KR101790788B1 - 최적화된 도메인간 정보 퀄리티 평가를 갖는 협동적 네트워킹 - Google Patents

최적화된 도메인간 정보 퀄리티 평가를 갖는 협동적 네트워킹 Download PDF

Info

Publication number
KR101790788B1
KR101790788B1 KR1020110013781A KR20110013781A KR101790788B1 KR 101790788 B1 KR101790788 B1 KR 101790788B1 KR 1020110013781 A KR1020110013781 A KR 1020110013781A KR 20110013781 A KR20110013781 A KR 20110013781A KR 101790788 B1 KR101790788 B1 KR 101790788B1
Authority
KR
South Korea
Prior art keywords
domain
entity
domains
reputation
inter
Prior art date
Application number
KR1020110013781A
Other languages
English (en)
Other versions
KR20110096488A (ko
Inventor
라훌 자인
파리자트 두비
밀린드 알 나파드
Original Assignee
인터내셔널 비지네스 머신즈 코포레이션
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 인터내셔널 비지네스 머신즈 코포레이션 filed Critical 인터내셔널 비지네스 머신즈 코포레이션
Publication of KR20110096488A publication Critical patent/KR20110096488A/ko
Application granted granted Critical
Publication of KR101790788B1 publication Critical patent/KR101790788B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Debugging And Monitoring (AREA)

Abstract

도메인간 정보 퀄리티 평가를 위한 방법은 각각의 도메인들을 각각 정의하는 특징들을 식별하고 상관된 특징들을 갖는 도메인들을 식별하는 것에 의해 지식 베이스내의 도메인들간의 관계를 계산하는 것을 포함한다. 본 방법은 또한 상관된 특징들에 기초하여 관계의 밀접도를 반영한 값을 도메인들의 쌍들에 할당하는 것을 포함한다. 본 방법은 또한 또다른 도메인과 관련된 엔티티의 과거 성과에 기초하여 하나의 도메인에서의 엔티티의 평판을 평가하는 것을 더 포함하며, 나머지 다른 도메인은, 할당된 값을 통해, 도메인과 관련된 것으로 결정된다. 엔티티의 과거 성과는 특정한 도메인에서의 이벤트들에 관한 정확한 예측을 제시하는 엔티티의 능력을 표시한다. 본 방법은 또한 평가에 기초하여 도메인과 관련된 엔티티의 평판을 나타내는 값을 계산하는 것과 평판을 나타내는 값을 엔티티에게 할당하는 것을 포함한다.

