TW201539214A - 用以找出複雜二元或多重交易方關係之多維遞迴學習方法和系統 - Google Patents

用以找出複雜二元或多重交易方關係之多維遞迴學習方法和系統 Download PDF

Info

Publication number
TW201539214A
TW201539214A TW103146068A TW103146068A TW201539214A TW 201539214 A TW201539214 A TW 201539214A TW 103146068 A TW103146068 A TW 103146068A TW 103146068 A TW103146068 A TW 103146068A TW 201539214 A TW201539214 A TW 201539214A
Authority
TW
Taiwan
Prior art keywords
parties
relationship
relationships
information
rules
Prior art date
Application number
TW103146068A
Other languages
English (en)
Other versions
TWI524199B (zh
Inventor
Anthony J Scriffignano
David A Spingarn
Barry Rizzolo
Robin Davies
Michael R Young
Laurie Shimer
John Mark Nicodemo
Original Assignee
Dun & Bradstreet Corp
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 Dun & Bradstreet Corp filed Critical Dun & Bradstreet Corp
Publication of TW201539214A publication Critical patent/TW201539214A/zh
Application granted granted Critical
Publication of TWI524199B publication Critical patent/TWI524199B/zh

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Seasonings (AREA)
  • Developing Agents For Electrophotography (AREA)
  • Techniques For Improving Reliability Of Storages (AREA)

Abstract

多維遞迴及自我完善方法係用以發現各方之間的二元或多重交易方關係，該方法包含：(a)自多個資料來源收集資訊；(b)依據該所收集資訊發現各方之間的二元或多重交易方關係；(c)基於各方之間的共同或部分交叉屬性來叢集各方以推斷各方之間的該等二元或多重交易方關係，進而形成叢集方；(d)藉由整合該所收集資訊且脈絡評估來自資料來源之標誌以偵測及量測一給定方或二元或多重交易方關係之一致性及不一致性，從而評估該等叢集方之商業聯繫潛力；(e)認定及評價關係類型及該方在每一關係中所扮演的角色；以及(f)評估關於各方之間存在該二元或多重交易方關係之可能性的可信程度。

