DE202005022098U1 - System zur Reputationsbewertung von Online-Benutzern in einem sozialen Netzwerkschema - Google Patents
System zur Reputationsbewertung von Online-Benutzern in einem sozialen Netzwerkschema Download PDFInfo
- Publication number
- DE202005022098U1 DE202005022098U1 DE200520022098 DE202005022098U DE202005022098U1 DE 202005022098 U1 DE202005022098 U1 DE 202005022098U1 DE 200520022098 DE200520022098 DE 200520022098 DE 202005022098 U DE202005022098 U DE 202005022098U DE 202005022098 U1 DE202005022098 U1 DE 202005022098U1
- Authority
- DE
- Germany
- Prior art keywords
- server
- reputation
- score
- user
- social network
- 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.)
- Expired - Lifetime
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
- H04L65/403—Arrangements for multi-party communication, e.g. for conferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Server (14, 16) zum Hosten eines sozialen Netzwerksystems, wobei der Server ein Reputationssystem (41) aufweist, wobei das Reputationssystem (41) konfiguriert ist zum: Analysieren eines Attributs, das einem sozialen Netzwerkprofil eines ersten Mitglieds zugeordnet ist, wobei das Attribut zum Verifizieren der Reputation des ersten Mitglieds relevant ist, wobei die Reputation auf Vermerken des ersten Mitglieds beruht, die von anderen vermerkenden Mitgliedern des sozialen Netzwerksystems als dem ersten Mitglied bereitgestellt werden; Zuordnen einer Wertung zu dem Attribut basierend auf der Analyse des dem sozialen Netzwerksystems zugeordneten Attributs, und der Server konfiguriert ist, zu bewirken, dass die Wertung angezeigt wird, wenn eine Anfrage empfangen wird, um das soziale Netzwerkprofil des ersten Benutzers zu sehen.
Description
- Gebiet der Erfindung
- Die vorliegende Erfindung betrifft allgemein Systeme zur Reputationsbewertung von Online-Benutzern in einem sozialen Netzwerkschema.
- Hintergrund
- Häufig sind die zuverlässigsten Informationsquellen in Bezug auf die Reputation einer Person, einer Organisation oder eines Dienstes die Empfehlungen von Freunden, der Familie, Nachbarn und/oder Kollegen. Wenn jemand zum Beispiel einen örtlichen Zahnarzt finden möchte, könnte er/sie Freunde und Nachbarn in dem Gebiet fragen, wo sich der Zahnarzt befindet, oder ob sie irgendwelche Vorschläge hätten. Referenzen, die über diese vertraulichen Quellen bereitgestellt werden, würden tendenziell höher angesehen, obwohl sie nicht notwendigerweise korrekt sind, sondern stattdessen, weil sie von Leuten kommen, die der Fragende kennt und denen er vertraut. Ähnlich, wenn eine Vizepräsidentin einer Gesellschaft nach einem neuen Marketingmanager sucht, könnte sie Kollegen, Mitarbeiter und Freunde fragen, ob sie jemanden empfehlen können, der die richtigen Qualifikationen für die Position hat. Wiederum könnten Empfehlungen von diesen Quellen tendenziell höher angesehen werden als zum Beispiel Referenzen von professionellen Rekrutierern, weil die Vizepräsidentin die Quellen der Referenzen kennt und diesen vertraut. In der Tat könnte die Anfragende die Höhe ihres Vertrauens in Abhängigkeit davon bemessen, wie gut sie die Person kennt, die die Referenz macht. Manchmal wird das Subjekt der Referenz mit den gleichen Attributen ausgestattet wie die referenzmachende Person, zumindest nach Sicht des Anfragenden.
- Natürlich könnte die Referenz auch nicht von den unmittelbaren Kontakten des Anfragenden kommen, sondern stattdessen von Kontakten dieser Kontakte. Wenn zum Beispiel die unmittelbaren Kontakte der Vizepräsidentin jemanden mit den Qualifikationen kennen, nach denen sie sucht, könnten diese Kontakte dann vertraute Kontakte konsultieren, nach jemanden, der passen könnte. Dieser Prozess könnte für mehrere Iterationen fortgesetzt werden, die mehrere Verbindungsgrade beinhalten, bis schließlich ein Kandidat für die Marketingmanager-Position gefunden ist. Dieses Netzwerk von Freunden und anderen Bekannten und vertrauten Personen, und ihrer Freunde und Kontakte, ist ein soziales Netzwerk.
- Allgemein könnten soziale Netzwerke als Netzwerke von Leuten angesehen werden, die durch Vertrauen, gemeinsame Werte und/oder einen gegenseitigen Bedarf nach Kooperation verbunden sind. Soziale Gemeinschaften, kooperative Geschäftsbeziehungen und professionelle Zuordnungen sind alle Beispiele von sozialen Netzwerken. Soziale Netzwerksysteme erzeugen soziale Netzwerke, um Geschäftspartner, Kunden und Leute mit gemeinsamen Interessen und Werten zu finden. Diese Systeme werden auch dazu benutzt, Kenntnisse zu teilen, Gemeinschaften aufzubauen und zu verstärken, Teams aufzubauen und komplexe Organisationsnetzwerke zu kartieren und zu analysieren.
- Dieses Konzept ist auf Online-Gemeinschaften ausgedehnt worden, wo sich Leute diese Kontakte teilen und diese dazu benutzen, neue Freunde, romantische Interessen und Geschäftspartner oder Mitarbeiter zu finden. Dies bietet einen leichteren und besser organisierten Weg, um das soziale Netzwerk von jemandem zu managen und zu entwickeln. Eine Person könnte eine Einladung von einem Fremden oder Kollegen empfangen, um an einer Online-Gemeinschaft teilzunehmen oder sich zu entscheiden, unabhängig an dieser teilzunehmen. Für die Teilnahme muss ein Benutzer ein Konto erstellen, das einen Kontonamen und ein Passwort enthalten kann, und der Benutzer könnte ein persönliches Profil aufstellen müssen, das Aktivitäten und Interessen auflistet, und/oder Details zusammenfassen, wie etwa bisherige Positionen und Erfahrungen. Der Benutzer könnte dann Kontakte zu seinem oder ihrem Netzwerk hinzufügen, wobei diese Kontakte ihre Kontakte hinzufügen, usw., und so wird ein vollständiges soziales Online-Netzwerk erzeugt. Ein Benutzer könnte dann seine/ihr Netzwerk dazu benutzen, nach einem neuen Freund, romantischen Interessen, Geschäftspartner oder einem Angestellten zu suchen. Die meisten sozialen Online-Netzwerke zeigen die Links für jedes potentielle Ziel, das in einer Suche aufgelistet ist, so dass der Benutzer weiß, wie weit das Ziel entfernt ist. Das Ziel könnte ein Kontakt ersten Grades sein, was bedeutet, dass er/sie sich innerhalb der unmittelbaren Freunde und Kontakte des Benutzers befindet, oder er/sie ein zweiter, dritter oder weiter entfernter Kontakt sein könnte.
- Darüber hinaus haben viele dieser Online-Gemeinschaften eine Art von Reputationssystem, wo ein Benutzer entweder ein Zeugnis über eine Person in ihrem Netzwerk schreiben könnte oder diese Person basierend auf verschiedenen Charakteristiken einschätzen kann. Der Zweck eines Reputationssystem ist, Vertrauen zu und zwischen Benutzern in der Online-Gemeinschaft aufzubauen. Reputationssysteme speichern Referenzinformation plus Auswertungen und Vermerke in elektronischen Datenbanken, Zuordnung zu Benutzerprofilen und Resümees. Suchende nutzen diese gespeicherten Referenzen und Vermerke, um ihre Fähigkeit zu verbessern, andere zu finden, die scheinbar nicht nur ihre Anforderungen erfüllen, sondern die auch positive Vermerke bekommen haben.
- Viele existierende Reputationssysteme in Online-Gemeinschaften leiden an dem Nachteil, dass die meisten Leute einander nicht wirklich kennen, außer als im Kontext der Online-Gemeinschaft. Das heißt, die Benutzer haben eine beschränkte vorherige Erfahrung mit anderen Leuten in ihrer Gemeinschaft und persönliche Kenntnis von diesen. Zum Beispiel haben viele Online-Einzelhandelsgeschäfte Reputationssysteme, die es dem Kunden gestatten, ein bestimmtes Produkt zu kommentieren, das sie verkauft haben, oder den Dienst oder das Produkt basierend auf gewissen vorbestimmten Kriterien zu bewerten. Diese Daten werden dann aggregiert, und es wird eine Punktwertung (manchmal zusammen mit persönlichen Kommentaren) neben einem bestimmten Produkt angezeigt. Die so gesammelten aggregierten und schließlich angezeigten Daten basieren auf Transaktionen, die nur in der Online-Gemeinschaftsumgebung auftreten, und es gibt keine persönliche Verbindung oder ein persönliches Netzwerk zwischen den Kunden über das Interesse am gleichen Produkt oder Dienst hinaus. Um somit ein Reputationssystem zu entwickeln, sind diese Online-Gemeinschaften von den Inhaltsbewertungen, dem unmittelbaren Online-Verhalten und dem Ergebnis von Online-Transaktionen abhängig, die dann zu einer statistisch objektiven gemeinsamen Reputation aggregiert werden.
- Soziale Online-Netzwerksysteme erzeugen zusätzliche einzigartige Gelegenheiten nach einem Reputationssystem, das robuster und besser zugänglich ist. Existierende Systeme erlauben Mitgliedern der Gemeinschaft, ein Zeugnis oder einen Vermerk von bestimmten Leuten in ihrem Netzwerk von Kontakten zu schreiben. Zum Beispiel könnte eine Benutzerin Jane wissen, dass einer ihrer Kontakte, Bob, nach einem Kontakt sucht. Da Jane zuvor mit Bob gearbeitet hat und ihn als exzellenten Marktforschungsanalysten, sowie als harten Arbeiter und leicht umgänglich kennt, könnte sie einen Vermerk über Bob schreiben, der als Teil von Bob's Online-Profil enthalten sein würde. Wenn ein potentieller Arbeitgeber in dem Online-Netzwerk sucht und auf Bob's Online-Profil trifft, könnte der Arbeitgeber die Referenz in Bob's Profil unmittelbar sehen.
- Das Problem für den potentiellen Arbeitgeber wird dann, wie er sicherstellen soll, dass ein solcher Vermerk gültig, vollständig und akkurat ist. Allgemein benötigen Nutzer von sozialen Online-Netzwerken Mechanismen, um in ihr System Vertrauen einzubauen. Die Online-Gemeinschaft bietet gewöhnlich den „Verbindungsgrad”, so dass der Nachsuchende sehen kann, wie weit das Ziel und der oder die Vermerkenden von ihren primären Kontakten entfernt sind. Typischerweise werden jedoch diese Sucherkonfidenzpegel schwächer, wenn diese Zuordnungen zunehmend entfernt werden. Der Vermerk könnte von jemand Unbekannten an den Nachsuchenden geschrieben sein, wie etwa ein Freund eines Freunds eines Freunds. Woher weiß der Nachsuchende, dass dieser „Freund”, der den Vermerk schreibt, eine vertrauliche Quelle ist, und daher das Ziel tatsächlich eine qualifizierte Person ist? Bei vielen Online-Gemeinschaften, die nun Hunderttausende von Benutzern anziehen, könnte eine typische Suche eine große Liste von potentiellen Zielen zurückbringen, die ziemlich weit von den vertraulichsten und zuverlässigsten Kontakten des Nachsuchenden entfernt sind, und daher bekommt dieses Problem rasch eine signifikante Wichtigkeit.