Description

최적화된 도메인간 정보 퀄리티 평가를 갖는 협동적 네트워킹{COLLABORATIVE NETWORKING WITH OPTIMIZED INTER-DOMAIN INFORMATION QUALITY ASSESSMENT}
일반적으로 본 발명은 네트워크 기반의 정보 분석 및 최적화 프로세스에 관한 것이며, 보다 구체적으로는 네트워크 커뮤니티에 의해 제공된 도메인간 정보의 퀄리티 평가로 최적화된 협동적 네트워킹에 관한 것이다.
웹 2.0과 같은 기술들을 통해 인에이블되는 협동적 네트워킹 애플리케이션들은 여러 개의 e-비지니스와 소셜 네트워킹 싸이트에 대한 크라우드 소싱(이것은 "대중의 지혜"라고도 불리어진다)의 개념을 불러일으켜왔다. 웹 2.0은 네트워크 사용자들로 하여금 협동과 공유를 위해 정보에 기여하게 할 수 있다는 능력면에서 주로 구별되는, 계속해서 인기를 끌고 있는 유형의 웹 애플리케이션을 말한다. 통상적인 협동적 네트워킹 애플리케이션들에는 몇개를 열거하자면, 예컨대, 소셜 소프트웨어, 웹 신디케이션, 웹로그, 및 위키스가 포함된다. 이러한 애플리케이션들을 통해 군중들의 지혜에 다가서기 위한 능력은 이러한 애플리케이션들을 활용하는 개인 또는 조직에 있어서 매우 차별화된 자산일 수 있다. 예를 들어, 대형 온라인 커뮤니티에 의해 제공된 콘텐츠 리뷰들은 트렌드, 예측, 및 이와 유사한 데이터를 판단하는데 활용될 수 있으며, 이로써 콘텐츠 서비스 제공자로 하여금 이러한 집합적인 지혜로부터 유도된 다양한 경영 전략을 이행하게 할 수 있다.
문제는 이러한 견해들에 기여한 사람의 전문가적 지식/평판의 견지에서, 수신된 모든 견해들이 동등하게 고려되어서는 안된다는 것이다. 따라서, 주제(예컨대, 제품/서비스)에 관한 견해를 제공한 어떠한 네트워크 사용자들은 해당 주제의 미래 값어치에 대한 코멘트에 대해 다른 네트워크 사용자들과 동등하게 자격이 주어지지 않을 수 있다. 제품/서비스의 미래 값어치는 투자수익률(ROI) 또는 발생한 수익과 같은 메트릭을 이용한 성공 수치일 수 있다.
때때로, 단일 도메인 또는 주제 영역내에서의 네트워크 사용자의 크레덴셜 및/또는 네트워크 사용자의 주관적인 평가에 기초하여 네트워크 사용자의 선험적인 전문가적 레벨을 식별하는 것이 가능하다. 예를 들어, 머신 학습 분야에서의 연구자는 이러한 도메인에서의 자신의 퍼블리싱 기록을 크레덴셜로서 레버리징시킬 수 있다. 하지만, 그래픽 또는 오퍼레이팅 시스템과 같은, 또다른 도메인에 있는 주제에 관해 이러한 연구자 개인이 의견을 말할 때에는 이 연구자의 크레덴셜의 값은 평가하기가 매우 어려워질 수 있다. 상이한 개인들은 상이한 도메인 또는 전문분야에서 서로 다른 전문가적 지식과 크레덴셜을 갖고 있다는 것을 고려해 볼때, 이러한 개인들의 다양한 견해들을 정확하게 평가하는데 있어서의 어려움은 훨씬 더 복잡해져 간다. 현재, 오늘날의 웹 2.0 네트워크 환경에서, 개인들은 도메인들을 끊임없이 왕래하고 도메인들을 통해 퍼진 주제들에 대해 많은 의견을 개진할 가능성이 높아짐에 따라, 이러한 개인들의 견해들을 평가하기 위한 능력은 점점 더 힘들어진다.
다수의 도메인들에 걸친 상이한 엔티티들로부터 네트워크를 통해 수집된 견해들 또는 예측들을 평가하고, 미래의 이벤트(예컨대, 제품 및 영화의 성공/실패, 선거 및 스포츠 토너먼트의 승리자 등)를 예측할뿐만이 아니라, 밀접하게 관련된 다른 도메인들에서의 개인들의 예측들 또는 견해들의 성과(performance) 히스토리에 따라 도메인에 대한 개인의 평판 크레덴셜을 추론하기 위해 이러한 견해들 또는 예측들을 효율적으로 이용하기 위한 객관적 방법이 필요하다.
예시적인 실시예는 도메인간 정보 퀄리티 평가를 이행하기 위한 방법이다. 본 방법은 각각의 도메인들을 각각 정의하는 특징들을 식별하고 상관된 특징들을 갖는 도메인들을 식별하는 것에 의해 지식 베이스내의 도메인들간의 관계를 계산하는 것을 포함한다. 본 방법은 또한 상관된 특징들에 기초하여 관계의 밀접성을 반영한 값을 도메인들의 쌍들에 할당하는 것을 포함한다. 본 방법은 또한 또다른 도메인과 관련된 엔티티의 과거 성과에 기초하여 하나의 도메인에서의 엔티티의 평판을 평가하는 것을 더 포함하며, 나머지 다른 도메인은, 할당된 값을 통해, 도메인과 관련된 것으로 결정된다. 엔티티의 과거 성과는 특정한 도메인에서의 이벤트에 관한 정확한 예측을 제시하는 엔티티의 능력을 표시한다. 본 방법은 또한 평가에 기초하여 도메인과 관련된 엔티티의 평판을 나타내는 값을 계산하는 것과 평판을 나타내는 값을 엔티티에게 할당하는 것을 포함한다.
또다른 예시적인 실시예는 도메인간 정보 퀄리티 평가를 이행하기 위한 도메인간 정보 퀄리티 평가 프로그램에 의한 사용을 위한 컴퓨터 프로그램 제품이다. 컴퓨터 프로그램 제품은 프로세싱 회로에 의해 판독가능하며, 방법을 수행하기 위해 프로세싱 회로에 의한 실행을 위한 명령들을 저장하는 유형적 저장 매체를 포함한다. 본 방법은 각각의 도메인들을 각각 정의하는 특징들을 식별하고 상관된 특징들을 갖는 도메인들을 식별하는 것에 의해 지식 베이스내의 도메인들간의 관계를 계산하는 것을 포함한다. 본 방법은 또한 상관된 특징들에 기초하여 관계의 밀접성을 반영한 값을 도메인들의 쌍에 할당하는 것을 포함한다. 본 방법은 또한 또다른 도메인과 관련된 엔티티의 과거 성과에 기초하여 하나의 도메인에서의 엔티티의 평판을 평가하는 것을 더 포함하며, 나머지 다른 도메인은, 할당된 값을 통해, 도메인과 관련된 것으로 결정된다. 엔티티의 과거 성과는 특정한 도메인에서의 이벤트에 관한 정확한 예측을 제시하는 엔티티의 능력을 표시한다. 본 방법은 또한 평가에 기초하여 도메인과 관련된 엔티티의 평판을 나타내는 값을 계산하는 것과 평판을 나타내는 값을 엔티티에게 할당하는 것을 포함한다.
추가적인 예시적 실시예는 도메인간 정보 퀄리티 평가를 이행하기 위한 시스템이다. 시스템은 컴퓨터 프로세서와, 이 컴퓨터 프로세서에 의해 실행가능한 도메인간 정보 퀄리티 평가 애플리케이션을 포함한다. 도메인간 정보 퀄리티 평가 애플리케이션은 방법을 수행할 수 있다. 본 방법은 각각의 도메인들을 각각 정의하는 특징들을 식별하고 상관된 특징들을 갖는 도메인들을 식별하는 것에 의해 지식 베이스내의 도메인들간의 관계를 계산하는 것을 포함한다. 본 방법은 또한 상관된 특징들에 기초하여 관계의 밀접성을 반영한 값을 도메인들의 쌍에 할당하는 것을 포함한다. 본 방법은 또한 또다른 도메인과 관련된 엔티티의 과거 성과에 기초하여 하나의 도메인에서의 엔티티의 평판을 평가하는 것을 더 포함하며, 나머지 다른 도메인은, 할당된 값을 통해, 도메인과 관련된 것으로 결정된다. 엔티티의 과거 성과는 특정한 도메인에서의 이벤트에 관한 정확한 예측을 제시하는 엔티티의 능력을 표시한다. 본 방법은 또한 평가에 기초하여 도메인과 관련된 엔티티의 평판을 나타내는 값을 계산하는 것과 평판을 나타내는 값을 엔티티에게 할당하는 것을 포함한다.
추가적인 특징들 및 장점들이 본 발명의 기술들을 통해 실현된다. 본 발명의 다른 실시예들 및 양태들이 상세하게 설명되며, 이것은 청구된 발명의 일부로 간주된다. 장점들과 특징들을 갖는 본 발명의 보다 나은 이해를 위해, 상세한 설명과 도면을 참조한다.
예측 프로세스에 참여한 개인 또는 커뮤니티의 동적으로 업데이트된 평판들에 기초하여 집합적인 예측뿐만이 아니라 개별적인 예측들을 평가하는 최적화된 협동적 웹 서비스를 제공할 수 있으며, 또한 최적화된 협동적 웹 서비스는 참여한 개인들과 관련된 도메인들에 걸친 이벤트들뿐만이 아니라 도메인들내에서의 이벤트들의 고품질 예측들을 제공할 수 있다.
이제부터 도면에 대한 간단한 설명을 하겠으며, 여기서 동일한 엘리먼트들은 여러 개의 도면들에서 동일하게 번호가 매겨진다.
도 1은 본 발명의 예시적인 실시예에서의 도메인간 정보 퀄리티 평가를 이행하기 위한 컴퓨팅 시스템을 나타낸다.
도 2는 본 발명의 예시적인 실시예에서의 도메인간 정보 퀄리티 평가 프로세스를 통한 데이터의 흐름을 도시하는 블럭도를 나타낸다.
도 3은 본 발명의 예시적인 실시예에서의 도메인간 정보 퀄리티 평가를 이행하기 위한 프로세스를 설명하는 흐름도를 나타낸다.
도 4는 예시적인 실시예에 의해 구현될 수 있는 컴퓨터 프로그램 제품을 나타낸다.
본 발명의 예시적인 실시예는 협동적 네트워크 환경의 엔티티들에 의해 제공된 도메인간 정보의 퀄리티 평가를 이행하는 것에 관한 것이다. 엔티티란 통상적인 협동적 네트워크 또는 웹싸이트의 온라인 사용자들을 말한다. 예시적인 실시예에서, 도메인은 정의된 주제에 속하는 지식의 영역 또는 범위에 관한 것이다. 도메인은 도메인의 개념 및 도메인들간의 관계를 포함하여, 도메인의 논리적 구조를 설명하는 존재론적 기술들을 이용하여 정의될 수 있다. 도메인간 정보 퀄리티 평가 프로세스는 지식 베이스의 일부인 다수의 도메인들에 대해 이행될 수 있다.
엔티티가 경험 또는 전문적 지식이 거의 없거나 또는 아예 없다고 여겨지는 도메인에서의 엔티티에 대한 평판 점수를 해석하고 추론하기 위해, 도메인간 정보 퀄리티 평가 프로세스는 주어진 도메인에서의 엔티티의 평판을 활용한다. 이러한 프로세스를 "크로스 도메인 평판 추론"이라고 부른다. 평판이란 주어진 도메인에서의 이벤트에 관한 정확한 견해 또는 예측을 제시하는 엔티티의 능력을 말한다. 이벤트란 특정한 시간 프레임내에서 견해/예측이 제시될 수 있는 특정한 주제(예컨대, 문제, 문의, 토픽)를 말한다. 평판 점수는 특정한 도메인과 연계된 이벤트들에 관한 예측들 또는 견해들을 제시할 때의 역사적 성과에 기초하여 계산되어 엔티티에 귀속된다. 따라서, 높은 평판 점수는 도메인 주제에 대한 높은 숙련도를 나타내는 반면에, 낮은 평판 점수는 도메인 주제에 대한 낮은 숙련도를 나타낸다. 크로스 도메인 평판 추론은, 도메인들간의 관계를 구축하고 그런 후 이러한 도메인들과 각자의 관계성을 수학적으로 계산하여 도메인들 중 어느 도메인이 평판이 추론될 도메인에 관련이 있는 것일 수 있는지를 식별하기 위해, 지식 베이스내의 다수의 도메인들간의 존재론적 및 통계적 상관성을 레버리징함으로써 이행될 수 있다. 이것은 또한 다수의 도메인들에서 다수의 엔티티들의 성과를 관측하고 상이한 도메인들에서의 엔티티들의 평판들 중에서 통계적 관계를 습득함으로써 보충될 수 있다.
