CN1754181A - 调查装置及其方法 - Google Patents

调查装置及其方法 Download PDF

Info

Publication number
CN1754181A
CN1754181A CNA2003801099654A CN200380109965A CN1754181A CN 1754181 A CN1754181 A CN 1754181A CN A2003801099654 A CNA2003801099654 A CN A2003801099654A CN 200380109965 A CN200380109965 A CN 200380109965A CN 1754181 A CN1754181 A CN 1754181A
Authority
CN
China
Prior art keywords
user
brief introduction
coupling
investigation
group
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CNA2003801099654A
Other languages
English (en)
Inventor
道格拉斯·塔尔
约瑟夫·吉奥丹诺三世
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Payscale Inc
Original Assignee
Payscale Inc
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 Payscale Inc filed Critical Payscale Inc
Publication of CN1754181A publication Critical patent/CN1754181A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration

Abstract

本发明描述一种用于提供目标明确的在线薪酬报告的方法和装置，其利用动态简介解决独一的个人特征，例如与职业相关的特征。在优选实施例中，在调查期间使用具有用于确定向使用者提出合适问题并且还可以提供建议的可能答案的协同过滤引擎。将一组使用者简介用于比较并进一步产生个性化的薪酬报告。

Description

调查装置及其方法
技术领域
本发明大体上涉及统计记录的相互关联，特别是涉及将薪酬记录与独一的个人简介(profile)相互关联。
背景技术
如今，存在很多形式的报告可供使用者查找、读取、购买或者获得关于劳工薪酬的报告。通常，这些报告中包括行业支付的平均薪金、职业类型、地点，有时这些报告提供关于某一特殊行业或职业的更为具体的信息，包括奖金、认股权、每周平均工作时间或移民状态等等。典型地是采用两种方案生成这种薪酬报告(compensation report)。一种方案是由分析人员搜索并找到具有相同特征的个人的有效统计数字，并制作出一套薪酬报告。这是一个乏味的、劳动密集并且通常是花费很大的过程。为了得到真实详尽的报告，要求分析人员必需进行大量实际调查和综合分析，并将该信息用于当前案例。具有多年经验和丰富资源的薪酬顾问通常能够精确地给出个人在市场中的价值。但是，这种分析人员极为专业化，普通客户望之莫及。也有较为简单、花费不高的报告，但此类报告通常只是粗略地进行分类，实用价值不大。
大多数基于软件的分析提供了价格较为便宜的变通方案，但是相应地，其提供的信息也有限。采用当前的计算机分析程序的薪酬服务大都是利用某种问卷调查的形式然后将合适的数据送入计算机的数据库或电子表格。更为典型的是，利用已有的数据，例如以美国劳工统计局提供的数据为基础并按照地区和日期，通常还结合第三方调查，对这些数据进行外推。然后，典型的是指示计算机运行数据分析并提供统计信息，例如对特定人群的平均数、中值和标准偏差。但是，提供的信息对于某一个人来说不是唯一的，而是程序认为能最好地代表该个人的很多数据。由于对个人的分类仅仅是根据对问卷的有限的、预定的应答集，对于独一特征的评估毫无帮助。例如，自动薪酬服务可能会对显示华盛顿州“三级程序员”的平均年薪是$64,250的数据进行分类和计算。这既可能适合也可能不适合具有10年职业经验和受过C++语言技巧专门培训的“高级应用软件工程师”，但是由于在初始调查中，描述高级应用软件工程师职位的最接近答案就是“三级计算机程序员”，因此高级应用软件工程师未能被有效分类，这样就将他所拥有的独一技能抹除了。
阅读上述报告的高级应用软件工程师无法确定公布的报告数据对于他个人的适用程度。存在大量的因素影响任何个人的职业薪酬。现有薪酬报告一般化的报告方法不能够也没有将为个人使用者提供精确的职业比较和薪酬分析的因素纳入其中。目前的方法要求使用者对照一组被报告的群体对自己进行评测或接近性评估。典型地，这种接近性评估是按照特定的职业名称编组的，而这些职业名称是由薪酬分析人员在创建报告或是在设计最终生成报告的计算机服务软件时预先确定的。这种编组通常不能精确地匹配使用者的真正职业名称和职责，并且对于使用者的个人资质来说经常是不具备适用性的。例如，薪酬分析员可能会创建好对孤立的被称为三级计算机程序员的组的报告。对于具有与用来创建该组的数据文件相同特征的个人来说，有理由认为由此种薪酬分析生成的报告是精确的。但是，对于拥有独特能力、经验、技能或天赋的个人来说，这些报告基本上是无用的。由于在薪酬报告中被比较的数据中的任何差异都被任意地反映出来，这些数据毫无疑问是被误用了。这样，对于使用者方面来说，产生了能够在多大程度上相信该报告的适用性的疑问。
现有薪酬分析技术没有为使用者提供花费得起、准确和个性化的薪酬报告。对于准确评估个人价值非常关键的各种特定的职业技能没有能够正确地辨识或统一地采用。还有，某一特定行业的个人不知晓某些通常可以较易获得的资质的价值。因此，有必要提供一种系统和方法，其能够利用基于独一的个人属性和自动化的比较产生动态简历的更为灵活的调查系统提供将这些属性考虑在内的在线薪酬报告。
发明内容
本发明克服现有技术中的缺陷并提供额外的优点。在本发明的一方面，利用简介(profile)产生个性化的薪酬报告。使用调查引擎(survey engine)产生能够辨识个人独一特征的个人简介。调查引擎中纳入一个协同过滤引擎(filtering enginee)，由其确定在调查中向使用者提出适合的问题，并且还提供建议的可能答案。此外，系统允许使用开放文本(open-text)问题。开放文本问题使使用者能够输入新的回答内容，而不必象现有技术中典型地那样事先由管理员为系统预定义可能值。系统根据简介属性(问题及其回答)纳入亲和组(affinity groups)，提供评估简介相似程度的依据以用于本说明书中所述的各种比较和合计目的。纳入一个协同过滤引擎，该协同过滤引擎既可由管理员定期进行修改，也可由使用者自己根据他们的行为和应答对该协同过滤引擎进行调整。调查引擎纳入新的亲和组(简介的联合体)，以便在调查中建议新的问题和可能的回答。此外，某些亲和组由系统自动生成，并最终由使用者自己生成，从而创建简介之间新的有意义的关系。
协同过滤引擎能够捕捉到作为与简介相关的目标薪酬变量的简介属性。系统自动将新的简介纳入现有的亲和组中，其能够在不需要不断的认为培训或干预的情况下确定更多的目标调查问题和可能的回答。
没有协同过滤系统，就不能对不符合预定义的分类目录的使用者精确地管理调查，由于系统允许对问题的开放文本回答，因此不可能将每个职业变化都加以分类，并且由于系统所提供的是将要被自动确定并且要向不同类型使用者的职业简介提出的不同问题，因此采用了协同过滤系统以及亲和组和其他本说明书中描述的要求。因为协同过滤系统允许系统在被定义的约束(constraint)内进行有根据的推测，因此，与完全由人为管理员定义的系统相比，该系统能够更有效地处理新的分类目录。此外，在本系统中，管理员对约束进行定义，禁止该调查过程中提出明显错误或不相关的问题。约束的一个例子是，如果使用者不回答任何建议问题，就总是要求提出一个缺省问题。
使用协同过滤系统对调查进行定义所产生的一个令人惊奇的新效果是，系统利用目标更为明确的调查能够容纳大得多的数据群。过去的薪酬调查的实现依赖于更小的样本大小、用通用化的问题进行更为广泛的调查，或是使用大量专家设计和执行调查，并将数据分类。因此，该调查受到的约束完全是由于调查所需要的人力资源造成的。本发明不受这样的限制，并且需要少得多的人力资源对大量不同的职业类别进行此种详细的调查。
本发明的另一关键方面包括：利用搜索定义文件定义的详细搜索标准在调查引擎收集的数据中进行全面搜索的能力。该文件根据使用者的目标采用评分和过滤机制返回最合适的简介集以进行分析。由于该搜索文件允许管理员定义简介属性之间的自然关系，例如那些例行地用于不同简介分类的薪酬分析领域的自然关系，因此该搜索文件是有用的。然后该文件由软件算法进行解释，并在相关简介的检索期间使用，然后可将其用于总结或报告。多个搜索定义文件可被迅速地创建，每个文件都用于一个不同的目标。例如，一个搜索目标可将技能和证书的权重加得很高。其结果对于分析如何在拥有类似技术技能的人之间进行比较十分有用。另一搜索定义文件将经验和教育程度的权重加高，对于查看使用者与具有类似经验和教育水平的简介相比情况如何十分有用。第三个搜索定义文件的例子是该搜索定义文件将地点保持一致，并将使用者与在同一地点具有匹配属性的所有其他简介进行比较。
本发明的另一方面包括，能够自动地以一种有助于由人来进行薪酬比较的格式总结和展示简介搜索结果的能力。图表(chart)被定义为将一系列的值，如技能，与一系列的度量值配对，如平均薪金、薪金中间值、标准偏差等。图表的一个例子是“按技能的平均薪金”，该图表将每种技能与所属的平均薪金列出。报告(report)被定义为一系列图表的组合，用来为使用者提供总体情况和分析。例如，考虑一个目的在于发现使用者与类似职业的技能和经验相比情况如何的报告。该报告纳入先前定义的许多图表，其组合成能够为使用者提供良好分析和对使用者搜索目标结果的理解的格式。
现有的技术方案不能够将薪酬报告中的图表选择自动化，如确定“按执业范围的平均薪金”是否适用于为某一特定用户简介(例如，它可能仅适用于律师)提出的报告。现有技术要求管理员事先知道一个特定使用者有关的所有的图表。这一缺陷以下列两种方式之一对以前的发明产生限制：限制可用图表的数量，这样使所有的图表可用于所有的薪酬报告，而不考虑他们之间的相关性；或者按行业或职业类别预定义不同的薪酬报告，这样做就会要求大量的人工。
本发明根据使用者自己的简介确定一个图表是否与一个使用者相关以及是否将其显示，并且只有统计出对于该图表存在足够的有效数据才会将其显示。可能会存在许多种不同类型和基于许多种不同属性和测量值的上千种不同的图表，并且只有他们的某一个子集可以应用于某一特定使用者的薪酬报告。例如，律师可能会希望看到关于“按年度开单的小时数的平均奖金”的报告，但该报告不适用于教师或CEO。在现有技术中，每个薪酬报告都是由分析人员编制的，该报告的编制是有偿的，或者将细节忽略，只保留薪酬报告中最为常用的图表，如“按职业和地点的平均薪金”，而这对于试图将自己的薪酬与同业人员进行比较的个从来说是最没用的。本发明通过自动化的、可放缩(scalable)的方式将重点集中在该使用者独特的属性上，从而能够实现目标更为明确和相关性更好的薪酬报告。
本领域技术人员还将理解，此种系统可以用于将个人简介与履历表匹配，因为这里所述的简介通常是为履历表所收集的数据的子集。例如，利用与其他简介匹配相同的机制，向本文所述系统输入简介的使用者可以容易地与履历表匹配。
附图说明
图1是根据本发明的系统的网站建构的概要图。
图2是根据本发明的系统中的通用使用者流程图。
图3是使用者首次访问根据本发明的系统的特定使用者流程图。
图4是根据本发明的系统向使用者建议一字段组(FieldGroup)的流程图。
图5是根据本发明将使用者的回答存入数据库的流程图。
图6是根据本发明的示例性的个人简介。
图7是在调查中提出字段组的系统的实例。
图8是图7的延续。
图9是在根据本发明的调查中向一个字段组建议通行答案的系统的实例。
图10是根据本发明对图9的延续。
图11是根据本发明计算和总结数据的流程图。
图12是根据本发明在数据库中存储被标记数据的流程图。
图13是根据本发明将一亲和组通行化的流程图。
图14是根据本发明为使用者生成用户报告的流程图。
图15是根据本发明的个人简介搜索不同方面的概要图。
图16是根据本发明的个人简介搜索的流程图。
图17是根据本发明的亲和组的实例。
图18是根据本发明的规则引擎的流程图。
图19是根据本发明在规则引擎中使用的一系列规则。
图20是根据本发明的示例性装置，其进一步连接到根据本发明的网络。
图21是根据本发明用于创建特定使用者亲和组的示例性流程图。
图22是根据本发明的个人简介搜索过程的流程图。
图23是根据本发明用于个人简介匹配的示例性XML代码。
图24是根据本发明的将使用者个人简介与亲和组匹配的示例性流程图。
图25是报告匹配过程结果的示例性流程图。
具体实施方式
本文对一种利用动态简介提供能够说明独一的个人特征的目标确定的在线薪酬报告的方法进行具体描述。在下文的描述中，提供了有关下列内容的大量特定细节的说明：调查流程、亲和关系、级别、建议字段组、建议通行回答、保存回答、简介搜索、评分系统、报告合计和规则引擎。但是，相关领域的技术员应该明白，缺少一个或多个特定细节，或增加其他方法等，都不会影响本发明的实施。另外，为了避免与本明的各个方面混淆，已经为人所熟知的方法或技术没有在附图中绘出，也没有进行详细说明。
定义
字段(Field)-单一的一条信息，对应系统提出的某一特定问题。例如：“城市”、“州”、“奖金数额”、“技能”、“职别”。
字段组(FieldGroup)-使信息的一个逻辑编组形成一条记录的相关字段的集合。也常常称为问题(Question)。例如：“薪金”是一个包含有“薪金金额”、“货币”和“每周平均工作时间”的字段组。“职业地点”是一个包含有“城市”、“州”和“国家”的字段组。