- Es ist auch richtig, dass Leute eine Tendenz haben, nur positive Vermerke zu schreiben, so dass es nicht klar ist, ob jemand eine genaue und vollständige Information von den Referenzen erlangt. Einige soziale Netzwerke bieten einen Verifizierungsreport, der durch einen automatisierten Referenzprüfungsprozess erzeugt wird, indem E-Mails an Quellen verschickt werden, um bestimmte Informationen über eine bestimmte Person zu verifizieren. Jedoch könnte dies nur für verifizierbare Information hilfreich sein, wie etwa Resümee-Details, wie Arbeitgeber, Kunden, Schulen, Testbewertungen, Grade, Zertifikationen, veröffentlichte Reviews und Artikel, und Organisationsmitgliedschaft. Die Frage, wie man mehr Information über eine Person bekommt (wie etwa Arbeitsethik und den Stil der Person), wenn man versucht, eine bestimmte Mitarbeiterposition zu erfüllen, wie man Referenzen kontaktiert, die über eine Person sprechen können, oder wie man mehr Information über Referenzen erhält, die von der Person vorgesehen werden, bleibt ungelöst.
- Es ist wichtig, eine Gemeinschaft zu erzeugen, wo Benutzer Vertrauen haben, dass das Reputationssystem akkurate und gültige Information liefert. Gegenwärtig verfügbare Reputationssysteme für soziale Online-Netzwerkgemeinschaften sind inadäquat, um den geeigneten Grad an Konfidenz und Gültigkeit bereitzustellen und eine weitere Kommunikation mit einem Vermerkenden einer Person zu erlauben. Die vorliegende Erfindung spricht diese Unzulänglichkeiten an.
- Kurzbeschreibung der Zeichnungen
- Die vorliegende Erfindung wird beispielshalber und nicht einschränkend mit den Figuren der beigefügten Zeichnungen veranschaulicht, worin sich gleiche Bezugszahlen auf ähnliche Elemente beziehen, und worin:
-
1 eine Netzwerkumgebung darstellt, die mit einer Ausführung der Erfindung konsistent ist, einschließlich Clients und Servern; -
2 eine Ausführung einer Softwarearchitektur darstellt, auf deren Basis ein erfindungsgemäßes System ausgeführt sein kann; -
3 ein Beispiel von verschiedenen Reputationsindikatoren für eine Reputationskategorie darstellt, die die Anzahl von direkten Mitgliedschaftverbindungen misst, die ein bestimmter Benutzer in einer sozialen Netzwerkgemeinschaft etabliert hat; -
4 eine Suchergebnisanzeige darstellt, die eine Anzahl von Reputationsindikatoren enthält, für eine Benutzerschnittstelle einer sozialen Netzwerkgemeinschaft, gemäß einer Ausführung der Erfindung; -
5 ein Beispiel einer Benutzerschnittstelle darstellt, die detaillierte Information über verschiedene Reputationsindikatoren für einen bestimmten Benutzer zeigt, gemäß einer Ausführung der vorliegenden Erfindung. - Detaillierte Beschreibung
- Hierin sind Systeme zur Reputationsauswertung von Online-Benutzern in einem sozialen Netzwerkschema beschrieben. Obwohl in Bezug auf bestimmte dargestellte Ausführungen diskutiert, werden bei der Betrachtung dieser Beschreibung Fachkundige erkennen, dass das vorliegende Schema bei einer Vielzahl von Systemen Anwendung finden könnte. Daher sollten in der folgenden Beschreibung die dargestellten Ausführungen nur als beispielhaft angesehen werden und sollen den Umfang nicht beschränken.
- In der folgenden Beschreibung sind zu Erläuterungszwecken zahlreiche spezifische Details aufgeführt, um für ein gründliches Verständnis der vorliegenden Erfindung zu sorgen. Es wird jedoch dem Fachkundigen ersichtlich, dass die vorliegende Erfindung ohne diese spezifischen Details in die Praxis umgesetzt werden kann. In einigen Fällen sind gut bekannte Strukturen und Vorrichtungen in Blockdiagramm-Form anstatt im Detail gezeigt, um Undeutlichkeit der vorliegenden Erfindung zu vermeiden. Diese Ausführungen sind in ausreichendem Detail beschrieben, um zu ermöglichen, dass Fachkundige die Erfindung in die Praxis umsetzen, und es versteht sich, dass auch andere Ausführungen verwendet werden könnten, und dass logische, mechanische, elektrische und andere Änderungen vorgenommen werden könnten, ohne vom Umfang der vorliegenden Erfindung abzuweichen.
- Einige Abschnitte der detaillierten Beschreibungen, welche folgen, sind als Algorithmen und symbolische Darstellungen von Operationen und Datenbits innerhalb eines Computerspeichers aufgezeigt. Diese algorithmischen Beschreibungen und Darstellungen sind die Mittel, die von Fachkundigen in der Datenverarbeitung verwendet werden, um die Substanz ihrer Arbeit besonders effizient an andere Fachkundige zu übermitteln. Ein Algorithmus wird hierin allgemein als selbstkonsistente Sequenz von Aktionen betrachtet, die zu einem gewünschten Ergebnis führt. Die Aktionen sind jene, die physikalische Handhabungen von physikalischen Größen erfordern. Gewöhnlich, obwohl nicht notwendigerweise, nehmen diese Größen die Form von elektrischen oder magnetischen Signalen ein, die gespeichert, übertragen, kombiniert, verglichen und anderweitig manipuliert werden können. Es hat sich einmal als praktisch erwiesen, hauptsächlich aus Gründen des gemeinsamen Gebrauchs, diese Signale als Bits, Werte, Elemente, Symbole, Schriftzeichen, Begriffe, Zahlen oder dergleichen zu bezeichnen.
- Man sollte jedoch im Gedächtnis behalten, dass alle diese und ähnliche Begriffe den geeigneten physikalischen Größen zugeordnet werden sollen und diese lediglich bequeme Markierungen sind, die für diese Größen angewendet werden. Solange nicht spezifisch anderweitig ausgedrückt, wie aus der folgenden Diskussion ersichtlich, versteht es sich, dass in der gesamten Beschreibung, Diskussionen, welche Begriffe wie etwa „bearbeiten” oder „berechnen” oder „kalkulieren” oder „bestimmen” oder „anzeigen” oder dergleichen, sich auf die Aktion und Prozesse eines Computersystems oder einer ähnlichen elektronischen Rechenvorrichtung beziehen, das als physikalische (elektronische) Größen repräsentierte Daten innerhalb der Register und Speicher des Computersystems handhabt und in andere Daten umwandelt, die ähnlich als physikalische Größen innerhalb der Computersystemspeicher oder -register oder anderer solcher Informationsspeicher, Übertragungs- oder Anzeigevorrichtungen repräsentiert sind.
- Die vorliegende Erfindung kann mit einer Vorrichtung zur Durchführung der hierin beschriebenen Operationen implementiert werden. Diese Vorrichtung kann für die erforderlichen Zwecke spezifisch konstruiert sein oder kann einen Mehrzweckcomputer aufweisen, der durch ein in dem Computer gespeichertes Computerprogramm selektiv aktiviert oder rekonfiguriert wird. Ein solches Computerprogramm kann in einem computerlesbaren Speichermedium gespeichert werden, wie etwa, aber nicht beschränkt auf, irgendeinen Typ von Platte, einschließlich Floppy Disk, Optikplatten, CD-ROMs und magneto-optische Platten, Festwertspeicher (ROMs), Speicher mit wahlfreiem Zugriff (RAMs), EPROMs, EEPROMs, magnetische oder optische Karten oder einen beliebigen anderen Mediumtyp, der zum Speichern von elektronischen Anweisungen geeignet ist, und jeweils mit einem Computersystembus gekoppelt ist.
- Die hierin aufgezeigten Algorithmen und Anzeigen beziehen sich nicht inhärent auf irgendeinen bestimmten Computer oder eine andere Vorrichtung. Es können verschiedene Mehrzwecksysteme mit Programmen gemäß den Lehren hierin verwendet werden, oder es kann sich als angebracht erweisen, eine eher spezialisierte Vorrichtung zur Durchführung des erforderlichen Verfahrens zu konstruieren. Zum Beispiel kann eines der Verfahren gemäß der vorliegenden Erfindung mit einer hartverdrahteten Schaltung implementiert werden, durch Programmierung eines Mehrzweckprozessors oder durch eine beliebige Kombination von Hardware und Software. Ein Fachkundiger wird unmittelbar erkennen, dass die Erfindung mit anderen Computersystem-Konfigurationen als den unten beschriebenen in die Praxis umgesetzt werden kann, einschließlich von Hand gehaltenen Vorrichtungen, Multiprozessorsystem, Mikroprozessorbasierender oder programmierbarer Verbraucherelektronik, DSP-Vorrichtungen, Netzwerk-PCs, Minicomputer, Mainframe-Computer und dergleichen. Die Erfindung kann auch in verteilten Rechenumgebungen in die Praxis umgesetzt werden, wo Aufgaben von entfernten Prozessorvorrichtungen durchgeführt werden, die durch ein Kommunikationsnetzwerk miteinander gekoppelt sind. Die erforderliche Struktur für eine Vielzahl dieser Systeme wird aus der nachfolgenden Beschreibung ersichtlich.
- Die Systeme der Erfindung können mittels Computersoftware implementiert werden. Wenn sie in einer einem anerkannten Standard entsprechenden Programmiersprache geschrieben sind, können Sequenzen von Anweisungen, die zum Implementieren der Verfahren ausgestaltet sind, zur Ausführung auf einer Vielzahl von Hardwareplattformen und zur Schnittstelle mit einer Vielzahl von Betriebssystemen kompiliert werden. Darüber hinaus ist die vorliegende Erfindung nicht in Bezug auf irgendeine bestimmte Programmiersprache geschrieben. Es versteht sich, dass eine Vielzahl von Programmiersprachen verwendet werden können, um die hierin beschriebenen Lehren der Erfindung zu implementieren. Ferner ist es in der Technik üblich, von Software zu sprechen in einer Form oder einer anderen (zum Beispiel Programm, Prozess, Anwendung...), wenn man eine Aktion unternimmt oder ein Ergebnis bewirkt. Diese Ausdrücke sind lediglich ein kurzer Weg, um zu sagen, dass die Ausführung der Software durch Computer bewirkt, dass der Prozessor des Computers eine Aktion durchführt oder ein Ergebnis erzeugt.
- Es versteht sich, dass verschiedene Begriffe und Techniken von jenen verwendet werden, die in der Technik bekannt sind, um Kommunikationen, Protokolle, Anwendungen, Implementierungen, Mechanismen, etc. zu beschreiben. Eine solche Technik ist die Beschreibung einer Implementierung einer Technik, ausgedrückt als Algorithmus oder mathematischer Ausdruck. Das heißt, während die Technik zum Beispiel als Ausführungscode auf einem Computer implementiert sein könnte, kann der Ausdruck dieser Technik, der als Formel, Algorithmus oder mathematischer Ausdruck besser geeignet und knapper übermittelt und kommuniziert werden. Daher wird ein Fachkundiger einen Block, der A + B = C angibt, als additive Funktion erkennen, deren Implementierung in Hardware und/oder Software zwei Eingaben (A und B) nehmen würde, und eine Summenausgabe (C) erzeugen würde. Daher ist die Verwendung von Formeln, Algorithmus oder mathematischem Ausdruck als Beschreibungen so zu verstehen, dass sie eine physikalische Ausführung zumindest in Hardware oder Software haben (wie etwa ein Computersystem, worin die Techniken der vorliegenden Erfindung in die Praxis umgesetzt und auch als Ausführung implementiert werden können).