따라서, 도메인간 정보 퀄리티 평가 프로세스는 상이하지만 밀접하게 관련된 도메인에서의 엔티티의 평판에 관한 정보를 이용하여 도메인에서의 엔티티의 평판을 추론하는 능력을 제공한다(즉, 엔티티의 해당 도메인 지식에 기초하여 해당 도메인에서의 이벤트들에 관한 정확한 예측을 제시하는 엔티티는 상이하지만 밀접하게 관련된 도메인에서 비교적 양호한 예측을 할 가능성이 높다). 예를 들어, 주택 시장 예측(즉, 제1 도메인)에서 전문가인 A라는 사람은 건설업 섹터(제1 도메인과 관련된 제2 도메인) 또는 가구 산업에 대하여, 서양 고전 음악(제1 도메인과 관련되지 않은 제3 도메인)에서 전문가인 B라는 사람보다 우수하게 예측할 가능성이 매우 높다. 따라서, 예측될 이벤트가 건설업의 도메인에 있을 때에, A에 의해 행해진 예측은 B에 의해 행해진 예측과 비교하여 보다 높은 가중치가 주어져야 한다. 마찬가지로, 예측될 이벤트가 컨츄리 음악의 도메인에 있을 때에(예컨대, 새로운 앨범의 레코드 판매), B에 의해 제공된 예측은 A의 예측보다 더 가치가 클 수 있다. 이러한 평가를 "예측 파워"라고 언급하며, 이것의 결과는 대응하는 도메인과 관련된 엔티티에 대한 평판 점수로 종결된다. 따라서, 엔티티의 예측 파워는 엔티티에 의해 행해진 이벤트의 예측 결과가 이벤트의 실제 출력과 얼마나 근접하게 일치하는지에 관한 수치이다.
도메인간 정보 퀄리티 평가 프로세스는 추가적으로, 관련된 다른 도메인들에서의 엔티티의 과거 성과뿐만이 아니라, 각각의 도메인내에서의 엔티티의 과거 성과에 따른 각 도메인내의 각 엔티티의 현재 평판의 평가를 가능하게 해준다. 게다가, 도메인간 정보 퀄리티 평가 프로세스는 도메인간 관계를 고려한 모든 엔티티들의 동적으로 계산된 도메인 의존적 평판과 함께 각각의 도메인내에서의 개개별의 엔티티 예측에 기초하여 다수의 도메인들에 걸친 이벤트들에 대한 종합적인 예측을 평가한다. 정의된 결정 간격내에서 이벤트들에 대한 예측들이 행해진다. 장래의 이벤트들에는 예컨대 제품, 영화의 성공/실패, 또는 선거, 스포츠 토너먼트에서의 승리자 등이 포함될 수 있다.
엔티티의 예측 파워는 엔티티의 평판 점수 측면에서 측정된다. 상이한 엔티티들의 평판은 각각의 결정 간격의 각 끝에서 계속적으로 업데이트된다. 결정 간격은 시스템이, 알려지지 않은 이벤트를 예상하기 위한 예측을 이용하여, 임의의 도메인 D에 속하는 이벤트에 대한 상이한 참가 엔티티들로부터의 예측/견해를 수집하고, 이벤트의 출력을 관측하는 것으로 시작한다. 이벤트가 실제로 실현될 때에 결정 간격은 종결된다. 시스템은 상이한 엔티티들로부터의 개별적인 예측들을 이용하고, 관계의 밀접성을 나타내는 값뿐만이 아니라, 도메인 D 및 다른 도메인들에 대한 엔티티들의 평판 점수들을 이용하여 엔티티들에 가중치를 설정으로써 예상을 행한다. 결정 간격의 끝에서는 도메인 D에 대한 엔티티의 평판 점수가 업데이트되는 것 뿐만이 아니라 다른 도메인들에서의 엔티티의 평판 점수가 업데이트된다.
도메인간 정보 퀄리티 평가 프로세스는 참여한 엔티티의 평판을 평가하기 위한 신규한 객관적인 누적 기준을 제공한다. 도메인간 정보 퀄리티 평가 프로세스는 이러한 집합적 견해가 제품, 솔루션, 서비스의 판매, 또는 아이디어 또는 개념의 활용과 같은 객관적 메트릭들에 대해 어떠한 영향을 미쳤는지의 객관적 메트릭에 대한 커뮤니티의 리뷰어들(즉, 참여 엔티티들)의 견해들의 결과를 링크시키는 것에 관하여 루프를 폐쇄한다. 뿐만 아니라, 도메인간 정보 퀄리티 평가 프로세스는 또한 리뷰어들의 평판의 보다 전반적인 픽쳐를 제공하기 위해 상이한 도메인들에서의 리뷰어들의 성과를 추적한다.
이제 도 1을 참조하여, 예시적인 실시예들에서 도메인간 정보 퀄리티 평가 프로세스들이 이행될 수 있는 시스템(100)의 블럭도를 이제 설명할 것이다. 도 1의 시스템(100)은 하나 이상의 네트워크(들)(106)을 통해 클라이언트 시스템(104)과 통신하는 호스트 시스템(102)을 포함한다. 호스트 시스템(102)은 서버(들)에 의해 액세스가능한 저장 매체내에 저장된 컴퓨터 프로그램에 응답하여 동작하는 하나 이상의 서버들을 이용하여 구현될 수 있다. 호스트 시스템(102)은 하나 이상의 클라이언트 시스템(104)과 통신하기 위해 네트워크 서버(예컨대, 웹 서버)로서 동작할 수 있다. 호스트 시스템(102)은 클라이언트 시스템(104)으로 정보를 보내고 이로부터 정보를 수신하는 것을 취급할 수 있으며, 이에 연관된 업무들을 수행할 수 있다.
호스트 시스템(102)은 또한 애플리케이션 서버로서 동작할 수 있다. 예시적인 실시예들에 따르면, 호스트 시스템(102)은 도메인간 정보 퀄리티 평가 서비스들을 제공하기 위해 하나 이상의 컴퓨터 프로그램들을 실행한다. 본 명세서에서는 이러한 하나 이상의 컴퓨터 프로그램들을 총칭하여 도메인간 정보 퀄리티 평가 애플리케이션(116)이라고 칭한다. 이와 달리, 도메인간 정보 퀄리티 평가 애플리케이션(116)의 기능의 일부는 클라이언트 시스템(104)을 통해 이행될 수 있다.
도메인간 정보 퀄리티 평가 활동들은 애플리케이션(예컨대, 자바 애플릿)을 클라이언트 시스템(104)에 제공함으로써 클라이언트 시스템(104)과 호스트 시스템(102)에 의해 공유될 수 있다. 이와 달리, 클라이언트 시스템(104)은 설명된 프로세싱의 일부를 수행하기 위한 독립형 소프트웨어 애플리케이션들을 포함할 수 있다. 또다른 실시예들에서, 도메인간 정보 퀄리티 평가 시스템 기능은 클라이언트 시스템(104)(미도시)상에서 실행되는 웹 브라우저 애플리케이션내에 내장될 수 있다. 전술한 바와 같이, 별개의 서버들이 호스트 시스템(102)의 애플리케이션 서버 기능들과 네트워크 서버 기능들을 이행하는데 활용될 수 있다는 것이 이해된다. 이와 달리, 네트워크 서버 및 애플리케이션 서버는 호스트 시스템(102)과 관련하여 설명한 필수 기능들을 수행하도록 컴퓨터 프로그램들을 실행하는 단일 서버에 의해 이행될 수 있다.
클라이언트 시스템(104)은 하나 이상의 네트워크(들)(106)을 통해 호스트 시스템(102)에 결합될 수 있다. 클라이언트 시스템(104) 각각은 본 명세서에서 설명된 프로세스들 중 몇몇의 프로세스들을 수행하기 위한 컴퓨터 프로그램을 실행하는 범용 컴퓨터를 이용하여 이행될 수 있다. 클라이언트 시스템(104)은 개인 컴퓨터(예컨대, 랩탑, 개인 디지털 보조기) 또는 호스트 부착형 단말일 수 있다. 설명을 위해, 클라이언트 시스템(104)은 웹 서비스들을 포함한 인터넷 서비스들의 소비자들에 의해 동작된다. 본 명세서에서는 이러한 소비자들을 "엔티티" 및 "리뷰어"라고 칭하며, 이것들은 나중에 자세하게 설명될 것이다.
예시적인 실시예들에서, 도 1에서 도시된 도메인간 정보 퀄리티 평가 시스템(100)은 저장 디바이스(112)를 포함한다. 저장 디바이스(112)는 호스트 시스템(102)과 통신하며, 이것은 전자적 정보를 저장하기 위한 다양한 디바이스들을 이용하여 구현될 수 있다. 저장 디바이스(112)는 호스트 시스템(102)내에 포함된 메모리를 이용하여 구현될 수 있거나, 또는 도 1에서 도시된 바와 같은, 별개의 물리적 디바이스일 수 있다. 저장 디바이스(112)는 네트워크(들)(106)을 포함한 분산적 환경에 걸친 통합된 데이터 소스로서 논리적으로 어드레싱될 수 있다. 저장 디바이스(112)내에 저장된 정보는 호스트 시스템(102) 및 클라이언트 시스템(104)의 인증된 사용자들을 통해 인출되고 조작될 수 있다. 저장 디바이스(112)는 콘텐츠 데이터(예컨대, 클라이언트 시스템(104)에 의한 리뷰를 위한 하나 이상의 정보 컨텐츠 주제 소스들), 콘텐츠 사용자 기록(예컨대, 클라이언트 시스템(104)의 사용자들과 관련된 정보)뿐만이 아니라, 호스트 시스템(102)의 서비스 제공자가 희망하는 다른 정보 중, 정의된 도메인들, 도메인간 거리 메트릭, 개개별 및 집합적 소비자 리뷰들, 평가들, 및 평판들을 포함할 수 있다. 이러한 특징들은 본 명세서에서 자세하게 설명된다. 예시적인 실시예에서, 호스트 시스템(102)은 데이터베이스 서버로서 동작하며, 저장 디바이스(112)상에 저장된 데이터를 포함한 애플리케이션 데이터에 대한 액세스를 조정한다.
예시적인 실시예에서, 호스트 시스템(102)은 협동적 애플리케이션 웹 서비스(예컨대, 몇개를 열거하자면, 소셜/비지니스 네트워킹, 위키, 웹로그, 뉴스 제공, 및 제품/서비스)를 이행하는 서비스 제공자를 나타낸다. 추가적으로, 호스트 시스템(102)은 도메인간 정보 퀄리티 평가 서비스들의 제공자를 나타낸다. 하지만, 호스트 시스템(102)은 이와 달리 협동적 콘텐츠 제공자와 같은 상이한 네트워크 엔티티(미도시)를 대신하여, 애플리케이션 서비스 제공자(application service provider; ASP)로서, 도메인간 정보 퀄리티 평가 서비스들을 이행할 수 있다는 것이 이해될 것이다.