调查(Survey)-以特定顺序询问的字段组的集合。可以由管理员确定顺序，或者由系统利用下文定义的“建议字段组”(Suggest FieldGroup)算法确定顺序。
回答值(AnswerValue，也称为值(Value)、回答(Answer)或属性(Attribute))-用作回应的对应一个字段的值(信息段)。例如：对于字段“城市”，回答值可以是“西雅图”、“圣弗朗西斯科”、“迈阿密”或“巴黎”。
个人简介(Profile)-形成个人或人群逻辑表示的字段组、字段和回答值的集合。例如：“行业＝金融，职业＝会计师，雇主名称＝Ernst & Young，资格证＝注册会计师(CPA，)资格证＝注册管理会计师(CMA)，专长＝税务，专长＝成本会计，从业时间＝12，薪金金额＝60,000，薪金货币＝美元，周职业时间＝40小时，地点-城市＝巴尔的摩市，地点-州＝马里兰州，地点-国家＝美国，学校-名称＝普林斯顿，学校-学位＝硕士，学校-授予学位年度＝1995，年龄＝43，等等”。
亲和组(Affinity Group，或亲和(Affinity))-一组分享共同个人简介属性的个人简介，且进一步如图17所示。例如：“所有在法律行业供职的人”。
亲和定义-一个亲和组共享的共同属性的布尔逻辑表示。例如：对于“所有在法律行业供职的人”的亲和定义可以是：“职业＝律师OR职业＝代理人OR职业＝地方法官or行业＝法律OR专业＝诉讼法OR等等”
个人简介搜索-用来将一些个人简介与另一些个人简介匹配并创建一个将该匹配的有效性分级的评分系统的详细标准集。
个人简介搜索文件-包括一个为个人简介搜索定义的标准的文件。
图表-一种以最终使用者能够理解的形式表示的限于一个亲和组的数据集合。例如：“按专业划分的平均薪金”的条形图。
报告-以特定形式组合的用来提供对个人简介搜索详细分析和比较目标的图表集合。
概述
每个人的雇佣简介中都具有独一的特征。这些独一的特征即使看起来不重要，也可对应不同的雇佣薪酬。在找到并有商定有效的雇佣机会以及作出基于可靠信息的决定的过程中，很重要的一步就是要能够拥有对每个人的相关特征进行比较的客户报告，并且了解基于该比较理解市场愿意为此种个人支付多少。这里所述的方法和装置根据调查、分级属性匹配的搜索和报告过程中确定的特征提供比较薪酬报告。
现在请参阅图2所示，是系统中的通用使用者流程。使用者对自身价值的调查从通过使用者界面如个人计算机、个人数据助理或类似设备访问互联网开始。访问一旦建立，使用者向系统输入其需要的薪酬比较目标，如图1所示。一旦确认了目标，调查引擎，也被称为调查向导，开始确认该使用者最适合的独一特征以便确定薪酬水平。调查引擎使用开放和封闭的字段组的组合创建一个个人简介。开放字段组被定义为具有至少一个使用者能够以自由文本的形式输入的字段。封闭字段被定义为具有只允许使用者由一个预定的选项列表中选择的字段。在调查期间，当所有字段组都回答完毕后，将该个人简介与一个或多个亲和组关联。亲和组是基于布尔逻辑标准对个人简介的离散式编组。该布尔逻辑标准，或简或繁，都是基于简介中一个或多个属性值组合的，比如职业、技能、地点等等。一个使用者的简介属性与所有亲和定义进行比较，如果简介属性符合亲和定义标准，就认为该使用者是该亲和组的成员。例如，如果一个使用者回答具有某些技能，如技能＝TCP/IP、技能＝Cisco Routers、技能＝Windows NT网络，或资质＝Microsoft认证系统工程师，该使用者即可被认为是亲和组“信息技术/计算机网络人员”中的一员。
下文将更为详细讨论的调查引擎或系统以不断重复的方式询问使用者的字段组，直到该调查引擎确定不必再询问更多的字段组。在调查过程一开始就通过一组初始问题确定该使用者的目标，如图1所示。该目标建立调查引擎应该进行调查的宽泛区域。如图4所示，调查引擎利用该目标从系统中所有可利用的字段组集合中建议下一个将向使用者提出的字段组(问题)。该字段组连同从以前对不同使用者的提问中获得的可能通行回答被展示给使用者有。系统对该使用者提供的回答进行检查，如果合适就将其存入一数据库，如图5所示。这一过程一直持续到调查引擎确定已经清楚了需要的目标并且不再需要对更多的字段组提问为止。该引擎询问是否需要检查任何更多的目标，从而使该过程返回到建立提问的目标。继续本文所述的这一过程直到所有适用目标的简介数据都被创建，从而结束调查。
该系统在应用程序的许多段中使用亲和或亲和组将使用者分类和编组。亲和组被定义为：由被称为亲和定义的一个简介标准集定义的一组简介。亲和定义是图6所示的系统中定义的字段值的组合。例如，“职业＝人力资源经理”是对所有包含了使用者回答为“职业＝人力资源经理”的简介的亲和组的一个亲和定义。可以使用标准布尔逻辑操作，例如AND和OR，将简介标准逻辑地定义以便创建更为复杂的简介标准。例如，亲和组“圣弗朗西斯科Java程序员”可能会具有如下亲和定义：“城市＝圣弗朗西斯科AND(职业＝软件程序员OR职业＝软件开发人员OR职业＝网站开发人员”AND技能＝Java”。与该定义匹配的对应简介集合就是所谓亲和组。亲和定义以关系格式存储，检索方便快捷，并且可供搜索。本领域技术人员会明白，这种定义能够以很多种适合于当前任务的格式储存，或是为提高的CPU性能进行改进。由一个程序对使用者的简介和系统中存储的所有亲和定义进行快速比较，并确定使用者属于哪一个亲和组。本领域技术人员明白，还可以利用更为复杂的布尔逻辑如NOT、XOR等实现更为复杂的亲和组。此外，可创建藉由范围对数字数据进行分组的亲和组。例如，可以将某一年龄范围内的所有人编为一组。亲和组是由人、管理员或使用者定义的数据的联合，其允许系统产生更为智能化的输出，供本文所描述的各个子系统使用。下文以流程图的形式提供更多的细节说明。
要求调查引擎询问与特定使用者相关的字段组。许多不同的职业简介具有影响个人薪酬的不同属性。例如，一名CEO可能会需要在他的简介中回答字段组(问题)公司营业额，而一名律师可能会需要回答关于业务范围或律师协会会员资格的问题。建议的字段组算法被设计为根据互动提问得知的使用者的薪酬分析目标和该使用者的简介类型，提出适合该使用者的问题。自动化系统中的开放文本问题是一种独一无二的挑战，因为管理员对其无法预知。例如，现有技术方案中允许从包含了已知值集合的下拉列表框中进行行业类型选择。因为对系统来说所有的行业都是已知的，可以加入逻辑判断，根据前一问题的回答提出一个新的问题。在这种系统中，预先创建一个复杂的决策树，这样系统就能够根据使用者提供的回答创建一个用户调查。但是，这些系统都是以知道所有可能的回答为依据的，并且对决策树编程会耗费巨大的工作量，因为要将所有的可能性都考虑在内。并且增加一个新问题也十分困难，因为由此所增加的将每个回答映射到决策树的响应性必须作为该过程的部分。本发明不受这些限制的约束，因为它允许使用者任意的输入回答。典型地，与使用者必须从预定回答中进行选择的下拉框相对，通过采用对输入内容进行少量限制的文本框实现该开放式问题。
由于系统允许开放的文本回答，因此不可采用标准专家系统，这是因为不可能为由无限数量的问题构成的调查创建决策树。在其它领域中对于这种情况时，往往采用人工智能机构处理使用者输入内容中关于使用者回答了哪些问题以及对这些问题的回答是什么的未知变化。但是，本发明要求维持高度的复检，这意味着前来使用系统的一个新的使用者如果使用了与一现有使用者相同的简介数据集，就应该具有以相同次序推荐的相同的字段组集(确定的)。为了适应这些要求，即复检和可变性，该系统采用这样一种对以下内容进行定义的系统：字段组之间的关系、最小必要字段组的集合、和字段组在调查中出现的顺序。这些系统规则与一个允许对接着应该提出哪一个字段组的有限猜测的权重和子系统的集合结合使用，不要求为每个独一类型的职业简介都准备一个预定的调查。
为了挑选出将要向使用者提出的下一个字段组，调查引擎选择该最通行的字段组，该字段组使用者还没有回答，但是与已经向该使用者提出的字段组相关，并且其还包含在该使用者当前所属的亲和组的简介中，以本文所描述的限制级别和字段组关系为依据。管理员在使用者完成调查之间为字段组建立关系和级别。上文已经解释过，系统的调查引擎使用一种协同过滤架构，以便允许大量的字段组和最小的管理性输入。尽管使用了协同过滤架构，但是也可以使用替代性架构，如神经网络。与建议字段组相关管理任务局限于清除用于教示系统的输入数据、定义字段组关系、定义字段组级别和定义亲和组。
对调查引擎的输入是指：使用者的前一次回答、亲和组、字段组之间的关系(字段组关系文件)、字段组级别(或字段组优先级)、和被称为“通行字段组”的三联体，其由亲和组、字段组和加权值构成。调查引擎的输出是一个单一的建议字段组。建议字段组系统中的限制由字段组级别(或优先级)和缺省构成。调查向导(survey wizard)通过首先选出由该特定向导或广泛目标的级别文件定义的具有最高级别(或优先级)的字段组将相关字段组按优先次序排列。每个字段组被指定一个级别并在每个向导中仅被指定一个级别。每个级别都作为一个正整数数值指定一个字段组，低级别限制字段组在调查中较早出现，高级别限制字段组在调查中较晚出现。这样就确保了某些字段组在调查开始或不久出现，另一些字段组在调查末尾或接近末尾时出现。此外，级别文件还将字段组按每个级别分为一组，并将一组中的一个字段组指定为缺省字段组，这样如果管理员想要确保一组字段组中总是至少有一个字段组被询问，如果该级别中没有其他字段组被询问，就会该字段组进行询问。例如，可能会在在两个单独的字段组：“职业”和“职位”。职位可能就是职业的一个特定类型，在某些行业中是适合询问的，例如棒球员。这种情况下，就没有必要询问职业，因为该信息已经包含在职位字段组中了。大多数情况下，大多数简介只需要对职业进行回答，而在特定情况下，可能需要他们回答另一字段组，如职位。因此职业和职位被分为一组，而管理员将职业设定为缺省字段组，因为系统要求人们如果不回答与职业相关的其他任何问题，那么他们就必须回答职业。
通行字段组三联体中的加权值存以关系格式存储。权重值代表每个字段组的通行度。其被定义为具有该字段组的回答的每个亲和组的简介数量。藉由为每个字段组总结已回答每个亲和组的该字段组的使用者数量来计算通行度，并且将亲和组、字段组和通行度之间的关联性存储在一个关系表中。通过这种机制，在使用者简介问题和回答与调查向导之间建立起一个反馈回路。随着使用者简介通过调查程序被输入系统。类似简介的新的关系产生了并且这些结果被事例到每个对应字段组的通行度，由此产生不同类型的职业简介的更为的调查。下文是对流程图更多的讨论。
通常根据字段组之间自然存在的关系对系统施加约束，由于他们总体上从属于职业简介。例如，假定某些字段的存在以其他某些字段组的存在为前提。在这领域具有专业素养的人类管理员根据领域对这些关系进行定义。因为字段组之间的关系远远小于唯一调查可能性的数量，即使存在上百个字段组，由一名专家定义这些关系也是有效率的。例如，如果使用者的“职业”或者他们所处的“行业”是已知的，才会询问字段组“律师协会”(通常用于律师和要求法学学位的简介)，但是如果仅知道使用者的“性别”就去询问该字段组就毫无意义。这样，字段组“律师协会”与“职业”和“行业”相关，但与“性别”无关。类似这样的关系在系统中被称为“相关字段组”(FieldGroupRelated)，并且采用关系格式存储在系统中。除了级别以外，这些关系行为作为确定建议字段组输出的约束。
假定约束和加权在系统中驻留，调查引擎在前文所述的级别和字段组关系的约束下，在所有可供调查使用的字段组中选出使用者所属的亲和组中最通行(或权重最高的)字段组。最后，向使用者提交该字段组以用于呈现。使用者对该字段组进行回答，并且在后续的询问中重复这一过程。如果在重复之后，无法再提出符合此处所讨论的标准的字段的建议，系统将使用者标记为结束并进行下一个预定的行为，例如向使用者显示信息并进入系统的报告阶段。
现在请参阅图9-10，图中所示为系统在调查中为一个字段组建议通行回答的非限制性的实例。在系统中存在一种机制，其根据若干因素为一个通行字段组建议可能的回答选择。这些因素是，例如，被询问的字段组、回答关系文件、使用者的简介和相关联的亲和组、以及权重值的集合，其存储某一特定字段组最通行的回答。正如在调查过程中被询问的字段组之间存在关系基础那样，调查引擎的一方面建立某特定字段组与建议回答之间的关系。如果对第一个字段组的回答导致待建议的第二个字段组的通行回答，那么一个特定字段组与另一字段组的回答就是相关的。
“建议通行回答”算法受到回答关系的约束，并且利用含有值、亲和组和已经回答了该特定值的简介的数量之间的关系表对回答值进行加权。在受约束的回答之中，调查引擎在一个列表中选择X个最通行的(权重值最高的)回答，其中X是由管理员定义为值的合理数量的整数，以便使用者从中进行选择。
例如，如果调查从字段组行业开始，那么显示该字段组，向使用者询问关于他们工作的行业，使用者回答“法律”，这时根据上文描述的建议问题的过程，显示第二字段组法律事务所，并向使用者询问他们所属的法律事务所。根据建议通行回答算法，调查引擎还可根据那些确认自己属于法律行业的使用者提供一个由其他使用者以前为该字段组提供的法律事务所的列表。因此亲和组行业＝“法律”就是与字段组法律事务所相关的回答，因为对字段组法律事务所建议的回答与第一字段组行业提供的回答相关。对应地，对于字段组法律事务所，系统查找所有其他的与其回答相关的字段组。例如，职业类型(字段组职业)的可能与法律事务所所属的亲和组的回答相关，如字段组“年度计薪总小时数”等等。因此，由于字段组职业可能与字段组职业和字段组法律事务所的回答相关，系统建议使用者由包括了商务律师(corporate attorney)、诉讼律师(litigation attorney)、律师助理(paralegal)等等的列表中选择。而如果使用者在字段组行业中回答“计算机软件”，那么系统会为字段组职业建议另外的可能回答，如计算机程序员、高组软件工程师、IT技术支持、等等。或者，使用者可不使用建议的通行回答，而是输入新值，并输入对于系统全新的职业。根据使用者的应答，系统将使用者的简介加以分类并将其与拥有类似特性的简介对准。