- Ein maschinenlesbares Medium versteht sich so, dass es irgendeinen Mechanismus zum Speichern oder Übertragen von Information in einer von einer Maschine (zum Beispiel einen Computer) lesbaren Form enthält. Zum Beispiel enthält ein maschinenlesbares Medium einen Direktzugriffsspeicher (ROM); einen Speicher mit wahlfreien Zugriff (RAM), magnetische Plattenspeichermedien, optische Speichermedien; Flash-Speichervorrichtungen; elektrische, optische, akustische, oder eine andere Form von fortpflanzenden Signalen (zum Beispiel Trägerwellen, Infrarotsignale, digitale Signale, etc.); etc.
- Eine Ausführung der vorliegenden Erfindung kann mittels Computersoftware implementiert werden, die als Teil eines sozialen Online-Netzwerksystems eingebaut ist. Das System arbeitet mit einem Computersystem unter Verwendung von Windows, Macintosh, UNIX, Linux oder einem anderen Betriebssystem, das mit einer Webbrowser-Anwendung ausgestattet ist, oder einer anderen webfähigen Vorrichtung, die zur Verbindung mit dem Internet oder einem anderen Netzwerksystem in der Lage ist. Es sollte angemerkt werden, dass der Begriff „Internet” ähnliche Systeme und eine Nomenklatur (zum Beispiel „World Wide Web” oder „www” einschließen soll, welche die Fähigkeit haben, durch ein Netzwerk, Telefonanschlüsse, ISDN-Anschlüsse, DSL-Anschlüsse, Kabel-Modem, optisches Fasernetzwerk, etc., kommunizieren und auf Information zuzugreifen. Die vorliegende Erfindung sollte in ihrer Kommunikation-Nomenklatur nicht eingeschränkt sein; die vorliegende Erfindung ist auf ein beliebiges System anwendbar, das mittels eines Webbrowsers zugänglich ist oder andere Mittel, welche eine Vorrichtung oder einen Server miteinander kommunikativ verbinden.
- System, Betrieb und Architektur
- Zum besseren Verständnis dieses Systems betrachte man zuerst die in
1 gezeigte Darstellung. In1 enthält ein Netzwerk10 eine Anzahl von Clients12 und Servern. Die Server können unter primären Hosts14 und zentralen Servern16 aufgeteilt sein. Primäre Hosts14 können eine Anzahl von lokalen Clients12 bedienen, während zentrale Server16 eine Anzahl von primären Hosts14 miteinander verbinden können und/oder verschiedene entfernte Clients12 bedienen können. Obwohl nur eine begrenzte Anzahl von Clients12 , primären Hosts14 und zentralen Servern16 in diesem Diagramm gezeigt sind, versteht es sich, dass eine beliebige Anzahl oder Konfiguration dieser computerbasierenden Komponenten in verschiedenen Ausführungen der vorliegenden Erfindung verwendet werden kann. Ferner können einige oder alle dieser Komponenten auf mobilen Plattformen existieren, wie etwa von Hand gehaltenen Computersystemen und dergleichen und in Peer-to-Peer-Plattformen. Das Netzwerk10 kann ein Teil des viel größeren Computernetzwerks oder von Netzwerken sein, wie etwa einem gemeinsam unternommenen Netzwerk oder sogar dem Internet. Die Clients12 und verschiedene Server14 ,16 können Kombinationen von Hardware und/oder Software sein, konfiguriert gemäß ihren aufgezeigten Lehren, und die Verwendung von irgendeiner spezifischen Programmiersprache(n) und/oder Hardwareplattform(en) ist in der vorliegenden Erfindung nicht kritisch. - Aus dem Diagramm sollte klar sein, dass verschiedene Wechselkommunikation zwischen Netzwerkelementen stattfinden könnte. Zum Beispiel ist eine Kommunikation zwischen Clients
12 und primären Hosts14 ziemlich üblich, da dies Kommunikationen zwischen primären Hosts14 und zentralen Server16 sind. So sind auch Kommunikationen zwischen verschiedenen primären Hosts14 zu berücksichtigen, wie etwa Kommunikation zwischen dem zentralen Server12 und Clients12 . In der Tat werden auch Peer-to-Peer-Kommunikation zwischen Clients12 in verschiedenen Ausführungen der vorliegenden Erfindung berücksichtigt. Die Typen von Kommunikationslinks, die diese Kommunikationswege unterstützen, sind für die vorliegende Erfindung nicht kritisch und können sowohl verdrahtete als auch kabellose Kommunikationslinks enthalten, mit geeigneten Kommunikationsprotokollen. Ferner sind spezifische Routingprotokolle, die dazu benutzt werden, um die Überlieferung der Meldungen zwischen diesen Netzwerkelementen sicherzustellen, für die vorliegende Erfindung nicht kritisch, und es können beliebige geeignete Routingprotokolle (zum Beispiel TCP/IP, AppleTalk, etc.) verwendet werden. -
2 stellt eine Ausführung einer Softwarearchitektur zur Realisierung eines erfindungsgemäßen Systems dar. Ein solches System ist in der U.S.-Patentanmeldung Nr. 09/852336 mit dem Titel „Method and Apparatus for Internet-Based Human Network Brokering” beschrieben, welche hierin unter Bezugnahme aufgenommen wird. Wie in2 gezeigt, enthält der Client12 ein Client-Anwenderprogramm18 , das einen herkömmlichen Webbrowser20 nutzen könnte, wie oben diskutiert. Die Client-Anwendung18 enthält einen persönlichen Profilersteller22 , einen persönlichen Torwart (oder „Zugriffsagenten”)24 und einen persönlichen Suchagenten26 . Der persönliche Erstellungsagent22 führt Benutzer in dem Prozess des Erstellens von Profilen, die am effektivsten sind, wenn sie sich auf ihre Zielrichtungen beziehen. Der persönliche Zugriffsagent24 erlaubt Benutzern, die Information in ihren Profilen und ihre Aufmerksamkeit vor unangemessenen Zugriff zu schützen, und sie machen ihre persönlichen Profile verbindbar. Der persönliche Suchagent26 ist ein Werkzeug, das einem Benutzer beim Konstruieren eines Profils für ein Suchziel anleitet. - Die Client-Anwendung
18 kann in einem bordeigenen Speicher38 liegen (zum Beispiel dem Hauptspeicher und/oder einer Festplatte oder einer anderen langfristigen oder nicht-flüchtigen Speichervorrichtung), und diese Speichereinheit könnte auch zur vorübergehenden Speicherung von Variablen, etc., verwendet werden, in der herkömmlichen Weise. Die serverseitige Software (die innerhalb des primären Hosts14 und/oder zentralen Servern16 liegen könnte) enthält eine herkömmliche Webserver-Anwendung30 (zum Beispiel zum Managen von http-Anfragen und anderen herkömmlichen Webserverfunktionen) und einen Anwendungsserver32 (der, wie oben angegeben, auf einer Java-Technologie beruhen könnte). - Der Anwendungsserver
32 enthält verschiedene Elemente wie etwa Suchagenten34 , Zugriffsagenten36 , Netzwerkbrokeragenten38 , Verifikationsagenten40 und ein Reputationssystem41 . Die Suchagenten34 und die Zugriffsagenten36 wirken ähnlich den oben beschriebenen persönlichen Such- und Zugriffsagenten. Der Netzwerkbroker38 ist ein Netzwerkagent, der die Funktion eines menschlichen Brokers simuliert, der zwischen persönlichen Such- und Zugriffsagenten von Benutzern verhandelt. Der Verifikationsagent40 ist ein Netzwerkagent, der durch einen automatischen Prozess Information, die Benutzer in ihren Profilen aufgezeichnet haben, authentisiert und verifiziert. Das Reputationssystem41 , wie im größeren Detail nachfolgend diskutiert, kann in das soziale Netzwerksystem integriert werden, das in diesem Beispiel gezeigt ist, oder kann als Plug-In als Beratersystem außerhalb des sozialen Netzwerksystems implementiert werden. - Server
14 ,16 enthalten auch (und/oder haben Zugriff auf) eine oder mehrere Datenbanken42 , die mit dem http-Server30 und dem Anwendungsserver32 kommunizieren und Speichereinrichtungen für diese Anwendungen bereitstellen. Die Informationstypen, die in der Datenbank42 durch den Anwendungsserver32 gespeichert sind, können eine sichere Komposit-Datenstruktur enthalten, welche Information über alle Nutzer des Systems enthält, plus eine Aufzeichnung von früheren Suchen und Abgleichungen, auf die der Netzwerkbrokeragent38 zugreifen kann, um erfolgreiche Suchstrategien zu lernen und wieder anzuwenden. - Viele Komponenten des vorliegenden Systems können als Java-Applets oder Anwendungen verkörpert sein, um einen objektorientierten Ansatz reich zu halten, während ein herkömmlicher Webbrowser und HTML (Hypertext Mark-Up Language) und XML (Extensible Markup Language) als die Ausgabeplattform für die Benutzerschnittstelle verwendet werden. Für die Kompabilität mit auf Java beruhenden Schnittstellenagenten, die durch die Benutzerschnittstelle ausgegeben werden könnten, könnte der Java-Anwendungsserver
32 dynamisch das HTML generieren („kompiliertes HTML”). Dort sollte eine kapazitätsstarke Datenbank an dem Server14 ,16 vorhanden sein oder für diesen zugänglich sein, und eher beschränkte „persistende Speicher”-Fähigkeiten seitens des Client12 . - Die vorliegende Erfindung ist nicht auf die oben beschriebene Softwarearchitektur beschränkt. In einer alternativen Ausführung könnte der Server
14 ein Webserver sein, der eine serverseitige Datenbank hat, und clientseitige Webbrowser könnten mit dem Server14 mittels herkömmlicher Internet-Kommunikationsprotokolle interagieren. Wenn sie in dieser Weise über einen Webbrowser interagieren, ist typischerweise nichts an der Clientseite gespeichert. Alle persistenten Nutzeranweisungen sind stattdessen auf dem Server14 gespeichert. Darüber hinaus können Nachrichtenserver (wie zum Beispiel E-Mail-Server) das Senden von Einladungen, Akzeptierungen und Anfragen oder andere Meldungen zwischen Personen erleichtern, und auch das Senden von Meldungen oder Anweisungen zwischen dem Server14 und Clients12 erleichtern. Eingebettete Links und E-Mails können dazu benutzt werden, Benutzer im Kontext zu einer bestimmten Seite auf der Webseite zu lenken, oder serverbasierte Programme zu aktivieren. Darüber hinaus könnte Software zur Verwendung an Clientmaschinen, die ein Benutzer von dem Webserver12 heruntergeladen und auf der Maschine des Benutzers installiert werden. Diese Software kann mit Desktop-Anwendungen zusammenwirken (wie etwa Microsoft Outlook und andere Adressbücher und persönliche Informationsmanager), so dass ein Großteil der Funktionalität und der Datenspeicherung wie oben beschrieben auf der Clientmaschine des Benutzers eingebaut werden kann und ohne mit dem Internet verbunden zu sein. - Betrieb des sozialen Netzwerksystems
- Um an einem sozialen Netzwerksystem teilzunehmen, könnte ein Benutzer eine Registrierungsseite vervollständigen und eine gültige E-Mail-Adresse als eindeutigen Identifizierer eingeben, plus ein privates Passwort. Der Benutzer könnte dann sein Profil aufstellen und seine Kontakte eingeben. Das Profil beschreibt den Hintergrund des Benutzers, Erfahrung, gegenwärtige und frühere Interessen, Fähigkeiten, Positionen und Ebenen, Fähigkeiten, Werte, Projekte, Ziele, etc. Ein ähnliches Profil wird beschrieben, indem die den Benutzer beschäftigenden Organisationen beschrieben werden. Der Benutzer kann dann zu seinem Netzwerk Kontakte hinzufügen, indem Kontakt und Beziehungsinformation eingegeben wird und Profilinformation für den Kontakt oder einen Link zu dem eigenen Profil des Kontakts auf dem System. Die Kontaktinformation kann auf auch von anderen Quellen, wie etwa einem elektronischen Adressbuch automatisch hochgeladen oder extrahiert werden, und vom Benutzer zur Verwendung in dem System autorisiert werden. Ein Benutzer könnte nicht den Wunsch haben, dass sein Adressbuch in das System integriert wird. In diesem Fall würde ein Adressbuch des Benutzers hochgeladen, aber nicht in das System integriert und möglicherweise vor anderen versteckt werden. Die Profil- und Kontaktinformation könnte entweder in einer zentralen Datenbank oder in verteilten Datenbanken
42 gespeichert werden. - Der Benutzer könnte dann dazu einladen, dass Kontakte zu gegenseitig bestätigten direkten Kontakten werden. Um dies zu tun, würde eine Person A den Namen und E-Mail der Person plus eine Einladungsmeldung eingeben. Die Meldung würde zu B gesendet. Wenn B kein Mitglied des Systems ist, würde die Meldung zu B zusätzliche Anweisungen und einen Link enthalten, um zu erlauben, dass B an dem System teilnimmt. Wenn die Einladung von A akzeptiert wird, würden beide Profile aktualisiert, um zu zeigen, dass A und B miteinander bestätigte Verbindungen sind.
- Sobald ein Benutzer am sozialen Online-Netzwerk teilnimmt, kann der Benutzer nach Leuten suchen, die verschiedene Anforderungen erfüllen. Zum Beispiel könnte ein Arbeitgeber, der nach einem potentiellen Mitarbeiter sucht, eine geeignete Suchanfrage eingeben und eine Suche starten. Ein oder mehrere Ziele, die als Teil der Suche gefunden werden, könnten anschließend dem Suchenden angezeigt werden. Ziele können Benutzer des Systems oder Nicht-Benutzer des Systems sein, die sich in Adressbüchern von Benutzern finden. Der Verbindungsweg zwischen dem Suchenden und dem Ziel könnte auch für jedes Ziel angezeigt werden. Ein Verbindungsweg ist eine Kette von Verbindungen zwischen dem Suchenden und dem Ziel, und könnte sich von einem bis mehreren Trennungsgraden erstrecken. Zum Beispiel würde eine Verbindung dritten Grades vorliegen, wo der Suchende C1 (Verbindung 1) kennt, der C2 kennt, der das Ziel kennt. Der Verbindungsweg zu jedem Ziel kann in Suchergebnissen angezeigt oder als Option enthalten, kann ein Benutzer nach mehr Information in Bezug auf das Ziel auswählen.
- Die Suchergebnisse können zusammenfassende Information über jedes Ziel enthalten, das zu der Suche passt, und Ziele können nach einem oder mehreren Faktoren sortiert werden. Einige Faktoren können die Länge des Verbindungswegs, die Stärke der Verbindungen, die prozentuale Relevanz der Übereinstimmung, etc. enthalten. Der Suchende kann auch die Option erhalten, ein volles oder partielles Profil eines beliebigen Ziels zu sehen.
- Kontakt mit einem Ziel kann durch jedes geeignete Mittel angefordert werden. Zum Beispiel könnte der Suchende aufgefordert werden, eine Meldung zu dem Ziel zu schreiben, das den Zweck der Anfrage beschreibt, plus eine Meldung zu beliebigen intervenierenden Verbindungen (zum Beispiel C1), die den Suchenden mit einer Verbindungskette verbindet, die zu einem Ziel führt. Die Meldung(en) könnte(n) über E-Mail oder andere Kommunikationsmittel entweder über die Verbinder oder direkt zu dem Ziel geschickt werden, gemäß verschiedenen Präferenzen des Suchenden, der Verbinder und des Ziels.
- Wenn zum Beispiel der Suchende eine Verbindung dritten Grades zu dem Ziel hat (Suchender → C1 → C2 → Ziel) könnte die Anfragemeldung zuerst zu C1 gehen, der direkten Verbindung des Suchenden. Wenn C1 die Anfrage bestätigt, wird sie dann zu C2 geschickt. Wenn C2 die Anfrage bestätigt, wird sie dann zu dem Ziel geschickt. Wenn das Ziel oder irgendeine Verbindung entlang der Kette die Anfrage zurückweist, könnte eine Meldung zum Suchenden geschickt werden, die sagt, dass die Anfrage verneint wurde. Andernfalls wird eine Meldung zu dem Suchenden geschickt, dass das Ziel die Anfrage akzeptiert hat und das Ziel dann den Suchenden kontaktieren würde, oder umgekehrt.
- Reputationssystem
- Es ist wichtig, dass Reputationssysteme für soziale Online-Netzwerkgemeinschaften Merkmale bereitstellen, um eine glaubwürdige Umgebung zu erzeugen, bei den Benutzern Vertrauen aufzubauen, eine akkurate und gültige Information zu gewährleisten, und ferner eine Kommunikation zwischen Referenzen/Vermerken von Benutzern im Allgemeinen zu erlauben. Diese Erfindung erzeugt diese Umgebung durch das Bereitstellen von Information in Bezug auf die Beziehung eines Suchenden mit einer Referenz, und durch das Bereitstellen von Mitteln zur Bestimmung der Zuverlässigkeit der Referenzmeinungen über ein Ziel. Insbesondere bietet das vorliegende System Vorkehrungen zum Anfragen und Erzeugen von Vermerken, mehr Information über einen Vermerk zu erlangen, Kontakt mit einem Vermerkenden herzustellen, verschlossene/versteckte Vermerke zu erzeugen, Kontakt mit wahrscheinlich Vermerkenden zu finden und herzustellen und Vermerkende zu verifizieren und zu validieren; bietet eine Vermerk-Schnittstelle; und beschreibt ferner Strategien zum Messen des Einflusses und der Reputation zur Erzeugung eines genaueren und somit glaubwürdigen Reputationssystems in einer sozialen Netzwerkgemeinschaft.
- Das Reputationssystem
41 (von2 ) speichert Referenzinformation zusammen mit aktuellen Evaluierungen und Vermerken in elektronischen Datenbanken42 , um sie Profilen und Resümees von Benutzern zuzuordnen. Diese gespeicherten Referenzen und Vermerke können dazu benutzt werden, die Fähigkeit von Suchenden zu verbessern, Ziele zu finden, die nicht nur scheinbar zu ihren Suchanforderungen passen, sondern die auch von anderen positive Vermerke empfangen haben. - Ferner kann unter Verwendung des Reputationssystems
41 ein Benutzer Vermerke von anderen Benutzern in dem System anfordern und diesen Vermerke anbieten. Zum Beispiel kann, durch geeignete Menüs oder andere Schnittstellenelemente (zum Beispiel nehme man an, dass ein Benutzer mit dem sozialen Netzwerksystem über einen Webbrowser interagiert), ein Benutzer wählen, einen Vermerk von einem anderen Benutzer anzufordern oder einen Vermerk für einen anderem Benutzer in dem System zu schreiben. Ein einen Vermerk schreibender Benutzer (ein Vermerkender) kann bestimmte Fähigkeiten und Qualitäten eines Benutzers im Allgemeinen vermerken, oder ein bestimmtes Element des Profils des Vermerkten vermerken. In einigen Fällen könnte dem Vermerkten die Option gegeben werden, den Vermerk zu akzeptieren oder herabzustufen. In diesem Fällen, und wenn der Vermerk akzeptiert wird, wird das Profil des Vermerkten aktualisiert, so dass es den neuen Vermerk enthält. In anderen Fällen könnte der Vermerkte nicht erlauben, die Vermerke zu akzeptieren oder herabzustufen, wobei aber in diesen Fällen Mechanismen (wie etwa eine unabhängige Rückschau oder andere Filterung) vorgesehen sein könnten, um zu vermeiden, dass potentiell verleumdendes Material einem Benutzerprofil zugeordnet wird. - Wenn man annimmt, dass ein Benutzer eine oder mehrere Vermerke hat, die seinem/ihrem Profil zugeordnet sind, und wenn nun das Profil ausgewählt wird (zum Beispiel durch einen Suchenden, der ein Ziel einer neuen Suche sucht), könnten einige oder alle der Vermerke, die von Vermerkenden hinzugefügt sind, sichtbar sein. Jeder so sichtbare Vermerk könnte den Vermerk selbst enthalten (zum Beispiel in der Form einer freien Textmeldung, Antwort auf Aufforderungen, kategorisierte Punktwertung (zum Beispiel für ein oder mehrere Kriterien) oder verschiedene Kombination des Vorstehenden). Darüber hinaus könnten auch vorgesehen sein der Name des Vermerkenden, ein Link zum Sehen nach weiterer Information über den Vermerkenden (zum Beispiel das Profil des Vermerkenden), Information darüber, wie man Kontakt mit dem Vermerkenden herstellt, die Beziehung des Vermerkenden zu dem Ziel (zum Beispiel könnte der Vermerkende ein Client oder Supervisor des Ziels sein), wie lang der Vermerkende und das Ziel einander gekannt haben, und die Beziehung des Ziels zu dem Suchenden.
- Unter Verwendung der Einrichtungen des sozialen Netzwerksystems könnte der Suchende Kontakt mit dem Vermerkenden herstellen. In einigen Fällen könnte dieser Kontakt hergestellt werden, indem zuerst der Vermerkte kontaktiert wird und ihm eine Anfrage nach direkten Kontakt mit dem Vermerkenden zugeleitet wird, oder er könnte auf anderen Bedingungen basieren, die von dem Vermerkenden spezifiziert sind. Zum Beispiel könnte ein Vermerkender spezifizieren, dass irgendein Suchender immer direkten Kontakt mit ihm herstellen sollte, um den Vermerkten zu diskutieren, oder dass nur jene Suchenden innerhalb eines gewünschten Verbindungsgrads zu dem Vermerkenden direkten Kontakt herstellen sollten.
- Insofern sind die Vermerke, die diskutiert worden sind, „offene Vermerke”, was bedeutet, dass der Vermerkte den Vermerk sehen kann (obwohl er/sie nicht in der Lage sein könnte, ihn zu akzeptieren/zurückzuweisen). Um die Benutzerkonfidenz in der Objektivität und Vollständigkeit der Vermerke zu vergrößern, könnte ein Vermerkter auch die Wahl haben, geschlossene Vermerke zu akzeptieren. Geschlossene Vermerke können vom Vermerkten nicht zurückgewiesen werden, noch können sie in einigen Fällen vom Vermerkten gesehen werden. Der Vermerker hat vollständige Kontrolle darüber, was in dem Vermerk passiert.
- Ein Benutzer könnte die Wahl haben, solche verschlossenen Vermerke zu akzeptieren, zum Beispiel indem er/sie eine Option in sein/ihr Profil oder Präferenzen setzt (zum Beispiel ein Akzeptiere-„verschlossene Vermerke”-Datenfeld wird auf WAHR gesetzt). Dieses Setzen könnte dann dazu benutzt werden, ein spezielles Symbol anzuzeigen, das Suchende darauf aufmerksam macht, auf das Benutzerprofil zu sehen, das er/sie verschlossene Vermerke akzeptiert, und/oder als zusätzliches Gewicht agiert, wenn Vermerk-Zuverlässigkeits-Punktwertung berechnet werden.
- Ein spezieller Fall von verschlossenen Vermerken beinhaltet Vermerkende, die den Wunsch haben, den Blick auf einen Vermerk auf nur gewählte Benutzer zu begrenzen (typischerweise den vermerkten nicht enthaltend). Dies kann gemacht werden, indem Beschränkungsgrenzen darauf gesetzt werden, wer Zugriff zu dem Vermerk hat (zum Beispiel eine Blickbegrenzung davon auf nur Verbindungen ersten Grades des Vermerkenden). Um diesen versteckten Vermerk zu erzeugen, würde eine spezielle Vermerkseite angezeigt, die nur der Vermerkende sehen und editieren kann. Diese Seite könnte einer Kontaktaufzeichnung im Adressbuch des Vermerkenden zugeordnet sein. Der Vermerkende kann entweder einen Vermerk als „versteckt” beschreiben, oder er kann einfach angeben, dass er Kenntnis über den Zielkontakt hat und den Wunsch hat, mit bestimmten Leuten zu reden, welche Interesse haben könnten. Der Vermerkende würde dann geeignete Zugriffssteuerparameter setzen, um zu bestimmen, wer den Vermerk sehen kann. Basierend auf den vom Vermerkenden gesetzten Kriterien würden die verschlossenen Vermerke oder Vermerker-Kontaktinformation angezeigt oder versteckt gehalten.
- Um für Vergleichspunktwertungsfähigkeiten zu sorgen (zum Beispiel, um Lesern eine gewisse gemeinsame Basis zu erlauben, mit der Werte zu evaluieren sind), könnte eine Art Fragekatalog einer voraussichtlich Vermerkenden angeboten werden, zur Vervollständigung, wenn sie einen Vermerk erzeugt. Der Fragekatalog könnte Fragen enthalten, um dabei zu helfen, die Natur und den Grad des Vermerks weiter klarzustellen, wie etwa die Wertung (Rating) der Stärke des Vermerks auf einer numerischen Skala und ähnliche Wertungen für bestimmte Attribute, wie etwa Kompetenz, Fachwissen, Fähigkeit zur Arbeit mit anderen, Managementfähigkeiten, etc. Der Fragekatalog könnte den Vermerkenden darin beschränken, nur vordefinierte Antworten zu verwenden, wie etwa Wertungen, Stellungen oder andere numerische Antworten, zusätzlich oder alternativ zum geschriebenen Vermerk. Die voreingestellten Antworten können dann gezählt werden und/oder mit anderen Vermerken aggregiert werden, um eine Aggregat-Vermerk-Punktwertung bereitzustellen. Eine Schwellenwertanzahl von versteckten Vermerken könnte erforderlich sein, bevor eine Aggregat-Punktwertung gemeldet wird, die Punktwertungen von den versteckten Vermerken enthält, um zu verhindern, dass ein Benutzer herleitet, welcher Vermerkende den Vermerk in eine neutrale oder negative Punktwertung (score) gegeben haben könnte. Um eine negative Verzerrung aufzudecken, welche den Vermerkten absichtlich beschädigt, kann ein Flag gesetzt werden oder eine fragliche Punktwertung, die signifikant außerhalb der Linie mit anderen liegt, insbesondere außerhalb der Linie mit der Aggregat-Punktwertung aller anderen Vermerke. Ein Vermerkender könnte auch die Option haben, „keine Wertung” zu wählen in Antwort auf bestimmte Fragen, wenn der Vermerkende nicht ausreichend Information hat, den Benutzer an einem bestimmten Attribut zu ratieren, oder wenn der Vermerkende nicht wirklich sagen möchte, was er wirklich denkt. Diese Daten könnten auch einem Suchenden zusammen mit der oben erwähnten Vermerkinformation angezeigt werden.
- Zusätzlich zu etwaigen im Zielprofil enthaltenen Vermerkern könnte ein Suchender den Wunsch haben, andere Personen zu finden, um Information über das Ziel zu bekommen. Dies kann unter Verwendung der Einrichtungen des sozialen Netzwerksystems erfolgen, Kontakte des Ziels oder anderer wahrscheinlicher Vermerkender zu lokalisieren. Zum Beispiel können alle Suchen nach Leuten durchgeführt werden, die das Ziel als direkte Verbindung auflisten, das Ziel in ihrem Adressbuch auflisten, in einer der im Zielprofil beschriebenen Organisation während der gleichen Zeit arbeiten oder gearbeitet haben, zu der das Ziel dort gearbeitet hat und/oder Verbindungen von Verbindungen zu dem Ziel sind. Es könnten beliebige Suchergebnisse in gewerteter Reihenfolge gemäß irgendwelchen gewünschten Kriterien zurückgebracht werden.
- Um zum Beispiel die Ergebnisse zu sortieren, so dass die besten Ergebnisse oben erscheinen, könnte die erste Suchwertung durch Verbindungsgrade zwischen dem Suchenden und dem wahrscheinlichen Vermerkenden angegeben sein. Innerhalb der Ergebnisse für jeden Separationsgrad könnte die folgende Sortierungsreihenfolge verwendet werden:
- 1. Leute, die das Ziel als direkte Verbindung auflisten UND in einer der gelisteten Organisationen zur gleichen Zeit wie das Ziel gearbeitet haben.
- 2. Leute, die das Ziel in ihrem Adressbuch auflisten UND in einer der gelisteten Organisationen zur gleichen Zeit wie das Ziel gearbeitet haben.
- 3. Leute, die das Ziel entweder als direkte Verbindung oder in ihrem Adressbuch auflisten, UND die in einer der gelisteten Organisationen innerhalb der letzten fünf Jahre gearbeitet haben.
- 4. Leute, die in einer der gelisteten Organisationen in den letzten fünf Jahren gearbeitet haben.
- 5. Leute, die Leute in ihrem Adressbuch aufgelistet haben, die nun in einer der gelisteten Organisation arbeiten.
- Diese Ergebnisse könnten dem Suchenden angezeigt werden, der dann Information über die wahrscheinlichen Vermerker suchen kann und Kontakt unter Verwendung beliebiger der oben beschriebenen Mittel herstellen kann.
- Es können verschiedene andere Methoden dazu benutzt werden, die Reputation eines Ziels zu verifizieren oder zu messen, wobei die Methoden auch dazu benutzt werden können, die Reputationen von Vermerkenden eines Ziels zu verifizieren oder zu messen. Einige dieser Methoden beinhalten das Melden von objektiver Information, die durch eine externe vertraute dritte Partei leicht validiert werden kann, enthaltend: akademische Grade, Testpunktwertungen und Zertifikationen, Ehrungen, Preise, veröffentlichte Reviews und Artikel, Mitgliedschaften in Organisationen mit einer verifizierbaren Mitgliedschaft und Verifizierung von Resümee-Details durch Arbeitgeber, Kunden, Schulen, Zertifikationskörper und Hintergrundprüfagenturen.
- Andere Methoden zum Verifizieren oder Messen der Reputation eines Ziels oder eines Vermerkenden beinhalten die Verwendung von sozialer Netzwerkanalyse. Ein solcher Ansatz beinhaltet eine Analyse zum Messen, was als das „Netzwerk-Einflussmaß” bezeichnet wird. Dieses Maß beruht auf dem Vorschlag, dass Leute, die einflussreich sind, tendenziell einflussreiche Netzwerke haben und umgekehrt. Diese Maße des kollektiven Einflusses eines Benutzernetzwerks können somit gute Indikatoren des Einflusses des Benutzers haben, und können auch dazu benutzt werden, den Einfluss von anderen Benutzern zu messen, die den Benutzer vermerken. Es können zwei Punktwertungen berechnet werden: ein kollektiver Einfluss der Benutzer-Vermerkenden, und ein kollektiver Einfluss von gegenseitig bestätigten Verbindungen des Benutzers. Jeder dieser Punktwertungen könnte rekursiv auf ähnlichen Punktwertungen für jeden der Vermerkenden beruhen, oder auf gegenseitigen Verbindungen, die die kollektive Punktwertung aufbauen. Das heißt, sie werden unter Einfluss von Leuten mehrere Grade tiefer als direkte Kontakte des profilierten Benutzers berücksichtigen. Einflusspunktwertungen könnten bekannte Algorithmen verwenden zum Messen des Status, des Prestige, des Einflusses innerhalb eines sozialen Netzwerk, plus zusätzliche Algorithmen, die aus der Analyse von Benutzerdaten vom sozialen Netzwerksystem hergeleitet werden (siehe zum Beispiel die nachfolgend beschriebenen Berechnungen. Punktwertungen könnten eine Wichtung enthalten, um verschiedene Faktoren einzustellen, einschließlich: Senioritätsgrad (zum Beispiel hergeleitet aus gegenwärtigen und jüngsten Titeln, Organisationsgröße und andere Maße des organisationsmäßigen Prestiges, und Zeitdauer, die in den jüngsten Senioritätswertungen verbracht wurde); Unabhängigkeit (einschließlich Rolle und Gruppenunabhängigkeit); Beziehungen zu einem Suchenden (einschließlich Rollen und Grade und Stärken der Verbindungen); und Vermerke und Einfluss von Vermerkenden. Wie oben könnte jede dieser Punktwertungen rekursiv auf ähnlichen Punktwertungen für jeden der Vermerkenden beruhen oder gegenseitigen Verbindungen, welche die kollektive Punktwertung aufbauen. Minimalkriterien zum Anzeigen jeder Punktwertung könnten enthalten: Weist einen minimalen Informationspegel auf, der erforderlich ist, um eine statistisch gültige Punktwertung herzuleiten; weist einen minimalen Informationspegel auf, der erforderlich ist, um die Anonymität eines Benutzers zu schützen und eine profilierte Präferenz des Benutzers, um die Punktwertung zu zeigen oder nicht zu zeigen.
- Ein anderer Ansatz könnte die Messung beinhalten, was als Netzwerkauthentisierungs-Punktwertung einer Person bezeichnet wird. Diese Punktwertung authentisiert (um einen gewissen Grad), dass der Benutzer eine reale Person ist, und dass die gegenseitigen Verbindungen des profilierten Benutzers aus ähnlich authentisierten Leuten bestehen. Diese Punktwertung wird hergeleitet durch Vergleich von Analysen des Netzwerks des Benutzers auf Authentisierungstandards, die aus dem gesamten Netzwerk hergeleitet werden. Authentisierungsstandards werden aus Feststellungen der Wahrscheinlichkeit hergeleitet, dass das Netzwerk eines Benutzers betrügerische Knoten (Leute) enthalten könnte.
- In einer anderen Ausführung könnte eine noch andere Methode zur Messung beinhalten, was als Maß der Netzwerkunabhängigkeit bezeichnet wird. Die Analyse des Netzwerks einer Person, und insbesondere die Analyse des Netzwerks eines Vermerkenden einer Person können dazu benutzt werden, einen Grad des Potentials einer Neigung oder das Fehlen einer Neigung aufzudecken. Wenn zum Beispiel der Großteil von Vermerkenden eines Benutzers tendenziell einander kennt und insbesondere, wenn sie auch tendenziell einander vermerken, dann wäre das Potential für eine Neigung größer als dann, wenn ein Benutzer eine Anzahl von Vermerkenden in unbekannten, isolierten oder Gruppen hat, und wenn der profilierte Benutzer nicht wechselweise einen großen Prozentsatz von jenen bewertet, die ihn/sie bewerten.