네트워크(106)는 비제한적인 예시로서, 광역 네트워크(wide area network; WAN), 근거리 네트워크(local area network; LAN), 글로벌 네트워크(예컨대, 인터넷), 가상 개인 네트워크(virtual private network; VPN), 및 인트라넷을 포함한 임의의 유형의 알려진 네트워크일 수 있다. 네트워크(106)는 본 발명분야에서 알려진 무선 네트워크 또는 임의의 종류의 물리적 네트워크 구현을 이용하여 구현될 수 있다. 모든 클라이언트 시스템(104)이 동일한 네트워크를 통해 호스트 시스템(102)에 결합되지 않도록, 클라이언트 시스템(104)은 다수의 네트워크들(예컨대, 인트라넷 및 인터넷)을 통해 호스트 시스템(102)에 결합될 수 있다. 하나 이상의 클라이언트 시스템(104) 및 호스트 시스템(102)은 무선 방식으로 네트워크(들)(106)에 연결될 수 있다.
상술한 바와 같이, 도메인간 정보 퀄리티 평가 시스템은 별개의 애플리케이션(116)을 통해 구현될 수 있거나, 또는 하나 이상의 기존의 애플리케이션들(예컨대, 웹 2.0을 통해 구현된 협동적 애플리케이션 또는 서비스)내에 내장될 수 있다.
이제 도 2를 참조하면, 이제부터 도메인간 정보 퀄리티 평가 프로세스를 통한 데이터의 흐름을 도시하는 블럭도를 예시적 실시예에서 설명할 것이다. 이벤트들에 대한 엔티티들(201-1 ~ 201-N)(201-N은 엔티티들의 갯수를 나타낸다)의 개별적인 예측들은 도메인간 정보 퀄리티 평가 애플리케이션(116)에 의해 수신된다. 엔티티들(201-1 ~ 201-N) 각각은 대응하는 이벤트들에 대한 복수의 도메인들(D1-DN)에서 다수의 예측들을 제출할 수 있다. 이러한 예측들은 특정한 문의, 이슈, 또는 토픽(즉, 이벤트)에 대한 엔티티의 견해 또는 예상을 나타내는 몇몇 유형의 값의 형태일 수 있다. 예를 들어, 상기 이슈는 아직 발간되지 않은 책의 제안된 성공 또는 실패에 관한 것이라고 가정한다. 비제한적인 예시에 의하면, 예측 값은 책의 예상 총판매액, 예상된 판매부수, 또는 해당 책에 관심을 가질 가능성이 높은 소비자 유형을 반영한 인구통계적 속성의 측면에서 표현될 수 있다.
도메인간 정보 퀄리티 평가 애플리케이션(116)은 또한 각 도메인들(D1-DN)에 대한 도메인간 거리 메트릭(208)을 수신한다. 도메인간 거리 메트릭은 각 도메인들(D1-DN)간의 관계 밀접성의 수치를 명시화한다. 도메인간 거리 메트릭 값들은 다양한 기술들을 이용하여 구현될 수 있다. 예를 들어, 도메인들간의 관계는 각각의 도메인을 정의하는 특징들 세트를 식별함으로써 결정될 수 있다. 존재론적 기반 프로세싱, 계층적 트리 구조, 또는 이와 유사한 기술을 이용하여, 도메인들간의 관계(및 관련도)가 확립될 수 있다. 예를 들어, 트리 구조를 이용하여, 두 개의 도메인들간의 관계 밀접성은 이 도메인들 사이의 홉의 갯수에 의해 계산될 수 있다. 예시적인 실시예에서, 한 쌍의 도메인들이 관련되어 있는 정도를 결정하기 위해 한 쌍의 도메인들을 정의하는 특징들간의 상관성이 이용될 수 있다.
도메인간 정보 퀄리티 평가 애플리케이션(116)은 또한 각각의 엔티티(201-1 ~ 201-N)에 대한 평판 점수들(202-1 ~ 202-N)을 수신하며, 이로써 복수의 도메인들(D1-DN)에 대하여 각각의 엔티티(201-1 ~ 201-N)에 대한 다수의 평판 점수들이 수신될 수 있다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 집합적인 예측 값(203)을 유도해내기 위해 엔티티들(201-1 ~ 201-N)과 관련된 도메인들(D1-DN)에 대한 개개별의 예측들과, 각각의 엔티티들(예컨대, 클라이언트 시스템(104)의 사용자들)과 연관된 평판 점수들(202-1 ~ 202-N)을 프로세싱한다. 이 프로세싱은 연관된 도메인과 관련된 각각의 엔티티들에 대해 알려진 현재의 평판들의 수치, 각각의 도메인들간의 밀접성 수치, 및 연관된 예측 값들에 기초하여, 개개별의 예측들에 가중치를 적용하는 것을 포함할 수 있다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 프로세싱에 응답하여, 적용된 가중치를 갖는 예측들을 평균화한다. 이러한 프로세싱은 본 명세서에서 자세하게 설명된다.
이벤트들의 실제 출력(이것을 "이벤트 실현"이라고도 부른다)을 결정할 때, 각각의 도메인들에 대한 대응하는 집합적 예측 에러(205)를 유도해내기 위해, 실제 출력(204) 각각을 나타내는 값은 각각의 집합적 예측 값들(203) 각각과 함께 프로세싱된다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 집합적 예측 에러(205)를 수신하고, 집합적 예측 값들(203)과 집합적 예측 에러들(205)간의 편차를 반영하도록 연관된 엔티티들의 하나 이상의 평판 점수들(207)을 수정하거나 조정한다. 집합적 예측 값(203), 집합적 예측 에러(205), 및 집합적 평판 점수(207)는 개별적인 엔티티들의 집합체(이것을 "커뮤니티"라고도 부른다)에 대응한다. 따라서, 개개별의 엔티티들의 집합체는 하나 이상의 도메인들에 걸쳐 하나 이상의 이벤트들의 예측에 회원들이 참여한 커뮤니티를 형성한다. 집합적 예측 에러(205) 및 평판 점수(207) 조정은 자세하게 설명될 다양한 기술들을 이용하여 이행될 수 있다.
집합적 예측 및 평판 점수 계산 및 조정에 더하여, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 또한 하나 이상의 이벤트들과 관련되고 다수의 도메인들에 걸친 개별적인 예측 및 평판 점수 조정에 촛점을 둔다. 도 2에서 도시된 바와 같이, 예를 들어, 각각의 엔티티들(엔티티 1 ~ 엔티티 N, 이것은 하나 이상의 클라이언트 시스템(104)에 대응한다)은 연관된 도메인들(D1-DN)에 대한 대응하는 예측(201-1 ~ 201-N)을 제공하며, 이 예측들은, 영향을 받은(affected) 도메인들(D1-DN) 각각에 대한 대응하는 개별적인 예측 에러 값들(206-1 ~ 206-N)을 결정하기 위해 실제 출력 값(204)과 함께 프로세싱된다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 각각의 엔티티들 및 각각의 영향을 받은 도메인들에 대한 현재의 평판 점수들(202-1 ~ 202-N)을 조정하며, 후속하는 이벤트 동안에, 수정개조된 평판 점수들이 상술한 집합적 예측 값을 계산하기 위한 프로세스에 평판 점수들(202-1 ~ 202-N)로서 입력되며, 이로써 개별적 및 집합적 평판 점수들에 대한 동적 업데이트를 갖는 폐루프 프로세스를 보장한다.
각 도메인내의 엔티티의 과거 성과(및 다른 관련 도메인들에서의 과거 성과)에 따라 각 도메인내의 각 엔티티의 현재 평판을 평가하는 것과, 도메인간 관계를 고려한 모든 엔티티들의 동적으로 계산된 도메인 의존적 평판과 함께 각 도메인내의 개개별의 엔티티 예측에 기초하여 다수의 도메인들에 걸친 이벤트들에 대한 종합적 예측을 평가하는 것에 더하여, 도메인간 정보 퀄리티 평가 프로세스는 또한 상이하지만 밀접하게 관련된 도메인에서의 엔티티의 평판에 관한 정보를 이용하여 도메인에서의 엔티티의 평판을 추론하는 능력을 제공한다. 평판 추론은 특정한 도메인에 기초한 엔티티에 대한 현재의 평판 점수와 함께 도메인간 거리 메트릭을 이용하여 이행될 수 있다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 도메인간 거리 메트릭을 이용하여 지식 베이스내의 어느 도메인들이 평판 점수가 추론될 도메인과 밀접한 관계를 갖는 것으로서 식별되는지를 확인한다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 또한 엔티티와 밀접하게 관련된 도메인들 중 임의의 도메인과 연관된 할당받은 평판 점수를 엔티티가 갖는지 여부를 식별한다. 만약 할당받은 평판 점수를 엔티티가 갖는다면, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 밀접하게 관련된 도메인들의 평판 점수들에 기초하여 도메인에 대한 평판 점수를 계산(추론)한다. 이러한 계산은 본 명세서에서 자세하게 설명된다. 예측이 행해졌던 이벤트의 출력을 관측하자마자 도메인간 거리 메트릭은 업데이트될 수 있다. 도메인간 거리 메트릭은 예컨대 상이한 도메인들내의 엔티티들의 서브세트의 각 멤버에 의해 행해졌던 예측들의 정확도(손실 함수와 같은 수치)간의 상관성을 계산함으로써 업데이트될 수 있다. 샘플 손실 함수는 본 명세서에서 자세하게 설명된다. 대다수의 사용자들에 대한 예측들에서의 높은 상관도는 도메인들이 서로 밀접하다는 것을 의미한다.
이제 도 3을 참조하면, 이제부터 도메인간 정보 퀄리티 평가를 이행하기 위한 예시적인 프로세스를 설명할 것이다. 프로세스는 단계 302에서 시작하고, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 엔티티들[예컨대, 클라이언트 시스템(104)]로부터 이벤트들에 대한 예측들을 수신한다(단계 304). 각각의 이벤트들은 특정한 도메인과 연관되어 있다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 영향받은 도메인들에 대한 도메인간 거리 메트릭을 획득한다(단계 306). 도메인간 정보 퀄리티 평가 애플리케이션(116)은 참여한 엔티티들(즉, 각자의 예측을 제출한 자들) 각각에 대한 평판 점수를 획득한다(단계 308). 이것들은 각각의 엔티티에 대한 다수의 평판 점수들(예컨대, 각 도메인에 대한 하나의 평판 점수)을 포함할 수 있다. 이용가능한 모든 평판 점수들이 획득되면, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 대응하는 평판 점수들(예컨대, 가중치 평균을 이용함)과 도메인간 거리 메트릭을 고려하여 예측 값들을 프로세싱한다(단계 310). 단계 312에서, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 단계 310에서 설명된 프로세싱으로부터 이벤트들에 대한 집합적 예측 값들을 생성한다.
