のデータソースから、（ｉ）第１の複数のエンティティの各エンティティに関するテキストステートメントを有する定性的データと、（ｉｉ）第２の複数のエンティティの各エンティティを定量的に格付けする定量的尺度を有する定量的データとを含む信用データを取得するべく、上記複数のデータソースとインタフェースするデータ合計器と、
取得された信用データそれぞれを、上記第第１および第２の複数のエンティティのうちの１つのエンティティにマッチングするマスターデータマネージャと、
取得された上記定性的データのテキストステートメントから定量的尺度を導出する自然言語プロセッサと、
（ｉ）特定のエンティティにマッチングされている上記定性的データの上記テキストステートメントから導出された定量的尺度と、（ｉｉ）上記特定のエンティティにマッチングされている上記定量的データの定量的尺度とを、上記特定のエンティティの、標準化された信用スコアにコンパイルする生成器と
を備える信用スコアリングシステム。
（項目１５）
関連のない、偏った、および、異常な信用データのうち少なくとも１つを取り除くために、上記信用データをフィルタリングして、（ｉ）定性的データに関連するテキストのレビューから導出した定量的尺度、および（ｉｉ）上記定量的データの定量的尺度のうち少なくとも１つを正規化するための、フィルタセットをさらに備える、項目１４に記載の信用スコアリングシステム。
（項目１６）
ユーザが上記信用スコアリングシステムと交信するためのインタフェースを提供するインタフェースポータルをさらに備える、項目１４に記載の信用スコアリングシステム。
（項目１７）
上記信用スコアリングシステムとの交信には、上記インタフェースポータルを通じて前記マスターデータマネージャに信用データを提出して、上記信用スコアの上記コンパイルに含めさせるエンティティが含まれる、項目１６に記載の信用スコアリングシステム。
（項目１８）
上記信用スコアリングシステムとの交信には、不適切にマッチングされている信用データを特定するエンティティが含まれる、項目１６に記載の信用スコアリングシステム。
（項目１９）
上記信用スコアリングシステムとの交信には、見るために信用スコアにアクセスするエンティティが含まれる、項目１６に記載の信用スコアリングシステム。
（項目２０）
上記生成器は、さらに、上記特定のエンティティにマッチングされた信用データをコンパイルして、上記特定のエンティティの信用スコアを導出ために利用された要素を詳述する信用報告を生成する、項目１４に記載の信用スコアリングシステム。
（項目２１）
上記信用報告は、上記信用スコアを上げさせる成功したビジネス手法、上記信用スコアを下げさせる失敗したビジネス手法、および、上記特定の企業の上記信用スコアを向上させるための示唆のうち少なくとも１つを特定する、項目２０に記載の信用スコアリングシステム。
（項目２２）
上記データ合計器は、複数のプラグインモジュールを含み、各プラグインモジュールは、上記複数のデータソースのうちのデータソースと交信して、上記データソースから信用データを自動的に抽出する、項目１４に記載の信用スコアリングシステム。
（項目２３）
特定のエンティティの信用を定量的に特定するスコアを生成するコンピュータプログラムであって、コンピュータに実行されると、
複数のデータソースから、（ｉ）第１の複数のエンティティの各エンティティに関するテキストステートメントを有する定性的データと、（ｉｉ）第２の複数のエンティティの各エンティティを定量的に格付けする定量的尺度を有する定量的データとを含む信用データを合計する手順と、
上記定性的データを、上記第１の複数のエンティティの各エンティティに関するテキストステートメントのテキストに基づいて当該エンティティを定量的に格付けするべく、定量的尺度セットを導出するように、処理する手順と、
上記定性的データから導出された上記定量的尺度セットと、上記定量的データからの上記定量的尺度とを正規化する手順と、
上記第１および第２の複数のエンティティのうちの特定のエンティティに関する正規化された定量的尺度に基づいて、上記特定のエンティティの信用スコアを生成する手順と
を実行するコンピュータプログラム。

Claims (25)

1. マイクロプロセッサと非一時的コンピュータ可読媒体を持つ少なくとも１つのサーバを備え、特定の企業の評判を定量化可能に表す信用スコアを生成するべくコンピュータ実装された方法を実行する信用スコアリングシステムであって、前記コンピュータ実装された方法は、
   前記非一時的コンピュータ可読媒体に、複数のデータソースからの、（ｉ）前記特定の企業を対象とするテキストステートメントをもつ定性的データと、（ｉｉ）前記特定の企業の一部の側面を定量化可能に格付けしている定量的尺度を有する定量的データとを合計する段階と、
   前記マイクロプロセッサの処理によって、前記定性的データを処理して、前記複数のデータソースから合計された定性的データの各インスタンスの前記テキストステートメントで表されている感想に基づいて、前記特定の企業の定量化可能な格付け評価を行う定量的尺度セットを導出する段階と、