当调查向导显示一个问题时，其一方面是确定该字段组是否是一个支持开放文本回答的开放字段组。与使用者只能从一个列表或选择或使用数字式回答的封闭字段组相反，开放字段组允许使用者输入自由文本。如果该字段组是开放格式的，那么使用者就可以键入一个开放文本的回答，或如前所述选择一个建议的通行回答。当使用者输入后，系统确定该回答是作为开放文本键入的还是从建议的回答列表中选择的。如果该回答是由建议的回答列表中选择的，那么利用系统中该已有回答的已有回答ID将使用者的选择存储在一个数据库中。如果该回答是自由/开放文本，就调用一个算法从而确定该回答是否在数据库中已经以类似于该使用者的自由文本输入的形式存在。利用搜索技术，将数据库中已有的具有与该自由文本回答类似特征的替选回答作为建议提出。该替选应答可具有不同的关键词拼写、语法变化、或其他同义词的组合。通过这种做法，调查引擎试图辨识该新回答的核心内容并确保系统从使用者获得了正确的判断。如果使用者拒绝了该建议的替选回答，那么系统请求使用者重新键入回答以确定该应答，并可能请求用户输入关于该回答的更多信息，使系统或管理员能够对该新回答进行分类。一旦使用者通过第二次键入该回答确认该应答，该新回答就被存入数据库，并且该新回答成为以后的使用者可以选择的可能回答之一。
管理员或自动化程序也能够核验任何新的回答是否为合格值，比如不包含不洁用语或其他反常用语。自动化程序可以是使用一个字典的程序，或者是其他能够核验该值的有效性的软件。如果使用者没有使用新的开放文本回答，而是从可选应答中选择了一个回答，那么就利用该回答的已有的回答ID将该选定的回答存入数据库。有时，向使用者提出的字段组不是开放格式的，例如是一个不可改变(并且不是开放)的可能应答的列表，或是一个数字值，如薪金值、日期、布尔逻辑值如是/否。如果是数字值或日期，还为回答定义了范围。如果对于该字段组的回答符合该字段组定义的范围，那么就将该使用者的应答存入数据库。例如，如果使用者正在回答日期字段，就可能要求该日期在某一范围内，如果介薪金，其必需大于“0”。如果对于该封闭形式的字段组的回答不在该字段组定义的范围内，就向使用者发出一个出错信息，要求使用者确认或重新输入回答。最终，使用者简介被存入数据库并在数据库中编目，使系统能够将其与其他亲和组和其他使用者关联，从而提供全面的薪酬报告。
现在请参阅图16，所示为简介搜索流程。本发明的一个主要方面涉及一个单独简介与系统中所有其他简介的比较，并确定这此简介中哪些最为类似。简介搜索算法返回一个类似简介的列表。然后将该类似简介的列表汇总并合计到一个为使用者提供薪酬和就业机会详细分析的可读报告中。该功能使系统能够返回一个深入的、个性化的、包括有对类似简介实时分析的报告。与普遍调查、人类分析员、仅按照职业名称、或标准专家系统等所作的报告相比，该报告代表了对使用者薪酬更为精确的描绘。运行简介搜索算法并向搜索目标返回一个与使用者的简介最为接近匹配的简介列表。简介作为字段组、字段、回答值的三联体集合被从数据库的检索出来。系统通过使用一个评分机构并简介之间的类似处封装并定义。该评分机构是一般性的，能够用于任何系统定义的简介属性。值得注意的是，系统能够建立不同类型的类似。这样就能够执行不同的搜索目标。例如，一个使用者可能希望知道与他所在的特定职业及与他所拥有的所有其他属性如工作经验、地点和行业都相类似的人在就业市场中能够挣到的预期薪金。这种情况在希望改换工作的人中非常普遍。本发明支持这种类型的分析，其是利用预定义的搜索目标文件，该文件规定该使用者的简介与具有类似职业、同一地区、行业等的一个简介集合进行比较。在另一种情况中，使用者可能会在给出其技能、工作经验和地点等等之后，希望知道其还适合于哪些其他职业。这种情况下就为这这种类型的分析定义一个不同的搜索目标。
现在请参阅图15，所示为简介搜索评分系统。为了封装每种类型的搜索目标，利用一个评分和过滤系统根据关系结构定义一个搜索系统。在该评分系统中，既考虑精确匹配，也考虑亲和匹配。亲和匹配尽管在评分中低于精确匹配，但对于系统来说非常关键，因为其允许将很多类似属性编组到一起并以更为自然的方法进行比较。这样就解决了本发明在这一主面的一个关键问题，即，过去的职业比较系统的具体实现要求精确匹配，由此也失去了其价值，因为真实世界的简介中存在大量的类似但通常又不具有精确匹配值，或者晨固定的报告系统中真正变化的数量大大高于通常所考虑到的。例如，一名IRS审计师可能希望与一名会计师进行比较，但是由于他们的职业名称不同，在其他的系统中可能从不会将两者进行比较。在本实施例中，通过人工和自动化的过程不断地加入和更新亲和性(如本说明书其他地方所述)，该过程可将之些值联系起来，并由此返回类似的简介。
当请求简介搜索时，检索该搜索的搜索目标定义文件。该文件规定了如何对简介属性进行匹配和比较的规则。然后使用者的简介与系统中的所有其他简介进行比较，并且简介的每个匹配值都被赋予一个由匹配的字段确定的评分值。例如，字段组职业的精确匹配被赋予一个相对较高的评分。亲和匹配，即，“所有会计职业的人员”，也被考虑在内，因为这些匹配是类似的，但又不是完全相同。因此，这些匹配的评分略低。然后根据其所有的亲和与数值匹配对每个简介都进行评分，并且通过将个人评分合计将该评分合计。本领域技术人员能够理解，取决于字段级的类型，可以定义许多种不同类型的搜索目标和匹配标准。字段组“职业”仅是其中一种。例如，还可以为技能、专长、和资质定义匹配评分，并与职业评分结合对搜索中返回的简介创建非常精确评级，以便符合给定的搜索目标。一个简介若要作为搜索结果返回(使其具有资格)，必需符合某一总体的评分阈值，该阈值是由管理员作为搜索目标文件的组成部分预先定义的。此外，该简介必需包含对特定的决定性字段的匹配。评分阈值将任何没有足够匹配的被看作是高质量匹配的属性的简介排除。例如，一个简介中可能在许多非决定性值上是匹配的，如性别、地理位置或经验级别，但是在某些关键(或决定性的)方面是不匹配的，如职业类型或专长。一名会计师可能与一名律师毗而居、处于同一年龄段、同一社区、在同一所大学受教育，但是二者不应被认为是互相匹配的，因为二者职业不同并且职业亲和性也不同。因此，在一种搜索类型中，只有某些字段和亲和性，如与职业和专长相关的，才会被认为是具有足够决定性并将其认为是匹配的。本领域技术人员理解，尽管职业和技能被认为对于初步薪酬分析具有高度确定性，系统可以采用其他类型的分析，在这种类型的分析中，其他字段组，如地点或性别，可能会被规定为具有高度的确定性。这样就允许符合许多不同简介搜索目标的许多种类报告的定义和自动化。
此外，某些属性匹配的组合可能被认为比另一些属性匹配的组合更有价值。例如，可能会更希望匹配地点距离目标简介更近的简介的更小子集。通过采用简介搜索目标文件内的匹配组，匹配的集合也能够被评定等级。例如，将简介的等级定得较高(其中需要地理接近性)时，这是有用的。通过创建一个按地区将简介编组的亲和性集合(本说明书中其他地方有述)，简介搜索系统首先利用匹配组将当地范围内的简介作为目标，将它们的等级评定为高于符合其他匹配标准但在当地范围以外的简介。例如，搜索目标可能首先仅找到位于同一或邻近城市的简介。通过定义大都市圈亲和组，能够找到在同一大都市圈的人群。但是，系统中可能没有足够的有效数据找到同一大都市圈内简介，因此，还必需考虑来自更大区域范围的简介，例如一个州或包含多个州的地区，并且如果必要就从中进行选择。通过以评级的方式将亲和性纳入亲和组，就有可能通过将与我们自己的简介最接近的简介的等级定得最高从而返回这些简介。本领域技术人员应认识到，除地点以外，接近程度还可以适用于简介的任何属性，例如经验级别或年龄范围。
现在请参阅图14，所示为本发明的另一方面，一个简介集(通常但并非一定是通过本说明书其他部分所述的简介搜索子系统检索到)被合计，并且他们的个人属性被自动地进行汇总计算，如平均值、中间值、标准偏差和计数。这些计算被合计起来用于快速实时检索。合计定义将量纲(如技能)与度量(如薪金)定义到合计体中(如按技能划分的平均薪金)。此外，系统能够将数值汇总到预先确定的范围内，如薪金范围或年龄范围。报告图表格式对图表以何种形式向最终用户显示进行定义。存在许多种不同的格式，如HTML、PDF或JPEG，并且报告输出格式可以被调整为与这些格式兼容，并且这些图表可以显示为条形图、饼图等形式。
由管理员定义合计定义，例如以XML格式，包括度量和量纲和名称。每个合计都在一或多个亲和组中计算。例如，在执行一个简介搜索之后，将得到的简介列表加入一个亲和组，如“符合使用者Y的搜索目标X的人群”，并且执行所有可获得的报告定义，结果得到很多合计。每个合计定义都必需包含一个度量或一个量纲，或其两者。如果没有规定度量，就将合计作为整个量钢的计数计算。如果没有规定量纲，就利用标准算法对整个人群计算平均值、第25、50、75中间值、标准偏差和标准误差等。对于任何一个亲和组的合计都能够使用该方法来进行计算。利用这种方法能够对合计信息进行快速检索，并且容易对新的合计进行定义，可用于系统中所定义的上千个亲和组中的任何一个。
由于在上千个亲和组中有上百个合计定义可供使用，不可能将所有这些数据以便于迅速理解的格式展示，因为结果数据可能会长达数千页。为了解决这一问题，本发明将合计按图表和编组的形式编组，并以人可理解并有用的格式对图表进行过滤和排列。只有具有足够数据并且仅有被确定为适合于使用者的简介的图表才会显示给使用者。这样就允许许多仅适用于某些组的报告在任何时候显示，而无须为任何特定组预先定义一个报告。例如，名为“报酬影响因素”的组可包含以下图表：“按职业的平均薪金”、“按业务领域的平均薪金”、“按教授级别的平均薪金”、“按技能的平均薪金”、“按经验的平均薪金”、“按律师协会的平均计薪率”等等。但是，不是该组中所有的图表都被显示，这取决于对该使用者简介的适用性。例如，如果该报告是为律师简介的，图表“按教授级别的平均薪金”就不被显示。另一名为“地理展望”的组可能包含如“按城市的平均薪金”或“按州的平均薪金”等图表。
将图表编组为人能够理解的逻辑段，并且系统以编组的格式生成图表，使其成为可理解的、有结合性的可读的展示。对于特定的类似简介集，存在许多根据一报告规约定义的图表。将一系列的图表组合成一个组，然后由一个程序将该组解析并格式化为使用者可读的格式，如HTML。
例如，一个律师简介可能会与已经回答了律师协会和小时计薪率字段的许多其他律师的简介匹配。为该律师编制好的报告能够自动显示“按律师协会的平均计薪率”的图表，而对于一个高中教师的报告则不会显示该图表，因为没有一个匹配简介回答“律师协会”或“按小时计薪率”字段。这对于现有的技术方案来说是一项重要的创新，现有的技术方案局限于返回将个人编组为一个很大的、通常无用的目录的泛泛的评估，忽视精细的、但更为有用的目录。
现在请参阅图18，所示为规则引擎的流程图。设置一个规则引擎自动处理简介数据，以便搜索共同错误、问题和缺陷数据。该规则引擎是一个由该领域的专家定义的专家系统。因为该调查系统是一个开放系统，其允许自由文本的用户输入，以及数字数据的自由输入，所以设置规则自动地监测数据的有效性。这有助于数据清洁过程的自动化，并使管理员能够更为高效地检查大量的新简介。例如，使用者可能会输入明显的假数据，例如对于国家和货币种类的薪金值过高或过低，如“0”。还有，在某些情况下，规则引擎还自动地改变简介数据。
规则引擎是利用一个数据库询问集实现的，如图19所示，并存有将简介与预定的标准集进行比较的程序。这些询问中的每一个都在使用者输入系统的简介上运行，并且规则引擎询问的结果，包括使用者确定的改变内容的列表在内，都被存入一个表。规则引擎允许存储的程序被设置为能够检查任何类型的数据错误。
规则的另一个例子是如果一名使用者在一个特定字段组(例如技能)中输入太多的值的情况。如果使用者回答太多的技能种类，有可能某些技能是无效的或是使用者在利用系统作乐，这样，该简介就被视为无效，并且不进行简介搜索和报告。简介上的一个旗标标志出简介是否是活性的。无活性的简介不被系统的任何其他部分用作计算，包括调查引擎中的比较、搜索目标或报告。通过这种方式清洁数据并保持数据在统计上的有效性。在简介上还设有许多其他的旗标，本领域技术人员能够容易地理解，这些旗标是衡量简介在系统其它方面的使用的有用方式。这种形式的规则还可被用于个性已有简介中的数据输入错误。例如，常见使用者会在一个字段组中输入实际上是用于另一字段组的值。为了使此种开放系统中的数据尽量有效，规则引擎将一个字段组中的回答移至另一个字段组。可以容易地理解规则引擎可以被扩展到用于大量简介的任何情况。
现在请参阅图20，所示为示范性的、非限制性的调查引擎装置110(以下简称“装置”)，其中装置110还通过网络130连接到多个使用者120。使用者120，例如使用者120-1，可以是一个请求调查的个人，目的在于建立相对于其他使用装置110或其他装置被调查过的使用者之间的个人评级。例如，装置110的薪酬调查实现的一名使用者，如上文中所详细的讨论的，可能希望建立在某一地理区域的预期薪金。在本发明的另一实施例中，使用者120，例如使用者120-1，可能会对提供多个已经做过调查的使用者的统计信息的报告感兴趣。例如，在装置110的薪酬调查实现情况中，这样的一名使用者可能会希望接收某一特定职业功能的平均薪金报告，或该特定职业功能的平均预期薪金报告。
装置110通过网络与使用者120连接，例如使用者120-1。网络130可以是，但不限于，局域网(LAN)、广域网(WAN)、或者是万维网(WWW)。通过使用网页和标准通信协议，使用者120可以出于调查和报告的目的方便地访问装置110。在一实施例中，装置110包括一中央处理单元(CPU)112、一工作存储器114、一代码存储器116、和存储数据库118。CPU 112执行，例如，存入代码存储器116的计算机代码，并且其与其它部件能够共同处理装置110和使用者120之间的通信协议、网页的显示、搜索数据库内容、编制报告，等等。工作存储器114被CPU 112使用以便操作。数据库118保留使用者简介、多个问题和对应的回答、报告定义、亲和组、定期报告，等等。