단계 314에서, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 예컨대, 관측에 의해, 이벤트들에 대한 실제 출력을 결정한다. 단계 316에서, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 개별적인 엔티티들 각각의 예측된 출력 값들과 영향받은 도메인들 각각에 대한 실제 출력 값들을 비교한다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 각 도메인에 대하여 각각의 엔티티와 연관된 예측된 출력 값들과 실제 출력 값들을 이용하여 대응하는 엔티티들 각각에 대한 대응하는 예측 에러를 계산한다(단계 318). 그런 후 예측 에러는 도메인들 각각에 대한 엔티티의 평판 점수를 재계산(또는, 엔티티에 의해 행해진 첫번째 예측인 경우라면, 유도)하기 위해 도메인간 정보 퀄리티 평가 애플리케이션(116)에 의해 이용된다(단계 320). 게다가, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 또한 엔티티에 대한 업데이트된 평판 점수들의 계산시에 단계 328로부터 유도된 집합적인 예측 에러를 이용할 수 있다. 이러한 평판 점수들은 미래의 취소 및 조정을 위해 저장 디바이스(112)내에 저장된다. 단계 322에서, 예측을 위한 커뮤니티에 대해 새로운 이벤트가 제시되었는지를 판단한다. 만약 새로운 이벤트가 제시되었다면, 프로세스는 단계 304로 복귀한다. 그렇지 않은 경우, 프로세스는 단계 324에서 종료한다.
단계 314를 다시 참조하면, 이벤트들에 대한 실제 출력들이 발생하면, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 집합적 예측 값들에 대해 유사한 프로세싱을 수행한다. 단계 326에서, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 집합적인 예측 출력 값들과 각각의 이벤트에 대한 실제 출력 값들을 비교한다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 커뮤니티와 연관된 집합적인 예측 출력 값들과 실제 출력 값들을 이용하여 각각의 이벤트에 대한 각각의 집합적인 예측 에러를 계산한다(단계 328). 그런 후 집합적인 예측 에러는 각각의 이벤트들에 대한 커뮤니티의 평판 점수를 재계산(또는, 커뮤니티에 의해 행해진 첫번째 예측인 경우라면, 유도)하기 위해 도메인간 정보 퀄리티 평가 애플리케이션(116)에 의해 이용된다(단계 330). 이러한 집합적인 평판 점수들은 미래의 취소 및 조정을 위해 저장 디바이스(112)내에 저장된다. 상술한 바와 같이, 각각의 이벤트에 대한 집합적인 예측 에러는 각각의 도메인들에 대해 및 도메인들에 걸쳐 엔티티들의 개별적인 평판 점수들을 업데이트하는데 이용될 수 있다(단계 320). 그런 후 프로세스는 단계 322로 진행하여, 예측을 위한 커뮤니티에 대해 새로운 이벤트가 제시되었는지를 판단한다. 만약 새로운 이벤트가 제시되었다면, 프로세스는 단계 304로 복귀한다. 그렇지 않은 경우, 프로세스는 단계 324에서 종료한다.
도 2에서 상술된 바와 같이, 개별적 및 집합적 예측 값들, 개별적 및 집합적 예측 에러들, 개별적 및 집합적 평판 점수들 및 조정, 및 관련 도메인들에 걸친 개별적인 평판 점수들을 유도해내기 위해 다양한 기술들이 활용될 수 있다. 이 기술들 중 몇몇을 이제 설명할 것이다.
예측을 행하는 엔티티들의 갯수를 N이라고 놓자. 결정 시간 t를 고려한다. 결정 시간에서, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 이러한 N개의 엔티티들로부터 알려지지 않은 이벤트의 출력 y(t)에 관한 예측들을 수집한다. y(t)는 상이한 도메인들로부터의 이벤트들의 벡터일 수 있음을 유념한다. 따라서, y(t) = [ y 1 (t), y 2 (t),...y d (t)]이다. 이러한 N개의 엔티티들에 의해 행해진 y(t)의 예측들은 x 1 (t), x 2 (t),..., x N (t)인 것으로 한다. 임의의 엔티티 i의 경우, 예측 x i (t)는 또한 상이한 도메인들에 대한 예측 벡터일 수 있다. 따라서, x i (t) = [ x i 1 (t), x i 2 (t),...,x i D (t)]이다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 이러한 N개의 엔티티들로부터의 예측들을 취하고 이 예측들을 이용하여 y(t)의 값을 예상한다. 도메인간 정보 퀄리티 평가 애플리케이션(116)은 전문가의 예측 및 전문가들의 평판 점수에 기초하여 예측 p(t) = [ p 1 (t), p 2 (t),...,p D (t)]을 행한다. 하나의 접근법은 상이한 엔티티들의 예측들의 가중 평균을 이용하는 것일 수 있으며, 여기서 엔티티의 가중은 엔티티의 평판 점수이다. 이것은,
Figure 112011011144164-pat00001
로 표현될 수 있으며: 여기서 W i ,t-1 은 결정 시기 t에서의 전문가 i의 평판 점수이다.
L d ( P d , y d )은 도메인간 정보 퀄리티 평가 시스템에 대한 손실인 것으로 정의하고, L d ( x i d , y)은 도메인 d에서의 엔티티 i에 대한 손실인 것으로 정의한다. 손실은 도메인 d에서의 이벤트의 실제 값과 예측 값간의 불일치 수치이다. 도메인 d에서의 엔티티에 의해 행해진 예측의 양호도의 수치는 도메인 d에서의 집합적 리그렛( regret ), 즉 R d i ,t 이며, 이것은 도메인 d에서의 시간 t까지의 시스템 손실과 엔티티간의 차이의 총합에 의해 주어진다. 따라서,
Figure 112011011144164-pat00002
이다.
도메인간 정보 퀄리티 평가 시스템의 목표는 각각의 엔티티에 대한, 모든 도메인들에 걸친 누계적 리그렛, R i ,t 을 최소화하는 것이다. 엔티티 i에 대한 모든 도메인들에 걸친 누계적 리그렛의 하나의 수치는 각각의 도메인에 대한 엔티티 i의 누계적 리그렛의 합에 의해 주어질 수 있다. 따라서, R i ,t = R 1 i ,t + R 2 i ,t +...+ R D i ,t 이다.
도메인들에 걸친 누계적 리그렛의 또다른 수치는 엔티티 i에 대한 가장 큰 누계적 리그렛을 갖는 도메인에 대한 누계적 리그렛일 수 있다. 따라서, R i ,t = max(R 1 i,t ,R 2 i,t ,R D i,t )이다.
도메인간 정보 퀄리티 평가 애플리케이션(116)은 상기 리그렛을 최소화하기 위해 이벤트가 실현된 후에 각각의 이벤트의 평판 점수를 업데이트한다. 이러한 아이디어는 누계적 리그렛이 작은 엔티티들의 평판 점수를 증가시키고 보다 큰 누계적 리그렛을 갖는 엔티티들의 평판 점수를 감소시키는 것이다.
시간 t때까지의 누계적 리그렛의 확률 함수
Figure 112011011144164-pat00003
를 정의한다;
Figure 112011011144164-pat00004
는 비음수적, 엄격한 오목형 증가 미분 함수이며;
Figure 112011011144164-pat00005
는 비음수적 증가 미분 함수이다.
Figure 112011011144164-pat00006
가 지수적이고
Figure 112011011144164-pat00007
가 로그적이면,
Figure 112011011144164-pat00008
이다.
Figure 112011011144164-pat00009
를 도메인 j와 도메인 d간의 거리의 수치라고 놓는다. 그러면, 도메인 j에서의 평판 점수는
Figure 112011011144164-pat00010
로서 업데이트된다.
위 참조들을 이용하여, 도메인간 정보 퀄리티 평가 애플리케이션(116)은 다음을 통해 도메인간 정보 퀄리티 평가를 이행한다. 시간 t=0에서, 모든 엔티티들(i=1,...,N)과 모든 도메인들(j=1,...D)에 대해 평판 점수는 W i j (0)=1로 초기설정된다. 그런 후, 각각의 시간(t=1,2,...)에 대해 수행한다; 알려지지 않은 이벤트 y(t)에 대해 모든 엔티티들 i로부터의 예측들 x i (t)을 수집한다; 각각의 도메인 j에 대해 집합적 예측
Figure 112011011144164-pat00011
을 계산한다; 이벤트 y(t) = [ y 1 (t), y 2 (t), ...y d (t)]를 관측한다. y(t)는 상이한 도메인들에서의 이벤트들의 집합이다;
Figure 112011011144164-pat00012
을 이용하여 모든 엔티티들 i에 대해 시간 t까지의 누계적 리그렛 R i ,t 을 계산한다;
Figure 112011011144164-pat00013
을 이용하여 모든 엔티티들 i의 평판 점수들을 업데이트한다.
기술적 효과 및 이익은 예측 프로세스에 참여한 개인 또는 커뮤니티의 동적으로 업데이트된 평판들에 기초하여 집합적인 예측뿐만이 아니라 개별적인 예측들을 평가하는 최적화된 협동적 웹 서비스를 포함된다. 최적화된 협동적 웹 서비스는 참여한 개인들과 관련된 도메인들에 걸친 이벤트들뿐만이 아니라 도메인들내에서의 이벤트들의 고품질 예측들을 제공한다.
본 명세서에서 사용된 용어는 특정한 실시예들을 설명하기 위한 것일 뿐이며, 본 발명을 한정시키려는 의도는 없다. 본 명세서에서 사용된, 단수형 표현들은 문맥에서 명백히 이와 달리 표시되지 않는 한, 복수형 표현도 포함하는 것으로 한다. 본 명세서에서 용어 "포함한다" 및/또는 "포함하는"이 사용될 때에, 진술된 특징, 정수, 단계, 동작, 엘리먼트, 및/또는 컴포넌트의 존재를 규정하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 엘리먼트, 컴포넌트 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않음을 또한 이해할 것이다.