Description

用以找出複雜二元或多重交易方關係之多維遞迴學習方法和系統 交互參照的申請案
本申請案主張2013年12月30日申請的美國臨時申請案第61/921,592號之優先權，該案以全文引用方式併入本文。
發明領域
本揭示內容大體上係關於用於發現、策展(curation)、審議及合成複雜二元及多重交易方全球(亦即，管轄區內及管轄區間以及跨境)商業關係之系統及方法。詳言之，本揭示內容係關於能夠發現、鑑定及記錄營業人之間的二元及多重交易方關係(下文稱為「商業聯繫」)的系統之創建。該方法包含來源無關及非決定性分析子方法，其使用饋入自我改良常式中之叢集及親合性辨識常式來進行變換、量測、臨界地評價、審議及重構，以便該方法及系統充當認定、測試、實行及監視用於識別、確認及維護商業聯繫之新策略的高度遞迴系統。
發明背景
總體問題係理解商業交易方間之綜合關係。典型地，此理解係應用於涉及總風險或總機會之使用狀況。此理解亦可應用於更複雜的使用狀況，諸如預測分析、補救及情境規劃(scenario formulation)。
如圖6中所例證的用於判定關係之先前技術包括以下解決方案：將具有相同名稱之實體分組在一起，但該等實體受限於僅使用名稱來觸發對相似性及潛在關係之審議。技術問題在於：此等解決方案不提供有效自動化及演進策展能力，及/或藉由自多重來源或標誌之觀點加以考量來對關係進行三角分析(triangulate)之能力，該多個來源或標誌中的一些可經由分析技術來識別。此外，此等解決方案典型地缺乏手動策展及審議選擇，或以不足的精度及準確度來進行其自動化任務以便有效地過濾潛在關係，且確保正確手動審議資源及方法之有效使用。在過濾或精度不足的情況下，潛在關係經歷使用單一「一體適用(one size fits all)」方法之手動審議。結果為：對利用手動審議選擇之解決方案而言，缺乏再現性且難以推進規模經濟，或對不利用手動審議選擇之解決方案而言，不足以用於所有而僅用於最小臨界商業應用的不一致的不良準確度。
本揭示內容之技術效果藉由使用以下方式之組合來克服習知公司聯繫系統及方法之缺點：(a)自動化、遞迴及手動策展、(b)來源及來源組合之基於規則之審議，以及(c)多重替代標誌，用以準確地判定營業人之相互關係脈絡。針對歷時經驗及代表性樣本來制衡自動化規則，將結 果予以徹底評價來判定「真相」，且規則改良及微調允許創建一組細化規則，其最大化自動化來允許可調性，同時允許目標及「最適合」手動策展及審議策略在必要時得以利用。
結果評估及微調開拓詳盡試探及分析技術，且包括已確立及新湧現的知識，以及用於異質及高度動態資料(常常為未結構化資料)之審議的學習算法及其他方法。
藉由支援遞迴測試及自動化規則之細化以及客製化來最佳化效能且最小化手動努力，本發明系統最大化有效性及制衡來源隨時間數量增加之能力，以在不顯著地增加手動努力的情況下廣泛地擴展範疇，同時持續準確地判定脈絡關係。
本揭示內容制衡邏輯來經由穩健身份解析方法而唯一地識別營業人，該方法係作為評價脈絡之基礎。
本揭示內容產生具有標準化、動態及/或專屬格式之分批及交易型交互作用，其允許與進一步審議及評價標誌來判定脈絡之人類資源的交互作用。
本揭示內容亦產生具有標準化、動態及/或專屬格式之分批及交易型交互作用，其用以合成更新且持續脈絡洞察(contextual insight)。
來源及方法係用於藉由監視狀態、偵測主動及被動變化且必要時發起策展及審議來建立及維持脈絡洞察。
本揭示內容精確地追蹤結果，且使用報告工具來評價來源用於微調及診斷目的之真實性及最佳使用，且評 估自我學習特徵來基於經驗改良效能。報告工具亦用以評估針對已知機會之進展。
手動發現、策展及審議係藉由具有經驗及能力之最佳適合性的人類資源、基於複雜程度、利用安排路由傳遞至資源之基於規則的決定來進行。
本揭示內容亦提供許多其他優點，該等優點將如以下所述變得顯而易見。
發明概要
多維遞迴方法係用以發現各方之間的二元或多重交易方關係，該方法包含：(a)自多個資料來源收集資訊；(b)依據所收集資訊發現各方之間的二元或多重交易方關係；(c)基於各方之間的共同或部分交叉屬性來叢集各方以推斷各方之間的二元或多重交易方關係，進而形成叢集方；(d)藉由整合所收集資訊且脈絡評估來自資料來源之標誌以偵測及量測給定方或二元或多重交易方關係之一致性及不一致性，從而評價叢集方之商業聯繫潛力；(e)藉由識別最有可能成為上級的一方(總部或母公司)來認定關係所扮演的角色及/或方向，以及(f)評估關於二元或多重交易方關係存在且具有各方之間的認定關係類型及方向之可能性的可信程度。
該方法進一步包含以下步驟：制衡自我學習以改良多維遞迴方法之能力，以評價及/或評估各方之間存在二元或多重交易方關係之潛力。制衡自我學習之步驟為選自 由以下步驟組成之群的至少一個步驟：(a)使用認定來評價各方之間存在二元或多重交易方關係之潛力的子規則；(b)對所收集資訊應用來自規則之當前已知資料體(corpus)之可應用候選者，以評價各方之叢集的所發現關係之數量、品質及/或特徵；(c)使用詳盡真相判定來制衡專業經驗及其他資訊，以評估關於叢集方中潛在關係之真相；(d)學習子規則及多個來源中哪一者最適用於判定各方之間存在二元或多重交易方關係，(e)連續地評估多個來源中之每一者之真實性，以及(f)制衡經驗來發現並認定建議其他標誌之規則、新規則或對子規則之加強規則。
該方法進一步包含以下步驟：連續地策展審議規則，其中該方法制衡經由詳盡真相判定所獲得的經驗，以微調、改良及/或調整用於評價各方之間存在二元或多重交易方關係之潛力的子規則。
該方法進一步包含以下步驟：使用身份解析來建立及參考該方法之外的用於發現各方之間的二元或多重交易方關係之識別符。
各方之叢集係基於標誌之靈活範圍。標誌為選自由以下各項組成之群的至少一者：行為資料、名稱、起始特性、規模及行業。
共同或部分交叉屬性為選自由以下各項組成之群的至少一個屬性：網際網路存在詳情、帳戶或其他外部識別符、名稱相似性、地址、二級地址、相關個體、關係代表(on behalf of)，以及知識、意見或假設關係。