现在请参阅图1，其进一步讨论了采纳了装置110的系统100的网站建构的详细内容。系统中有三个基本组件块：显示组件210、业务组件240和数据组件260。显示组件210由使用者120和装置(或服务器)110处理。使用者120通过使用网页浏览器220提供显示功能。装置110通过使用超文本传输协议(HTTP)230提供显示功能。显示组件210使可能由使用者120要求的对调查和报告的视觉显示能够实现。系统100还包括业务组件240，其具有核心组件245和支持组件250。核心组件245包括至少一个调查引擎247、一个搜索引擎248、和一个报告引擎246。支持组件250可包括，但不限于，商务251、安全252、管理253和内容管理254。业务组件240使系统100能够提供本发明的调查和报告。数据组件260还包括结构化查询语言(SQL)服务器数据库261、全文本目录262、和一个或多个可扩展标识语言(XML)配置文件263。根据本发明，这些组件提供系统100特别是装置110正常操作可能会要求的数据。
现在回到图20，应该注意的是，除了使用者120的网页浏览器220，图2中的所有其他组件都可以驻留在装置110上。但是，本领域技术人员能够将本说明书中公开的架构进行适配，以便进行可提供特定系统100需要的某些修改。例如，数据库118可在网络130上发布和访问。在本发明另一实施例中，多个装置110处理调查并访问多个各自的数据库118。
代码存储器116除了包含其他代码以外，还包含为了实现将一位使用者与多个其他使用者匹配并建立该使用者的独一亲和组的目的而要求的匹配处理目标代码。与现有技术的解决方案形成对比的是，本发明除了提供与已经存储的亲和组的比较之外，还提供亲和组的动态创建。自动检测和创建亲和组的好处在于，作为调查组成部分的使用者填入的多参数能够使对亲和组或使用者应该关联的组的评估越来越精确。因此系统的使用者能够将他的简介与其他人(例如他自己)的简介进行匹配，并且确定，例如，对某一职业热核或地理区域的预期薪金。但是，该方法不限于与职业相关的调查，以上提供的这些内容仅是作为示例而非限制其用途。本领域技术人员还会注意到，本文公开的方法并非一定要求本文所公开的示例性装置，而且这些方法可用于来自其他自动、人工或二者结合的装置提供的使用者简介和亲和组。
根据本发明，为了提供使用者定制的报告，有必要在多个使用者简介之间执行一系列的匹配作业。在本发明一实施例中，使用者输入的简介与多个存储在系统中的使用者简介进行比较。具体来说，依据“匹配组”(下文将详细说明)将该输入的简介与其他简介进行匹配，以便确定这些简介之间是否类似或相似。因此有可能创建一个与该使用者输入的简介相似的使用者简介列表，也被称为亲和组。利用匹配组还有可能将多个简介与一个目标匹配，目标可以是多个简介根据一定义的评分和评分阈值与一个参数集最为匹配的子集。还有可能将一输入的简介与一个或多个具有已知特征的亲和组进行匹配。在本发明一实施例中，这种匹配随着调查问题的提出和应答在使用者提供的答案的每个阶段都在进行。在另一实施例中，这种匹配在一调查完成后实施，将输入的使用者简介的所有属性都考虑在内，并依据整体匹配目标产生结果组或匹配简介组。
根据本发明，匹配组可被定义为多个匹配字段和多个亲和组，每个(匹配字段、亲和组和匹配组)都具有一个评分值。如果输入的简介具有根据匹配组与其他简介的值匹配的值，就使匹配组评分增加该亲和评分值。如果输入的简介具有与在亲和组内匹配的值，亲和组评分就增加亲和评分值。该复数个评分被记分，以便实现对匹配组的总体评分。还有，对于任何数量的具有潜在不同匹配字段和亲和组的定义的匹配组重复该过程，以便实现对定义的目标的总体评分。然后根据为该目的定义的阈值评分值，比如“非常匹配”、“较好匹配”、或“较差匹配”，匹配简介可能被包括在内或被排除在外。下文对匹配过程进行更为详细的描述。
现在请参阅图21，所示为创建一使用者特定亲和组的示例性非限制性流程300。在步骤S310，接收到一个使用者简介(以下称“接收到的使用者简介”)。这可能是一个基于自动调查系统制定的简介，上文已有详细说明。在步骤S320，上文显示的每个可能的匹配组都与一个评分相关联。一个匹配组具有多个字段、亲和组和各自的权重或评分，其允许属性匹配的组合，可能会被认为是较其他组合更有价值。例如，可能会更希望匹配地点更接近目标简介的更小的简介的子集。通过采用简介搜索目标文件内的匹配组，匹配集还能够被评级。例如，在将简介的级别定得较高(其中要求地理接近性)时，这一点十分有用。通过创建按地区相关的简介的亲和集，使用匹配组的简介搜索系统首先将目标定在当地范围内的简介，将其评级为高于符合匹配标准但位于当地以外范围的简介。例如，搜索目标可能首先仅发现处于同一或周围城市的简介。通过定义大都市圈亲和组，能够找到在同一大都市圈的人群。但是，系统中可能没有足够的有效数据找到同一大都市圈内简介，因此，还必需考虑来自更大区域范围的简介，例如一个州或包含多个州的地区。通过在亲和组中以评级的方式将亲和性包括在内，可定位与该使用者简介相比最接近的使用者简介，这些被定位的使用者简介具有最高评分等级。本领域技术人员应认识到，除地点以外，接近程度还可以适用于简介的任何属性，例如经验级别、职业类别、公司类型或年龄范围等。在步骤S330，执行搜索将多个使用者简介与接收到的使用者简介进行匹配。作为搜索的结果，为每个进行比较的使用者简介返回一个评分列表。在本发明的一实施例中，该列表按照评分由高到低返回。下文提供一个更为详细的搜索过程。在步骤S340，赋予任意数量的评分适合度范围，例如，一个定义为非常适合的评分范围、一个定义为良好适合的评分范围、和一个定义为可接受的适合之下的评分。具体的说，如果评分为“0”到“100”，那么非常适合可以是评分为“90”到“100”、良好适合可以是评分为“70”到“90”，如此等等。在步骤350，提供了一个最适合于接收到的使用者简介的简介的报告，将那些作为一个新的亲和组最适合的简介辨识出来。在本发明另一补入例中，创建的亲和组与已经存在的亲和组进行核查，如果存在匹配，不创建新的亲和组。本发明与现有技术相比的一个优点在于亲和组的生成，其包括至少接收到的使用者简介。这样与现有技术的解决方案通常使用的亲和组静态分配相比，其允许更大的匹配范围。本领域的技术人员可对该流程进行修改，使其适合特定编程语言的需要，例如C++，或描述语言，例如XML，这些都不脱离本发明的范围。
请参阅图22，所示为图3中步骤S330的简介搜索过程的示例性而非限制性流程图。该流程图说明了图3中步骤S330的搜索和匹配过程。在步骤S330-10，选定一个将与步骤S310中接收到的使用者简介相匹配的使用者简介(以下称为“选定的使用者简介”)。该选定的使用者简介是在当前搜索和匹配组的特定执行期间没有事先选定的。在步骤S330-20，通过与接收到的使用者简介的比较确定该选定的使用者简介的匹配组评分。匹配评分可以是一个二进制值，例如，“0”表示不匹配，“1”表示匹配。还有可能具有可调整适合度的多适合度评分值，例如，“0”＝不匹配，“1”＝不好的匹配，“2”＝可接受的匹配，“3”＝好的匹配，“4”＝极好的匹配。特定的匹配评分进一步与指示某匹配字段可能具有权重的评分值相互关联。如上文提到的，某一匹配字段可能具有对于总体评分较其他字段更多的重要性，并且因此对于总体评分结果具有更高的评分值，或更大的影响。还有可能对评分进行限制，例如为任何匹配组限制在一个最大评分，从而使某一特定字段的多重匹配不对总体匹配评分造成扭曲。在步骤S330-30，检查是否同一使用者简介有更多的匹配字段将要被检查，并且如果是这样，继续执行步骤S330-20。否则继续执行步骤S330-40。在步骤S330-40，计算与步骤S210中接收到的使用者简介比较相关使用者简介的总体适合度评分。这是一个将所有相关匹配组考虑在内的权重值。该总体结果被用于指示两个使用者简介之间适合度的评分。在本发明一实施例中，这些评分被标准化，例如，“100％”表示最佳适合，“0％”表示不适合。
可将匹配组归类为确定性和非确定性，并要求总体评分中至少存在一个确定性匹配，从而允许一个比仅有加权的模糊类型的结果更为确定性的匹配。例如，为“职业类型”指定的匹配组可能被标记为确定性的，然后没有简介被包括到总体亲和组中，除非存在至少一个为该简介给予职业类型匹配组的评分，而该评分也要求至少高于一预定的阈值。结果，非确定性匹配组中的任何评分都可服务于简介总体评分的增加。但是这种情况下其自身不足以允许该简介包括在最终的适合中。本领域技术人员理解，此类参数能够在系统的不同使用中被看作是可选的而不是限定性的，并且提供更多灵活性。
在本发明另一实施例中，还有可能对值的范围评分，而不是通过精确匹配。例如，匹配组能够为年龄范围定义匹配字段，定义范围为小于17、18-29、30-45、45-64、和64以上。如果输入的简介与任何被比较的使用者简介的范围匹配，那么该使用者简介能够接收到一个用于此匹配组的评分。还有可能根据其他布尔逻辑标准进行评分，例如与简介中不存在匹配组相对，在简介中存在一个匹配字段并具有任何值。还有可能通过固定标准限制匹配，如只允许与被约束到一特定任意日期范围的简介相匹配。
在步骤S330-50，检查是否还有更多的用户尚未匹配，如果是这样，继续执行S330-10。否则继续执行步骤S330-60。在步骤S330-60，提供包括与步骤S310中接收的使用者简介匹配的使用者简介的评分结果的报告。这些结果，例如，可被用于装置110的报告目的，如上文已经详细说明。调查装置110利用该列表确定使用者所属的亲和组，并且准备至少部分基于与亲和组的此种联系或前述的亲和组的确定的定制报告。本领域技术人员能够对本文公开的流程图进行修改以适合特定程序语言的需要，例如C++，或描述语言，例如，XML，而不脱离本发明的范围，或还能够将其用于此外描述的装置110之外的其他装置。
现在请参阅图23，所示为示例性而非限制性的用于简介匹配的可扩展标识语言(XML)代码。该代码可驻留在装置110的存储器代码116中。第504至507行提供将用于搜索数据的过滤器的信息。其可包括使用者所在或希望所在的州或国家的过滤器。另一过滤器可以是能够包括所有可用简介或其子集的待搜索简历。第508至514行为使用者简介定义来源。该来源可以在数据库118上获得。该来源可以是装置110创建的亲和组。行516-522、523-527、528-532、533-537、538-541、542-548、549-552、553-557、558-561、562-564、565-567、568-577、578-581、582-585、586-590、和591-594是根据本执行匹配的例子，适合于XML实现。行595-598定义分级范围，从而允许根据本发明对匹配简介进行编组。本领域技术人员可对这些公开的代码进行修改，使其适合于其他类型的搜索匹配使用者简介的搜索而不脱离本发明的范围。
参见图24，所示为示例性而非限制性的将使用者简介与亲和组匹配的流程图600。在步骤610，选择一个将要与一个使用者简介匹配的亲和组，例如在图3中的步骤S310中接收到的使用者简介。此亲和组是在当前搜索和匹配的特定执行期间之前没有匹配的亲和组。该匹配过程需要确定关于该接收到的简介的亲和组的匹配组的评分。在步骤S620，该亲和组的一个匹配组和该接收到的使用者简介进行比较从而确定一个评分。该评分可以是一个二进制值，例如，“0”表示低、“1”表示高。还可能具有可调整适合度的多个适合度评分值，例如，“0”＝不匹配、“1”＝不好的匹配、“2”＝可接受的匹配、“3”＝好的匹配、“4”＝非常好的匹配。该特定评分还可根据某使用的匹配组被加权。例如，地点匹配组可具有高于职位的权重。在步骤S630，检查亲和组和接收到的使用者简介之间是否有更多匹配组要被检查，并且如果是，则继续步骤S620。否则继续执行步骤S640。在步骤S640，计算亲和组与使用者简介比较的总体适合度评分。这是一个考虑所有比较过的匹配字段及其各自评分值的加权值。该总体结果被作为一个评分使用，指示出亲和组与使用者简介之间的适合度级别。在本发明一实施例中，这些评分被标准化，例如，“100％”表示最佳适合，“0％”表示不适合。在步骤S650，检查是否还有更多的亲和组尚未匹配，如果是这样，继续执行步骤S610。否则继续执行S660。在步骤S660，提供一个包括与使用者简介进行匹配亲和组的评分结果。本领域技术人员能够将装置110扩展为提供通过包括代码存储器116中的要求代码的必要报告。本领域技术人员还可对该流程图进行修改，使其适合与特定程序语言的需要，例如C++，或描述性语言，例如XML，而不脱离本发明的范围。
现在请参阅图25，所示为示例性而非限制性的报告匹配过程结果的流程图700。这种报告可以是响应上文所述的目标设置而提供的，其具体内容在同日提交并转让给本受让人的题为“AUTOMATED COMPENSATIONREPORTS USING ONLINE SURVEYS AND COLLABORATIVEFILTERING”的美国专利申请案(申请号未知)中有具体说明，该申请的全部内容纳入本申请作为参考。在步骤S710，使用者被询问是否要求一个扩展的报告，如果是，则继续执行步骤S730。否则，继续执行S720，生成一个标准报告，之后继续执行步骤S750。根据使用者简介和匹配系统生成的那个使用者相关联的各自亲和组生成报告。在步骤S730，接收来自使用者的帐单信息，例如使用者120-1。该信息可包括，但不限于，采购定单(PO)号、信用卡号，或付款卡号。在步骤S740，生成一个扩展报告，该报告是基于该使用者简介和与该使用者相关的各自亲和组的。扩展报告可提供未付款使用者不能得到的额外信息。具体的说，这种扩展报告可包括分别对应于复数个使用者的统计性质的报告。这种情况发时在当人力资源经理想要得到关于某地理区域的普遍薪酬要求的某些统计数据时。在步骤S750，正如本文的情况那样，将该扩展报告或标准报告送到使用者，例如通过将其作为网页在使用者120的终端上显示，或作为电子邮件附件等等。这种信息可通过如上述美国专利申请中所详细描述的那样，将所述目标定义的方式来提供。
尽管本文本发明结合优选实施例详细说明，但是本领域技术人员易于理解在不脱离本发明范围的情况下还有其他实施方式。相应地，本发明仅限于下述权利要求的内容。