아래의 청구항들에서 모든 수단들 또는 단계들 및 기능 엘리먼트의 대응하는 구조물, 물질, 동작, 및 등가물은 구체적으로 청구된 다른 청구된 엘리먼트들과 결합하여 본 기능을 수행하기 위한 임의의 구조물, 물질, 또는 동작을 포함하는 것으로 한다. 본 발명의 설명은 설명과 해설을 목적으로 제시되었으며, 본 발명의 형태를 망라한 것이거나 또는 본 발명을 개시된 형태로 한정시키려는 것으로 의도한 것은 아니다. 본 발명의 범위와 사상으로부터 일탈하지 않고서 수 많은 변형과 변경이 본 발명의 당업자에게 떠오를 것이다. 본 발명의 원리와 실제 응용을 최상으로 설명하고, 본 발명분야의 기타 사람들이 특정 용도 구상에 적합한 다양한 변형들을 갖는 다양한 실시예들을 염두하면서 본 발명을 이해하도록 하기 위해 실시예가 선택되고 기술되었다.
당해 기술 분야에서 통상의 지식을 갖는 자라면 알 수 있듯이, 본 발명의 양태들은 시스템, 방법 또는 컴퓨터 프로그램 제품으로서 구현될 수 있다. 따라서, 본 발명의 양태들은 완전한 하드웨어 실시예의 형태, 완전한 소프트웨어 실시예의 형태(펌웨어, 상주 소프트웨어, 마이크로 코드 등을 포함함) 또는 본 명세서에서 "회로", "모듈", 또는 "시스템"으로 모두 총칭될 수 있는 소프트웨어와 하드웨어 양태들을 결합한 실시예의 형태를 취할 수 있다. 또한, 본 발명의 양태들은 하나 이상의 컴퓨터 판독가능 매체(들)내에 수록된 컴퓨터 판독가능 프로그램 코드를 포함한 컴퓨터 프로그램 제품의 형태를 취할 수 있다.
하나 이상의 컴퓨터 판독가능 매체(들)의 임의의 조합이 이용될 수 있다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 신호 매체이거나 또는 컴퓨터 판독가능 저장매체일 수 있다. 컴퓨터 판독가능 저장매체는, 예컨대, 비제한적인 예시로서, 전자적, 자기적, 광학적, 전자기적, 적외선, 또는 반도체 시스템, 장치, 디바이스, 또는 전술한 것들의 임의의 적절한 조합일 수 있다. 컴퓨터 판독가능 저장매체의 보다 구체적인 예(총 망라한 나열은 아님)는, 하나 이상의 와이어를 갖는 전기 접속부, 휴대용 컴퓨터 디스켓, 하드 디스크, RAM(random access memory), ROM(read-only memory), EPROM(erasable programmable read-only memory, 또는 플래시 메모리), 광섬유, 휴대용 CDROM(compact disc read-only memory), 광학 저장 디바이스, 자기 저장 디바이스, 또는 전술한 것들의 임의의 적절한 조합을 포함할 것이다. 본 명세서의 문맥에서, 컴퓨터 판독가능 저장매체는 명령어 실행 시스템, 장치, 또는 디바이스에 의한 사용을 위하거나 또는 이와 결합된 사용을 위한, 프로그램을 포함하거나, 또는 저장할 수 있는 임의의 유형적 매체일 수 있다.
컴퓨터 판독가능 신호 매체는 예컨대, 기저대역내에서 또는 반송파의 일부로서 컴퓨터 판독가능 프로그램 코드를 수록하여 전파된 데이터 신호를 포함할 수 있다. 이와 같은 전파된 신호는 비제한적인 예로서, 전기자기적 형태, 광학적 형태, 또는 이것들의 임의의 적절한 조합을 포함하는, 다양한 임의의 형태들을 취할 수 있다. 컴퓨터 판독가능 신호 매체는 컴퓨터 판독가능 저장매체가 아닌 것으로서, 명령어 실행 시스템, 장치, 또는 디바이스에 의한 사용을 위하거나 또는 이와 결합된 사용을 위한 프로그램을 전달하거나, 전파시키거나, 또는 전송할 수 있는 임의의 컴퓨터 판독가능 매체일 수 있다.
컴퓨터 판독가능 매체상에 수록된 프로그램 코드는 비제한적인 예로서, 무선, 유선, 광섬유 케이블, RF 등 또는 전술한 것의 임의의 적절한 조합을 포함하는 임의의 적절한 매체를 이용하여 송신될 수 있다.
본 발명의 양태들을 위한 연산들을 수행하기 위한 컴퓨터 프로그램 코드는, Java?, Smalltalk, C++ 등과 같은 객체 지향 프로그래밍 언어와 "C" 프로그래밍 언어 또는 이와 유사한 프로그래밍 언어들과 같은 종래의 절차적 프로그래밍 언어를 포함하여, 하나 이상의 프로그래밍 언어들의 임의의 조합으로 기재될 수 있다. 프로그램 코드는, 사용자의 컴퓨터 상에서 완전히 실행되거나, 사용자의 컴퓨터상에서 부분적으로 실행되거나, 독립형 소프트웨어 패키지로서 실행되거나, 일부는 사용자의 컴퓨터상에서 실행되고 일부는 원격 컴퓨터상에서 실행되거나, 또는 원격 컴퓨터나 서버 상에서 완전히 실행될 수 있다. 후자의 시나리오에서, 원격 컴퓨터는 로컬 영역 네트워크(LAN) 또는 광역 네트워크(WAN)를 포함하는 임의의 유형의 네트워크를 통하여 사용자의 컴퓨터에 접속될 수 있거나, 또는 (예를 들어, 인터넷 서비스 제공자를 사용한 인터넷을 통하여) 외부 컴퓨터에 대한 접속이 이루어질 수 있다.
본 발명의 양태들이 발명의 실시예들에 따른 방법, 장치(시스템) 및 컴퓨터 프로그램 제품의 순서도 및/또는 블록도를 참조하여 상술되었다. 순서도 및/또는 블록도의 각각의 블록, 그리고 순서도 및/또는 블록도의 블록들의 조합은 컴퓨터 프로그램 명령어에 의해 구현될 수 있다는 것을 이해할 것이다. 이들 컴퓨터 프로그램 명령어는 범용 컴퓨터, 특수 용도 컴퓨터, 또는 머신을 생산하기 위한 기타의 프로그램 가능한 데이터 처리 장치의 프로세서에 제공될 수 있으며, 이로써 컴퓨터 또는 기타의 프로그램 가능한 데이터 처리 장치의 프로세서를 통하여 실행되는 이러한 명령어는 순서도 및/또는 블록도의 블록 또는 블록들내에서 명시된 기능/동작을 구현하기 위한 수단을 생성한다.
이러한 컴퓨터 프로그램 명령어들은 컴퓨터, 기타의 프로그램 가능한 데이터 처리 장치, 또는 기타의 디바이스들이 특정한 방식으로 기능하도록 지시내릴 수 있는 컴퓨터 판독가능 매체내에 저장될 수 있으며, 이로써 컴퓨터 판독가능 매체내에 저장된 명령어는 순서도 및/또는 블록도의 블록 또는 블록들내에서 명시된 기능/동작을 구현하는 명령어를 포함하는 제조 물품을 생산할 수 있도록 한다.
컴퓨터 프로그램 명령어는 또한 일련의 연산 단계들이 컴퓨터, 기타의 프로그램 가능한 장치, 또는 기타의 디바이스들 상에서 수행되도록 하여 컴퓨터 구현된 프로세스를 생성하도록 컴퓨터, 기타의 프로그램 가능한 데이터 처리 장치, 또는 기타의 디바이스들에 로딩될 수 있으며, 이로써 컴퓨터 또는 기타의 프로그램 가능한 장치 상에서 실행된 명령어는 순서도 및/또는 블록도의 블록 또는 블록들내에서 명시된 기능/동작을 구현하기 위한 프로세스들을 제공하도록 한다.
상기 설명한 바와 같이, 실시예들은 컴퓨터로 구현된 프로세스들의 형태 및 이러한 프로세스들을 실시하기 위한 장치의 형태로 구체화될 수 있다. 예시적인 실시예들에서, 본 발명은 하나 이상의 네트워크 엘리먼트들에 의해 실행되는 컴퓨터 프로그램 코드로 구체화될 수 있다. 실시예들은 도 4에서 도시된 바와 같이, 제조 물품으로서의 유형적 매체내에 수록된 명령어를 포함하는 컴퓨터 프로그램 코드 로직(404)을 갖춘 컴퓨터 사용가능 매체(402)상의 컴퓨터 프로그램 제품(400)을 포함한다. 컴퓨터 사용가능 매체(402)에 대한 예시적인 제조 물품은 플로피 디스켓, CD-ROM, 하드 드라이브, USB(universal serial bus) 플래시 드라이브, 또는 이와 다른 임의의 컴퓨터 판독가능 저장 매체를 포함할 수 있으며, 컴퓨터 프로그램 코드 로직(404)이 컴퓨터에 로딩되어 실행되었을 때, 컴퓨터는 본 발명을 실시하는 장치가 된다. 실시예들은 예를 들어, 저장 매체에 저장되거나, 컴퓨터에 로딩되거나 및/또는 컴퓨터에 의해 실행되거나, 전기배선 또는 케이블 연결, 광섬유 또는 전자기적 방사와 같은 몇몇의 전송 매체를 통해 전송되는, 컴퓨터 프로그램 코드 로직(404)을 포함하고, 컴퓨터 프로그램 코드 로직(404)이 컴퓨터에 로딩되어 실행되었을 때, 컴퓨터는 본 발명을 실시하는 장치가 된다. 범용 마이크로프로세서상에서 구현되었을 때, 컴퓨터 프로그램 코드 로직(404) 세그먼트들은 특정한 논리 회로를 생성하기 위한 범용 마이크로프로세서를 구성한다.
도면들에서의 흐름도 및 블록도들은 본 발명의 다양한 실시예들에 따른 시스템, 방법 및 컴퓨터 프로그램 제품의 잠재적인 구현예들의 구조, 기능, 및 동작을 도시한다. 이와 관련하여, 흐름도 또는 블록도들에서의 각각의 블록은, 명시된 논리적 기능(들)을 이행하기 위한 하나 이상의 실행가능 명령들을 포함하는, 모듈, 세그먼트, 또는 코드의 일부분을 나타낼 수 있다. 또한, 일부 대안적인 구현예들에서, 블록에서 언급된 기능들은 도면들에 언급된 순서를 벗어나서 발생할 수도 있다는 것을 유의하여야 한다. 예를 들어, 관계된 기능에 따라, 연속하여 도시된 두 개의 블록들은, 실제에서, 실질적으로 동시에 실행될 수 있거나, 또는 블록들은 때때로 반대 순서로 실행될 수 있다. 또한, 블록도들 및/또는 흐름도의 각각의 블록, 및 블록도들 및/또는 흐름도에서의 블록들의 조합은 명시된 기능 또는 동작을 수행하는 특수목적용 하드웨어 기반의 시스템, 또는 특수목적용 하드웨어 및 컴퓨터 명령들의 조합에 의해 구현될 수 있다는 것도 유의하여야 한다.
112: 저장 디바이스, 102: 호스트 시스템
116: 도메인간 정보 퀄리티 평가 애플리케이션
106: 네트워크(들), 104: 클라이언트 시스템들
201-1: 엔티티 1 예측들(D1-DN), 208: 도메인간 거리 메트릭
201-N: 엔티티 N 예측들(D1-DN),
202-1: 엔티티 1 평판 점수들(D1-DN), 203: 총체적 예측들(D1-DN)
202-N: 엔티티 N 평판 점수들(D1-DN), 204: 이벤트 실현(D1-DN)
206-1: 엔티티 1 예측 에러들(D1-DN),
205: 총체적 예측 에러들(D1-DN), 207: 점수 조정
206-N: 엔티티 N 예측 에러들(D1-DN), 404: 프로그램 코드 로직
402: 컴퓨터 사용가능 매체