   前記マイクロプロセッサの処理によって、前記定性的データから導出した前記定量的尺度セットと、前記定量的データからの前記定量的尺度とを正規化する段階と、
   前記信用スコアリングシステムで、前記定性的データおよび前記定量的データの正規化された定量的尺度に基づいて、前記特定の企業の評判を定量化する信用スコアを生成する段階と
   を備える、信用スコアリングシステム。
2. 前記定量的尺度を合計する元になったデータソースに基づいて、定量的尺度の重みを調節する段階をさらに備える、請求項１に記載の信用スコアリングシステムで実行される方法。
3. 前記定性的データを処理する段階は、
   前記定性的データに自然言語処理を行い、各テキストステートメントについて、プラスおよびマイナスの度合いを含んだ第１の単語と、前記第１の単語が修飾する第２の単語とを特定する段階を有する、請求項１または２に記載の信用スコアリングシステムで実行される方法。
4. 前記定性的データを処理する段階は、
   （ｉ）前記第２の単語に基づいて定量的尺度のスケールを特定して、（ｉｉ）前記第１の単語に基づいて、前記定量的尺度のスケールにおける特定の定量的尺度値を特定する段階をさらに有する、請求項３に記載の信用スコアリングシステムで実行される方法。
5. 前記特定の企業に関連するユーザが、定性的データおよび定量的データのうち少なくとも１つを提出する際に利用するインタフェースを提供する段階をさらに備える、請求項１から４のいずれか一項に記載の信用スコアリングシステムで実行される方法。
6. 前記信用スコア、ならびに、前記信用スコアの生成に利用した前記定性的データおよび前記定量的データを含む報告を生成する段階をさらに備える、請求項１から５のいずれか一項に記載の信用スコアリングシステムで実行される方法。
7. 前記報告および前記信用スコアをみるためのインタフェースを提供する段階をさらに備える、請求項６に記載の信用スコアリングシステムで実行される方法。
8. 前記信用スコアを生成する段階は、
   前記特定の企業に関する前記定量的尺度を１つの値にコンパイルする段階を有する、請求項１から７のいずれか一項に記載の信用スコアリングシステムで実行される方法。
9. 前記信用スコアを生成する段階は、
   前記特定の企業に関する前記定性的データから導出された前記定量的尺度を第１の値にコンパイルして、前記特定の企業に関する前記定量的データからの前記定量的尺度を第２の値にコンパイルする段階を有する、請求項１から８のいずれか一項に記載の信用スコアリングシステムで実行される方法。
10. 前記定性的データと前記定量的データとを合計する段階は、各合計データを、前記合計データを１つの企業に関連付ける少なくとも１つの識別子にタグ付する段階を有する、請求項１から９のいずれか一項に記載の信用スコアリングシステムで実行される方法。
11. 前記信用スコアを生成する段階は、他の企業の信用スコアと比較可能な、標準化されたスコアを生成する段階を有する、請求項１から１０のいずれか一項に記載の信用スコアリングシステムで実行される方法。
12. 複数の企業のいずれかの評判を定量化可能に表す信用スコアを生成する信用スコアリングシステムであって、
    複数のデータソースとインタフェースして、前記複数のデータソースからの、（ｉ）前記複数の企業のうちの特定の企業を対象とするテキストステートメントをもつ定性的データと、（ｉｉ）複数の有界の値のスケールのうちの、異なる有界のスケールに従って、前記特定の企業の一部の側面を定量化可能に格付けする定量的尺度を有する定量的データとを合計するデータ合計器と、
    前記定性的データの各取得されたアイテムを、前記定性的データの前記アイテムが対象とする前記特定の企業にマッチングして、定量的データの各取得されたアイテムを、前記定量的データの前記アイテムが、少なくとも１つの側面が格付けされている前記特定の企業にマッチングするマスターデータマネージャと、
    各取得された定性的データの前記テキストステートメントで表される感想に基づいて、前記特定の企業の定量化可能な格付け評価を行う定量的尺度セットを導出する、自然言語プロセッサと、
    （ｉ）前記定性的データから導出した前記定量的尺度セットを、特定の有界の値のスケールに正規化して、（ｉｉ）前記定量的尺度の、前記複数の有界の値のスケールを、前記特定の有界の値のスケールに調節することで、前記定量的データからの前記定量的尺度を正規化する、フィルタセットと、
    （ｉ）前記特定の企業にマッチングされている前記定性的データの前記テキストステートメントから得た定量的尺度と、（ｉｉ）前記特定の企業にマッチングされている前記定量的データの定量的尺度とを、前記特定の企業の評判を計測する標準化された信用スコアにコンパイルする生成器と
    を備え、
    前記信用スコアは、一端の値が、評判の悪い企業を特定しており、他端の値が、完全に評判のよい企業を特定している、値のスケールの範囲で定められる、
    信用スコアリングシステム。
13. 前記フィルタセットは、さらに、前記定性的データおよび前記定量的データをフィルタリングして、関連性のないデータ、偏ったデータ、異常なデータのうち少なくとも１つを取り除く、請求項１２に記載の信用スコアリングシステム。
14. 前記信用スコアリングシステムと交信するユーザのためにインタフェースを提供するインタフェースポータルをさらに備える、請求項１２または１３に記載の信用スコアリングシステム。
15. 前記信用スコアリングシステムとの交信には、前記マスターデータマネージャが前記信用スコアのコンパイルにおける利用のために含めるために、前記インタフェースポータルを介して様々な異なるエンティティが提出した定性的データおよび定量的データのうち少なくとも１つを受信することが含まれる、請求項１４に記載の信用スコアリングシステム。
16. 前記信用スコアリングシステムとの交信には、企業に誤ったマッチングをされている定量的データおよび定性的データのうちの少なくとも１つを特定することが含まれる、請求項１４または１５に記載の信用スコアリングシステム。
17. 前記信用スコアリングシステムとの交信には、エンティティが、見るために信用スコアにアクセスすることが含まれる、請求項１４から１６のいずれか一項に記載の信用スコアリングシステム。
18. 前記生成器は、さらに、前記特定の企業にマッチングされた定量的データおよび定性的データをコンパイルして、前記特定の企業の信用スコアを導出するために利用された要素を詳しく説明する信用報告を生成する、請求項１２から１７のいずれか一項に記載の信用スコアリングシステム。
19. 前記データ合計器は、複数のプラグインモジュールを含み、
    前記複数のプラグインモジュールのそれぞれは、前記複数のデータソースのうちの１つのデータソースのインタフェースおよびデータベースのうち少なくとも１つにアクセスして、前記１つのデータソースの少なくとも１つのインタフェースおよびデータベースから、定性的データまたは定量的データを自動抽出する、請求項１２から１８のいずれか一項に記載の信用スコアリングシステム。
20. 特定の企業の評判を定量化可能に示す信用スコアを生成するコンピュータプログラムであって、コンピュータに実行されると、
    複数のデータソースからの、（ｉ）前記特定の企業を対象とするテキストステートメントをもつ定性的データと、（ｉｉ）前記特定の企業の一部の側面を定量化可能に格付けしている定量的尺度を有する定量的データとを、複数の異なる定量的スケールのいずれかに従って、合計する手順と、
    前記複数のデータソースから合計された定性的データの各インスタンスの前記テキストステートメントで表されている感想に基づいて、前記特定の企業の定量化可能な格付け評価を行う定量的尺度セットを導出する手順と、
    前記定性的データから導出された前記定量的尺度セットを、特定の有界の定量的スケールに正規化する手順と、
    前記定量的尺度の、前記複数の異なる定量的スケールを、前記特定の有界の値のスケールに調節することで、前記定量的データからの前記定量的尺度を正規化する手順と、
    前記特定のエンティティに関しており、前記定性的データから導出された正規化された定量的尺度、および、前記複数のデータソースから合計された前記定量的データの正規化された定量的尺度に基づいて、前記特定の企業の評判を計測する信頼スコアを生成する手順と
    を実行し、
    前記信用スコアは、一端の値が、評判の悪い企業を特定しており、他端の値が、完全に評判のよい企業を特定している、値のスケールの範囲で定められる、
    コンピュータプログラム。
21. さらに、（１）前記特定の企業について合計された前記定量的データの前記定量的尺度に基づいて、前記特定の企業の格付けスコアを計算する手順と、（ｉｉ）前記特定の企業について合計された前記定性的データから導出された前記定量的尺度に基づいて前記特定の企業の批評スコアを計算する手順とを実行する、請求項２０に記載のコンピュータプログラム。
22. 前記格付けスコアは、前記特定の企業の前記信用スコアを生成するために利用される第１のコンポーネントスコアであり、
    前記批評スコアは、前記特定の企業の前記信用スコアを生成するために利用される第２のコンポーネントスコアであり、
    前記信用スコアを生成する手順は、前記特定の企業について計算した前記批評スコアおよび前記格付けスコアに基づいて前記信用スコアを生成する手順を含む、請求項２１に記載のコンピュータプログラム。
23. さらに、前記複数のデータソースから合計された前記定量的データから前記定性的データを分離させる手順を実行する、請求項２０から２２のいずれか一項に記載のコンピュータプログラム。
24. 前記複数の異なる定量的スケールは、第１の値の範囲で定められる第１の有界スケールと、第２の値の範囲で定められる第２の有界スケールとを含み、
    前記第１の値の範囲は、前記第２の値の範囲と異なる、請求項２０から２３のいずれか一項に記載のコンピュータプログラム。
25. 前記定量的尺度のそれぞれは、特定の値の範囲内の数値を含む、請求項２０から２４のいずれか一項に記載のコンピュータプログラム。

Images