Claims (103)

1、一种调查使用者的方法，其特征在于所述方法包括以下步骤：
向所述使用者提出至少一个问题，所述至少一个问题与为所述使用者确定至少一个亲和组有关；
根据所述使用者对所述至少一个问题的回答为所述使用者创建一个使用者简介，其中所述使用者简介包括所述至少一个问题和至少一个对应的回答；
将所述使用者简介加入一个或多个亲和组；并且
存储所述使用者简介。
2、根据权利要求1所述的调查使用者的方法，其特征在于其中所述的问题包括一个或多个问题字段的集合，其使问题的一个逻辑编组形成一个单一记录。
3、根据权利要求1所述的调查使用者的方法，其特征在于其中所述的方法还包括以下步骤：提出至少一个补充问题，其为向所述使用者提出的所述至少一个问题的结果。
4、根据权利要求3所述的调查使用者的方法，其特征在于其中所述的至少另一个问题是作为下列各项中至少一个的结果而被提出：
所述至少另一个问题在所述至少一个亲和组内的通行度；
是所述至少一个亲和组内被最为频繁回答的所述至少另一个问题；
是所述至少一个亲和组内被最近回答的所述至少另一个问题；及
与所述至少一个问题的关系。
5、根据权利要求1所述的调查使用者的方法，其特征在于其中所述至少一个对应的回答是一个开放文本。
6、根据权利要求5所述的调查使用者的方法，其特征在于其中所述开放文本允许所述使用者向所述至少一个对应的回答添加一个新的回答。
7、根据权利要求6所述的调查使用者的方法，其特征在于其中在提出所述至少一个问题时将所述新的回答用作所述对应的回答之一。
8、根据权利要求1所述的调查使用者的方法，其特征在于其中所述至少一个问题可以显示一个或多个可能的回答。
9、根据权利要求1所述的调查使用者的方法，其特征在于其中所述的使用者可对所述问题选择一个或多个回答。
10、根据权利要求8所述的调查使用者的方法，其特征在于其中显示的所述一个或多个可能的回答是基于下列各项中的至少一个：
一个回答在所述至少一个亲和组内的通行度；
是所述至少一个亲和组内被最为频繁回答的一个问题；及
是所述至少一个亲和组内被最近回答的一个问题。
11、根据权利要求1所述的调查使用者的方法，其特征在于其还包括以下步骤：过滤所述使用者对所述问题的回答。
12、根据权利要求11所述的调查使用者的方法，其特征在于其中所述过滤是以实时及批处理模式两者中的至少一个来执行。
13、根据权利要求11所述的调查使用者的方法，其特征在于其中所述的过滤还包括基于下列各项中的至少一者对所述问题的一个回答进行修改：
预定的标准；
一个或多个过滤规则；
与前次回答过的问题一致；
与所有回答过的问题一致；和
与至少一个所述亲和组的回答一致。
14、根据权利要求1所述的调查使用者的方法，其特征在于其还包括以下步骤：
定期地创建一个新的亲和组；和
将至少一个使用者与所述新的亲和组相关联。
15、根据权利要求1所述的调查使用者的方法，其特征在于其还包括以下步骤：由使用者创建一个新的亲和组。
16、根据权利要求15所述的调查使用者的方法，其特征在于其还包括以下步骤：将匹配的使用者简介与所述新的亲和组相关联。
17、根据权利要求1所述的调查使用者的方法，其特征在于其还包括以下步骤：提供一个报告。
18、根据权利要求17所述的调查使用者的方法，其特征在于其中所述报告的生成受到所述使用者简介属性和目标两者中至少一个的约束。
19、根据权利要求18所述的调查使用者的方法，其特征在于其中所述的目标包括下列各项中的至少一个：
一简介属性值；
一简介属性值的范围；
一反射一组值的布尔逻辑值；
一反射一组无值的布尔逻辑值；
一日期范围；
一匹配简介最小计数；
一匹配简介最大计数；
一问题过滤器；和
一匹配评分阈值。
20、根据权利要求18所述的调查使用者的方法，其特征在于其中所述的约束结果被加权，从而使确定性字段具有高于非确定性字段的评分。
21、根据权利要求18所述的调查使用者的方法，其特征在于其中为了提供所述报告，所述的方法包括使目标和使用者简介中的至少一个与所述亲和组中的至少一个匹配的步骤。
22、根据权利要求21所述的调查使用者的方法，其特征在于其还包括以下步骤：确定最佳匹配。
23、根据权利要求21所述的调查使用者的方法，其特征在于其还包括以下步骤：从复数个可能匹配中确定一个或多个最佳匹配。
24、根据权利要求23所述的调查使用者的方法，其特征在于其中所述的匹配按照匹配分值的顺序排列，根据所述分值将所述顺序编组为至少两个匹配级别。
25、根据权利要求21所述的调查使用者的方法，其特征在于其中所述的匹配步骤还包括以下步骤：
为所述亲和组的每个匹配评分；和
对在所述报告合计中包括每个所述匹配的重要性进行加权。
26、根据权利要求21所述的调查使用者的方法，其特征在于其中所述的与至少一个所述亲和组匹配的步骤还包括以下步骤：对与所述亲和组的每个匹配进行归类，其为满足所述目标的关键手段和满足所述目标的辅助手段中的一个。
27、根据权利要求18所述的调查使用者的方法，其特征在于其中所述目标是个人目标和信息性目标之一。
28、根据权利要求27所述的调查使用者的方法，其特征在于其中所述的信息性目标提供属于复数个使用者简介的合计信息。
29、根据权利要求28所述的调查使用者的方法，其特征在于其中所述的合计信息至少包括统计信息。
30、根据权利要求27所述的调查使用者的方法，其特征在于其中所述个人目标的所述报告结果提供具有所述使用者简介的使用者与复数个使用者简介和一亲和组中至少一个的比较。
31、一种对使用者进行薪酬调查的方法，其特征在于所述方法包括以下步骤：
向所述使用者提出至少一个问题，所述至少一个问题与至少确定所述使用者的亲和组内的薪酬有关；
根据所述使用者对所述至少一个问题的回答为所述使用者创建一个使用者简介，其中所述使用者简介包括至少一个问题和至少一个对应的回答；
将所述使用者简介加入一个或多个亲和组；以及
存储所述使用者简介。
32、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其中所述的问题包括一个或多个问题字段的集合，其使问题的一个逻辑编组形成一个单一记录。
33、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其中所述的方法还包括以下步骤：提出至少另一个问题，其为向所述使用者提出的所述至少一个问题的结果。
34、根据权利要求33所述的对使用者进行薪酬调查的方法，其特征在于其中所述的至少另一个问题是作为下列各项中至少一个的结果而被提出：
所述至少另一个问题在所述至少一个亲和组内的通行度；
是所述至少一个亲和组内被最为频繁回答的所述至少另一个问题；
是所述至少一个亲和组内被最近回答的所述至少另一个问题；及
与所述至少一个问题的关系。
35、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其中所述的至少一个对应的回答是一个开放文本。
36、根据权利要求35所述的对使用者进行薪酬调查的方法，其特征在于其中所述的开放文本允许所述使用者向所述至少一个对应的回答添加一个新的回答。
37、根据权利要求36所述的对使用者进行薪酬调查的方法，其特征在于其中在提出所述至少一个问题时将所述新的回答用作所述对应的回答之一。
38、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其中所述的至少一个问题可以显示一个或多个可能的回答。
39、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其中所述的使用者可对所述问题选择一个或多个回答。
40、根据权利要求38所述的对使用者进行薪酬调查的方法，其特征在于其中所显示的所述一个或多个可能的回答是基于下列各项中的任一个：
一个回答在所述至少一个亲和组内的通行度；
是所述至少一个亲和组内最为频繁的回答；及
是所述至少一个亲和组内最近的回答。
41、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其还包括以下步骤：过滤所述使用者对所述问题的回答。
42、根据权利要求41所述的对使用者进行薪酬调查的方法，其特征在于其中所述过滤是以实时及批处理模式两者中的至少一个来执行。
43、根据权利要求41所述的对使用者进行薪酬调查的方法，其特征在于其中所述的过滤还包括以下步骤：
基于下列各项中的任何一个对所述问题的一个回答进行修改：
预定的标准；
一个或多个过滤规则；
与前次回答过的问题一致；
与所有回答过的问题一致；和
与至少一个所述亲和组的回答一致。
44、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其还包括以下步骤：
定期地创建一个新的亲和组；和
使至少一个使用者与所述新的亲和组相关联。
45、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其还包括以下步骤：由使用者创建一个新的亲和组。
46、根据权利要求45所述的对使用者进行薪酬调查的方法，其特征在于其还包括以下步骤：使匹配的使用者简介与所述新的亲和组相关联。
47、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其中所述的亲和组包括下列各项中的任一个：
专业；
地理位置；
薪酬；
薪酬范围；
经验；
经验范围；
职位；和
职位范围。
48、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其还包括以下步骤：提供一个薪酬报告。
49、根据权利要求48所述的对使用者进行薪酬调查的方法，其特征在于其中所述的薪酬报告的生成受到所述使用者简介属性和目标两者中至少一个的约束。
50、根据权利要求49所述的对使用者进行薪酬调查的方法，其特征在于所述方法还包括以下步骤：对所述约束结果进行加权，其中决定性字段具有高于非决定性字段的评分。
51、根据权利要求49所述的对使用者进行薪酬调查的方法，其特征在于其中所述的目标包括下列各项中的任一个：
要求的薪酬；
要求的薪酬范围；
要求的地理位置；
要求的公司；和
要求的公司范围。
52、根据权利要求49所述的对使用者进行薪酬调查的方法，其特征在于其中为了提供所述报告，所述方法包括以下步骤：使目标和使用者简介中的至少一个与所述亲和组中的至少一个匹配。
53、根据权利要求52所述的对使用者进行薪酬调查的方法，其特征在于其还包括以下步骤：确定一个最佳匹配。
54、根据权利要求52所述的对使用者进行薪酬调查的方法，其特征在于其还包括以下步骤：从复数个可能的匹配中确定一个或多个最佳匹配。
55、根据权利要求54所述的对使用者进行薪酬调查的方法，其特征在于其中所述的匹配按照匹配评分的顺序排列，根据所述评分将所述顺序编组为至少两个匹配级别。
56、根据权利要求52所述的对使用者进行薪酬调查的方法，其特征在于其中所述的匹配步骤还包括以下步骤：
为所述亲和组的每个匹配评分；和
对在所述报告合计中包括最佳匹配的重要性进行加权。
57、根据权利要求49所述的对使用者进行薪酬调查的方法，其特征在于其中所述的目标是个人目标和信息性目标中的任一个。
58、根据权利要求57所述的对使用者进行薪酬调查的方法，其特征在于其中所述的个人目标是下列各项中的任一个：
薪酬；
薪酬范围；
薪金；
薪金范围；
地理位置；
职位；和
职位范围。
59、根据权利要求57所述的对使用者进行薪酬调查的方法，其特征在于其中所述的信息性目标提供与复数个使用者简介相关的合计信息。
60、根据权利要求59所述的对使用者进行薪酬调查的方法，其特征在于其中所述的合计信息至少包括统计信息。
61、根据权利要求60所述的对使用者进行薪酬调查的方法，其特征在于其中所述的统计信息包括下列各项中的任一个：
平均薪酬；
平均薪金；
中间薪酬；
中间薪金；
薪金百分点；
标准偏差；
趋势；
简介计数；
最频繁的薪酬；和
最频繁的薪金。
62、根据权利要求57所述的对使用者进行薪酬调查的方法，其特征在于其中所述的获自所述个人目标的报告提供具有所述使用者简介的使用者与复数个使用者简介和一亲和组中的任一个的比较。