Claims (10)

  1. 도메인간 정보 퀄리티 평가(inter-domain information quality assessment)를 이행하기 위한 방법에 있어서,
    컴퓨터에서, 각각의 도메인들을 각각 정의하는 특징들(features)을 식별하고, 상관된 특징들(correlating features)을 갖는 도메인들을 식별하는 것에 의해 지식 베이스 내의 도메인들간의 관계를 계산하는 단계;
    상기 컴퓨터에서, 상기 상관된 특징들에 기초하여 상기 관계들의 밀접성(a closeness of the relationships)을 반영한 값들을 상기 도메인들의 쌍들에 할당하는 단계;
    상기 컴퓨터에서, 또 다른 도메인과 관련된 엔티티의 과거 성과(past performance)에 기초하여 하나의 도메인에서의 상기 엔티티의 평판(reputation)을 평가하는 단계 ― 상기 할당된 값들을 통해 나머지 다른 도메인이 상기 하나의 도메인과 관련이 있는 것으로 결정되며, 상기 엔티티의 과거 성과는 특정한 도메인에서의 이벤트들에 대한 정확한 예측들을 제시하는 상기 엔티티의 능력들을 나타냄 ―;
    상기 컴퓨터에서, 상기 평가 단계에 기초하여 상기 도메인에 대한 상기 엔티티의 평판을 나타내는 값을 계산하는 단계; 및
    상기 평판을 나타내는 값을 상기 엔티티에 할당하는 단계를 포함하는,
    도메인간 정보 퀄리티 평가 이행 방법.
  2. 제1항에 있어서, 상기 도메인은 상기 엔티티에 의해 제시된 예측들의 선험적 지식이 없는 주제를 나타내는 것인, 도메인간 정보 퀄리티 평가 이행 방법.
  3. 제1항에 있어서, 상기 컴퓨터에서, 상기 도메인과 관련된 상기 엔티티의 과거 성과에 기초하여 상기 도메인에서의 상기 엔티티의 평판을 평가하는 단계를 더 포함하는, 도메인간 정보 퀄리티 평가 이행 방법.
  4. 제1항에 있어서,
    상기 컴퓨터에서, 상기 엔티티 및 적어도 하나의 다른 엔티티로부터, 도메인과 연관된 이벤트의 예측 출력에 관한 값을 수신하는 단계;
    상기 컴퓨터에서, 상기 도메인과 관련된, 상기 엔티티에 대한 평판 점수를 나타내는 값과 상기 적어도 하나의 다른 엔티티에 대한 평판 점수를 나타내는 값을 수신하는 단계;
    상기 컴퓨터에서, 상기 관계의 밀접성을 반영한 상기 도메인들의 쌍들에 할당된 값들을 명시한 도메인간 거리 메트릭(metric)을 수신하는 단계;
    상기 컴퓨터에서, 상기 이벤트에 대한 상기 예측된 출력에 관하여 수신된 값들의 가중 평균(a weighted average)을 계산하는 단계 ― 상기 가중 평균은 상기 도메인과 관련된 상기 엔티티 및 상기 적어도 하나의 다른 엔티티와 연관된 평판 점수들, 상기 도메인간 거리 메트릭, 및 상기 도메인간 거리 메트릭을 통해 상기 도메인과 관련이 있는 것으로 결정된 다른 도메인들에 대한 상기 엔티티 및 상기 적어도 하나의 다른 엔티티의 평판 점수들에 기초함 ―; 및
    상기 컴퓨터에서, 상기 이벤트에 대한 집합적 예측을 반영한 상기 이벤트에 대한 집합적 예측 값을 생성하는 단계 ― 상기 집합적 예측 값은 상기 값들의 가중 평균을 계산하는 것으로부터 생성됨 ― 를 더 포함하는,
    도메인간 정보 퀄리티 평가 이행 방법.
  5. 제4항에 있어서,
    상기 컴퓨터에서, 상기 엔티티 및 상기 적어도 하나의 다른 엔티티 각각의 상기 예측 출력에 관한 값을, 상기 도메인과 관련된 상기 이벤트에 대한 실제 출력을 명시한 값과 비교하는 단계;
    상기 컴퓨터에서, 상기 비교 단계에 응답하여 상기 도메인과 관련된 상기 엔티티 및 상기 적어도 하나의 다른 엔티티 각각에 대한 예측 에러 값을 결정하는 단계 ― 상기 예측 에러 값은 상기 예측 출력의 값과 상기 실제 출력의 값 사이의 차이를 반영함 ―; 및
    상기 컴퓨터에서, 상기 도메인에 대한 상기 예측 에러 값을 이용하여, 상기 도메인 및 관련된 각각의 도메인들과 관련된 상기 엔티티 및 상기 적어도 하나의 다른 엔티티에 대한 평판 점수들을 할당 또는 업데이트하는 단계를 더 포함하는,
    도메인간 정보 퀄리티 평가 이행 방법.
  6. 제4항에 있어서,
    상기 컴퓨터에서, 상기 이벤트의 예측 출력에 기초하여 상기 도메인간 거리 메트릭을 업데이트하는 단계를 더 포함하는, 도메인간 정보 퀄리티 평가 이행 방법.
  7. 제1항에 있어서, 상기 평판을 나타내는 값은 함수
    Figure 112011011144164-pat00014