評估關於各方之間存在二元或多重交易方關係之可能性的可信程度之步驟係基於與先前經驗有關的規則，該先前經驗具有針對其他方及潛在關係之相似資料點，包括自其發現資料點之來源之真實性。另外，隨跨於地理或地政間隔之共用標誌變化的屬性接近性可用作策展及審議之輸入
此外，步驟(f)改良該等方法評估以下各項之能力：潛在及現存的關係，以及該等關係是否(i)應自動地鑑定來變成商業聯繫，(ii)需要對資訊之更多收集及對叢集方之商業聯繫潛力的評價，或(iii)可能不足以存在且保證無進一步主動注意。
較佳地，收集資訊涉及發現選自由以下各項組成之群的至少一者：識別資訊之新來源、評價來源之品質、瞭解資料環境之變化，以及發展用於識別適當資料之新技術及方法。
另一實施例為系統，其包含：處理器；以及記憶體，該記憶體含有指令，該等指令可藉由處理器讀取，且當藉由處理器讀取時引起處理器進行以下動作：a.自多個資料來源收集資訊；b.依據所收集資訊發現各方之間的二元或多重交易方關係；c.基於各方之間的共同或部分交叉屬性來叢集各方以推斷各方之間的二元或多重交易方關係，進而形成叢集方； d.藉由整合所收集資訊且脈絡評估來自資料來源之標誌以偵測及量測給定方或二元或多重交易方關係之一致性及不一致性，從而評價叢集方之商業聯繫潛力；e.將隨跨於地理或地政區間之共用標誌變化的屬性接近性視為策展及審議之輸入；以及f.評估關於各方之間存在二元或多重交易方關係之可能性的可信程度。
藉由參考以下圖式及詳細描述，將理解本揭示內容之其他目標、特徵及優點。
1‧‧‧發現/發現步驟
3‧‧‧策展
5‧‧‧合成/合成步驟
70‧‧‧第三方知識或資訊
71‧‧‧發現及收集
72‧‧‧身份解析
73‧‧‧增加、更新或確認每一實體之屬性
74‧‧‧資料庫
75‧‧‧關係構建資訊資料庫
81‧‧‧發現步驟
83‧‧‧步驟
85‧‧‧來源設定檔及效能資訊
87‧‧‧評價每一叢集
89‧‧‧一個(1)以上記錄
91‧‧‧不採取動作
93‧‧‧評價叢集中之每一記錄
95‧‧‧是否已獲聯繫
97‧‧‧聯繫參考資料庫
99‧‧‧識別及評價未聯繫記錄
101‧‧‧現存聯繫是否與叢集內容
103‧‧‧解析任何衝突資訊/針對聚焦實體及其他叢集成員之屬性及/或已知或先前公設關係來公設關係
105‧‧‧來源真實性是否足以用於聯繫確認
107‧‧‧確認現存聯繫(A)，追蹤聯繫參考資料庫97中之元資料
201‧‧‧發現
203‧‧‧身份解析
303‧‧‧屬性
305‧‧‧具有足夠相似的屬性之實體叢集
403‧‧‧與相同實體之先前認定關係關聯
405‧‧‧導出叢集成員彼此之屬性相似性記分
407‧‧‧考量真實性
409‧‧‧考量用以推斷關係之標誌之特定值的先前效能
411‧‧‧決定並發起合成動作
413‧‧‧啟動發現或調查任務
415‧‧‧自動聯繫
417‧‧‧其他資訊
501‧‧‧實體及聯繫參考資料庫
503‧‧‧子實體
505‧‧‧身份解析
509‧‧‧實體叢集
511‧‧‧關係構建資訊資料庫/實體及關係構建資訊資料庫
600‧‧‧系統
605‧‧‧電腦
610‧‧‧使用者介面
615‧‧‧處理器
620‧‧‧記憶體
625‧‧‧程式模組
630‧‧‧網路/紙張
635‧‧‧儲存媒體
701‧‧‧資訊之發現及收集
703‧‧‧身份解析
705‧‧‧實體之分組及叢集
707‧‧‧潛在聯繫之自動化評價
709‧‧‧潛在聯繫之調查測試
711‧‧‧增加並維持聯繫及聯繫之缺乏
713‧‧‧規則及累積來源效能資訊資料庫
801‧‧‧分析技術
圖1為表示本揭示內容中使用的發現、策展及合成三個主要步驟之方塊圖。
圖2描繪根據本揭示內容的系統，其作為一組制衡自動化及遞迴來永續推進品質之相互相關活動。
圖3描繪來源，其揭露兩個實體之間關係「代表」之存在，以使得此關係「代表」可充當發現來源。
圖4a-4k為根據本揭示內容之遞迴學習方法之圖解表示。
圖5為描繪實行本揭示內容之方法的電腦系統之方塊圖。
圖6為習知公司聯繫方法之示意圖。
圖7為根據本揭示內容之發現步驟之方塊圖。
圖8為根據本揭示內容之帳號或其他標誌叢集及初始策展方法之邏輯圖。
圖9a為方法流程圖，其藉由實例來例示根據本揭示內容之發現及帳號叢集步驟。
圖9b為方法流程圖，其藉由實例來例示根據本揭示內容之發現及名稱叢集步驟。
圖9c為方法流程圖，其藉由實例來例示發現及名稱叢集，其展示其中其他實體相似且因此保證叢集之形成的情境。
圖9d為方法流程圖，其藉由實例來例示發現及名稱叢集，其展示其中無足夠相似的其他實體來產生具有一個以上成員之叢集的情境。
圖10a及b為根據本揭示內容之針對候選記錄的策展及合成步驟之方法流程圖。
圖11為方塊圖，其描繪相似現存實體如何根據本揭示內容基於行為或先前持續資料屬性來叢集。
圖12a至12c為方法流程圖，其例示規則驅使之處理如何根據本揭示內容經由自我學習連續地改良。
較佳實施例之詳細說明
此系統及方法實現對多重來源之評價及關聯，以發現關係及潛在關係(基於共同資料屬性、服務或行為)、策展(累積、儲存、維持及更新)，且相對先前關於所涉及交易方及其關係所發現之洞察內容來審議(評價及施予動作)彼等關係，按需要驅使其他資訊之遞迴收集，且整體地產生一致分類且可操作的資訊。
本揭示內容可藉由參考圖式獲最佳理解，其中圖1和圖2為表示本揭示內容中使用的發現1、策展3及合成5三個主要步驟之方塊圖。
圖2描繪根據本揭示內容之制衡自動化來永續推進品質之遞迴方法，其中發現步驟1涉及第三方商業至商業(B2B)關係、例如叢集之所發現關係、網站及可發現內容，等等。為加強發現步驟1，有益的是提供用於客戶反饋之直接通道，例如自我聯繫之黃金(gold)來源，以及制衡現存最佳實踐。策展3包括來源相關性分析、洞察高級規則及目標解析。策展亦包括對發現1之反饋，用以在需要時發起其他資訊之收集。此遞迴策展方法允許規則之連續細化、推進一致品質、推進規模、允許來源之審議，且根據內容之品質及特性來對該等來源設定表示，且允許對來源能力之進行性監視。最終，合成步驟5增加新的聯繫且驗證聯繫。合成亦有時用以指代諸如藉由產生發現方法之輸入來發起其他發現步驟之方法。
發現：
本揭示內容制衡各種來源來發現實體之間的關係。例如，其將具有共同帳號或識別符之記錄分組。實體記錄之商業身份屬性與現存已知實體相關聯，或可用於證明主資料庫中對新實體之反映。一旦針對交易方之群組或叢集中所涉及的實體中之每一者解析身份，則稱為「實體」的交易方群組因為其已與所維持持久關鍵字(keys)相關聯而得以評價來評估其之間的潛在關係。
策展及審議：
情境取決於以下而改變：脈絡關係是否已於先前判定，且該等脈絡關係是否已針對相關聯群組之成員中所有、一些或無一者而持續。在關係已於先前獲持續的情況下，新來源資訊之接收係用以確認現存，或偵測潛在變化(衝突)。衝突經增加用於進一步審議，而確認係用以維持主資料庫中之鮮度評估。
在給定實體先前尚未獲決定為存在於一組其他實體之相關聯脈絡中的情況下，潛在關係經識別來使其使用判定最有可能關聯之規則而與其群組之其他成員相關聯。此集合體(aggregation)可包括以下假設：已經已知提供與其他群組成員之脈絡的成員最有可能提供與關注實體之相似脈絡。諸如地理接近性及商業活動之相似性的屬性為可用於自動地審議潛在關係之標誌中的一些標誌。
一旦針對一特定實體識別出最佳或最有可能關係，來源之真實性及各種標誌之效能係用以判定是否可自動地建立脈絡，或是否觀測需要進一步發現或審議。此外，此同一系統基於同一標誌之同一值來判定聯繫之存在或不存在的先前經驗可用於引導當前考量關係之策展。同時，遞增的知識係關於特定來源之累積效能且針對來源之各種子集合體根據所觀察效能之層化而得以擴增。若進一步發現及手動審議為必要的，則識別最佳適合類型的資源&工作流程，根據所需介面產生(合成)任務，且發起動作。
手動發現、策展及審議藉由若干類型的資源來進 行，該等資源包括針對簡化及小工作任務之低經驗、中等經驗專業人員，以及最終為域專家的個體。工作任務可由一對實體或成組實體之解析組成。
追蹤任何發現及手動審議之結果且將其評估為自動化策展及審議規則之輸入，該等規則意圖合成對主資料庫之添加及更新，或用於進一步發現及審議之其他任務。
發現來源：
圖3描繪可用於發現商業至商業關係之一類來源。在此實例中，記錄上的一個實體可進行一些服務，或提供對另一實體代表的保證。關係「代表」之存在揭露現存二元關係，其可隨後經策展及審議來判定適當的接續步驟。取決於來源、來源真實性、關聯其他關係發現來源之能力及可利用資料點，可做出決定來自動地接收特定聯繫及類型、使用所選方法聚集其他資料點、拒絕或推遲其他資料點之未決自發發現。代表另一實體支付帳單或充當保證人可暗示所有權，例如，North Vision Enterprises可擁有Zelda Agency，或RGX Investments可擁有The Chronicle。
圖4a-4k為根據本揭示內容之遞迴學習方法之圖解表示。本揭示內容係關於發現且記錄營業人之間的二元及多重交易方關係(下文為「商業聯繫」)的新系統之創建。本揭示內容由來源無關及非決定性分析子方法組成，該等子方法使用饋入自我改良常式中之叢集及親合性辨識常式來進行變換、量測、臨界地評價、審議及重構，以便本揭示內容總體上充當認定、測試及實行用於識別、確認及維 護商業聯繫之新策略的高度遞迴系統。
本揭示內容能夠組配成包括每個來源設定檔(2.0)，用以自資訊發現(3.0)中之多重來源抽出輸入，且發現兩個或兩個以上實體之間的潛在商業聯繫。本揭示內容遞回地進行此舉，有時整體地耗用來源以便自未分化資料推演商業聯繫，而其他時間則採用直接、歸納方法來尋求關於特定營業人之資訊。其亦可自各種實體之兩個或兩個以上來源收集標誌值，隨後基於聚集該知識來推斷關係。本揭示內容制衡身份解析(5.0)能力來解析實體之身份，且允許自多重觀點對實體之辨識以及對彼等觀點之整合。獨立於身份解析，本揭示內容基於以上發現的資訊來識別且在可應用的情況下實行特化、新穎技術來將營業人叢集(6.1)在一起。
本揭示內容開拓當前處於考量下之營業人之間以及先前已考量實體之間的已知及先前鑑定關係。本揭示內容亦開拓關於所有實體之其他屬性。整合資料受持續評價(6.2、6.3)來判定每一潛在關係是否獲充分理解，以鑑定對已知商業聯繫之資料體的增加。評價之其他結果為(a)辨識資料中之缺陷或「間隙」，及因此對發起其他資訊發現(7.1)之需要，(b)推遲使更多確證資料之被動接收未決的動作及對此評鑑(4.5)之獲取，(c)判定用以修改或發起其他資訊發現(7.1)之機會，以在識別出衝突時證明現存商業聯繫之修改，及/或(d)判定用以確認一致現存商業聯繫且維持其評鑑(4.5)之機會。
關鍵特徵包括：
●資訊發現及策展：系統迭代地制衡資訊發現(3.0)來收集並整合可預測關係及商業聯繫之發現資訊(4.3)。
●制衡身份解析(5.0)來建立並參考系統之外所發現實體的識別符，該等實體包括但不限於組織、個體及諸如金融工具之概念性實體。身份解析允許在時間過程中一致的參考，且系統可對其使用可利用的任何身份解析策略(包括圍繞個體的新近策略)。
●基於包括但不限於行為資料、名稱、起始特性、規模及行業之標誌(5.7)的靈活範圍來將實體叢集為潛在關係之資訊發現之來源，從而制衡身份解析來推斷用於進一步評價(6.0)之潛在關係。
●基於諸如以下各項的共同或部分交叉屬性來叢集(6.1)實體以推斷關係：
a.網際網路存在詳情
b.帳戶或其他外部識別符
c.名稱相似性
d.地址
e.二級地址(郵寄地址)
f.相關個體
g.「代表」關係
h.知識、意見或假設關係，無論來源於內部抑或外部
●藉由以下方式評價(6.0)叢集之聯繫潛力：整合發現資訊(4.3)，且藉由將來自來源資料之標誌相對彼此平衡並相對關於主題實體及潛在關係之先前確認資訊進行平衡來脈絡評估潛力及現存關係(6.3)。此包括關聯以上的多重來源及標誌，以偵測並量測給定實體或關係之一致性及不一致性。其亦包括對實體周邊(6.3)之評估以判定合併(5.6)機會。其亦包括對標誌值或部分值之設定表示，用以考量跨於各種群體或分母之分散體程度，該等群體或分母諸如行業、現存家族規模、分類、共用供應商關係或其他脈絡因素。
●使用尤其基於本揭示內容之先前經驗的規則，評估(6.3)關於認定關係存在及關係之性質為具有鑑定類型(因為並非所有關係皆可操作)之可能性的可信程度，該先前經驗具有針對其他實體及潛在關係之相似資料點。
●制衡自我學習以隨時間變成更有效及高效的：
i.系統接收獲認定用於評價潛在關係之「子規則」
j.本揭示內容對所累積及整合資訊應用來自規則之當前已知資料體之可應用候選者，以評價叢集的所揭露關係之數量、品質及/或特徵(6.2)；
k.詳盡真相判定(3.3)制衡專業經驗及其他資訊發現以評估關於各種類別之叢集中的關係之真相
l.連續地策展審議規則-學習哪些規則及來源最適用且適用於哪些關係及實體變化(6.6)。
m.連續地評估來源之真實性且予以追蹤來支援規則之演進，該等規則包括「真相性」評估(9.2)、根據商業類別之適用性評估(9.4)。量測交互作用綜效，且經由來源優先性權重(9.3)及交叉來源之有效性(9.5)調整並追蹤來源之優先級。評估並追蹤對標誌之特定值之預測，且基於相同標誌值來提供叢集之未來策展之輸入。
n.系統制衡經驗來發現並認定建議其他標誌之規則、新規則或對當前規則集之加強規則的審議規則(8.3)，從而改良評估以下各項之能力：潛在及現存的關係(6.3)，以及該等關係是否：
i.應自動地鑑定來變成商業聯繫
ii.需要更多資訊發現(3.0)及評價(6.0)，且發起此等步驟
iii.可能不足以存在且保證無進一步主動注意
●連續地策展審議規則(6.6)：制衡經驗來使評價規則成熟。例如，當兩個或兩個以上來源預測出相同營業人之關係且其關於相關實體之結論為相駁時，本揭示內容制衡經由詳盡真相判定(3.3)獲得的經驗來微調、改良及調整用以解釋潛在關係之評價規則(6.7)。當相似原始資訊可由兩個來源獲得時，其他發現之結果係用以調整用以解釋來源內之資訊的規則，該來源之結論最初為較不準確的。
●除使對尚未作為商業聯繫建立的關係之理解成熟之外，相同資訊係用以評估先前作為商業聯繫接收的現存關係(6.3)。在獨立發現的資訊於聯繫存在時支援且確認該等聯繫的情況下，彼等關係之鮮度及可信度在其評估(4.5)中得以維持。在資訊與現存聯繫相駁的情況下，其係用於發起針對其他資料點之其他資訊發現(7.1)，以判定關係之當前狀態且在必要時對其確認或校正。
●除使對新發現關係之理解成熟且評估先前合成的關係之外，系統追蹤先前審議且判定為不存在之潛在關係，因此構建不僅具有已知關係而且某一類型之關係並不存在之知識。
圖5為用於本揭示內容之使用之系統600的方塊圖。系統600包括電腦605，其耦合至例如網際網路之網路3930。
電腦605包括使用者介面610、處理器615以及記憶體620。電腦605可在通用微電腦上實行。雖然電腦605在本文中表示為獨立裝置，但是其不限於此，而是可經由網路630耦合至其他裝置(未圖示)。
處理器615經組配具有回應及執行指令之邏輯電路。
記憶體620儲存用以控制處理器615之操作之資料及指令。記憶體620可實行於隨機存取記憶體(RAM)、硬 碟、唯讀記憶體(ROM)或以上各者之組合中。記憶體620之組件中之一者為程式模組625。
程式模組625含有用以控制處理器615來執行本文所述之方法的指令。例如，作為程式模組625之執行的結果，處理器615進行以下動作：(a)自多個資料來源收集資訊；(b)依據所收集資訊發現各方之間的二元或多重交易方關係；(c)基於各方之間的共同或部分交叉屬性來叢集各方以推斷各方之間的二元或多重交易方關係，進而形成叢集方；(d)藉由整合所收集資訊且脈絡評估來自資料來源之標誌以偵測及量測給定方或二元或多重交易方關係之一致性及不一致性，從而評估叢集方之商業聯繫潛力；以及(e)評估關於各方之間存在二元或多重交易方關係之可能性的可信程度。
本文使用「模組」一詞來表示功能操作，該功能操作可體現為獨立組件或多個從屬組件之整合組態。因此，程式模組625可實行為單一模組或彼此協同操作之多個模組。此外，雖然程式模組625在本文中描述為安裝於記憶體620中，且因此在軟體中實行，但是該程式模組可在任何硬體(例如電子電路)、韌體、軟體、紙張或其組合中實行。
使用者介面610包括輸入裝置，諸如鍵盤或語音識別子系統，以使得使用者能夠傳達資訊及命令選擇至處理器615。使用者介面610亦包括諸如紙張、顯示器或印表機之輸出裝置。遊標控件，諸如但不限於滑鼠、跟蹤球或搖桿，允許使用者操縱顯示器上之遊標，以用於傳達其他 資訊及命令選擇至處理器615。
處理器615將執行本文所述之方法的結果輸出至使用者介面610。或者，處理器615可經由網路或紙張630將輸出引導至遠程裝置(未圖示)。
雖然程式模組625經指示為已載入至記憶體620中，但是該程式模組可組配在儲存媒體635上，用以後續載入至記憶體620中。儲存媒體635可為任何儲存媒體，該儲存媒體上以有形形式儲存有程式模組625。儲存媒體635之實例包括但不限於軟碟、光碟、磁帶、唯讀記憶體、光學儲存媒體、通用串列匯流排(USB)快閃驅動器、數位多樣化光碟或壓縮磁碟。或者，儲存媒體635可為但不限於定位於遠程儲存系統上且經由網路630耦合至電腦605之隨機存取記憶體或其他類型的電子儲存器。
圖7為根據本揭示內容之發現步驟之方塊圖，其中第三方知識或資訊70自顧客或第三方帳戶檔案來發現及收集71，該第三方檔案包括具有實體名稱及地址之帳號。方法隨後實施身份解析72之步驟，其中將實體名稱及地址與已知實體比較，對映至現存識別符或按需要對映至新辨識實體及其識別符。身份解析結果隨後儲存於資料庫74中。其後，方法增加、更新或確認每一實體之屬性，諸如每個特定來源之帳號73，且儲存於關係構建資訊資料庫75中。由系統使用的資料庫係在邏輯上加以表示，且可實際上產生且維持為單一資料庫。
圖8為根據本揭示內容之帳號叢集及初始策展方 法之邏輯圖。此圖示範叢集、策展及審議方法之遞迴性質。步驟B係展示為參考點，其僅作為遞迴方法中之路標點，而不作為順序方法中之第一步驟。在先前處理期間做出的策展及審議決定已更新關係構建資訊資料庫75。相同關係構建資訊資料庫75係用於發現步驟81及諸如策展及審議之其他方法中。在步驟83中藉由將具有相同標誌值或部分值之記錄分組成叢集且其後評價每一叢集87而處理來自步驟81之所發現資訊連同來源設定檔及效能資訊85。其後，方法判定叢集是否含有一個(1)以上記錄89。若其不含有1個以上記錄，則不採取動作91。然而，若其含有1個以上記錄，則評價叢集中之每一記錄93。若叢集中之記錄尚未與聯繫參考資料庫97中之記錄聯繫95，則方法識別且評價最有可能關係99。若已獲聯繫，則方法判定現存聯繫是否與叢集內容101一致。若不一致，則方法試圖解析任何衝突資訊103。若一致，則方法判定來源真實性是否足以用於聯繫確認105。若不足，則更新(B)關係構建資訊資料庫75以反映對不使用此所發現資訊來確認現存商業聯繫之決定。若足夠，則確認現存聯繫(A)，追蹤聯繫參考資料庫97中之元資料，例如日期及來源107，且更新(B)關係構建資訊資料庫75來反映對使用此所發現資訊來確認現存商業聯繫之決定。
圖9a為根據本揭示內容之發現及帳戶叢集步驟之方法流程圖，其中發現201具有個別帳號之各種實體之實例，接著身份解析203，其中公司識別符係基於實體之名 稱、街道地址或其他身份屬性而指定至實體。若實體具有相同標誌值，諸如部分帳號12345(205)或帳號2299-X(207)，即叢集該等實體。
圖9b為根據本揭示內容之發現及名稱叢集步驟之方法流程圖，其中審查已知現存實體之跨於屬性303之相似性，且基於彼等相似性將具有足夠相似的屬性之實體叢集305，該等屬性諸如商業名稱、貿易型式、位置、電話或其他識別符。
圖9c為發現及名稱叢集之方法流程圖，其展示其中其他實體相似且因此保證叢集之形成的情境。
圖9d為發現及名稱叢集之方法流程圖，其展示其中無足夠相似的其他實體來產生具有一個以上成員之叢集的情境。
圖10a及b描繪根據本揭示內容之策展及合成步驟之方法流程，其發生在針對未聯繫記錄之發現及叢集之後。藉由基於針對聚焦實體及其他叢集成員之屬性及/或已知或先前公設關係來公設關係103而識別及評價未聯繫記錄99之最有可能關係。在關係構建資訊資料庫75中保留或儲存所發現潛在關係。對每一公設關係而言，評價可信度且合成動作401，與相同實體之先前認定關係關聯403，導出叢集成員彼此之屬性相似性記分405，且考量真實性(來源之先前效能及真相性407。其後，考量用以推斷關係之標誌之特定值的先前效能409，且決定並發起合成動作411。其後，啟動發現或調查任務413，等待接收其他資訊417， 及/或自動聯繫(亦即，產生資料庫交換)415，且轉發至聯繫參考資料庫97。
圖11為方塊圖，其描繪相似實體如何根據本揭示內容基於行為或先前持續資料屬性來叢集，其中實體及聯繫參考資料庫501係用以識別子實體503，該等子實體可隨後藉由身份解析505方法來評價，以找出相似、但相異的實體，且將每一原始子實體與判定為相似的該等其他實體叢集509。隨後將實體叢集509儲存於實體及關係構建資訊資料庫511中，因此該等叢集可得以策展。
圖12a至12c為方法流程圖，其例示規則推進之處理如何根據本揭示內容經由自我學習連續地改良。圖12a展示核心方法之遞迴性質。圖12b增加交互作用來支援效能之追蹤及評估，以支援自我學習。最終，圖12c隱藏大多數核心方法交互作用來更好地突顯追蹤及評估驅使自我學習之反饋流程，該反饋流程影響規則將隨系統基於經驗成熟而以改良方式控制方法之方式。
在圖12a中，資訊之發現及收集701、身份解析703、實體之分組及叢集705、潛在聯繫之自動化評價707以及潛在聯繫之調查測試709全部經由關係構建資訊資料庫511來交互作用，以識別潛在關係且對其做評價。該等方法藉由規則及累積來源效能資訊來控制。取決於所採取的決定，可發起其他發現701來實現未滿足的需要，且驅使用於其他發現及策展之遞迴。或者，若核准或拒絕潛在關係，即在實體及聯繫參考資料庫501中增加並維持聯繫及聯繫 之缺乏711。
圖12b有助於解釋本揭示內容之獨特自我學習，其中結果之連續獲取及分析驅使自我學習。將分析技術801應用於分析實體及關係構建資訊資料庫511中累積的資料，目標為獲得對細化用以發現、策展及審議關係之規則的機會之洞察。所分析資料之類型可包括但不限於：哪一個來源及標誌係用以發現潛在關係、如何與其他來源比較關於相同實體之關係資訊，以及對聚焦實體及其他實體之此等關係的調查測試之結果。此可揭露對以下情況之洞察，諸如特定標誌在接收自特定發現來源時高度地預測核准商業聯繫。此觀察結果隨後受制衡來細化支配經由該來源及標誌發現的關係之未來審議的規則。分析技術801隨後認定規則及累積來源效能資訊資料庫713中用於發現及策展之新的及經調整規則。藉由兩種分析技術801使用的，且藉由利用規則&累積來源效能資訊資料庫713來建立及成熟的規則所制衡的一些資料係作為來自以下各項之反饋來收集：在資訊之發現及收集701期間所觀察到的元資料違規，來自潛在聯繫之調查測試709、潛在聯繫之自動化評價707之來源品質觀察結果(亦即，宏觀及微觀水準)，所發現評價規則及調整，以及在潛在聯繫之調查測試期間觀察到的人類專業經驗及試探結果，以及對此等結果之分析。資料庫713中之更新規則及累積來源效能資訊持續控制各方法，諸如資訊之發現及收集701、分組/叢集實體705、身份解析703，以及潛在聯繫之自動化評價707，但歸因於基於以上 所述反饋流程產生的學習而完成此等方法並獲得改良效能結果。
圖12c有助於突顯圖12b之自我學習態樣，但僅展示正常核心方法流程之一有限部分，同時保留反饋交互作用(藉由圖中之連貫虛線所指定)，且保留控制核心方法之規則交互作用(藉由圖中混合式虛線/點線所指定)。
雖然我們已展示且描述根據本發明之若干實施例，但是應清楚地理解，該等實施例可易於進行對熟習此項技術者顯而易見的眾多變化。因此，我們並不希望本發明受限於所展示及描述的詳情，但意欲展示歸入附加申請專利範圍之範疇內的所有變化及修改。

Claims (24)

  1. 一種用以發現各方之間的二元或多重交易方關係之多維遞迴方法，該方法包含：a.自多個資料來源收集資訊；b.依據該所收集資訊發現該等方之間的二元或多重交易方關係；c.基於該等方之間的共同或部分交叉屬性來叢集該等方以推斷該等方之間的該等二元或多重交易方關係，進而形成叢集方；d.藉由整合該所收集資訊且脈絡評估來自該等資料來源之標誌以偵測及量測一給定方或二元或多重交易方關係之一致性及不一致性，從而評估該等叢集方之商業聯繫潛力；e.認定及評價關係類型及該方在每一關係中所扮演的角色；以及f.評估關於該等方之間存在該二元或多重交易方關係之可能性的可信程度。
  2. 如請求項1之方法，其進一步包含以下步驟：制衡自我學習以改良該多維遞迴方法之能力，以評價及/或評估該等方之間存在該二元或多重交易方關係之潛力。
  3. 如請求項2之方法，其中該制衡自我學習之步驟為選自由以下步驟組成之群的至少一個步驟：(a)使用認定來評價該等方之間存在該二元或多重交易方關係之該潛力 的子規則；(b)對該所收集資訊應用來自規則之當前已知資料體之可應用候選者，以評價該等方之該叢集的所發現關係之數量、品質及/或特徵；(c)使用詳盡真相判定來制衡專業經驗及其他資訊，以評估關於該等叢集方中潛在關係之真相；(d)學習該等子規則及該多個來源中哪一者最適用於判定該等方之間存在該二元或多重交易方關係，(e)連續地評估該多個來源中之每一者之真實性，以及(f)制衡經驗來發現並認定建議其他標誌之規則、新規則或對該等子規則之加強規則。
  4. 如請求項3之方法，其進一步包含以下步驟：連續地策展該等審議規則，其中該方法制衡經由該詳盡真相判定所獲得的經驗，以微調、改良及/或調整用於評價該等方之間存在該二元或多重交易方關係之該潛力的該等子規則。
  5. 如請求項1之方法，其進一步包含以下步驟：使用身份解析來建立及參考該方法之外的用於發現各方之間的二元或多重交易方關係之實體識別符。
  6. 如請求項1之方法，其中該等方之該叢集係基於標誌之一靈活範圍。
  7. 如請求項6之方法，其中該標誌為選自由以下各項組成之群的至少一者：行為資料、名稱、起始特性、規模及行業。
  8. 如請求項1之方法，其中該等共同或部分交叉屬性為選自由以下者組成之群的至少一個屬性：網際網路位址詳 情、帳戶或其他外部識別符、名稱相似性、地址、二級地址、共同相關個體、關係代表，以及知識、意見或假設關係。
  9. 如請求項1之方法，其中該評估關於該等方之間存在該二元或多重交易方關係之該可能性的該可信程度之步驟係基於與先前經驗有關的規則，該先前經驗具有針對其他方及潛在關係之相似資料點，及/或針對其他方及潛在關係之相同資料點。
  10. 如請求項3之方法，步驟(f)改良該等方法評估以下各項之能力：潛在及現存的關係，以及該等關係是否(i)應自動地鑑定來變成該商業聯繫，(ii)需要對資訊之更多收集及對該等叢集方之商業聯繫潛力的評價，或(iii)可能不足以存在且保證無進一步主動注意。
  11. 如請求項1之方法，其中該所收集資訊涉及發現選自由以下各項組成之群的至少一者：識別該資訊之新來源、評價該來源之品質、瞭解資料環境之變化，以及發展用於識別適當資料之新技術及方法。
  12. 一種系統，其包含：一處理器；以及一記憶體，其含有指令，該等指令可藉由該處理器讀取，且當藉由該處理器讀取時引起該處理器進行以下動作：a.自多個資料來源收集資訊；b.依據該所收集資訊發現該等方之間的二元或多 重交易方關係；c.基於該等方之間的共同或部分交叉屬性來叢集該等方以推斷該等方之間的該等二元或多重交易方關係，進而形成叢集方；d.藉由整合該所收集資訊且脈絡評估來自該等資料來源之標誌以偵測及量測一給定方或二元或多重交易方關係之一致性及不一致性，從而評估該等叢集方之商業聯繫潛力；e.認定及評價關係類型及該方在每一關係中所扮演的角色；以及f.評估關於該等方之間存在該二元或多重交易方關係之可能性的可信程度。
  13. 如請求項12之系統，其進一步包含以下步驟：制衡自我學習以改良該多維遞迴系統之能力，以評價及/或評估該等方之間存在該二元或多重交易方關係之潛力。
  14. 如請求項13之系統，其中該制衡自我學習之步驟為選自由以下步驟組成之群的至少一個步驟：(a)使用認定來評價該等方之間存在該二元或多重交易方關係之該潛力的子規則；(b)對該所收集資訊應用來自規則之當前已知資料體之可應用候選者，以評價該等方之該叢集的所發現關係之數量、品質及/或特徵；(c)使用詳盡真相判定來制衡專業經驗及其他資訊，以評估關於該等叢集方中潛在關係之真相；(d)學習該等子規則及該多個來源中哪一者最適用於判定該等方之間存在該二元或多重 交易方關係，(e)連續地評估該多個來源中之每一者之真實性，以及(f)制衡經驗來發現並認定建議其他標誌之規則、新規則或對該等子規則之加強規則。
  15. 如請求項14之系統，其進一步包含以下步驟：連續地策展該等審議規則，其中該系統制衡經由該詳盡真相判定所獲得的經驗，以微調、改良及/或調整用於評價該等方之間存在該二元或多重交易方關係之該潛力的該等子規則。
  16. 如請求項12之系統，其進一步包含以下步驟：使用身份解析來建立及參考該系統之外的用於發現各方之間的二元或多重交易方關係之實體識別符。
  17. 如請求項12之系統，其中該等方之該叢集係基於標誌之一靈活範圍。
  18. 如請求項17之系統，其中該標誌為選自由以下各項組成之群的至少一者：行為資料、名稱、起始特性、規模及行業。
  19. 如請求項12之系統，其中該等共同或部分交叉屬性為選自由以下各項組成之群的至少一個屬性：網際網路存在詳情、帳戶或其他外部識別符、名稱相似性、地址、二級地址、相關個體、關係代表，以及知識、意見或假設關係。
  20. 如請求項12之系統，其中該評估關於該等方之間存在該二元或多重交易方關係之該可能性的該可信程度之步驟係基於與先前經驗有關的規則，該先前經驗具有針對 其他方及潛在關係之相似資料點。
  21. 如請求項12之系統，其中該評估關於該等方之間存在該二元或多重交易方關係之該可能性的該可信程度之步驟係基於與先前經驗有關的規則，該先前經驗具有針對其他方及潛在關係之相同資料點。
  22. 如請求項14之系統，步驟(f)改良該系統之評估以下各項之能力：潛在及現存的關係，以及該等關係是否(i)應自動地鑑定來變成該商業聯繫，(ii)需要對資訊之更多收集及對該等叢集方之商業聯繫潛力的評價，或(iii)可能不足以存在且保證無進一步主動注意。
  23. 如請求項12所述之系統，其中該所收集資訊涉及發現選自由以下各項組成之群的至少一者：識別該資訊之新來源、評價該來源之品質、瞭解資料環境之變化，以及發展用於識別適當資料之新技術及系統。
  24. 一種電腦可讀儲存媒體，其含有可執行電腦程式指令，該等指令在獲執行時引起一處理系統進行一包含以下步驟之方法：a.自多個資料來源收集資訊；b.依據該所收集資訊發現該等方之間的二元或多重交易方關係；c.基於該等方之間的共同或部分交叉屬性來叢集該等方以推斷該等方之間的該等二元或多重交易方關係，進而形成叢集方； d.藉由整合該所收集資訊且脈絡評估來自該等資料來源之標誌以偵測及量測一給定方或二元或多重交易方關係之一致性及不一致性，從而評估該等叢集方之商業聯繫潛力；e.認定及評價關係類型及該方在每一關係中所扮演的角色；以及f.評估關於該等方之間存在該二元或多重交易方關係之可能性的可信程度。
TW103146068A 2013-12-30 2014-12-29 用以找出複雜二元或多重交易方關係之多維遞迴學習方法和系統 TWI524199B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201361921592P 2013-12-30 2013-12-30
US14/581,258 US10019681B2 (en) 2013-12-30 2014-12-23 Multidimensional recursive learning process and system used to discover complex dyadic or multiple counterparty relationships

Publications (2)

Publication Number Publication Date
TW201539214A true TW201539214A (zh) 2015-10-16
TWI524199B TWI524199B (zh) 2016-03-01

Family

ID=53482199

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103146068A TWI524199B (zh) 2013-12-30 2014-12-29 用以找出複雜二元或多重交易方關係之多維遞迴學習方法和系統

Country Status (12)

Country Link
US (1) US10019681B2 (zh)
EP (1) EP3090367A4 (zh)
JP (2) JP2017507393A (zh)
KR (2) KR20160104064A (zh)
CN (1) CN106164896B (zh)
AU (1) AU2014374029B2 (zh)
BR (1) BR112016015452A2 (zh)
CA (1) CA2935281C (zh)
CL (1) CL2016001675A1 (zh)
MX (1) MX2016008648A (zh)
TW (1) TWI524199B (zh)
WO (1) WO2015103046A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11132343B1 (en) * 2015-03-18 2021-09-28 Groupon, Inc. Automatic entity resolution data cleaning
US10368792B2 (en) * 2015-06-02 2019-08-06 The Charles Stark Draper Laboratory Inc. Method for detecting deception and predicting interviewer accuracy in investigative interviewing using interviewer, interviewee and dyadic physiological and behavioral measurements
US20180160959A1 (en) * 2016-12-12 2018-06-14 Timothy James Wilde Modular electronic lie and emotion detection systems, methods, and devices
US11195138B2 (en) * 2017-08-16 2021-12-07 Jonathan Jenkins System and method for risk, waste, and opportunity evaluation, analysis, and recommendation
US10521419B1 (en) * 2018-08-31 2019-12-31 Accenture Global Solutions Limited Identifying an issue associated with data
US11797902B2 (en) 2018-11-16 2023-10-24 Accenture Global Solutions Limited Processing data utilizing a corpus
CN109581981B (zh) * 2018-12-06 2021-06-25 山东大学 一种数据融合系统及其工作方法
CN111191821B (zh) * 2019-12-17 2023-07-25 东华大学 一种基于知识图谱驱动的设备资源配置优化方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL1009376C1 (nl) 1998-06-11 1998-07-06 Boardwalk Ag Datasysteem voor het verschaffen van relatiepatronen tussen personen.
AU1764501A (en) * 1999-11-16 2001-05-30 01, Inc. Method and system for executing financial transactions via communication medium
US6915269B1 (en) * 1999-12-23 2005-07-05 Decisionsorter Llc System and method for facilitating bilateral and multilateral decision-making
US6963900B2 (en) 2000-02-29 2005-11-08 John Edward Boyd Computer-based networking service and method and system for performing the same
EP1402435A4 (en) * 2001-03-08 2007-04-25 Richard M Adler SYSTEM AND METHOD FOR MODELING AND ANALYZING STRATEGIC BUSINESS DECISIONS
US7426472B2 (en) 2002-02-22 2008-09-16 International Business Machines Corporation Method and system for connecting businesses through common interests
US20050055266A1 (en) 2003-09-05 2005-03-10 Pitney Bowes Incorporated Method and system for generating information about relationships between an enterprise and other parties and sharing such information among users in the enterprise
JP4391506B2 (ja) * 2006-09-21 2009-12-24 株式会社エヌ・ティ・ティ・データ 評価装置、評価方法及び評価プログラム
US8285656B1 (en) 2007-03-30 2012-10-09 Consumerinfo.Com, Inc. Systems and methods for data verification
JP4625937B2 (ja) * 2007-08-31 2011-02-02 独立行政法人産業技術総合研究所 人間関係データの作成プログラム及び該プログラムを記録したコンピュータ読取可能な記録媒体、並びに人間関係データ作成装置
US8180807B2 (en) * 2007-11-27 2012-05-15 At&T Intellectual Property I, L.P. System and method of determining relationship information
US8316045B1 (en) * 2009-02-10 2012-11-20 Sprint Communications Company L.P. Database linking system
KR101469642B1 (ko) * 2010-01-29 2014-12-08 던 & 브래드스트리트, 아이엔씨. 전문 기관 데이터의 상업용 데이터 컨텐트와의 통합 및 연관을 위한 시스템 및 방법
JP5683037B2 (ja) * 2010-09-29 2015-03-11 株式会社帝国データバンク 取引関係マップ生成システム及びプログラム
CN102789473A (zh) * 2011-05-18 2012-11-21 国际商业机器公司 标识符检索方法和设备

Also Published As

Publication number Publication date
JP2017507393A (ja) 2017-03-16
JP7125900B2 (ja) 2022-08-25
CA2935281A1 (en) 2015-07-09
JP2019083055A (ja) 2019-05-30
AU2014374029A1 (en) 2016-07-21
MX2016008648A (es) 2016-11-28
CA2935281C (en) 2018-07-31
US20150186807A1 (en) 2015-07-02
KR101953190B1 (ko) 2019-06-17
CL2016001675A1 (es) 2017-08-18
EP3090367A1 (en) 2016-11-09
EP3090367A4 (en) 2017-07-12
US10019681B2 (en) 2018-07-10
AU2014374029B2 (en) 2018-04-26
TWI524199B (zh) 2016-03-01
BR112016015452A2 (pt) 2017-08-08
CN106164896A (zh) 2016-11-23
KR20180069088A (ko) 2018-06-22
KR20160104064A (ko) 2016-09-02
CN106164896B (zh) 2020-03-03
WO2015103046A1 (en) 2015-07-09

Similar Documents

Publication Publication Date Title
TWI524199B (zh) 用以找出複雜二元或多重交易方關係之多維遞迴學習方法和系統
US10937089B2 (en) Machine learning classification and prediction system
CN107633265B (zh) 用于优化信用评估模型的数据处理方法及装置
CN107851097B (zh) 数据分析系统、数据分析方法、数据分析程序及存储介质
CN109241125B (zh) 用于挖掘和分析数据以标识洗钱者的反洗钱方法和设备
US7930242B2 (en) Methods and systems for multi-credit reporting agency data modeling
WO2019196546A1 (zh) 确定业务请求事件的风险概率的方法及装置
CN112182246B (zh) 通过大数据分析建立企业画像的方法、系统、介质及应用
WO2019019630A1 (zh) 反欺诈识别方法、存储介质、承载平安脑的服务器及装置
US20200242615A1 (en) First party fraud detection
Belloque et al. 55 Years of abacus: evolution of research streams and future research directions
CN112102006A (zh) 基于大数据分析的目标客户获取方法、搜索方法及装置
CN111177653A (zh) 一种信用评估方法和装置
Abdullah et al. Mapping crowdfunding research on the web of science database: A bibliometric analysis approach
CN115115322A (zh) 目标群组识别方法、风险评估方法、装置、设备及介质
Vásquez et al. Master data management maturity model for the successful of mdm initiatives in the microfinance sector in Peru
Breger Criteria for algorithmic fairness metric selection under different supervised classification scenarios
Tudor et al. Clustering analysis for credit default probabilities in a retail bank portfolio
Bai et al. Research on Audit Data Analysis and Decision Tree Algorithm for Benefit Distribution of Enterprise Financing Alliance
Chen et al. Construction of Bank Credit White List Access System Based on Grey Clustering Algorithm
CN118656451A (zh) 数据生成方法、业务回复方法及设备
Matthews et al. No access? No problem! Taking stock of unobtrusive measures for executives’ deep-level characteristics
CN118657212A (zh) 授信处理及知识图谱处理方法、装置、设备、介质、产品
CN118467755A (zh) 金融欺诈风险识别方法、电子设备及存储介质
CN116703562A (zh) 一种基于企业财税票数据的金融风控授信评定方法及装置