63、根据权利要求31所述的对使用者进行薪酬调查的方法，其特征在于其中所述的薪酬包括下列各项中的任一个：
年薪；
月薪；
周薪；
小时费率；
奖金；
小费；
福利；和
休假时间。
64、一种用于薪酬调查和报告的系统，其特征在于所述系统包括：
访问网站(Website)的装置，所述网站被连接到一个网络(network)；
向使用者调查与确定薪酬相关的信息的装置；
依据所述信息的收集为所述使用者创建一个使用者简介的装置，所述使用者简介还包括至少一个问题和一个对应回答；
存储所述使用者简介的装置；和
用于将所述使用者简介与至少一个亲和组匹配的装置，所述亲和组被预先存储于所述存储装置中。
65、一种将一个使用者的简介与多个使用者简介匹配的方法，其特征在于所述方法包括以下步骤：
接收一第一使用者的简介；
将一个评分值赋予至少一个匹配组；
将所述第一使用者简介与来自所述复数个使用者简介的至少一个第二使用者简介匹配并赋予一个整体适合度评分；及
报告所述适合度评分。
66、根据权利要求65所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的评分值是所述匹配组的一个相对权重。
67、根据权利要求66所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的权重至少是与所述匹配组评分值对所述总体适合度评分的重要性成正比。
68、根据权利要求66所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的匹配组还包括至少一个匹配字段和一个亲和组。
69、根据权利要求68所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的匹配字段包括一个评分值。
70、根据权利要求68所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的亲和组包括一个评分值。
71、根据权利要求65所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的匹配组还包括一个决定性和一个非决定性匹配组。
72、根据权利要求71所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中如果存在一个对至少所述决定性匹配组的匹配，则为一个简介确定一个评分。
73、根据权利要求65所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的匹配包括以下步骤：
a)从多个先前不与所述第一使用者简介匹配的多个使用者简介选择所述第二使用者简介；
b)将所述第一使用者简介的匹配字段与所述第二使用者简介对应的匹配字段进行比较，并确定一个匹配组评分；
c)重复步骤b)，直到所述第一使用者简介与所述第二使用者简介之间的所有要求比较的匹配字段都匹配为止；
d)基于步骤b)中确定的多个所述评分将一个适合度评分赋予所述第二使用者简介；
e)由步骤a)开始重复各步骤，直到可用的使用者简介与所述第一使用者简介匹配为止；
f)报告适合度评分。
74、根据权利要求73所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的步骤b)还包括以下步骤：将至少一个匹配字段与一个亲和匹配。
75、根据权利要求74所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述适合度评分至少是一个匹配组、一个匹配字段和一个亲和组中至少一个的评分值的总计。
76、根据权利要求73所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的步骤f)的适合度评分是按适合度的顺序存储的。
77、根据权利要求76所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中具有一个最高适合度的使用者简介被编组到一个亲和组。
78、根据权利要求77所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中利用下列之一确定若干个使用者简介：
一个使用者简介的最小适合度评分；
适合度评分范围；
该使用者简介的绝对数；
一个使用者简介的定义的百分比；和
一个使用者简介的日期范围。
79、根据权利要求65所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其还包括以下步骤：
接收一种类型的请求报告的信息；
如果所述报告是要求接收财务情况评论的类型，那么接收相关信息；
提供要求的报告。
80、根据权利要求79所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的接收财务情况评论包括以下步骤：接收信用卡信息、付款卡信息、定购单信息、票证信息和支票信息中的任何一个。
81、根据权利要求65所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的多个使用简介包括一个亲和组。
82、根据权利要求65所述的将一个使用者的简介与多个使用者简介匹配的方法，其特征在于其中所述的适合度评分是至少一个匹配组、一匹配字段和一亲和组中的至少一个权重值。
83、一种计算机软件产品，其特征在于其中包括用于将一个使用者简介与多个使用者简介匹配的指令，所述指令还能够执行至少以下步骤：
接收一第一使用者简介；
将一个评分值赋予至少一个匹配组；
将所述第一使用者简介与所述多个使用者简介中的至少一个第二使用者简介匹配；
将一个适合度评分赋予所述至少一个第二使用者简介；及
报告所述至少第二使用者简介的适合度评分。
84、根据权利要求83所述的计算机软件产品，其特征在于其中所述的匹配步骤包括以下步骤：
a)从多个先前未与所述第一使用者简介匹配的多个使用者简介中选择所述第二使用者简介；
b)将所述第一使用者简介的匹配字段与所述第二使用者简介的相关匹配字段进行比较，并且定一个评分；
c)重复步骤b)直到所有要求比较的匹配字段都在所述第一使用者简介和所述第二使用者简介之间匹配；
d)基于步骤b)中确定的所述多个评分将一个适合度评分赋予所述第二使用者简介；
e)重复步骤a)的方法，直到所有可用使用者简介都与所述第一使用者简介匹配；和
f)报告该适合度评分。
85、根据权利要求84所述的计算机软件产品，其特征在于其中所述的步骤b)还包括以下步骤：匹配至少一个匹配字段和一个亲和之中的一个。
86、根据权利要求84所述的计算机软件产品，其特征在于其还包括以下步骤：
接收报告请求的类型的信息；
如果所述报告是要求接收财务评论的类型，那么接收相关信息；和提供要求的报告。
87、一种将一个使用者简介与至少一个亲和组匹配的方法，其特征在于所述方法包括以下步骤：
接收一第一使用者的简介；
将一个评分值赋予至少一个匹配组；
将所述第一使用者简介与所述亲和组的至少一个亲和匹配；
给所述亲和组赋予一个整体适合度评分；及
报告所述适合度评分。
88、根据权利要求87所述的将一个使用者的简介与至少一个亲和组匹配的方法，其特征在于其中所述的匹配包括以下步骤：
a)从多个先前不与所述第一使用者简介匹配的多个亲和组中选择所述第一亲和组；
b)将所述第一使用者简介与所述第一亲和组对应的匹配字段进行比较，并确定一个匹配组评分；
c)重复步骤b)，直到所述第一使用者简介与所述第一亲和之间的所有要求比较的匹配字段都匹配为止；
d)基于步骤b)中确定的多个所述评分将一个适合度评分赋予所述亲和组；
e)由步骤a)开始重复各步骤，直到所有可用的亲和组与所述第一使用者简介匹配为止；
f)报告适合度评分。
89、根据权利要求87所述的将一个使用者的简介与一个亲和组匹配的方法，其特征在于其还包括以下步骤：
接收一种类型的请求报告的信息；
如果所述报告是要求接收财务情况评论的类型，那么接收相关信息；以及
提供所要求的报告。
90、一种包含用于将一使用者简介与至少一个亲和组匹配的指令的计算机软件产品，其特征在于其中所述的指令还能够执行至少以下步骤：
接收一第一使用者简介；
将一个评分值赋予至少一个匹配组；
将所述第一使用者简介与所述亲和的至少一个亲和匹配；
将一个适合度评分赋予所述亲和组；及
报告所述至少第一亲和组的适合度评分。
91、根据权利要求90所述的包含用于将一使用者简介与至少一个亲和组匹配的指令的计算机软件产品，其特征在于其中所述的匹配步骤包括以下步骤：
a)从多个先前不与所述第一使用者简介匹配的多个亲和组中选择所述第一亲和组；
b)将所述第一使用者简介与所述第一亲和组对应的匹配字段进行比较，并确定一个匹配组评分；
c)重复步骤b)，直到所述第一使用者简介与所述第一亲和组之间的所有要求比较的匹配字段都匹配为止；
d)基于步骤b)中确定的多个所述评分将一个适合度评分赋予所述亲和组；
e)由步骤a)开始重复各步骤，直到所有可用的亲和组与所述第一使用者简介匹配为止；
f)报告适合度评分。
92、根据权利要求90所述的包含用于将一使用者简介与至少一个亲和组匹配的指令的计算机软件产品，其特征在于其还包括以下步骤：
接收报告请求的类型的信息；
如果所述报告是要求接收财务评论的类型，则接收相关信息；和提供要求的报告。
93、一种执行自动调查的装置，其特征在于其包括：
包含至少复数个预期调查问题和预期回答的数据库装置；
存储代码的存储器装置，其中所述代码至少包含：利用所述复数个调查问题和预期回答执行自动化调查以便根据提供给先前问题的至少一个响应来选择问题和相应预期回答的代码，用于创建使用者简介的代码，用于根据复数个使用者简介创建至少一个亲和组的代码，以及用于使所述使用者简介与至少一个亲和组相关联代码；
用于执行所述代码的计算装置；以及
用于与至少一个使用者通信的计算装置。
94、根据权利要求93所述的执行自动调查的装置，其特征在于其中所述数据库装置还包括：使用者简介数据库、亲和组数据库和报告定义中的至少一个。
95、根据权利要求93所述的执行自动调查的装置，其特征在于其中所述的执行一自动化调查的代码根据使用者提供的回答、所述使用者简介和亲和组中的至少一个选择所述复数个调查问题。
96、根据权利要求93所述的执行自动调查的装置，其特征在于其还包括：定期执行所述的用于根据复数个使用者简介创建至少一个亲和组的代码的装置。
97、根据权利要求93所述的执行自动调查的装置，其特征在于其中所述装置还包括：提供至少一个报告的装置。
98、根据权利要求97所述的执行自动调查的装置，其特征在于其还包括：提供作为基础报告和扩展报告之一的所述至少一个报告的装置。
99、根据权利要求98所述的执行自动调查的装置，其特征在于其还包括：允许自由访问所述基础报告的装置。
100、根据权利要求98所述的执行自动调查的装置，其特征在于其还包括：接收财务信息以提供所述扩展报告的装置。
101、根据权利要求93所述的执行自动调查的装置，其特征在于其中所述的报告是鉴于使用者简介和亲和组中的至少一个而提供。
102、根据权利要求93所述的执行自动调查的装置，其特征在于其中所述的通信装置包括局域、广域网、和万维网中的至少一个。
103、一种用于执行自动调查的系统，其特征在于其包括：
一连接到至少一个使用者的网络，所述使用者配置有至少一个网页浏览器；
一个存储至少复数个调查问题和预期回答的数据库；和
一个访问所述网络和所述数据库的服务器，所述服务器经配置以便至少使用所述复数个调查问题和预期回答来调查至少一个使用者，并用于根据至少一个为前一问题提供的应答来选择所述问题和各自的预期回答，用于创建使用者简介，用于根据复数个使用者简介创建至少一个亲和组，并用于使所述使用者简介与至少一个亲和组联系相关联。
CNA2003801099654A 2002-12-27 2003-12-29 调查装置及其方法 Pending CN1754181A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US43680902P 2002-12-27 2002-12-27
US60/436,809 2002-12-27

Publications (1)

Publication Number Publication Date
CN1754181A true CN1754181A (zh) 2006-03-29

Family

ID=32713093

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2003801099654A Pending CN1754181A (zh) 2002-12-27 2003-12-29 调查装置及其方法

Country Status (5)

Country Link
US (3) US7571110B2 (zh)
EP (1) EP1579364A4 (zh)
CN (1) CN1754181A (zh)
AU (1) AU2003300404A1 (zh)
WO (1) WO2004061740A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530077A (zh) * 2016-11-10 2017-03-22 四川享宇金信金融服务外包有限公司 智能化信息调查装置及方法

Families Citing this family (86)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8868448B2 (en) 2000-10-26 2014-10-21 Liveperson, Inc. Systems and methods to facilitate selling of products and services
US9819561B2 (en) 2000-10-26 2017-11-14 Liveperson, Inc. System and methods for facilitating object assignments
US20040236598A1 (en) * 2003-03-21 2004-11-25 Thomsen David J. System and method for providing occupational information
US7650286B1 (en) * 2003-04-18 2010-01-19 Algomod Technologies Corporation Recruitment vendor management system and method
US7418496B2 (en) * 2003-05-16 2008-08-26 Personnel Research Associates, Inc. Method and apparatus for survey processing
US20110076663A1 (en) * 2003-08-18 2011-03-31 Retail Optimization International Systems and methods for selecting survey questions and available responses
US9152624B1 (en) 2003-12-04 2015-10-06 Retail Optimization International, Inc. Systems and methods for visual presentation and navigation of content using data-based image analysis
WO2005109260A1 (en) * 2004-05-11 2005-11-17 You Know ? Pty Ltd System and method for obtaining pertinent real-time survey evidence
US7917842B2 (en) * 2004-05-27 2011-03-29 Collegenet, Inc. System for describing the overlaying of electronic data onto an electronic image
MX2007011675A (es) 2005-03-22 2008-11-04 Ticketmaster Aparato y metodos para proporcionar mensajeria de cola de espera sobre una red.
US9608929B2 (en) 2005-03-22 2017-03-28 Live Nation Entertainment, Inc. System and method for dynamic queue management using queue protocols
US7877679B2 (en) * 2005-05-04 2011-01-25 Amadesa Ltd. System and method for generating a user profile from layers based on prior user response
US8517742B1 (en) * 2005-05-17 2013-08-27 American Express Travel Related Services Company, Inc. Labor resource testing system and method
US8103659B1 (en) * 2005-06-06 2012-01-24 A9.Com, Inc. Perspective-based item navigation
US7940897B2 (en) 2005-06-24 2011-05-10 American Express Travel Related Services Company, Inc. Word recognition system and method for customer and employee assessment
US8738732B2 (en) 2005-09-14 2014-05-27 Liveperson, Inc. System and method for performing follow up based on user interactions
US9432468B2 (en) 2005-09-14 2016-08-30 Liveperson, Inc. System and method for design and dynamic generation of a web page
US8401884B1 (en) * 2005-11-07 2013-03-19 Avantas L.L.C. Electronic scheduling for work shifts
US8781899B2 (en) * 2005-11-28 2014-07-15 Voiceport, Llc Advertising a pharmaceutical product to a third party
US20070192161A1 (en) * 2005-12-28 2007-08-16 International Business Machines Corporation On-demand customer satisfaction measurement
US20070266054A1 (en) * 2006-03-24 2007-11-15 Stephens Frank M Method and system for salary planning and performance management
US10210530B1 (en) * 2006-08-11 2019-02-19 Infor (Us), Inc. Selecting a report
US20080120323A1 (en) * 2006-11-17 2008-05-22 Lehman Brothers Inc. System and method for generating customized reports
US8175990B1 (en) 2007-01-04 2012-05-08 Iloop Mobile, Inc. Situational decision engine and method for contextual user experience
WO2008131969A1 (en) * 2007-04-30 2008-11-06 Experteer Gmbh Method and system for providing a virtual job market
US9135627B2 (en) * 2007-07-11 2015-09-15 Dynamic Logic, Inc. Method and system for on-line survey recruitment
US9807096B2 (en) 2014-12-18 2017-10-31 Live Nation Entertainment, Inc. Controlled token distribution to protect against malicious data and resource access
US9325755B1 (en) * 2007-09-19 2016-04-26 Intercept, Llc Social network for travelers with layovers
US8341162B2 (en) * 2007-09-19 2012-12-25 Intercept, Llc Social network for travelers with layovers
US20090089269A1 (en) * 2007-10-02 2009-04-02 Jacqueline Linder Method and system for managing information in a database
US8122371B1 (en) * 2007-12-21 2012-02-21 Amazon Technologies, Inc. Criteria-based structured ratings
US20090222305A1 (en) * 2008-03-03 2009-09-03 Berg Jr Charles John Shopper Communication with Scaled Emotional State
US10402833B2 (en) * 2008-03-05 2019-09-03 Ebay Inc. Method and apparatus for social network qualification systems
AU2008100458B4 (en) * 2008-04-30 2008-10-02 Anthony Sork Attachment measurement device, system and methodology
US8577884B2 (en) * 2008-05-13 2013-11-05 The Boeing Company Automated analysis and summarization of comments in survey response data
US8260846B2 (en) 2008-07-25 2012-09-04 Liveperson, Inc. Method and system for providing targeted content to a surfer
US8762313B2 (en) 2008-07-25 2014-06-24 Liveperson, Inc. Method and system for creating a predictive model for targeting web-page to a surfer
US8805844B2 (en) 2008-08-04 2014-08-12 Liveperson, Inc. Expert search
US20100082361A1 (en) * 2008-09-29 2010-04-01 Ingenix, Inc. Apparatus, System and Method for Predicting Attitudinal Segments
US9892417B2 (en) 2008-10-29 2018-02-13 Liveperson, Inc. System and method for applying tracing tools for network locations
US9147177B2 (en) * 2008-11-07 2015-09-29 Oracle International Corporation Method and system for implementing a scoring mechanism
US9032311B2 (en) * 2008-11-07 2015-05-12 Oracle International Corporation Method and system for implementing a compensation system
US20100121685A1 (en) * 2008-11-07 2010-05-13 Oracle International Corporation Method and System for Implementing a Ranking Mechanism
US10275530B2 (en) * 2009-02-02 2019-04-30 Excalibur Ip, Llc System and method for communal search
US8166104B2 (en) * 2009-03-19 2012-04-24 Microsoft Corporation Client-centered usage classification
US8572227B2 (en) * 2009-03-27 2013-10-29 Bank Of America Corporation Methods and apparatuses for communicating preservation notices and surveys
US20100257035A1 (en) * 2009-04-07 2010-10-07 Microsoft Corporation Embedded content brokering and advertisement selection delegation
US20100262547A1 (en) * 2009-04-14 2010-10-14 Microsoft Corporation User information brokering
US20100306024A1 (en) * 2009-05-29 2010-12-02 Vision Critical Communications Inc. System and method of providing an online survey and summarizing survey response data
US20110054972A1 (en) * 2009-08-28 2011-03-03 Oracle International Corporation Calculation/determination of budget and employee allocation targets using a model
US9129263B2 (en) * 2009-12-01 2015-09-08 Yahoo! Inc. System and method for automatically building up topic-specific messaging identities
WO2011127049A1 (en) 2010-04-07 2011-10-13 Liveperson, Inc. System and method for dynamically enabling customized web content and applications
US10096161B2 (en) 2010-06-15 2018-10-09 Live Nation Entertainment, Inc. Generating augmented reality images using sensor and location data
CA2802686C (en) 2010-06-15 2019-10-01 Ticketmaster, Llc Methods and systems for computer aided event and venue setup and modeling and interactive maps
US9781170B2 (en) 2010-06-15 2017-10-03 Live Nation Entertainment, Inc. Establishing communication links using routing protocols
US9350598B2 (en) 2010-12-14 2016-05-24 Liveperson, Inc. Authentication of service requests using a communications initiation feature
US8918465B2 (en) 2010-12-14 2014-12-23 Liveperson, Inc. Authentication of service requests initiated from a social networking site
US8909587B2 (en) * 2011-11-18 2014-12-09 Toluna Usa, Inc. Survey feasibility estimator
US8943002B2 (en) 2012-02-10 2015-01-27 Liveperson, Inc. Analytics driven engagement
US8805941B2 (en) 2012-03-06 2014-08-12 Liveperson, Inc. Occasionally-connected computing interface
US9563336B2 (en) 2012-04-26 2017-02-07 Liveperson, Inc. Dynamic user interface customization
US9672196B2 (en) 2012-05-15 2017-06-06 Liveperson, Inc. Methods and systems for presenting specialized content using campaign metrics
US20140032382A1 (en) * 2012-07-30 2014-01-30 Platypus Business Systems, Inc. Compensation recommendations
US8977654B1 (en) 2012-09-21 2015-03-10 Google Inc. Assigning classes to users of an online community
US10515380B2 (en) * 2012-11-16 2019-12-24 [24]7.ai, Inc. Proactive surveys based on customer information
US8744866B1 (en) 2012-12-21 2014-06-03 Reputation.Com, Inc. Reputation report with recommendation
US8805699B1 (en) 2012-12-21 2014-08-12 Reputation.Com, Inc. Reputation report with score
US20140229236A1 (en) * 2013-02-12 2014-08-14 Unify Square, Inc. User Survey Service for Unified Communications
US20150032509A1 (en) * 2013-07-29 2015-01-29 SR Solutions, Inc. Gathering user information based on user interactions
US9779177B1 (en) * 2014-01-31 2017-10-03 EMC IP Holding Company LLC Service generation based on profiled data objects
US11386442B2 (en) 2014-03-31 2022-07-12 Liveperson, Inc. Online behavioral predictor
US9697498B2 (en) * 2014-07-23 2017-07-04 Linkedin Corporation Inferred salary distribution for schools
US10198738B2 (en) 2014-08-25 2019-02-05 Accenture Global Services Limited System architecture for customer genome construction and analysis
US10142908B2 (en) 2015-06-02 2018-11-27 Liveperson, Inc. Dynamic communication routing based on consistency weighting and routing rules
US10515331B1 (en) 2016-05-27 2019-12-24 Vega Factor Inc. System and method for evaluating individuals and modeling compensation levels
US10721509B2 (en) 2016-07-27 2020-07-21 Accenture Global Solutions Limited Complex system architecture for sensatory data based decision-predictive profile construction and analysis
US10278065B2 (en) 2016-08-14 2019-04-30 Liveperson, Inc. Systems and methods for real-time remote control of mobile applications
US20220300306A1 (en) * 2017-05-16 2022-09-22 BlueOwl, LLC Artificial intelligence based computing systems and methods for providing enhanced user help
CN107578183B (zh) * 2017-09-18 2020-04-21 上海量明科技发展有限公司 基于能力评估的资源管理方法及装置
US10592647B2 (en) * 2017-09-25 2020-03-17 International Business Machines Corporation Authentication using cognitive analysis
US10949399B2 (en) * 2018-04-16 2021-03-16 Qualtrics, Llc Dynamically synchronizing electronic surveys and collaborative survey representation documents
US10770069B2 (en) * 2018-06-07 2020-09-08 International Business Machines Corporation Speech processing and context-based language prompting
US11645625B2 (en) 2018-08-21 2023-05-09 Job Market Maker, Llc Machine learning systems for predictive targeting and engagement
US11734701B2 (en) * 2019-09-11 2023-08-22 International Business Machines Corporation Cognitive dynamic goal survey
WO2021067939A1 (en) 2019-10-04 2021-04-08 Job Market Maker, Llc Machine learning systems and methods for predictive engagement
US20220327460A1 (en) * 2021-04-13 2022-10-13 At&T Intellectual Property I, L.P. Systems and methods for scaled engineering

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020002479A1 (en) * 1999-12-20 2002-01-03 Gal Almog Career management system
WO2002019091A1 (en) * 2000-08-29 2002-03-07 Towers, Perrin, Forster & Crosby, Inc. Competitive rewards benchmarking system and method
US20020133502A1 (en) * 2001-01-05 2002-09-19 Rosenthal Richard Nelson Method and system for interactive collection of information

Family Cites Families (56)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2479A (en) * 1842-03-04 Machine for sizing papek
US204439A (en) * 1878-06-04 Improvement in chisels
US187725A (en) * 1877-02-27 Improvement in molding glass
US4748A (en) * 1846-09-10 adams
US145015A (en) * 1873-11-25 Improvement in railway-rail fastenings
US6443840B2 (en) * 1986-03-10 2002-09-03 Response Reward Systems, L.C. Evaluation of responses of participatory broadcast audience with prediction of winning contestants; monitoring, checking and controlling of wagering, and automatic crediting and couponing
US5197004A (en) * 1989-05-08 1993-03-23 Resumix, Inc. Method and apparatus for automatic categorization of applicants from resumes
US5339239A (en) * 1989-10-13 1994-08-16 Mitsubishi Plastics Industries Limited Information collecting and/or service furnishing systems by which a user can request information from a central data base using a portable personal terminal and an access terminal
US5446919A (en) * 1990-02-20 1995-08-29 Wilkins; Jeff K. Communication system and method with demographically or psychographically defined audiences
US5259766A (en) * 1991-12-13 1993-11-09 Educational Testing Service Method and system for interactive computer science testing, anaylsis and feedback
US5416694A (en) * 1994-02-28 1995-05-16 Hughes Training, Inc. Computer-based data integration and management process for workforce planning and occupational readjustment
US5948040A (en) * 1994-06-24 1999-09-07 Delorme Publishing Co. Travel reservation information and planning system
US5717923A (en) * 1994-11-03 1998-02-10 Intel Corporation Method and apparatus for dynamically customizing electronic information to individual end users
US5758257A (en) * 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
EP0718784B1 (en) * 1994-12-20 2003-08-27 Sun Microsystems, Inc. Method and system for the retrieval of personalized information
US5659731A (en) * 1995-06-19 1997-08-19 Dun & Bradstreet, Inc. Method for rating a match for a given entity found in a list of entities
US5832497A (en) * 1995-08-10 1998-11-03 Tmp Worldwide Inc. Electronic automated information exchange and management system
US5918014A (en) * 1995-12-27 1999-06-29 Athenium, L.L.C. Automated collaborative filtering in world wide web advertising
US5704017A (en) * 1996-02-16 1997-12-30 Microsoft Corporation Collaborative filtering utilizing a belief network
US5867799A (en) * 1996-04-04 1999-02-02 Lang; Andrew K. Information system and method for filtering a massive flow of information entities to meet user information classification needs
US20020002482A1 (en) * 1996-07-03 2002-01-03 C. Douglas Thomas Method and apparatus for performing surveys electronically over a network
US5950200A (en) * 1997-01-24 1999-09-07 Gil S. Sudai Method and apparatus for detection of reciprocal interests or feelings and subsequent notification
US5978768A (en) * 1997-05-08 1999-11-02 Mcgovern; Robert J. Computerized job search system and method for posting and searching job openings via a computer network
US6266659B1 (en) * 1997-08-07 2001-07-24 Uday P. Nadkarni Skills database management system and method
US6477504B1 (en) * 1998-03-02 2002-11-05 Ix, Inc. Method and apparatus for automating the conduct of surveys over a network system
US6064980A (en) * 1998-03-17 2000-05-16 Amazon.Com, Inc. System and methods for collaborative recommendations
US6126448A (en) * 1998-07-06 2000-10-03 Ho; Chi Fai Computer-aided learning methods and apparatus for a job
US6389400B1 (en) * 1998-08-20 2002-05-14 Sbc Technology Resources, Inc. System and methods for intelligent routing of customer requests using customer and agent models
US6089284A (en) * 1998-09-24 2000-07-18 Marconi Commerce Systems Inc. Preconditioning a fuel dispensing system using a transponder
US6519571B1 (en) * 1999-05-27 2003-02-11 Accenture Llp Dynamic customer profile management
US6289340B1 (en) * 1999-08-03 2001-09-11 Ixmatch, Inc. Consultant matching system and method for selecting candidates from a candidate pool by adjusting skill values
US6385620B1 (en) * 1999-08-16 2002-05-07 Psisearch,Llc System and method for the management of candidate recruiting information
US7188076B2 (en) * 1999-12-20 2007-03-06 Ndex Systems Inc. System and method for creating a true customer profile
US6406302B1 (en) * 2000-02-14 2002-06-18 Webb Nelson System and method for collecting and exchanging survey data
US6587832B1 (en) * 2000-03-16 2003-07-01 Compensate.Com Llc Market pay system
US20010032097A1 (en) * 2000-04-28 2001-10-18 Levey Jonah S. Method and system for collecting and presenting information relating to compensations
US6862596B2 (en) * 2000-05-09 2005-03-01 Eri Economic Research Institute, Inc. System and method for retrieving and displaying data, such as economic data relating to salaries, cost of living and employee benefits
US6701322B1 (en) * 2000-06-07 2004-03-02 Ge Financial Assurance Holdings, Inc. Interactive customer-business interview system and process for managing interview flow
US6618734B1 (en) * 2000-07-20 2003-09-09 Spherion Assessment, Inc. Pre-employment screening and assessment interview process
AU2001281017A1 (en) * 2000-08-03 2002-02-18 Unicru, Inc. Electronic employee selection systems and methods
US7711580B1 (en) * 2000-10-31 2010-05-04 Emergingmed.Com System and method for matching patients with clinical trials
US6626679B2 (en) * 2000-11-08 2003-09-30 Acesync, Inc. Reflective analysis system
US7376569B2 (en) * 2001-03-30 2008-05-20 Salary.Com Apparatus and method for providing compensation information
US20020188542A1 (en) * 2001-04-13 2002-12-12 Yong Zhang Compensation-data processing
US20020188489A1 (en) * 2001-05-22 2002-12-12 International Business Machines Corporation System and method for optimizing office worker productivity
CA2450439A1 (en) * 2001-06-15 2002-12-27 Salary.Com Compensation data prediction
US20030046140A1 (en) * 2001-09-05 2003-03-06 Professor Mac, Llc Methods and systems for delivering market research services via a network
US7269579B2 (en) * 2001-09-18 2007-09-11 Lovegren Victoria M Method for tracking and assessing program participation
US20030083921A1 (en) * 2001-10-29 2003-05-01 Clark La Verne Methods and systems for exchanging information, such as information related to recruiting foreign personnel for domestic-based companies
US7054864B1 (en) * 2001-11-02 2006-05-30 Paul Toomey Labor market information analyzer system for researchers, employers, staff, and others
US6775518B2 (en) * 2002-01-25 2004-08-10 Svi Systems, Inc. Interactive education system
US7620654B2 (en) * 2002-01-25 2009-11-17 Theodore Turnasella System and method providing user definable on-line wage and salary reports
US20030187725A1 (en) * 2002-03-29 2003-10-02 Jotkowitz Joseph Brent Monitoring professional development
US7698146B2 (en) * 2002-04-24 2010-04-13 Volt Information Sciences Inc. System and method for collecting and providing resource rate information using resource profiling
US20040098265A1 (en) * 2002-11-05 2004-05-20 Sean Kelly Dialog management system
US20040107112A1 (en) * 2002-12-02 2004-06-03 Cotter Milton S. Employment center

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020002479A1 (en) * 1999-12-20 2002-01-03 Gal Almog Career management system
WO2002019091A1 (en) * 2000-08-29 2002-03-07 Towers, Perrin, Forster & Crosby, Inc. Competitive rewards benchmarking system and method
US20020133502A1 (en) * 2001-01-05 2002-09-19 Rosenthal Richard Nelson Method and system for interactive collection of information

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530077A (zh) * 2016-11-10 2017-03-22 四川享宇金信金融服务外包有限公司 智能化信息调查装置及方法

Also Published As

Publication number Publication date
EP1579364A4 (en) 2008-11-12
WO2004061740B1 (en) 2004-10-07
AU2003300404A1 (en) 2004-07-29
US20090265224A1 (en) 2009-10-22
EP1579364A1 (en) 2005-09-28
US20060111959A1 (en) 2006-05-25
WO2004061740A1 (en) 2004-07-22
US7571110B2 (en) 2009-08-04
US20040210820A1 (en) 2004-10-21

Similar Documents

Publication Publication Date Title
CN1754181A (zh) 调查装置及其方法
Saltz et al. Data science ethical considerations: a systematic literature review and proposed project framework
US9305278B2 (en) System and method for compiling intellectual property asset data
US20070219988A1 (en) Enhanced Patent Prior Art Search Engine
Neely et al. Fifteen years of data and information quality literature: Developing a research agenda for accounting
US20140358810A1 (en) Identifying candidates for job openings using a scoring function based on features in resumes and job descriptions
US20150347489A1 (en) Information retrieval system and method based on query and record metadata in combination with relevance between disparate items in classification systems
KR102121901B1 (ko) 정책자금 온라인 심사평가 시스템
Forrester et al. New web services that help authors choose journals
US20070219987A1 (en) Self Teaching Thesaurus
WO2008130397A1 (en) Intellectual property notes-based commenting system
CN101203847B (zh) 用于管理列表的系统和方法
KR100707361B1 (ko) 사이버 여론조사 시스템 및 그 방법
KR101846122B1 (ko) 빅데이터 분석을 활용한 공모전 관리 시스템
CN101065749A (zh) 资源管理系统和方法
WO2008127337A1 (en) Intellectual property examination
KR102265321B1 (ko) 위임인 및 수임인을 위한 업무 중개 서비스 제공 시스템
Stefanidis et al. Mapping the information systems curricula in UK universities
RU2555232C2 (ru) Способ формирования и эксплуатации базы данных
Nowruzi et al. A human-machine interaction framework for identifying factors influential consumer participation in e-waste treatment schemes
WO2008127338A1 (en) Enhanced patent prior art search engine
CN116562785A (zh) 审计迎审系统
WO2008130404A1 (en) Advertisement in a database of documents
Bolasco¹ et al. 2 ISTAT-DISS DCCE
Bolasco et al. 2 ISTAT-DISS DCCE

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20060329