    에 의해 유도되며;
    여기서, t는 상기 이벤트에 대한 예측들이 수집되는 기간인 결정 시간을 나타내며, y는 상기 이벤트의 출력을 나타내며, d는 도메인을 나타내며, D는 도메인들의 갯수를 나타내며, w는 평판 점수를 나타내며, i는 상기 엔티티에 대한 지표를 나타내며, 상기 R은 예측의 정확도 수치를 나타내는 것인, 도메인간 정보 퀄리티 평가 이행 방법.
  8. 제4항에 있어서, 상기 가중 평균은 함수
    Figure 112017048001836-pat00015

    에 의해 유도되며,
    여기서, t는 상기 이벤트에 대한 예측들이 수집되는 기간인 결정 시간을 나타내며, d는 도메인을 나타내며, w는 평판 점수를 나타내며, i는 상기 엔티티에 대한 지표를 나타내며, 상기 wi,t-1는 결정 시간 t에서 엔티티 i의 평판 점수를 나타내는 것인,
    도메인간 정보 퀄리티 평가 이행 방법.
  9. 프로세싱 회로에 의해 판독가능하며, 도메인간 정보 퀄리티 평가를 이행하기 위한 방법을 수행하기 위해 상기 프로세싱 회로에 의한 실행을 위한 명령들로 구성된 도메인간 정보 퀄리티 평가 프로그램을 저장하는 유형의 비 일시적인 컴퓨터 판독가능 저장 매체에 있어서, 상기 방법은:
    각각의 도메인들을 각각 정의하는 특징들을 식별하고, 상관된 특징들을 갖는 도메인들을 식별하는 것에 의해 지식 베이스 내의 도메인들간의 관계를 계산하는 단계;
    상기 상관된 특징들에 기초하여 상기 관계의 밀접성을 반영한 값들을 상기 도메인들의 쌍들에 할당하는 단계;
    또 다른 도메인과 관련된 엔티티의 과거 성과에 기초하여 하나의 도메인에서의 상기 엔티티의 평판을 평가하는 단계 ― 상기 할당된 값들을 통해 나머지 다른 도메인이 상기 하나의 도메인과 관련이 있는 것으로 결정되며, 상기 엔티티의 과거 성과는 특정한 도메인에서의 이벤트들에 대한 정확한 예측들을 제시하는 상기 엔티티의 능력들을 나타냄 ―;
    상기 평가 단계에 기초하여 상기 도메인에 대한 상기 엔티티의 평판을 나타내는 값을 계산하는 단계; 및
    상기 평판을 나타내는 값을 상기 엔티티에 할당하는 단계를 포함하는,
    컴퓨터 판독가능 저장 매체.
  10. 도메인간 정보 퀄리티 평가를 이행하기 위한 시스템에 있어서,
    컴퓨터; 및
    상기 컴퓨터에 의해 실행가능하며, 도메인간 정보 퀄리티 평가를 이행하기 위한 방법을 수행할 수 있는 도메인간 정보 퀄리티 평가 애플리케이션을 포함하고, 상기 방법은:
    각각의 도메인들을 각각 정의하는 특징들을 식별하고, 상관된 특징들을 갖는 도메인들을 식별하는 것에 의해 지식 베이스 내의 도메인들간의 관계를 계산하는 단계;
    상기 상관된 특징들에 기초하여 상기 관계의 밀접성을 반영한 값들을 상기 도메인들의 쌍들에 할당하는 단계;
    또 다른 도메인과 관련된 엔티티의 과거 성과에 기초하여 하나의 도메인에서의 상기 엔티티의 평판을 평가하는 단계 ― 상기 할당된 값들을 통해 나머지 다른 도메인이 상기 하나의 도메인과 관련이 있는 것으로 결정되며, 상기 엔티티의 과거 성과는 특정한 도메인에서의 이벤트들에 대한 정확한 예측들을 제시하는 상기 엔티티의 능력들을 나타냄 ―;
    상기 평가 단계에 기초하여 상기 도메인에 대한 상기 엔티티의 평판을 나타내는 값을 계산하는 단계; 및
    상기 평판을 나타내는 상기 값을 엔티티에 할당하는 단계를 포함하는,
    시스템.
KR1020110013781A 2010-02-22 2011-02-16 최적화된 도메인간 정보 퀄리티 평가를 갖는 협동적 네트워킹 KR101790788B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/709,823 2010-02-22
US12/709,823 US8560490B2 (en) 2010-02-22 2010-02-22 Collaborative networking with optimized inter-domain information quality assessment

Publications (2)

Publication Number Publication Date
KR20110096488A KR20110096488A (ko) 2011-08-30
KR101790788B1 true KR101790788B1 (ko) 2017-10-26

Family

ID=44464518

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110013781A KR101790788B1 (ko) 2010-02-22 2011-02-16 최적화된 도메인간 정보 퀄리티 평가를 갖는 협동적 네트워킹

Country Status (3)

Country Link
US (1) US8560490B2 (ko)
KR (1) KR101790788B1 (ko)
CN (1) CN102163304A (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8781984B2 (en) * 2010-08-05 2014-07-15 Ben Schreiner Techniques for generating a trustworthiness score in an online environment
EP2823442A4 (en) * 2012-03-06 2016-04-20 Koodbee Llc PREDICTIVE PROCESSING SYSTEM AND METHOD OF USE AND METHOD FOR PERFORMING BUSINESS
US9098805B2 (en) 2012-03-06 2015-08-04 Koodbee, Llc Prediction processing system and method of use and method of doing business
US9741259B2 (en) * 2012-10-31 2017-08-22 International Business Machines Corporation Identification for performing tasks in open social media
US9450840B2 (en) * 2013-07-10 2016-09-20 Cisco Technology, Inc. Domain classification using domain co-occurrence information
US9946762B2 (en) 2014-09-16 2018-04-17 International Business Machines Corporation Building a domain knowledge and term identity using crowd sourcing
CN105071961B (zh) * 2015-07-30 2018-12-14 中国人民解放军信息工程大学 一种Web服务的服务质量预测方法和装置
CN113538020B (zh) * 2021-07-05 2024-03-26 深圳索信达数据技术有限公司 获取客群特征关联度方法、装置、存储介质和电子装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070208613A1 (en) * 2006-02-09 2007-09-06 Alejandro Backer Reputation system for web pages and online entities
US20090254499A1 (en) * 2008-04-07 2009-10-08 Microsoft Corporation Techniques to filter media content based on entity reputation

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2001288311A1 (en) * 2000-08-21 2002-03-04 Forequity Inc System and method for evaluation of ideas and exchange of value
US7536315B2 (en) * 2003-02-13 2009-05-19 Sap Aktiengesellschaft Self-balancing of idea ratings
US7130777B2 (en) * 2003-11-26 2006-10-31 International Business Machines Corporation Method to hierarchical pooling of opinions from multiple sources
US20060009994A1 (en) * 2004-07-07 2006-01-12 Tad Hogg System and method for reputation rating
US8862591B2 (en) * 2006-08-22 2014-10-14 Twitter, Inc. System and method for evaluating sentiment
US20080274444A1 (en) * 2007-05-04 2008-11-06 Toufic Saliba Electronic data exchange
US20090125382A1 (en) * 2007-11-07 2009-05-14 Wise Window Inc. Quantifying a Data Source's Reputation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070208613A1 (en) * 2006-02-09 2007-09-06 Alejandro Backer Reputation system for web pages and online entities
US20090254499A1 (en) * 2008-04-07 2009-10-08 Microsoft Corporation Techniques to filter media content based on entity reputation

Also Published As

Publication number Publication date
KR20110096488A (ko) 2011-08-30
CN102163304A (zh) 2011-08-24
US20110208687A1 (en) 2011-08-25
US8560490B2 (en) 2013-10-15

Similar Documents

Publication Publication Date Title
KR101790788B1 (ko) 최적화된 도메인간 정보 퀄리티 평가를 갖는 협동적 네트워킹
US8527447B2 (en) Collaborative networking with optimized information quality assessment
Bedi et al. Trust based recommender system using ant colony for trust computation
Yu et al. A survey of multi-agent trust management systems
Carullo et al. A triadic closure and homophily-based recommendation system for online social networks
Hamdi et al. Tison: Trust inference in trust-oriented social networks
Belkhadir et al. An intelligent recommender system using social trust path for recommendations in web-based social networks
Hussain et al. Integrated AHP-IOWA, POWA framework for ideal cloud provider selection and optimum resource management
Huang et al. Cost-sensitive three-way recommendations by learning pair-wise preferences
Maheswaran et al. Towards a gravity-based trust model for social networking systems
Kumar et al. A computational framework for ranking prediction of cloud services under fuzzy environment
Majd et al. A trust model for recommender agent systems
Liu et al. Sequence-based trust in collaborative filtering for document recommendation
Zarei et al. A memory-based collaborative filtering recommender system using social ties
Tang et al. Combining global and local trust for service recommendation
Wu et al. A social curiosity inspired recommendation model to improve precision, coverage and diversity
Shambour et al. Integrating multi-criteria collaborative filtering and trust filtering for personalized recommender systems
Devi et al. Cloud providers ranking and selection using quantitative and qualitative approach
Yan et al. User‐centric trust and reputation model for personal and trusted service selection
Sadeghiram et al. A distance-based genetic algorithm for robust data-intensive web service composition in dynamic bandwidth environment
Hallappanavar et al. ANN based estimation of reputation of newcomer web services in fog computing
Hillebrand et al. Towards reputation-as-a-service
JP4962950B2 (ja) ネットワーク上のユーザに対するレコメンデーションの方法、レコメンデーションサーバ及びプログラム
Huang et al. Optimizing Adaptive Video Streaming with Human Feedback
Schall et al. Mining and composition of emergent collectives in mixed service-oriented systems

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant