KR20160104064A - 복잡한 양자 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 학습 과정 및 시스템 - Google Patents

Abstract

단체 간의 양자(dyatic) 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 그리고 자기-완성 과정은: (a) 복수의 데이터 소스로부터 정보를 수집하는 단계; (b) 수집된 정보로부터 단체 간의 양자 또는 다자 당사자 관계를 탐색하는 단계; (c) 단체 간의 공통 또는 부분적으로 교차하는 속성들에 기초하여 단체 간의 양자 또는 다자 상대방 관계를 추론하기 위해 단체를 집단화함으로써, 집단화된 단체를 형성하는 단계; (d) 주어진 집단 또는 양자 또는 다자 상대방 관계에 대한 일치성 및 불일치성을 탐지하고 측정하기 위해, 수집된 정보를 통합하고 데이터 소스로부터 표지를 맥락적으로 평가함으로써, 사업 연계 잠재성에 대하여 집단화된 단체를 평가하는 단계; (e) 관계 유형과 단체가 각 관계에서 취하는 역할을 상정하고 평가하는 단계; 및 (f) 양자 또는 다자 상대방 관계가 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는(assess) 단계; 를 포함한다.

Description

복잡한 양자 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 학습 과정 및 시스템{A MULTIDIMENSIONAL RECURSIVE LEARNING PROCESS AND SYSTEM USED TO DISCOVER COMPLEX DYADIC OR MULTIPLE COUNTERPARTY RELATIONSHIPS}

본 발명은 복잡한 양자 및 다자 상대방 국제적(즉, 관할권 내 및 그 사이와 국경을 넘는) 사업 관계의 탐색, 큐레이션(curation), 판정, 및 합성을 위한 시스템 및 과정에 관한 것이다. 특히, 본 개시는 사업 개체들(business entities) 간의 양자 및 다자 상대방 관계(이후, "사업 연계(business linkages)"라 함)를 탐색하고, 자격을 주고, 그리고 기록할 수 있는 시스템을 생성하는 것에 관한 것이다. 과정은 자기-개선 루틴으로 제공되는, 집단화(clustering) 및 친화성-인식 루틴(affinity-recognition routines)을 이용하여 변형하고, 측정하고, 비판적으로 평가하고, 판정하고, 그리고 리팩터(refactor)하는 소스-독립적이며 비결정적 분석적 서브 과정들을 포함함으로써, 과정 및 시스템은 사업 연계를 식별하고, 확인하고, 그리고 유지하기 위한 새로운 전략을 상정하고, 테스트하고, 수행하고, 감시하는 고도의 재귀적 시스템으로서 기능할 수 있다.

전반적인 문제는 사업 상대방들 간의 종합적인 관계를 이해하는 것이다. 일반적으로, 그러한 이해는 총 리스크 또는 총 기회를 수반하는 사용 경우에 적용된다. 또한, 그러한 이해는 예측적 분석, 교정, 및 시나리오 공식화와 같은 더 복잡한 사용 경우에 적용될 수 있다.

여기 첨부된 도 6에 도시된 바와 같이, 관계를 결정하기 위한 선행기술은 동일한 이름을 가지는 개체들을 그룹화하는 분석을 포함하지만, 그들은 유사성과 잠재적인 관계의 판정을 촉발하기 위해 단지 이름만을 사용하는 것으로 제한된다. 기술적인 문제는, 그러한 분석이, 일부가 분석적 기법을 통해 식별될 수 있는 다수의 소스 또는 표지(indicia)의 관점에서 관계를 고려하여, 관계에 대해 삼각화(triangulate)할 수 있는 능력 및/또는 효율적인 자동화되고 발전하는 큐레이션 능력을 제공하지 않는다는 것이다. 또한, 그러한 분석은 일반적으로 수동 큐레이션 및 판정 옵션이 부족하며, 또한 잠재적인 관계를 효과적으로 필터링하고 올바른 수동 판정 자원들과 과정들을 효율적으로 사용하는 것을 보증하기에는 불충분한 정밀성과 정확성을 가지고 그들의 자동화된 업무들을 수행한다. 충분한 필터링과 정확성 없이, 잠재적인 관계는 단일의 "보편적으로 적용할 수 있는 (one size fits all)" 접근법을 이용하여 수동적 판정을 거치게 된다. 결과는, 수동 판정 옵션을 가지는 분석, 또는 거의 최소의 중요 사업 어플리케이션에 충분하지 않은 불일치하고 부족한 정확도와 수동 판정 옵션을 가지지 않은 분석에 대해서도, 재현능력이 부족하며 규모의 경제를 유하는데 어려움이 있다는 것이다.

본 발명의 기술적인 효과는, 사업 개체들의 상호관계 맥락을 정확하게 결정하기 위해, (a) 자동화되고, 재귀적이며, 수동적인 큐레이션, (b)소스와 소스 조합에 대한 규칙 기반의 판정, 및 (c) 다수의 대안적 표지, 의 조합을 이용함으로써, 종래의 기업 연계 시스템 및 과정의 단점을 극복하는 것이다. 자동화된 규칙은 역사적 경험과 대표적인 샘플에 대하여 레버리지되며(leveraged), 결과는 "진실(truth)"을 결정하기 위해 철저하게 평가되며, 규칙 개선과 조정은, 필요에 따라 활용될 목표가 되고 "가장 알맞은" 수동 큐레이션과 판정 전략을 허용하는 한편, 확장성(scalability)이 가능하도록 자동화를 극대화하는 개선된 규칙들의 셋트의 생성을 가능하게 한다.

결과 평가 및 조정은 상세한 휴리스틱(heuristic) 그리고 분석적(analytic) 기법들을 이용하며, 학습 알고리즘 및 이종(heterogenous) 그리고 매우 동적인, 때로는 비구조적인 데이터의 판정을 위한 다른 접근법뿐 아니라, 수립된 지식 그리고 새로 생기는 지식 양자를 포함한다.

재귀적 테스팅(recursive testing)과 자동화 규칙의 개선, 그리고 성능을 최적화하고 수동적 노력을 최소화하기 위한 맞춤 방식(customiziation)을 지지(support)함으로써, 본 시스템은, 맥락적 관계를 계속해서 정확하게 결정하는 한편, 수동적 노력을 현저하게 증가시키지 않고 범주를 넓게 확장하기 위하여 시간이 지날수록 증가하는 수의 소스들을 레버리지하는 능력과 효율성을 최대화한다.

본 발명은 맥락을 평가하기 위한 기초로서 강한 정체성 분석 공정을 통해 사업 개체들 유일하게 식별하기 위한 로직을 레버리지한다.

본 발명은 표준화되고, 동적이며, 그리고/또는 전매 포맷을 가지는 배치(batch) 및 거래적 상호작용을 생성함으로써, 맥락을 결정하기 위한 표지를 더 판정하고 평가하는 인적 자원들과의 상호작용을 가능하게한다.

본 발명은, 업데이트를 합성하고 맥락적 통찰을 유지하기 위해, 표준화되고, 동적이며, 그리고/또는 전매 포맷을 가지는 배치(batch) 및 거래적 상호작용을 생성한다.

소스 및 과정은, 상태를 감시하고, 능동적 수동적 변화를 검출하고, 필요에 따라 큐레이션 및 판정을 시작함으로써, 맥락적 통찰을 수립 및 유지하기 위해 이용된다.

본 발명은 결과를 정밀하게 추적하며, 보고 툴은 조정과 진단적 목표를 위한 소스들의 최고 활용와 정확성(veracity), 그리고 경험을 기반으로 하여 성능을 개선시키기 위한 자기 학습 특징을 평가하기 위해 이용된다. 보고 툴은 또한 알려진 기회에 맞추어 진행 상황을 평가하기 위해 이용된다.

수동 탐색, 큐레이션, 및 판정은, 자원으로 전송되는 규칙 기반의 결정을 가지고, 복잡 정도에 기초하여, 최적의 경험과 능력을 가지는 인적 자원에 의해 수행된다.

본 발명은 또한 아래에 설명되는 바와 같이 분명해지는 많은 추가적인 장점을 제공한다.

단체 간의 양자(dyatic) 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 과정은: (a) 복수의 데이터 소스로부터 정보를 수집하는 단계; (b)상기 수집된 정보로부터 상기 단체 간의 양자 또는 다자 당사자 관계를 탐색하는 단계; (c) 상기 단체 간의 공통 또는 부분적으로 교차하는 속성들에 기초하여 상기 단체 간의 상기 양자 또는 다자 상대방 관계를 추론하기 위해 상기 단체를 집단화함으로써, 집단화된 단체를 형성하는 단계; (d) 주어진 집단 또는 양자 또는 다자 상대방 관계에 대한 일치성 및 불일치성을 탐지하고 측정하기 위해, 상기 수집된 정보를 통합하고 상기 데이터 소스로부터 표지를 맥락적으로 평가함으로써, 사업 연계 잠재성에 대하여 상기 집단화된 단체를 평가하는 단계; (e) 우수할 가능성이 있는 단체, 예를 들어, 헤드쿼터 또는 부모를 식별함으로써 관계의 역할 및/또는 방향을 상정하는 단계; 및 (f) 상기 양자 또는 다자 상대방 관계가 존재하고, 단체 간에 상정된 관계 유형과 방향을 가지고 있을 가능성에 대한 신뢰 정도를 가늠하는(assess) 단계, 를 포함한다.

상기 과정은, 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 잠재성을 평가 및/또는 가늠하기 위해 상기 다차원 재귀적 과정의 능력을 개선하기 위한 자기 학습을 레버리지 하는 단계를 더 포함한다. 상기 자기 학습을 레버리지하는 단계는, (a) 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재하는 잠재성을 평가하기 위해 상정된 시드 규칙(seed rules)을 이용하는 단계; (b)탐색된 관계의 양, 질, 및/또는 특징에 대하여 상기 단체의 상기 집단을 평가하기 위해, 규칙의 현재 알려진 코퍼스로부터의 적용가능한 후보자를 상기 수집된 정보에 적용하는 단계; (c) 상기 집단화된 단체에서 잠재적 관계에 대한 진실을 가늠하기 위해 전문지식 및 추가 정보를 레버리지하기 위한 세부적 진실 결정을 이용하는 단계; (d) 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재한다는 것을 결정함에 있어서, 상기 시드 규칙 및 상기 복수의 소스중 어느 것이 가장 유용한지를 학습하는 단계; (e) 상기 복수의 소스의 각각의 정확성을 계속적으로 가늠하는 단계; 및 (f) 추가적 표지, 새로운 규칙 또는 상기 시드 규칙에 대한 개선을 제안하는 판정 규칙을 탐색하고 상정하기 위해 경험을 레버리지하는 단계;로 이루어진 그룹으로부터 선택된 적어도 하나이다.

상기 과정은 상기 판정 규칙을 계속적으로 큐레이트하는 단계을 더 포함하며, 상기 과정은 상기 양자 또는 다자 상대방 관계가 상기 단체간에 존재하는 잠재성을 평가하기 위해 이용되는 상기 시드 규칙을 조정, 개선, 및/또는 조절하기 위해, 상기 세부적 진실 결정을 통해 얻어진 경험을 레버리지한다.

상기 과정은, 상기 과정의 외부에 있는 단체 간의 양자 또는 다자 상대방 관계를 탐색하기 위한 식별자를 수립하고 참조하기 위해 정체성 분석을 이용하는 단계를 더 포함한다.

상기 단체를 집단화하는 단계는, 유연한 범주의 표지에 기초한다. 상기 표지는, 행동적 데이터, 이름, 개시 특징, 크기, 및 산업, 으로 구성된 그룹으로부터 선택된 적어도 하나이다.

상기 공통 또는 부분적으로 교차하는 속성은, 인터넷 주소 세부사항, 계좌 또는 다른 외부 식별자, 이름 유사성, 주소, 이차적 주소, 관련된 개인, 대리(on behalf of) 관계, 그리고, 지식, 의견, 또는 가정된 관계, 로 구성된 그룹으로부터 선택된 적어도 하나의 속성이다.

상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는 상기 단계는, 데이터 포인트가 탐색되는 소스의 정확성을 포함하는, 다른 단체에 대한 유사한 데이터 포인트와 잠재적 관계를 가지는 이전 경험과 관련된 규칙을 기반으로 한다. 또한, 지리적 또는 지정학적 간격에 대한 공유된 표지의 기능으로서 속성 근접성은 큐레이션 및 판정에 대한 입력으로서 이용될 수 있다.

상기 단계 (f)는, 잠재성과 기존의 관계와, 그들이 (i) 상기 사업 연계가 이루어지도록 자동적으로 자격을 부여해야하는지, (ii) 상기 정보의 수집과 사업 연계 잠재성에 대하여 상기 집단화된 단체를 평가하는 것을 더 요구하는지, 또는, (iii) 존재할 가능성이 충분하지 않고, 추가적인 적극적 관심을 보장하지 않는지를, 가늠하는 처리 능력을 개선한다.

바람직하게는, 상기 정보 수집 단계는, 상기 정보의 새로운 소스를 확인하는 단계, 상기 소스의 품질을 평가하는 단계, 데이터 환경에서의 변화를 이해하는 단계, 그리고 적절한 데이터의 식별을 위해 새로운 기술과 과정을 개발하는 단계, 로 구성된 그룹으로부터 선택된 적어도 하나의 탐색을 수반한다.

다른 실시예는 시스템으로서, 상기 시스템은, 프로세서; 및 상기 프로세서에 의해 읽기 가능한 명령을 포함하는 메모리를 포함하며, 상기 메모리는, 상기 프로세서가 읽는 경우,

a. 복수의 데이터 소스로부터 정보를 수집하는 단계;

b. 상기 수집된 정보로부터 상기 단체 간의 양자 또는 다자 당사자 관계를 탐색하는 단계;

c. 상기 단체 간의 공통 또는 부분적으로 교차하는 속성들에 기초하여 상기 단체 간의 상기 양자 또는 다자 상대방 관계를 추론하기 위해 상기 단체를 집단화함으로써, 집단화된 단체를 형성하는 단계;

d. 주어진 집단 또는 양자 또는 다자 상대방 관계에 대한 일치성 및 불일치성을 탐지하고 측정하기 위해, 상기 수집된 정보를 통합하고 상기 데이터 소스로부터 표지를 맥락적으로 평가함으로써, 사업 연계 잠재성에 대하여 상기 집단화된 단체를 평가하는 단계;

e. 지리적 또는 지정학적 간격에 대한 공유된 표지의 기능으로서 속성 근접성을, 큐레이션 및 판정에 대한 입력으로서 고려하는 단계; 및

f. 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는(assess) 단계, 를 포함하는 행위를 수행하도록 상기 프로세서를 제어한다.

본 발명의 다른 목적, 특징, 및 이로운 점들은 다음의 도면과 상세한 설명을 참조함으로써 이해될 것이다.

본 발명의 기술적인 효과는, 사업 개체들의 상호관계 맥락을 정확하게 결정하기 위해, (a) 자동화되고, 재귀적이며, 수동적인 큐레이션, (b)소스와 소스 조합에 대한 규칙 기반의 판정, 및 (c) 다수의 대안적 표지, 의 조합을 이용함으로써, 종래의 기업 연계 시스템 및 과정의 단점을 극복하는 것이다.

도 1은 본 발명에서 사용되는 탐색, 큐레이션 및 합성의 주요 세 단계들을 나타내는 블럭도이다.
도 2는 본 발명에 따른 지속가능하게 품질을 유도하기 위한 자동화 및 재귀를 레버리징하는 일련의 상호 관련된 활동으로서의 시스템을 나타내는 도면이다.
도 3은 두 개체 간의 "대리(on behalf of)" 관계의 존재를 보여줌으로써, 이러한 "대리" 관계가 탐색 소스로서 기능할 수 있는 소스를 나타내는 도면이다.
도 4a 내지 도 4k는 본 발명에 따른 재귀적 학습 과정을 나타내는 개략적인 도면이다.
도 5는 본 발명에 따른 과정을 수행하는 컴퓨터 시스템을 나타내는 블럭도이다.
도 6은 종래의 기업 연계 과정을 나타내는 개략적인 도면이다.
도 7은 본 발명에 따른 탐색 단계를 나타내는 블럭도이다.
도 8은 본 발명에 따른 계좌번호 또는 다른 표지 집단화 및 초기 큐레이션 과정을 나타내는 논리도이다.
도 9a는 본 발명에 따라 탐색 및 계좌번호 집단화 단계를 예로서 나타내는 과정 흐름도이다.
도 9b는 본 발명에 따라 탐색 및 이름 집단화 단계를 예로서 나타내는 과정 흐름도이다.
도 9c는 다른 개체들이 유사하여 집단의 형성을 보장하는 시나리오를 나타내는 탐색 및 이름 집단화를 예로서 도시하는 과정 흐름도이다.
도 9d는 하나의 멤버 이상과 집단을 형성하기에는 다른 개체들이 충분히 유사하지 않다는 시나리오를 나타내는 탐색 및 이름 집단화를 예로서 도시하는 과정 흐름도이다.
도 10a 및 도 10b는 본 발명에 따라 후보 기록을 위한 큐레이션 및 합성 단계를 나타내는 과정 흐름도이다.
도 11은 본 발명에 따라 행동적 또는 이전에 유지된 데이터에 기초하여 유사한 기존 개체들이 어떻게 집단화되는지를 나타내는 블럭도이다.
도 12a 내지 도 12c는 본 발명에 따른 규칙 기반으로 구동되는 처리가 자기 학습을 통해 어떻게 계속적으로 개선되는지를 도시하는 과정 흐름도이다.

본 시스템과 과정은, 관계와 잠재적 관계를 탐색하고(공통 데이터 속성들, 서비스들, 또는 행동에 기초하여), 큐레이트하고(축적, 저장, 유지, 및 업데이트), 그리고, 그러한 관계 대 연루된 상대방과 그들의 관계에 대한 이전에 탐색된 통찰(insight)을 판정(평가 및 의거하여 행동하기)하고, 필요에 따라 추가 정보의 재귀적 수집(recursive collection)을 유도하고, 일관되게 분류된 실행 가능한 정보를 전세계적으로(globally) 생성하기 위해 다수의 소스의 평가 및 연결짓기(correlation)를 유발한다(effectuate).

본 발명은 도면을 참조함으로써 가장 잘 이해될 수 있다. 여기서, 도 1 및 도 2는 본 발명에서 사용되는 탐색(1), 큐레이션(3), 및 합성(5)의 주요 세 단계들을 나타내는 블럭도이다.

도 2는 본 발명에 따른 품질을 지속가능하게 유지하기 위해 자동화를 레버리지하는(leveraging) 재귀적 과정(recursive process)을 도시한다. 여기서, 탐색 단계(1)는 제3자 비지니스 대 비지니스(business-to-business(B2B)) 관계, 탐색된 관계, 예를 들어, 집단화, 웹 및 탐색 가능한 콘텐츠 등을 수반한다. 탐색 단계(1)를 개선하기 위해, 고객 피드백, 골드 소스, 예를 들어, 스스로 연계를 위한 직접적인 채널을 제공하고, 기존 최고의 관례(best practices)를 레버리지 하는 것이 유익하다. 큐레이션(3)은 소스 연관성 분석(source correlation analytic), 통찰력이 개선된 규칙(insight advanced rules), 및 목표 분석(targeted resoultion)을 포함한다. 큐레이션은 또한 필요에 따라 추가 정보 수집을 시작하기 위해 탐색(1)으로 피드백하는 것을 포함한다. 이러한 재귀적 큐레이션 과정은 규칙의 계속적인 개선을 허용하며, 일관적 품질을 유도하며, 규모를 주도하고, 콘텐츠의 품질과 특징에 따라서 소스의 판정(adjudication)과 그들을 프로파일링하는 것을 허용하며, 그리고 소스 능력에 대하여 진행 중인 감시(ongoing monitoring)를 허용한다. 마지막으로, 합성 단계(5)는 새로운 연계(linkage)를 추가하며, 연계를 검증한다. 어떤 경우, 합성은, 예를 들어 탐색 과정에 대한 입력을 생성함으로써, 추가적인 탐색 단계를 시작하는 과정을 나타내기 위해 사용된다.

탐색(Discovery):

본 발명은 개체들 간의 관계를 탐색하기 위해 다양한 소스들을 레버리지한다. 예를 들어, 공통의 계좌 번호(common account number) 또는 식별자(identifier)를 가지는 기록들을 그룹화할 수 있다. 개체 기록(entity record)의 사업 정체성 속성들은 기존 알려진 개체(entity)들과 연관되거나 또는 마스터 데이터베이스에서 새로운 개체의 반영(reflection)을 타당화하기(justify) 위해 이용될 수 있다. 정체성이 상대방의 그룹 또는 집단과 연루된 개체들 각각에 대하여 분석되면(resolved), 그들이 유지된 지속적인 키들과 관련되어 있었기 때문에 "개체들"이라고 불리어지는 상대방의 그룹은 그들 사이의 잠재적인 관계를 가늠(assess)하기 위해 평가된다(evaulated).

큐레이션 및 판정(Curation and Adjudication):

시나리오는 맥락적인(contextual) 관계가 관련 그룹의 멤버들 모두 또는 일부에 대해 이전에 결정되어 유지되어 왔는지, 또는 어떠한 멤버에 대해서도 결정 유지되지 않은지에 따라서 다양하다. 관계가 이미 유지되어 왔다면, 새로운 소스 정보의 수령은 기존의 상태를 확인하고 또는 잠재적인 변화(충돌)를 검출하기 위해 이용된다. 충돌(Conflicts)은 추가적인 판정을 위해 제기되는 한편, 확인은 마스터 데이터베이스에서 새로움 평가(freshness assessments)를 유지하기 위해 이용된다.

주어진 개체가 다른 개체들의 그룹의 연관된 맥락에서 존재하는 것으로 이전에 결정된 적이 없는 경우, 가장 가능성 있는 제휴를 결정하기 위한 규칙을 이용하여, 잠재적인 관계가 확인되어 그것을 그 그룹의 다른 멤버들과 제휴시킨다. 이러한 집적(aggregation)은 맥락을 다른 그룹 멤버들에게 제공하는 것으로 미리 알려진 맴버가 유사한 맥락을 관심의 개체로 제공할 가능성이 가장 높다는 가정을 포함할 수 있다. 지리적 근접성 및 사업 활동의 유사성과 같은 속성들은 잠재적 관계를 자동적으로 판정하기위해 사용될 수 있는 표지(indicia)의 일부이다.

최고 또는 가장 가능성이 높은 관계가 특정 개체에 대하여 한번 확인되면, 소스(들)의 정확성(veracity)과 다양한 표지들의 성능(performance)은, 맥락(context)이 자동적으로 성립될 수 있는지 또는 관찰이 추가적인 탐색 또는 판정을 요구하는지를 결정하기 위해 이용된다. 또한, 동일한 표지의 동일한 값들에 기초하여 연계의 존재 또는 부재를 결정하는데 있어서 이러한 동일한 시스템에서의 이전 경험은, 현재 고려된 관계의 큐레이션을 가이드하기 위해 이용될 수 있다. 동시에, 증가하는 지식은 특정 소스들의 누적 성능을 위하여 그리고 관찰된 성능에 따라서 소스들의 다양한 서브 집적화(sub-aggregations)의 계층화(stratification)를 위해 증대된다. 추가적 탐색 및 수동 판정이 필요한 경우, 가장 적합한 유형의 자원 및 작업 흐름이 확인되며, 업무가 요구되는 인터페이스 각각에 대하여 생성되고(합성), 그리고, 활동이 시작된다.

수동 탐색, 큐레이션, 및 판정은, 단순화되고 세분화된 작업들에 대한 낮은 경험, 중간 경험의 전문가, 마지막으로 특정 분야의 전문가인 개인들을 포함하는 다양한 유형의 자원들에 의해 수행된다. 작업은 한 쌍의 개체들 또는 일련의 개체들의 분석으로 구성된다.

어떠한 탐색 및 수동 판정의 결과들은, 마스터 데이터베이스에 대한 추가와 업데이트, 또는 추가적인 탐색과 판정을 위한 추가적 업무를 합성할 것으로 기대하는 자동화된 큐레이션 및 판정 규칙들에 대한 입력으로서, 추적되고 가늠된다.

탐색 소스:

도 3은 비즈니스 대 비즈니스 관계를 탐색하기 위해 이용될 수 있는 소스의 유형을 도시한다. 이 예시에서, 기록상의 하나의 개체는 어떤 서비스를 수행할 수 있으며 또는 다른 개체를 대신하여 보증(assurance)을 제공할 수 있다. "대리(on behalf of)" 관계의 존재는, 이후에 적절한 다음 단계들을 결정하기 위해 큐레이트 및 판정될 수 있는 존재하는 양자(dyatic) 관계를 보여준다. 소스, 소스 정확성, 다른 관계 탐색 소스들을 연관시키는 능력, 그리고 이용가능한 데이터 포인트들에 의존하여, 특정 연계 및 유형으로서 자동적으로 수용하고, 선택된 접근법을 이용하여 추가 데이터 포인트들을 모으고, 거부하고, 또는 추가 데이터 포인트들의 자발적 탐색을 기다리는 것을 미루도록 결정이 이루어질 수 있다. 청구액을 지불하는 것 또는 다른 개체를 대신하여 보증인으로서 행동하는 것은 오너십을 의미할 수 있다. 예를 들어, 노스 비전 엔터프라이즈(North Vision Enterprises) 는 젤다 에이전시(Zelda Agency)를 소유할 수 있으며, RGX 인베스트먼트(RGX Investements)는 크로니클(The Chronicle)을 소유할 수 있다.

도 4a 내지 도 4k는 본 발명에 다른 재귀적 학습 과정을 나타내는 도면이다. 본 발명은 사업 개체들 간의 양자 및 다자 상대방 관계(이후, "사업 연계"라 함) 를 탐색하고 기록하는 새로운 시스템의 생성에 관한 것이다. 본 발명은, 자기-개선(self-improvement) 루틴으로 제공되는, 집단화(clustering) 및 친화성-인식 루틴을 이용하여 변형하고, 측정하고, 비판적으로 평가하고, 판정하고, 그리고 리팩터(refactor)하는 소스-독립적이며 비결정적 분석적 서브 과정들로 구성됨으로써, 본 발명은 사업 연계를 식별하고, 확인하고, 그리고 유지하기 위한 새로운 전략을 상정하고, 테스트하고, 수행하하는 고도의 재귀적 시스템으로서 전체 기능을 제공할 수 있다.

본 발명은, 정보 탐색(3.0)에서 다수의 소스로부터의 입력을 도출하고 둘 이상의 개체들 간의 잠재적 사업 연계를 탐색하기 위한 각 소스 프로파일(2.0)을 포함하도록 구성될 수 있다. 이것은, 어떤 경우에는 미분화 데이터로부터 사업 연계를 추론하기 위해 소스를 완전히 소비하면서, 다른 경우에는 특정 사업 개체들에 대한 정보를 추적하기 위한 지시된 연역적 접근법을 채택하면서, 이것을 회귀적으로 수행한다. 이것은 또한 다양한 개체들에 대한 둘 이상의 소스들로부터 표지 값들을 수집할 수 있으며, 이후 그 지식을 집적하는 것에 기초하여 관계를 추론한다. 본 발명은 개체들의 정체성을 분석하고, 다수의 관점으로부터 개체를 인식하고 그 관점들을 통합가능하게 하는 정체성 분석(identity resolution)(5.0) 능력을 레버리지한다. 정체성 분석과는 독립적으로, 본 발명은 식별하며, 가능한 경우, 위에서 탐색된 정보에 기초하여, 사업 개체들을 함께 집단화(6.1)하는 특정화된 새로운 기법들을 수행한다.

본 발명은 이전에 고려된 개체들 사이 뿐 아니라 현재 고려중인 사업 개체들 사이의 알려지고 이미 자격이 부여된 관계를 이용한다. 이것은 또한 모든 개체들에 대한 추가적 속성들을 이용한다. 알려진 사업 연계의 코퍼스(corpus)에 대한 추가를 위한 자격을 얻기에 각각의 잠재적 관계가 충분히 이해되는지 여부를 결정하기 위해 통합 데이터는 계속적으로 평가된다(6.2, 6.3). 평가의 그외 다른 결과는 다음과 같다: (a) 데이터에서의 부족 또는 "갭(gap)"의 인식 및 그에 따라 추가적인 정보 탐색(7.1)을 시작할 필요성; (b) 더 입증적인 데이터의 수동적 수령을 기다리는 행위의 연기 및 이러한 평가(4.5)의 캡쳐; (c) 충돌이 확인된 경우 기존의 사업 연계의 수정을 정당화하기 위해 추가적 정보 탐색(7.1)을 수정 또는 시작하기 위한 기회의 결정; 및/또는 (d) 일관적인 기존의 사업 연계를 확인하고 그것의 평가(4.5)를 유지하기 위한 기회의 결정.

주요 특징들을 다음을 포함한다:

ㆍ정보 탐색 및 큐레이션: 시스템은 수집하기 위해 정보 탐색(3.0)을 반복적으로 레버리지하며, 관계와 사업 연계를 예측할 수 있는 탐색된 정보(4.3)를 통합한다.

ㆍ조직, 개인, 그리고 금융 수단과 같은 개념적 개체들을 포함하지만 이에 한정하지 않는 시스템 외부 있는 탐색된 개체들에 대하여 식별자들을 수립하고 참조하기 위해 정체성 분석(5.1)을 레버리지한다. 정체성 분석은 시간이 지남에 따라 일관적인 참조를 가능하게 하고, 시스템은 그것에 이용가능한 어떠한 정체성 분석 전략들을 이용할 수 있다(개인 주변의 최근의 것들을 포함하여).

ㆍ추가적인 평가(6.0)를 위한 잠재적 관계를 추론하기 위해 정체성 분석을 레버리징하면서, 잠재적 관계의 정보 탐색에 대한 소스로서, 행동 데이터, 이름, 개시 특징, 크기, 및 산업을 포함하지만 이에 한정되지 않는 유연한 범주의 표지(5.7)에 기초하여 개체들을 집단화한다.

ㆍ공통 또는 부분적으로 교차하는 속성들에 기초하여 관계를 추론하기 위해 개체들을 집단화한다(6.1). 속성들은 예를 들면 다음과 같다:

a. 인터넷 존재 세부사항

b. 계좌(account) 또는 다른 외부 식별자

c. 이름 유사성

d. 주소

e. 이차적 주소(메일 주소)(Secondary Address)

f. 관련된 개인(Related individual)

g. "대리(on behalf of)" 관계

h. 지식, 의견, 가정된 관계, 외부적으로 또는 내부적으로 공급받는지 여부

ㆍ공급된 데이터로부터의 표지를 서로에 대하여, 그리고 주체들 및 잠재적 관계에 대한 이전에 확인된 정보에 대하여 균형을 이루도록 함으로써(balancing), 잠재적 그리고 기존 관계를 맥락적으로 평가하고 탐색된 정보(4.3)를 통합함으로써, 연계 잠재성을 위한 집단들을 평가하는 것. 이것은 주어진 개체 또는 관계에 대하여 일관성 그리고 비일관성을 탐지하고 측정하기 위해 위에 언급된 다수의 소스들과 표지를 연관짓는 것을 포함한다. 이것은 또한 합병(5.6) 기회를 결정하기 위해 개체 주변(6.3)을 평가하는 것을 포함한다. 이것은 또한, 다양한 모집단(populations) 또는 분모(denominators)에 있어서의 확산 정도(level of dispersion), 가령, 산업, 현존 가족의 크기, 분류, 공유된 공급자 관계, 또는 다름 맥락적 요소들을 고려하기위해 표지 값 또는 부분 가치의 프로파일링을 포함한다.

ㆍ다른 개체들 및 잠재적 관계에 대한 유사한 데이터 포인트를 가지는 본 발명의 이전 경험에 기초하는 규칙을 이용하여, 상정된(posited) 관계가 존재할 확률 및 관계의 본질(nature)이 자격을 부여하는 유형(qualifying type)(모든 관계가 실행가능하지 않으므로)일 확률에 관한 신뢰 정도를 평가한다(6.3).

ㆍ시간이 지날수록 더욱 효과적이며 효율적이 되기 위해 자기 학습을 레버리지 한다:

i. 시스템은 잠재적 관계를 평가하기 위해 상정된 "시드 규칙(seed rules)"을 수용한다.

j. 본 발명은 공개된 관계의 양, 질, 및 특징에 대하여 집단들을 평가하기 위해(6.2), 현재 알려진 규칙들의 코퍼스로부터의 적용가능한 후보자들을 축적되고 통합된 정보에 적용한다.

k. 상세한 진실 결정(Detailed Truth Determination)(3.3)은 다양한 카테고리의 집단들에서의 관계에 대한 진실(truth)을 평가하기 위해 전문 지식 및 추가적인 정보 탐색을 레버리지 한다.

l. 판정 규칙들을 계속적으로 큐레이트한다-어떠한 규칙과 소스들이 가장 유용한지, 그로 인한 관계 및 개체의 변경을 학습한다.

m. "진실감(truthiness)" 평가(9.2) 및 각 사업 카테고리에 대한 유용한 평가(9.4)를 포함하여, 소스들의 정확성이 규칙들의 진화를 지지하기 위해 계속해서 평가되며 추적된다. 상호작용 시너지가 측정되며, 소스들의 우선 순위가 소스 우선 가중치(9.3)와 교차하는 소스들의 효율성(9.5)을 통해 조정되고 추적된다. 표지의 특정 값들의 예측은 평가되고 추적되며, 동일한 표지 값들에 기초하여 집단들(clusters)의 미래 큐레이션(future curation)에 대한 입력을 제공한다.

n. 시스템은 잠재적 그리고 기존의 관계(6.3)와, 그들이 다음의 사항을 만족하는지를 평가하기 위한 능력을 개선하기 위해, 추가적인 표지, 새로운 규칙, 또는 현재의 규칙 셋트에 대한 개선을 제안하는 새로운 판정 규칙(8.3)을 탐색하고 상정하기 위한 경험을 레버리지 한다:

i. 그들이 사업 연계를 이루기 위해 자동적으로 자격을 부여해야하는지 여부;

ii 더 많은 정보 탐색(3.0)과 평가(6.0)를 요구하고 그러한 단계들을 시작하는지 여부;

iii 존재할 가능성이 불충분한지 그리고 더 이상의 능동적 집중을 보장하지 않는지 여부.

ㆍ판정 규칙을 계속적으로 큐레이트한다(6.6): 평가 규칙들 완성(mature)하기 위해 경험을 레버리지 한다. 예를 들어, 둘 이상의 소스가 동일한 사업 개체들에 대한 관계를 예측하고, 관련 개체에 대한 그들의 결론이 상반되는 경우, 본 발명은 잠재적 관계를 해석하기 위해 이용된 평가 규칙(6.7)을 조정하고, 개선하고, 조절하기 위해 상세한 진실 결정(Detailed Truth Determination)(3.3)을 통해 얻어진 경험을 레버리지한다. 유사한 미가공 정보가 양 소스들로부터 이용가능한 경우, 결론이 원래 덜 정확하였던 소스 내의 정보를 해석하기 위해 이용되는 규칙을 조정하기 위해 추가적인 탐색의 결과가 이용된다.

ㆍ사업 연계로서 이미 수립되지 않은 관계의 이해를 완성하는 것 이외에, 동일한 정보가 사업 연계로서 이전에 허용된 기존의 관계를 평가(6.3)하기 위해 이용된다. 독립적으로 탐색된 정보가 그들이 존재하는 대로 연계를 지지하고 확인하는 경우, 그러한 관계의 신선함과 자신감은 그들의 평가(4.5)에서 유지된다. 정보가 기존의 연계를 부정하는 경우, 그것은 관계의 현재 상태를 결정하고, 필요하다면 그것을 확인하고 수정하기 위해 추가적인 데이터 포인트에 대한 추가 정보 탐색(7.1)을 시작하기 위해 이용된다.

ㆍ새롭게 탐색된 관계의 이해를 완성하고, 이전에 합성된 관계를 평가하는 것 이외에, 시스템은 존재하지 않는 것으로 이전에 판정되고 결정된 잠재적 관계를 추적함으로써, 알려진 관계뿐 아니라 어느 유형의 관계가 존재하지 않는 곳의 지식을 수립한다.

도 5는 본 발명을 채택하기 위한 시스템(600)의 블럭도이다. 시스템(600)은 네트워크(3930), 예를 들어, 인터넷에 연결된 컴퓨터(605)를 포함한다.

컴퓨터(605)는 사용자 인터페이스(610), 프로세서(615), 및 메모리(620)를 포함한다. 컴퓨터(605)는 일반 목적의 마이크로 컴퓨터 상에서 수행될 수 있다. 여기서, 컴퓨터(605)가 독립형 장치로서 도시되어 있지만, 이것으로 제한되지 않고, 네트워크(630)를 통해 다른 장치들(미도시)에 연결될 수 있다.

프로세서(615)는 명령에 응답하고 명령을 실행하는 논리 회로로 구성된다.

메모리(620)는 프로세서(615)의 동작을 제어하기 위한 데이터 및 명령을 저장한다. 메모리(620)는 RAM(random access memory), 하드 드라이브, ROM(read only memory), 또는 이들의 조합으로 실시될 수 있다. 메모리(620)의 구성요소들 중 하는 프로그램 모듈(625)이다.

프로그램 모듈(625)은 여기 설명되는 방법들을 실행하도록 프로세서(615)를 제어하기 위한 명령을 포함한다. 예를 들어, 프로그램 모듈(625)의 실행의 결과로서, 프로세서(615)는, (a) 복수의 데이터 소스로부터 정보를 수집하는 행위; (b) 수집된 정보로부터 단체 간(between the parties)의 양자 또는 다자 상대방(counterparty) 관계를 탐색하는 행위; (c) 단체 간의 공통 또는 부분적으로 교차하는 속성들에 기초하여 단체 간의 양자 또는 다자 상대방 관계를 추론하기 위해 단체들을 집단화(clustering)함으로써, 집단화된 단체들을 형성하는 행위; (d)주어진 단체 또는 양자 또는 다자 상대방 관계에 대한 일치성 또는 불일치성을 탐지하고 측정하기 위해 데이터 소스로부터의 표지를 맥락적으로 평가하고 수집된 정보를 통합함으로써, 사업 연계 잠재성에 대한 집단화된 단체들을 평가하는 행위; 및 (e) 양자 또는 다자 상대방 관계가 단체들 간에 존재할 가능성에 관한 신뢰 정도를 평가하는 행위; 를 수행한다.

여기서 용어 "모듈"은 독립형 구성요소 또는 복수의 하위 구성요소들의 통합된 구성으로서 실시될 수 있는 기능적 동작을 나타내기 위해 이용된다. 따라서, 프로그램 모듈(625)은 단일 모듈 또는 서로 협동하여 동작하는 복수의 모듈로 실시될 수 있다. 또한, 여기서 프로그램 모듈(625)은 메모리(620)에 설치되어 소프트웨어로 실시되는 것으로 설명되지만, 이것은 하드웨어(예를 들어, 전자 회로), 펌웨어, 소프트웨어, 종이, 또는 이들의 조합으로 실시될 수 있다.

사용자 인터페이스(610)는 사용자가 정보와 명령 선택을 프로세서(615)로 전달 가능하도록 하는 키보드 또는 음성 인식 서브시스템과 같은 입력장치를 포함한다. 사용자 인터페이스(610)는 또한 종이, 디스플레이, 또는 프린터와 같은 출력장치를 포함한다. 마우스, 트랙볼, 또는 조이스틱을 포함하지만 이에 한정되지 않은 커서 제어는 사용자가 추가 정보 및 명령 선택을 프로세서(615)로 전달하기 위한 디스플레이 상에서의 커서를 조정하는 것을 허용한다.

프로세서(615)는 여기 설명된 방법들의 실행 결과를 사용자 인터페이스(610)로 출력한다. 대안적으로, 프로세서(615)는 출력을 네트워크 또는 종이(630)를 통해 원격장치(미도시)로 직접 보낼 수 있다.

프로그램 모듈(625)은 이미 메모리(620)로 장착된 것으로 설명되지만, 이것은 메모리(625)로 나중에 장착되기 위해 저장 매체(635) 상에서 구성될 수 있다. 저장 매체(635)는 유형(tangible)의 형태로 프로그램 모듈(625)을 저장하는 어떠한 저장 매체일 수 있다. 저장 매체(635)의 예는 플로피 디스크, 콤팩트 디스크, 자기 테이브, ROM, 광학 저장 매체, USB(universal serial bus) 플래쉬 드라이브, DVD(digital versatile disc), 또는 지프 드라이브(zip drive)를 포함하지만, 이에 한정되지 않는다. 대안적으로, 저장 매체(635)는 RAM 또는 원격 저장 시스템에 위치하고 네트워크(630)를 통해 컴퓨터(605)에 연결되는 다른 유형의 전자 저장부를 포함하지만, 이에 한정되지 않는다.

도 7은 본 발명에 따른 탐색 단계의 블럭도이다. 여기서 제 3자의 지식 또는 정보(70)가 개체 이름과 주소를 가지는 계좌 번호를 포함하는 계좌의 고객 또는 제 3자 파일로부터 탐색되고 수집된다(71). 이후, 과정은 정체성 분석(72)의 단계를 수행하며, 여기서 개체 이름과 주소는 기존 식별자들에 맵핑된 알려진 개체 또는 새롭게 인식된 개체들과 그들의 식별자와 필요에 따라 비교된다. 이후 정체성 분석 결과는 데이터 베이스(74)에 저장된다. 이후, 과정은 각각의 개체에 관한 속성들, 가령, 특정 소스에 대한 계좌번호를 추가, 업데이트, 또는 확인하며(73), 관계 구축 정보 데이터베이스(75)에 저장한다. 시스템에 의해 이용되는 데이터베이스는 논리적으로 표현되며, 실제로 단일 데이터베이스로 생성되어 유지된다.

도 8은 본 발명에 따른 계좌 번호(account number) 집단화 및 초기 큐레이션 과정의 논리도이다. 이 도면은 집단화, 큐레이션, 및 판정 과정의 재귀적 특성을 도시한다. 단계 B가 순차적 과정에서 제 1단계가 아닌 회귀 과정에서의 중간 지점(waypoint)으로서 참조 지점(reference point)으로서 도시되어 있다. 이전 처리 과정에서 이루어진 큐레이션 및 판정 결정은 관계 구축 정보 데이터베이스(75)를 업데이트하였다. 동일한 관계 구축 정보 데이터베이스(75)가 탐색 단계(81)와 다른 과정들, 가령 큐레이션 및 판정 과정에서 이용된다. 단계 81에서 탐색된 정보는, 단계 83에서, 동일한 표지 값 또는 부분 가치(partial value)를 가지는 기록들을 집단으로 그룹화함으로써 소스 프로파일 및 성능 정보(85)와 함께 처리되며, 이후 각 집단은 단계 87에서 평가된다. 이후, 과정은 집단이 하나 이상의 기록(89)을 포함하고 있는지 결정한다. 하나 이상의 기록을 포함하고 있지 않는 경우, 단계 91에서 어떠한 행위도 이루어지지 않는다. 그러나, 하나 이상의 기록을 포함하는 경우, 단계 93에서 집단내의 각 기록은 평가된다. 단계 95에서, 집단 내 기록이 연계 참조 데이터베이스(97) 내의 기록에 이미 연계되지 않은 경우, 단계 99에서 과정은 가장 가능성이 높은 관계를 확인하고 평가한다. 이미 연계된 경우, 단계 101에서 과정은 기존 연계가 집단 콘텐츠와 일치하는지를 결정한다. 일치하지 않는 경우, 단계 103에서 과정은 어떠한 충돌 정보(any conflicting informaiton)도 분석하려고 노력한다. 일치한 경우, 단계 105에서 과정은 소스 정확성이 연계 확인을 위해 충분한지를 결정한다. 충분하지 않는 경우, 기존 사업 연계를 확인하기 위해 이렇게 탐색된 정보를 사용하지 않기로 한 결정을 반영하도록 관계 구축 정보 데이터베이스(75)를 업데이트한다(B). 충분한 경우, 단계 107에서 기존 연계(A), 추적 메타데이터, 예를 들어, 연계 참조 데이터베이스(97)에서의 날짜 및 소스를 확인하고, 기존 사업 연계를 확인하기 위해 이렇게 탐색된 정보를 사용하려는 결정을 반영하기 위해 관계 구축 정보 데이터베이스(75)를 업데이트한다(B).

도 9a는 본 발명에 따른 탐색 및 계좌 집단화 단계의 과정 흐름도이다. 여기서, 단계 201에서, 다양한 개체들의 예가 각각의 계좌 번호와 함께 탐색되며, 다음 정체성 분석 단계 203에서, 회사 식별자가 개체의 이름, 거리 주소, 또는 다른 정체성 속성들에 기초하여 개체에 할당된다. 개체들은 그들이 동일한 표지 값, 가령, 부분 계좌 번호 12345 (단계 205) 또는 계좌 번호 2299-X(단계 207)를 가지는 경우, 집단화된다.

도 9b는 본 발명에 따른 탐색 및 이름 집단화 단계의 과정 흐름도이다. 여기서, 단계 303에서, 알려진 기존의 개체들이 속성에 대한 유사성에 대하여 검토되며, 단계 305에서, 충분하게 유사한 속성, 가령, 사업 이름, 거래 스타일, 위치, 전화, 또는 그외 식별자를 가지는 개체들은 그러한 유사성에 기초하여 집단화된다.

도 9c는 다른 개체들이 유사하여 집단의 형성을 보장하는 시나리오를 도시하는 탐색 및 이름 집단화의 과정 흐름도이다.

도 9d는 어떠한 개체도 하나 이상의 멤버와 함께 집단을 생성하기에 충분히 유사하지 않는 시나리오를 도시하는 탐색 및 이름 집단화의 과정 흐름도.

도 10a 및 도 10b는 연계되지 않은 기록을 위한 탐색 및 집단화 이후 발생하는 본 발명에 따른 큐레이션 및 합성 단계의 과정 흐름을 도시한 도이다. 관심 개체 및 다른 집단 멤버에 대하여 알려진 또는 이미 상정된 관계 및/또는 속성에 기초하여 관계를 상정함으로써(103), 연계되지 않은 기록에 대한 가장 가능성이 높은 관계를 식별하고 평가한다(99). 탐색된 잠재적 관계를 관계 구축 정보 데이터베이스(75)에 보유 또는 저장한다. 각각의 상정된 관계에 대하여, 신뢰를 평가하고 행위를 합성하며(401), 동일한 개체에 대하여 이전에 상정된 관계를 연관시키며(403), 집단 멤버에 대한 속성 유사성 점수를 서로에 대하여 도출하며(405), 정확성(소스(들)의 이전 성능 및 진실감(truthiness))을 고려한다(407). 이후, 관계를 추론하는데 이용되는 표지의 특정 값의 이전 성능을 고려하고(409), 합성 행위를 결정하고 시작한다(411). 이후, 탐색 또는 조사 업무를 착수하고(413), 추가 정보의 수령을 대기하며(417), 그리고/또는 자동 결합(즉, 데이터베이스 거래를 생성)하여(415) 및 연계 참조 데이터베이스(97)로 전달한다(97).

도 11은 본 발명에 따른 유사한 개체들이 행동적 또는 이전에 유지된 데이터 속성에 기초하여 어떻게 집단화되는지를 도시한 블럭도이다. 여기서, 유사하지만 여전히 구별되는 개체들을 찾고, 유사한 것으로 결정된 그러한 다른 개체들과 원 시드 개체 각각을 집단화(509)하기 위해 정체성 분석(505) 과정에 의해 이후 평가될 수 있는 시드 개체들을 식별(503)하기 위해 개체 및 연계 참조(reference) 데이터베이스(501)가 이용된다. 이후, 개체 집단들(509)은 개체 및 관계 구축 정보 데이터베이스(511)에 저장됨으로써, 그들은 큐레이트된다.

도 12a 내지 도 12c는 본 발명에 따라 규칙 기반 처리(rules driven processing)가 자기 학습을 통해 어떻게 계속적으로 개선하는지를 도시한 과정 흐름도이다. 도 12a는 중심 과정의 재귀적 본질을 도시한다. 도 12b는 자기 학습을 지지(support)하기 위한 성능의 추적(tracking) 및 평가(assessment)를 지지하기 위한 상호작용(interaction)을 부가한다. 마지막으로, 도 12c는 경험에 기초하여 시스템이 완성되듯이 규칙이 개선된 방법으로 과정을 제어하는 방법에 영향을 주기위해 자기 학습을 유도하는 추적(tracking) 및 평가의 피드백 흐름을 더욱 강조하기 위해 대부분의 중심 과정 상호작용(core process interactions)을 숨긴다.

도 12a에서, 정보의 탐색 및 수집(701), 정체성 분석(703), 개체들의 그룹화 및 집단화(705), 잠재적 연계의 자동화된 평가(707), 그리고 잠재적 연계의 조사 테스팅(709) 모두가 잠재적 관계를 식별하고 그들을 평가하기 위해 관계 구축 정보 데이터베이스(511)를 통해 상호작용한다. 과정은 규칙 및 누적 소스 성능 정보에 의해 제어된다. 취해진 결정에 따라서, 추가적 탐색이 만족되지 않은 요구를 수행하기 위해 그리고 추가적 탐색 및 큐레이션을 위한 재귀를 유도하기 위해 시작될 수 있다(701). 대안적으로, 잠재적 관계가 허용되거나 거부되는 경우, 개체 및 연계 참조 데이터베이스(501)에서 연계 및 연계의 부족을 추가하고 유지한다(711).

도 12b는 본 발명의 유일한(unique) 자기 학습을 설명하는 것을 도와준다. 여기서, 결과의 연속적인 캡쳐 및 분석은 자기 학습을 유도한다. 분석적 기법(801)이, 관계를 탐색, 큐레이트, 및 판정하기 위해 이용된 규칙을 개선할 수 있는 기회에 대한 통찰을 얻는 것을 목표로, 개체 및 관계 구축 정보 데이터베이스(511)에 축적된 데이터를 분석하기 위해 적용된다. 분석된 데이터의 유형은 어떤 소스 및 표지가 잠재적 관계를 탐색하는데 이용되었는지, 그것이 동일한 개체 또는 개체들에 대한 관계 정보를 위해 다른 소스들과 어떻게 비교되는지, 그리고 관심 개체 및 다른 개체들에 대한 그러한 관계의 조사적 테스팅의 결과를 포함하지만, 이에 한정되지 않는다. 이것은 특정 탐색 소스로부터 수신되었을 때의 특정 표지는 승인된 사업 연계를 잘 예측하는 것과 같은 통찰을 보여줄 수 있다. 그러한 관찰은 이후 그 소스와 표지를 통해 탐색된 관계에 대한 미래의 판정을 다스리는 규칙을 개선하기 위해 레버리지된다. 분석적 기법(801)은 이후 탐색 및 큐레이션을 위한 새롭고 조정된 규칙을 규칙 및 축적 소스 성능 정보 데이터베이스(713)에 상정한다. 분석적 기법(801)에 의해 이용되고, 규칙 및 축적 소스 성능 정보 데이터베이스(713)에 수립되고 완성된 규칙에 의해 레버리지된 데이터의 일부는, 정보의 탐색 및 수집(701) 동안의 관찰된 메타데이터 위반(violations), 잠재적 연계의 조사적 테스팅(709)으로부터의 소스 품질 관찰(즉, 매크로 및 마이크로 수준), 잠재적 연계의 자동화된 평가(707), 탐색된 평가 규칙 및 조정, 그리고, 잠재적 연계의 조사적 테스팅 동안 관찰된 사람의 전문지식 및 휴리스틱(heuristics)과 그러한 결과의 분석, 으로부터 피드백으로서 수집된다. 데이터베이스(701)에서의 업데이트된 규칙과 축적 소스 성능 정보는, 정보의 탐색 및 수집(701), 그룹/집단 개체들(705), 정체성 분석(703), 그리고 잠재적 연계의 자동화된 평가(707), 와 같은 과정을 계속해서 제어하지만, 상기 설명된 피드백 흐름에 기초하여 생성된 학습으로 인해 개선된 성능 결과를 가지고 제어할 수 있다.

도 12c는 도 12b의 자기 학습 측면을 강조하기 위해 도움을 주지만, 피드백 상호작용(도면에서 파선으로 도시된)을 유지하고, 중심 과정을 제어하는 규칙 상호작용(도면에서 혼합된 파선/점선으로 도시된)을 유지하면서, 일반적인 중심 과정 흐름의 제한된 부분만을 도시하는 도면이다.

본 발명에 따라 다양한 실시예들을 도시하고 설명하였지만, 본 발명은 당업자에게 명백한 다양한 변경을 허용할 수 있다는 것이 명백히 이해되어야 한다. 따라서, 우리는 여기 도시되고 설명된 세부사항에 한정되는 것을 원하지 않으며, 첨부된 청구항의 범주내의 모든 변경 및 수정을 보여줄것을 의도한다.

1 : 탐색단계 3 : 큐레이션단계
5 : 합성단계 610 : 사용자 인터페이스
615 : 프로세서 620 : 네트워크
625 : 메모리 630 : 프로그램 모듈
635 : 저장 매체

Claims (24)

1. 단체 간의 양자(dyatic) 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원(multidimensional) 재귀적 과정(recursive process)으로서, 상기 과정은:
   a. 복수의 데이터 소스로부터 정보를 수집하는 단계;
   b. 상기 수집된 정보로부터 상기 단체 간의 양자 또는 다자 당사자 관계를 탐색하는 단계;
   c. 상기 단체 간의 공통 또는 부분적으로 교차하는 속성들에 기초하여 상기 단체 간의 상기 양자 또는 다자 상대방 관계를 추론하기 위해 상기 단체를 집단화함으로써, 집단화된 단체를 형성하는 단계;
   d. 주어진 집단 또는 양자 또는 다자 상대방 관계에 대한 일치성 및 불일치성을 탐지하고 측정하기 위해, 상기 수집된 정보를 통합하고 상기 데이터 소스로부터 표지를 맥락적으로 평가함으로써, 사업 연계 잠재성에 대하여 상기 집단화된 단체를 평가하는 단계;
   e. 관계 유형과 상기 단체가 각 관계에서 취하는 역할을 상정하고 평가하는 단계; 및
   f. 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는(assess) 단계; 를 포함하는 것을 특징으로 하는 다차원 재귀적 과정.
2. 제1항에 있어서,
   상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 잠재성을 평가 및/또는 가늠하기 위해 상기 다차원 재귀적 과정의 능력을 개선하기 위한 자기 학습을 레버리지 하는 단계;를 더 포함하는 것을 특징으로 하는 다차원 재귀적 과정.
3. 제2항에 있어서,
   상기 자기 학습을 레버리지하는 단계는,
   (a) 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재하는 잠재성을 평가하기 위해 상정된 시드 규칙(seed rules)을 이용하는 단계; (b)탐색된 관계의 양, 질, 및/또는 특징에 대하여 상기 단체의 상기 집단을 평가하기 위해, 규칙의 현재 알려진 코퍼스로부터의 적용가능한 후보자를 상기 수집된 정보에 적용하는 단계; (c) 상기 집단화된 단체에서 잠재적 관계에 대한 진실을 가늠하기 위해 전문지식 및 추가 정보를 레버리지하기 위한 세부적 진실 결정을 이용하는 단계; (d) 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재한다는 것을 결정함에 있어서, 상기 시드 규칙 및 상기 복수의 소스중 어느 것이 가장 유용한지를 학습하는 단계; (e) 상기 복수의 소스의 각각의 정확성을 계속적으로 가늠하는 단계; 및 (f) 추가적 표지, 새로운 규칙 또는 상기 시드 규칙에 대한 개선을 제안하는 판정 규칙을 탐색하고 상정하기 위해 경험을 레버리지하는 단계;로 이루어진 그룹으로부터 선택된 적어도 하나인 것을 특징으로 하는 다차원 재귀적 과정.
4. 제3항에 있어서,
   상기 판정 규칙을 계속적으로 큐레이트하는 단계;를 더 포함하며,
   상기 과정은 상기 양자 또는 다자 상대방 관계가 상기 단체간에 존재하는 잠재성을 평가하기 위해 이용되는 상기 시드 규칙을 조정, 개선, 및/또는 조절하기 위해, 상기 세부적 진실 결정을 통해 얻어진 경험을 레버리지하는 것을 특징으로 하는 다차원 재귀적 과정.
5. 제1항에 있어서,
   상기 과정의 외부에 있는 단체 간의 양자 또는 다자 상대방 관계를 탐색하기 위한 개체 식별자를 수립하고 참조하기 위해 정체성 분석을 이용하는 단계;를 더 포함하는 것을 특징으로 하는 다차원 재귀적 과정.
6. 제1항에 있어서,
   상기 단체를 집단화하는 상기 단계는,
   유연한 범주의 표지에 기초하여 이루어지는 것을 특징으로 하는 다차원 재귀적 과정.
7. 제6항에 있어서,
   상기 표지는, 행동적 데이터, 이름, 개시 특징, 크기, 및 산업으로 구성된 그룹으로부터 선택된 적어도 하나인 것을 특징으로 하는 다차원 재귀적 과정.
8. 제1항에 있어서,
   상기 공통 또는 부분적으로 교차하는 속성은,
   인터넷 주소 세부사항, 계좌 또는 다른 외부 식별자, 이름 유사성, 주소, 이차적 주소, 공통 관련된 개인(common related individual), 대리(on behalf of) 관계, 그리고, 지식, 의견, 또는 가정된 관계로 구성된 그룹으로부터 선택된 적어도 하나의 속성인 것을 특징으로 하는 다차원 재귀적 과정.
9. 제1항에 있어서,
   상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는 상기 단계는,
   다른 단체에 대한 유사한 데이터 포인트와 잠재적 관계, 및/또는 다른 단체에 대한 동일한 데이터 포인트와 잠재적 관계를 가지는 이전 경험과 관련된 규칙을 기반으로 하는 것을 특징으로 하는 다차원 재귀적 과정.
10. 제3항에 있어서,
    상기 단계 (f)는, 잠재성과 기존의 관계와, 그들이 (i) 상기 사업 연계가 이루어지도록 자동적으로 자격을 부여해야하는지, (ii) 상기 정보의 수집과 사업 연계 잠재성에 대하여 상기 집단화된 단체를 평가하는 것을 더 요구하는지, 또는, (iii) 존재할 가능성이 충분하지 않고, 추가적인 적극적 관심(active attention)을 보장하지 않는지를 가늠하는 처리 능력을 개선하는 것을 특징으로 하는 다차원 재귀적 과정.
11. 제1항에 있어서,
    상기 정보 수집 단계는,
    상기 정보의 새로운 소스를 확인하는 단계,
    상기 소스의 품질을 평가하는 단계,
    데이터 환경에서의 변화를 이해하는 단계, 및
    적절한 데이터의 식별을 위해 새로운 기술과 과정을 개발하는 단계로 구성된 그룹으로부터 선택된 적어도 하나의 탐색을 수반하는 것을 특징으로 하는 다차원 재귀적 과정.
12. 시스템은,
    프로세서; 및
    상기 프로세서에 의해 읽기 가능한 명령을 포함하는 메모리로서, 상기 프로세서가 읽는 경우,
    a. 복수의 데이터 소스로부터 정보를 수집하는 단계;
    b. 상기 수집된 정보로부터 상기 단체 간의 양자 또는 다자 당사자 관계를 탐색하는 단계;
    c. 상기 단체 간의 공통 또는 부분적으로 교차하는 속성들에 기초하여 상기 단체 간의 상기 양자 또는 다자 상대방 관계를 추론하기 위해 상기 단체를 집단화함으로써, 집단화된 단체를 형성하는 단계;
    d. 주어진 집단 또는 양자 또는 다자 상대방 관계에 대한 일치성 및 불일치성을 탐지하고 측정하기 위해, 상기 수집된 정보를 통합하고 상기 데이터 소스로부터 표지를 맥락적으로 평가함으로써, 사업 연계 잠재성에 대하여 상기 집단화된 단체를 평가하는 단계;
    e. 관계 유형과 상기 단체가 각 관계에서 취하는 역할을 상정하고 평가하는 단계; 및
    f. 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는(assess) 단계; 를 포함하는 행위를 수행하도록 상기 프로세서를 제어하는 메모리; 를 포함하는 것을 특징으로 하는 시스템.
13. 제12항에 있어서,
    상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 잠재성을 평가 및/또는 가늠하기 위해 상기 다차원 재귀적 시스템의 능력을 개선하기 위한 자기 학습을 레버리지 하는 단계;를 더 포함하는 것을 특징으로 하는 시스템.
14. 제13항에 있어서,
    상기 자기 학습을 레버리지하는 단계는,
    (a) 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재하는 잠재성을 평가하기 위해 상정된 시드 규칙(seed rules)을 이용하는 단계; (b)탐색된 관계의 양, 질, 및/또는 특징에 대하여 상기 단체의 상기 집단을 평가하기 위해, 규칙의 현재 알려진 코퍼스로부터의 적용가능한 후보자를 상기 수집된 정보에 적용하는 단계; (c) 상기 집단화된 단체에서 잠재적 관계에 대한 진실을 가늠하기 위해 전문지식 및 추가 정보를 레버리지하기 위한 세부적 진실 결정을 이용하는 단계; (d) 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재한다는 것을 결정함에 있어서, 상기 시드 규칙 및 상기 복수의 소스중 어느 것이 가장 유용한지를 학습하는 단계; (e) 상기 복수의 소스의 각각의 정확성을 계속적으로 가늠하는 단계; 및 (f) 추가적 표지, 새로운 규칙 또는 상기 시드 규칙에 대한 개선을 제안하는 판정 규칙을 탐색하고 상정하기 위해 경험을 레버리지하는 단계;로 이루어진 그룹으로부터 선택된 적어도 하나인 것을 특징으로 하는 시스템.
15. 제14항에 있어서,
    상기 판정 규칙을 계속적으로 큐레이트하는 단계;를 더 포함하며,
    상기 시스템은 상기 양자 또는 다자 상대방 관계가 상기 단체간에 존재하는 잠재성을 평가하기 위해 이용되는 상기 시드 규칙을 조정, 개선, 및/또는 조절하기 위해, 상기 세부적 진실 결정을 통해 얻어진 경험을 레버리지하는 것을 특징으로 하는 시스템.
16. 제12항에 있어서,
    상기 시스템의 외부에 있는 단체 간의 양자 또는 다자 상대방 관계를 탐색하기 위한 식별자를 수립하고 참조하기 위해 정체성 분석을 이용하는 단계;를 더 포함하는 것을 특징으로 하는 시스템.
17. 제12항에 있어서,
    상기 단체를 집단화하는 상기 단계는,
    유연한 범주의 표지에 기초하여 이루어지는 것을 특징으로 하는 시스템.
18. 제17항에 있어서,
    상기 표지는, 행동적 데이터, 이름, 개시 특징, 크기, 및 산업으로 구성된 그룹으로부터 선택된 적어도 하나인 것을 특징으로 하는 시스템.
19. 제12항에 있어서,
    상기 공통 또는 부분적으로 교차하는 속성은, 인터넷 주소 세부사항, 계좌 또는 다른 외부 식별자, 이름 유사성, 주소, 이차적 주소, 관련된 개인, 대리(on behalf of) 관계, 그리고, 지식, 의견, 또는 가정된 관계로 구성된 그룹으로부터 선택된 적어도 하나의 속성인 것을 특징으로 하는 시스템.
20. 제12항에 있어서,
    상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는 상기 단계는,
    다른 단체에 대한 유사한 데이터 포인트와 잠재적 관계를 가지는 이전 경험과 관련된 규칙을 기반으로 하는 것을 특징으로 하는 시스템.
21. 제12항에 있어서,
    상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는 상기 단계는,
    다른 단체에 대한 동일한 데이터 포인트와 잠재적 관계를 가지는 이전 경험과 관련된 규칙을 기반으로 하는 것을 특징으로 하는 시스템.
22. 제14항에 있어서,
    상기 단계 (f)는, 잠재성과 기존의 관계와, 그들이 (i) 상기 사업 연계가 이루어지도록 자동적으로 자격을 부여해야하는지, (ii) 상기 정보의 수집과 사업 연계 잠재성에 대하여 상기 집단화된 단체를 평가하는 것을 더 요구하는지, 또는, (iii) 존재할 가능성이 충분하지 않고, 추가적인 적극적 관심(active attention)을 보장하지 않는지를 가늠하는 시스템의 능력을 개선하는 것을 특징으로 하는 시스템.
23. 제12항에 있어서,
    상기 정보 수집 단계는,
    상기 정보의 새로운 소스를 확인하는 단계,
    상기 소스의 품질을 평가하는 단계,
    데이터 환경에서의 변화를 이해하는 단계, 및
    적절한 데이터의 식별을 위해 새로운 기술과 과정을 개발하는 단계로 구성된 그룹으로부터 선택된 적어도 하나의 탐색을 수반하는 것을 특징으로 하는 시스템.
24. 실행될 때 처리 시스템이 방법을 수행하도록 제어하는 실행가능한 컴퓨터 프로그램 명령을 포함하는 컴퓨터 판독가능한 저장 매체로서, 상기 방법은,
    a. 복수의 데이터 소스로부터 정보를 수집하는 단계;
    b. 상기 수집된 정보로부터 상기 단체 간의 양자 또는 다자 당사자 관계를 탐색하는 단계;
    c. 상기 단체 간의 공통 또는 부분적으로 교차하는 속성들에 기초하여 상기 단체 간의 상기 양자 또는 다자 상대방 관계를 추론하기 위해 상기 단체를 집단화함으로써, 집단화된 단체를 형성하는 단계;
    d. 주어진 집단 또는 양자 또는 다자 상대방 관계에 대한 일치성 및 불일치성을 탐지하고 측정하기 위해, 상기 수집된 정보를 통합하고 상기 데이터 소스로부터 표지를 맥락적으로 평가함으로써, 사업 연계 잠재성에 대하여 상기 집단화된 단체를 평가하는 단계;
    e. 관계 유형과 상기 단체가 각 관계에서 취하는 역할을 상정하고 평가하는 단계; 및
    f. 상기 양자 또는 다자 상대방 관계가 상기 단체 간에 존재할 가능성에 대한 신뢰 정도를 가늠하는(assess) 단계; 를 포함하는 것을 특징으로 하는 컴퓨터 판독가능한 저장 매체.

Images