- Ferner könnten Analysemethoden messen, was als Netzwerkdiversitätsprofile und -maße bezeichnet wird. Eine Punktwertung für Netzwerkdiversität steht nicht in direkten Bezug zur Reputation; jedoch könnte sie als Werkzeug enthalten sein, um einen profilierten Benutzer basierend auf der Analyse des Netzwerks des Benutzers zu evaluieren. Die Maße der Netzwerkdiversität können auch als Komponente zum Authentisieren von Netzwerken einer Person verwendet werden. Dieser Vorschlag nimmt an, dass hochdiverse Netzwerke schwerer zu fälschen sind (und daher mit höherer Wahrscheinlichkeit real sind) als weniger diverse Netzwerke, gegeben als Norm für ein gesamtes Netzwerk. Ein Einzelmaß der Netzwerkdiversität könnte somit für jeden profilierten Benutzer berechnet werden, und es könnten Vergleiche der Diversität eines Netzwerks eines profilierten Benutzers mit einer geeigneten Norm, die aus dem gesamten Netzwerk hergeleitet wird, repräsentiert werden. Ein Beispiel eines Algorithmus zum Herleiten von normativen Diveritätsmaßen ist wie folgt:
- • Für jeden Benutzer im Netzwerk, konstruiere ein Netzwerkdiversitätsprofil, indem zuerst die Anzahl von und der Prozentsatz von Kontakten in einer bestimmten Kategorie der Netzwerkdiversität gezählt wird. Kategorien können bestimmte Industrien, Berufe, Orte, Interessen und fachkundige Gruppen sein, und andere relevante demografische Dinge.
- • Zerlege die gesamten Zähler für jede Kategorie in Zählungen für jeden Grad der Beziehung zum profilierten Benutzer. Das heißt, welche Anzahl und welcher Prozentsatz von Kontakten jeder Kategorie in den direkten Kontakten des Benutzers, Kontakten zweiten Grades, etc., liegen.
- • Aufdecken von Gruppen von Benutzern mit ähnlichen Netzwerkdiversitätsprofilen unter Verwendung von statistischen Modellbildungstechniken.
- • Verwendung von ähnlichen Techniken zum Konstruieren von normativen Netzwerkdiversitätsprofilen für verschiedene Kombinationen von Industrie, Beruf und Ort, und auch zum Konstruieren eines normativen Netzwerkdiversitätsprofils für das gesamte Netzwerk.
- • Das Netzwerkdiversitätsprofil für eine bestimmte Person wird dann mit geeigneten normativen Diversitätsprofilen verglichen, und ihm eine Punktwertung basierend auf den Ergebnissen dieses Vergleichs gegeben.
- Noch andere Methoden beinhalten die Verwendung von objektiven Maßen, die aus der Aktivität des Ziels innerhalb des sozialen Netzwerksystems hergeleitet werden, einschließlich Maßen, die Hinweise auf die Popularität und den Einfluss des Ziels unter anderen Elementen des sozialen Netzwerks angeben. Zum Beispiel werden Leute, die häufig zur Verbindung mit anderen eingeladen werden, typischerweise als einflussreich angesehen, insbesondere wenn sie zur Verbindung mit anderen eingeladen werden, die einen hohen Einfluss haben. Ähnlich werden Leute, deren Einladungen häufiger von anderen akzeptiert werden, als einflussreich angesehen, wiederum insbesondere dann, wenn diese Akzeptierenden ebenfalls einflussreich sind. In einer Ausführung könnten diese Maße enthalten:
- • Gesamte Kontaktanfragen nach einem Kontakt, die von dem Ziel empfangen werden, und Prozentsatz dieser Anfragen, die von dem Ziel akzeptiert werden.
- • Gesamte Anfragen, die von dem Ziel geschickt werden, und Prozentsatz jener Anfragen, die von den Empfängern akzeptiert werden.
- • Gesamtanfragen zum Weiterleiten von Kontaktanfragen, die von dem Ziel empfangen werden, und der Prozentsatz jener Anfragen, die das Ziel weiterleitet.
- • Gesamte Anfragen, die von dem Benutzer weitergeleitet werden, und Prozentsatz, der von der nächsten Person in der Kette weitergeleitet wird.
- • Die Anzahl von Einladungen, die von dem Ziel empfangen wird, und der akzeptierte Prozentsatz.
- • Die Anzahl von Einladungen, die von dem Ziel gesendet werden, und der von dem Empfänger akzeptierte Prozentsatz.
- Ferner können diese Maße dazu benutzt werden, die Reputation eines Benutzers genau zu messen, indem man Vermerken von Leuten mit hohem Einfluss höheres Gewicht gibt. Einige Annahmen zum Messen des Einflusses sind:
- • Leute mit einer großen Anzahl von gegenseitig bestätigten Verbindungen sind tendenziell einflussreich und gut verbunden.
- • Leute, die eine große Anzahl von Einladungen erhalten, sind tendenziell einflussreicher als Leute, die nur wenige Einladungen empfangen.
- • Leute, die mehr Einladungen empfangen als sie senden, sind tendenziell einflussreicher als Leute, die mehr Einladungen senden als sie empfangen.
- • Leute, deren Gesamtheit der empfangenen akzeptierten Einladungen größer ist als die Anzahl von Einladungen, die geschickt und akzeptiert werden, sind tendenziell einflussreicher. (Durch Nicht-Zählen von Einladungen, die von einer Partei nicht akzeptiert werden, wobei dieses Maß Varianzen in den Einladungsakzeptanzraten beseitigt, die sich nicht auf den Einflusspegel und die Popularität beziehen, zum Beispiel einflussreiche Leute, die automatisch ihre gesamte Kontaktliste einladen, ohne sie auf Beziehungsstärke zu filtern).
- • Leute mit einer größeren Anzahl von akzeptierten Einladungen sind populärer als jene mit geringeren Zahlen.
- • Leute, deren Einladungsakzeptanzrate 1 näher ist (bestimmt durch ein Verhältnis von gesamten Einladungen, die vom Ziel geschickt und vom Empfänger akzeptiert werden/gesamte Einladungen, die vom Ziel geschickt werden (ISA/IS)), sind tendenziell einflussreicher als Leute mit einer geringeren Akzeptanzrate.
- Es gibt verschiedene wahrscheinliche Ausnahmen für die oben aufgelisteten Grundannahmen. Diese enthalten:
- • Leute, die im sozialen Netzwerk nicht aktiv sind, werden sehr wenig Verbindungen im System haben. Dies hat keine zuverlässige Relation zu ihrer Verbundenheit und ihrem Einfluss in der „realen Weit”.
- • Soziales-Netzwerk-”Evangelisten” können so viel oder mehr Einladungen verschicken, wie sie empfangen. Sie können erfasst werden, weil sie sowohl eine hohe Anzahl von Kontakten als auch hohe Akzeptanzraten haben.
- • Mitglieder, die automatisch ihr gesamtes Adressbuch einladen, könnten eine hohe Anzahl von Verbindungen haben, werden aber niedrigerer als durchschnittliche Akzeptanzraten haben und eine niedrige durchschnittliche Stärke der Verbindungen. Wenn Mitglieder die Einladungen von Leuten akzeptieren, die sie nicht gut kennen, geht die Akzeptanzrate hoch. Jedoch ist diese Art der Akzeptanz kein gutes Maß für den Einfluss in der „realen Welt”. Wenn die Verbindungsstärke in der Online-Gemeinschaft nicht zuverlässig messbar ist, kann dies sehr schwer zu erfassen sein. Besonders einflussreiche und populäre Leute, die automatisch ihr gesamtes Adressbuch einladen, werden niedrigere Akzeptanzraten haben, und eine niedrige durchschnittliche Verbindungsstärke, aber sie werden auch eine große Anzahl von starken Verbindungen haben. Somit wird ihre Einladungsakzeptanzrate höher sein als der Großteil von „Einladungsspammern”, die nicht einflussreich sind. Einladungen, die an Leutegeschickt werden, die gegenwärtig keine Mitglieder des sozialen Netzwerksystems sind, werden gewöhnlich geringere Akzeptanzraten haben als Einladungen, die zu Leuten geschickt werden, die bereits Mitglieder sind, so dass dieser Faktor auch berücksichtigt werden muss.
- Unter Verwendung dieser Annahmen und Ausnahmen können verschiedene Mittel dazu benutzt werden, das Maß des Einflusses von einer sozialen Netzwerkaktivität eines Benutzers herzuleiten. In einer Ausführung könnten Leute mit „hohem” Einfluss bestimmt werden unter Verwendung von (i) einem Verhältnis von gesamten Einladungen, die von einem Ziel empfangen und akzeptiert wurden, zu den gesamten Einladungen, die von dem Ziel geschickt und von Empfängern akzeptiert wurden (IRA/ISA), und (ii) eines Verhältnisses von ISA/Gesamtheit der vom Ziel geschickten Einladungen (ISA/IS). Wenn diese beiden Maße für beide innerhalb eines spezifischen oberen Prozentsatzes (zum Beispiel 20%) der gesamten Nutzerpopulation liegen, wird vermutet, dass der zugeordnete Benutzer innerhalb der Gemeinschaft einen hohen Einfluss hat. Leute mit noch höheren Punktwertungen (zum Beispiel die obersten 20% der obersten 20%) werden so angesehen, dass sie einen „sehr hohen” Einfluss haben. Leute, die so qualifiziert sind, dass sie einen „sehr hohen” Einfluss haben, basierend auf nur einer der zwei Punktwertungen, und die basierend auf der anderen Punktwertung überhaupt nicht qualifiziert sind, werden betrachtet, dass sie einen „hohen” Einfluss haben. Diese Punktwertungen können weiter verfeinert werden, durch rekursives Prüfen der Subjektbenutzer zur Bestimmung, ob sie eine minimale Anzahl von Verbindungen mit anderen einflussreichen Leuten unterhalten oder nicht.
- Zur Korrektur nach der oben diskutierten ersten Ausnahme (Benutzer, die in der Online-Gemeinschaft nicht besonders aktiv sind) könnten Punktwertungen für Benutzer mit einer Anzahl von gegenseitigen Verbindungen, die unter einem minimalen Schwellenwert liegt (zum Beispiel 50 Verbindungen) nicht berechnet oder gemeldet werden. Ähnlich könnten Punktwertungen nur für Benutzer mit entweder „hohen” oder „sehr hohen” Einfluss gemeldet werden. Benutzer werden darauf aufmerksam gemacht, dass, während eine Punktwertung für hohen Einfluss ein guter Hinweis auf Einfluss ist, das Fehlen einer Einfluss-Punktwertung den fehlenden Einfluss NICHT angibt.
- Zur Korrektur nach der zweiten Ausnahme werden einflussreiche soziale Netzwerk-Evangelisten identifiziert, indem nach Benutzern mit einem minimalen Schwellenwert von geschickten Einladungen (zum Beispiel 100) gesucht wird, plus einem minimalen Schwellenwert von geschickten Einladungen, die von Empfängern akzeptiert werden (zum Beispiel 60%) UND/ODER einem minimalen Schwellenwert von empfangenen Einladungen und einem minimalen Wert für das Verhältnis von IRA/ISA (zum Beispiel 0,8). Der Einfluss einer Person mit dieser Angabe könnte basierend allein auf ISA/IS gemessen werden.
- Zur Korrektur nach den dritten und vierten Ausnahmen werden Leute, die sehr große Anzahlen von Einladungen („große Einlader”) als Benutzer identifiziert, die einen Schwellenwert für geschickte Einladungen (zum Beispiel 300) überschreiten. Der Einfluss dieser Leute kann basierend auf einer unteren minimalen ISA/IS-Punktwertung als Leute gemessen werden, die weniger als der große Einlader-Schwellenwert einladen. Diese werden als einflussreich betrachtet, wenn ihre Einladungsakzeptanzrate ein signifikant hoher Prozentsatz für andere „große Einlader” ist.
- Zur Korrektur nach der dritten Ausnahme werden Einladungen, die von Leuten akzeptiert werden, die gegenwärtig keine Elemente des sozialen Netzwerksystems sind, höher gewichtet als Einladungen, die von jenen geschickt werden, die bereits Mitglieder sind. Zum Beispiel kann eine solche Gewichtung auf einem Vergleich der durchschnittlichen Akzeptanzraten für alle Einladungen, die durch das System zu Mitgliedern geschickt werden, gegen Nicht-Mitglieder basieren.
- Wie nachfolgend im näheren Detail beschrieben, können diese Maße in verschiedener Weise weiter verfeinert werden. Ein Beispiel ist das Sammeln von Daten an verschiedenen Maßen, die sich auf die Einladungsakzeptanz beziehen, wie etwa gesamte wechselseitige Verbindungen, IS, ISA, Gesamtheit der empfangenen Einladungen, IRA, registrierte Daten, Daten der ersten Einladung, durchschnittliche Einladungschargengröße, Titel, Firmengröße, Land, Staat und Industrie. Ein anderes ist es, eine große Stichprobe von Einladungsspammern einzuschließen, und eine neue Variable hinzuzufügen, um anzuzeigen, ob ein Mitglied ein Einladungsspammer ist. Spammer können basierend auf Maßen wie etwa sehr große Anzahl von geschickten Einladungen, niedrige Akzeptanzraten, geringe Wichtigkeit des Einflusses basierend auf dem Titel, Firmengröße und Namenserkennung basieren. Ein besserer Test ist es, die Stärke von Verbindungen zum Identifizieren von Spammern zu benutzen, indem man nach einem großen Prozentsatz von Einladungen sucht, die zu Leuten mit geringer Verbindungsstärke geschickt werden. Dieser Test erlaubt auch eine Einstellung von abnormal niedrigen oder hohen Punktwertungen von Einladungsspammern und anderen, durch Nicht-Berücksichtigung von Einladungen, die zu Leuten mit geringer oder keiner Beziehungsstärke geschickt werden. Um dies zu tun, kann eine große Stichprobe von Mitgliedern verwendet werden, die Analyse von E-Mail-Transaktionen und Kontaktlisten hochgeladen haben. Dann kann ein minimaler Test der Enge der Beziehung basierend auf der Häufigkeit und Wiederholbarkeit von E-Mails zu einem bestimmten Kontakt durchgeführt werden. Maße der Beziehungsstärke zu Einladungsakzeptanzraten, die verschiedenen Gesamtanzahlen von geschickten Einladungen gegeben sind, können dann korreliert werden und dazu benutzt werden, die Punktwertungen noch präziser zu korrigieren. Einladungen, die zu Leuten geschickt werden, die den Absender nicht gut kennen, können von solchen vielleicht ignoriert werden. Ein anderer möglicher Hinweis auf schwache Verbindungen ist die Akzeptanz eines hohen Prozentsatzes von Einladungen, die von Leuten erhalten werden, die eine große Anzahl von Einladungen verschicken.
- Eine weitere Verfeinerung der obigen Technik ist es, eine andere große Stichprobe von Leuten einzuschließen, die basierend auf dem scheinbaren Grad des Einflusses kategorisiert werden, zum Beispiel: sehr hoch, hoch; mäßig und niedrig. Es kann Heuristik angewendet werden, basierend auf Namenerkennung, Titel und Organisationsgröße, um Leute in diese verschiedenen Gruppen zu kategorisieren.
- Eine noch andere Verfeinerung beinhaltet die Verwendung einer multivarianten Analyse zur Bestimmung von Korrelationen zwischen dem Einflussgrad und Hinweisen von Einladungsspamming zu verschiedenen Faktoren und Testmaßen des Einflusses und/oder zum Herleiten fester Maße des Einflusses. Ähnlich können Maße des Einflusses durch Anfrage und Weiterleitungsaktivität bestimmt werden. Annahmen sind hier, dass Leute einflussreicher sind, wenn ihre Anfragen von ihren ersten Kontaktgraden weitergeleitet werden, ihre Anfragen das Ziel erreichen, ihre Anfragen vom Ziel akzeptiert werden, Anfragen, die sie weiterleiten, von ihren Kontakten weitergeleitet werden, Anfragen, die sie weiterleiten, das Ziel erreichen, Anfragen, die sie weiterleiten, vom Ziel akzeptiert werden, und der Prozentsatz davon, wie häufig ein Benutzer ausgewählt wird, um eine Anfrage weiterzuleiten, wenn der Benutzer einer von mehreren Direktkontakten des Absenders ist, die der Absender zur Auswahl wählen kann, um die Anfrage weiterzuleiten.
- Eine Vermerk-Schnittstelle kann dazu benutzt werden, einige oder alle der verschiedenen oben beschriebenen Maße anzuzeigen. Verschiedene Ansichten der Information können so bereitgestellt werden; unter diesen kurze zusammenfassende Form, die die Anzahl von Vermerken, die Anzahl von verschlossenen Vermerken, Aggregat-Vermerk-Punktwertung und die Aggregat-Einfluss-Punktwertung enthalten können. Es kann eine Option vorgesehen sein, um einem Benutzer zu erlauben, weitere Details in Bezug auf einige oder aller dieser Maße zu erhalten, wobei das Detail einige oder alle der Daten um Maße enthalten kann, wie oben beschrieben (wie etwa Reputationsindikatoren in Bezug auf das Netzwerk des Ziels und/oder Reputationsindikatoren in Bezug auf die soziale Netzwerkaktivität eines Ziels). Zum Beispiel könnte eine Liste mit dem Vergleich aller Vermerkenden für ein Ziel angezeigt werden. Diese kann enthalten: die Stärke des Vermerks, die Beziehung des Vermerkenden zu dem Ziel, die Beziehung des Vermerkenden zu dem Suchenden, eine scheinbare Zuverlässigkeits-Punktwertung, einen schnellen Link zu dem Vermerk, einen schnellen Kontaktlink, einen Hinweis, ob es eine Rolle oder Beziehung zwischen dem Vermerkenden und dem Ziel gibt oder nicht, die sich auf den Zweck des Suchenden bezieht, den Verbindungsgrad zwischen dem Vermerkenden und dem Suchenden, einen Hinweis darauf, ob es eine geeignete Unabhängigkeit des Vermerkenden vom Vermerkten gibt oder nicht, eine scheinbare Unabhängigkeit des Vermerkenden von anderen Vermerkenden, und eine Vermerk-Reputations-Punktwertung für den Vermerkenden. Dem Benutzer kann erlaubt werden, diese Ansichten selbst zu spezifizieren, um Gegenstände zu beseitigen, die ihn nicht interessieren.
- Information über den Vermerkenden können vom Suchenden auch selbst spezifiziert werden. Das Konzept der „Reputation” wird häufig in Bezug auf die Person verstanden, die an der Reputation interessiert ist (d. h. hier der Suchende). Aus diesem Grund könnte eine Schnittstelle enthalten sein, die Information über Vermerkende und Vermerke präsentiert, die für den Suchenden besonders relevant sind. In einer Ausführung könnte das Reputationssystem
41 die Beziehung des Vermerkenden zum Vermerkten zur Beziehung, die zwischen dem Suchenden und dem Vermerkenden am meisten gewünscht ist, vergleichen, und jene Vermerkenden hervorheben oder präsentieren, deren Passung am meisten relevant ist. Darüber hinaus (oder als Alternative) könnte das Reputationssystem41 Vermerkende hervorheben, die dem Suchenden besonders nahe sind, basierend auf dem Grad und/oder der Stärke von Verbindungen und/oder anderen Affinitäten (zum Beispiel, ist Mitglied in der gleichen vertrauten Gruppe). - In einigen oder allen der oben beschriebenen Ausführungen können Aggregate anstatt von rohen Vermerk- oder Reputations-Punktwertungen verwendet/bereitgestellt werden. Es sind viele Formen einer solchen Aggregation möglich, unter diesen:
- • Mittelwert aller Vermerke,
- • ein Mittelwert von verschlossenen Vermerken (diese können gemeldet werden, wenn eine ausreichende Anzahl von verschlossenen Vermerken existiert),
- • eine Aggregatwichtungs-Punktwertung für die Unabhängigkeit (zum Beispiel einschließlich der Gruppenunabhängigkeit),
- • eine Aggregatwichtungs-Punktwertung für Beziehungen zum Suchenden (zum Beispiel einschließlich Rolle und Grad/Stärke von Verbindungen, und
- • eine Aggregatwichtungs-Punktwertung für Vermerke von Vermerkenden.
- Reputationsindikatoren in einem sozialen Netzwerkschema
- Gemäß einer Ausführung der Erfindung werden verschiedene Reputationsindikatoren erzeugt, um unterschiedliche Kategorien und Pegel der Reputation für einen einzelnen Benutzer der sozialen Netzwerkgemeinschaft widerzuspiegeln. Zum Beispiel könnte, gemäß einer Ausführung der Erfindung, ein Reputationsindikator ein grafisches Bild oder ein Icon enthalten, um einen Typ oder eine Kategorie der Reputation zu kommunizieren. Darüber hinaus könnte sich das grafische Bild, das die bestimmte Kategorie der Reputation repräsentiert, verändern, um den gesamten Pegel oder das Maß der Reputation für einen bestimmten Benutzer in Bezug auf diese bestimmte Kategorie der Reputation anzuzeigen.
- In einer Ausführung wird für jeden Benutzer der sozialen Netzwerkgemeinschaft eine darunter liegende Aggregat-Punktwertung für jede Reputationskategorie berechnet. Eine Benutzer-Aggregat-Punktwertung für jede bestimmte Kategorie der Reputation wird dann dazu benutzt, zu bestimmen, welche Veränderung eines bestimmten Reputationsindikators für diesen Benutzer angezeigt werden sollte. Zum Beispiel könnte eine Benutzer-Aggregat-Punktwertung für eine bestimmte Kategorie der Reputation mit einem Bereich von Punktwertungen verglichen werden. In Abhängigkeit von dem Bereich, in dem die Benutzer-Aggregat-Punktwertung fällt, wird ein bestimmter Reputationsindikator angezeigt, um die Reputationskategorie zu indizieren sowie der Bereich, in den die Benutzer-Aggregat-Punktwertung fällt. Dementsprechend könnte in einer Ausführung der Erfindung ein Benutzer suchen, um andere Mitglieder der sozialen Netzwerkgemeinschaft zu finden, die eine Aggregat-Punktwertung für eine bestimmte Reputationskategorie aufweisen, die innerhalb des gleichen Bereichs wie die Benutzer-Aggregat-Punktwertung liegt.
- In einer Ausführung der Erfindung wird für eine oder mehrere Reputationskategorien ein Schwellenwert erstellt. Dementsprechend könnte der Schwellenwert für die Bestimmung genutzt werden, ob ein bestimmter Reputationsindikator für eine bestimmte Reputationskategorie angezeigt werden sollte. Wenn zum Beispiel, in einer Ausführung der Erfindung, eine Benutzer-Aggregat-Punktwertung für eine bestimmte Reputationskategorie den Schwellenwert nicht überschreitet, dann wird kein Reputationsindikator für diese bestimmte Reputationskategorie angezeigt.
- In einer Ausführung der Erfindung könnte zusätzliche Information zusammen mit einem bestimmten Reputationsindikator angezeigt werden. Wenn zum Beispiel eine Aggregat-Punktwertung für eine bestimmte Reputationskategorie beim Kommunizieren eines präzisen Maßes nützlich ist, dann könnte die Aggregat-Punktwertung, die durch eine Zahl indiziert wird, in der Anzeige des Reputationsindikators mit eingeschlossen werden. Ferner könnte zusätzliche Information für einen bestimmten Reputationsindikator über einen oder mehrere zugeordnete Links, die mit dem Reputationsindikator angezeigt werden, kommuniziert werden. Zum Beispiel könnte ein interaktiver Link (zum Beispiel ein Hypertext-Link, ein Hyperlink) zusammen mit einem Reputationsindikator angezeigt werden. Alternativ könnte in einer Ausführung die Grafik oder das Icon, das der Reputationsindikator ist, selbst ein Hyperlink sein. Jedenfalls kann, wenn gewählt, der Hyperlink zur Anzeige zusätzlicher Information führen, wie etwa Details in Bezug auf die Bedeutung des Reputationsindikators, oder welche Faktoren (zum Beispiel Maße) zur Berechnung der Aggregat-Punktwertung für den Reputationsindikator benutzt werden.
-
3 zeigt ein Beispiel von verschiedenen Reputationsindikatoren50 für eine Reputationskategorie, die die Anzahl von direkten Mitgliedschaftsverbindungen misst, die ein bestimmter Benutzer in einer sozialen Netzwerkgemeinschaft hergestellt hat. Zum Beispiel könnte in einer Ausführung der Erfindung eine Reputationskategorie auf der Anzahl von Mitgliedschaftsverbindungen beruhen, die ein einzelner Benutzer der Gemeinschaft mit anderen Mitgliedern hergestellt hat. Eine direkte Verbindung könnte in einer von verschiedenen Wegen hergestellt werden. - Zum Beispiel könnte ein Mitglied der sozialen Netzwerkgemeinschaft eine einen Freund einladende E-Mail zur Registrierung mit der sozialen Netzwerkgemeinschaft verschicken. Durch Akzeptieren der Einladung und Registrierung mit der sozialen Online-Netzwerkgemeinschaft stellt der Freund des Mitglieds eine direkte Verbindung zwischen den beiden her. Dementsprechend wird ein Reputationsindikator für Mitgliedschaftsverbindungen widerspiegeln, dass der Benutzer eine direkte Verbindung mit dem Freund hat.
- Wie in
3 dargestellt, scheinen, in einer Ausführung der Erfindung, die Reputationsindikatoren für Mitgliedschaftsverbindungen als kreisförmige Icons. In jedem Kreis ist ein mittlerer Punkt gezeigt mit einer oder mehreren Speichen, die einen mittleren Punkt mit einem kleineren Punkt verbinden. Dementsprechend könnte jeder kleinere Punkt ein Mitglied repräsentieren, mit dem der Benutzer eine direkte Verbindung hergestellt hat. Wenn darüber hinaus in einer Ausführung der Erfindung ein Icon für Mitgliedschaftsverbindungen angezeigt wird, wird es zusammen mit der in3 gezeigten Markierung angezeigt (zum Beispiel „1 VERBINDUNG”). Alternativ wird in einer Ausführung das Icon, das den Reputationsindikator für Mitgliedschaftsverbindungen repräsentiert, ohne Markierung angezeigt. In einer Ausführung könnte der Icon ein Hyperlink sein, der zu einem Internetdokument (zum Beispiel einer Webseite) weist, einschließlich weiterer Information über direkte Verbindungen dieses bestimmten Benutzers, einschließlich der aktuellen Aggregat-Punktwertung des Benutzers (zum Beispiel Anzahl von Verbindungen) für die Reputationskategorie für Mitgliedschaftsverbindungen). - In einer Ausführung der Erfindung indiziert der Reputationsindikator für Mitgliedschaftsverbindungen eine exakte Zahl von direkten Verbindungen, die ein bestimmtes Mitglied hergestellt hat. Zum Beispiel sind in
3 die Reputationsindikatoren mit der Bezugsanzahl52 bildlich akkurat in dem Sinne, dass jede Speiche eine direkte Mitgliedschaftsverbindung repräsentiert. Dementsprechend werden, für einen bestimmten Benutzer mit einer Aggregat-Punktwertung von 5 für die Reputationskategorie für Mitgliedschaftsverbindungen, der entsprechende Reputationsindikator fünf Speichen anzeigt. - Alternativ könnte der Reputationsindikator einen Bereich indizieren. Zum Beispiel könnten in
3 die Reputationsindikatoren mit der Bezugszahl54 dazu benutzt werden, einen Bereich zu indizieren, indem eine Benutzer-Aggregat-Punktwertung für Mitgliedschaftsverbindungen fällt. Wenn zum Beispiel ein Benutzer zwölf direkte Verbindungen mit anderen Mitgliedern der sozialen Netzwerkgemeinschaft hergestellt hat, könnte das erste Icon mit dem Etikett „7–15 VERBINDUNGEN” angezeigt werden, um zu kommunizieren, dass der Benutzer eine Anzahl von Verbindungen innerhalb dieses bestimmten Bereichs hergestellt hat. Das Icon54 , das mit „500+ VERBINDUNGEN” markiert ist, könnte angezeigt werden, wenn eine Aggregat-Punktwertung eines bestimmten Benutzers für Mitgliedschaftsverbindungen einen Schwellenwert von 500 überschreitet. - Es versteht sich, dass die in
3 dargestellten bestimmten Icons als Beispiele vorgesehen worden sind und in keiner Weise gemeint sind, dass sie die vorliegende Erfindung beschränken. In anderen Ausführungen der Erfindung könnte eine weite Vielzahl von Grafiken, Symbolen, Text und/oder Icons mit einer oder mehr der Qualitäten und/oder Charakteristiken, die hierin beschrieben sind, als Reputationsindikatoren für die Reputationskategorie für Mitgliedschaftsverbindungen verwendet werden. - In einer Ausführung der Erfindung werden Reputationsindikatoren dazu benutzt, verschiedene Qualitäten oder Attribute zu kommunizieren, die einem bestimmten Mitglied der sozialen Netzwerkgemeinschaft zugeordnet sind. Zum Beispiel könnte, wie oben beschrieben, ein Reputationsindikator für Mitgliedschaftsverbindungen dazu benutzt werden, die Anzahl von direkten Verbindungen zu kommunizieren, die ein Mitglied der Gemeinschaft mit anderen Mitgliedern der Gemeinschaft hergestellt hat. Dementsprechend könnte ein Mitglied der sozialen Netzwerkgemeinschaft eine Suche durchführen, basierend auf einem oder mehreren Reputationsindikatoren, um andere Mitglieder mit bestimmten Qualitäten oder Attributen zu identifizieren. In diesem Kontext und zum Zwecke der Beschreibung der Erfindung könnte ein suchender Benutzer als Betrachter bezeichnet werden, und die gesuchte Person könnte als Ziel bezeichnet werden. Zum Beispiel könnte ein Betrachter eine Sucht durchführen, um alle Ziele innerhalb der sozialen Netzwerkgemeinschaft mit über 500 direkten Mitgliedschaftsverbindungen zu identifizieren.
- Reputationsindikatoren in Suchergebnissen
-
4 stellt eine Suchergebnisanzeige dar, einschließlich einer Vielzahl von Reputationsindikatoren, wie eine Benutzerschnittstelle einer sozialen Netzwerkgemeinschaft gemäß einer Ausführung der Erfindung. Die in4 dargestellte Suchergebnisanzeige enthält eine Vielzahl von Informationen über ein Mitglied der sozialen Netzwerkgemeinschaft. In einer Ausführung der Erfindung könnte die angezeigte Information Information vom Benutzerprofil beinhalten, einschließlich, aber nicht beschränkt auf Information in Bezug auf: die Karriere des Mitglieds (zum Beispiel gegenwärtiger oder früherer Titel, Arbeitgeber und/oder Industrie), Erziehung des Mitglieds (zum Beispiel besuchte Schulen, erreichte Abschlüsse), Interessengebiete und eine Vielzahl von anderer Information. In einer Ausführung könnten die Suchergebnisanzeige eine digitale Fotografie oder ein Bild des Mitglieds enthalten. Darüber hinaus könnte gemäß einer Ausführung der Erfindung eine Vielzahl von Reputationsindikatoren für verschiedene Reputationskategorien angezeigt werden. Zum Beispiel werden in der in4 dargestellten jeweiligen Suchergebnisanzeige56 Reputationsindikatoren für die folgenden Reputationskategorien angezeigt: Netzwerkindikator58 , Vermerkindikator60 , Zugriffsindikator62 , Aktivitätsindikator64 und Verifizierungsindikator66 . - Eine Kategorie von Reputationsindikatoren, die oben kurz beschrieben wurde, ist die Kategorie der Mitgliedschaftsverbindungen. Dementsprechend ist die Kategorie der Mitgliedschaftsverbindungen ein Reputationsindikator basierend auf der Anzahl von direkten Verbindungen, die ein bestimmtes Mitglied mit anderen Mitgliedern der sozialen Netzwerkgemeinschaft hergestellt hat. Der Mitgliedschaftsverbindungen-Reputationsindikator ist ein Maß der Reputation des Mitglieds innerhalb des Netzwerks. In einer anderen Ausführung der Erfindung könnten die Mitgliedschaftsverbindungskategorie als Netzwerk-Reputationsindikator oder Netzwerkindikator
60 bezeichnet werden. Dementsprechend könnte der Netzwerk-Reputationsindikator60 auf anderen Überlegungen beruhen als der Anzahl von direkten Verbindungen, die ein bestimmtes Mitglied mit anderen Mitgliedern des Netzwerks hergestellt hat. - In einer Ausführung beruht der Netzwerk-Reputationsindikator
60 auf einer komplexeren Analyse von Netzwerkverbindungen eines Mitglieds. Zum Beispiel könnte in einer Ausführung der Erfindung die Aggregat-Punktwertung für einen Netzwerk-Reputationsindikator60 eines Mitglieds basierend auf einem oder mehreren von folgenden beruhen: - • Senioritätspositionen von direkten (erster Grad) und erweiterten Kontakten (Kontakte zweiten, dritten und vierten Grades).
- • Maße des Einflusses des direkten und erweiterten Netzwerks des Mitglieds.
- • Diversität des direkten und erweiterten Netzwerks des Mitglieds.
- • Gesamte aggregierte Maße der direkten und erweiterten Netzwerke des Mitglieds.
- Diesen verschiedenen Faktoren könnten, zusätzlich zur Anzahl von direkten Verbindungen, unterschiedliche Wichtungen gegeben werden, und kombiniert werden, um zu einer Aggregat-Punktwertung eines Mitglieds für einen Netzwerk-Reputationsindikator
60 zu gelangen, wie oben beschrieben. - In einer Ausführung der Erfindung erlaubt das System jedem Betrachter, die jeweilige Funktion oder Formel kundenmäßig zu spezifizieren, die dazu benutzt wird, an eine Aggregat-Punktwertung für eine oder mehrere Reputationsindikatoren zu gelangen. Zum Beispiel könnte, für jeden Typ von Aggregat-Punktwertung in Bezug auf eine bestimmte Reputationskategorie, ein Betrachter die Punktwertung selbst spezifizieren, um Faktoren herauszuheben, die für den Betrachter am interessantesten sind. Wenn ein Betrachter besonders daran interessiert ist, Ziele (andere Mitglieder) mit hoher Netzwerkfestigkeit in Bezug auf eine bestimmte Industrie oder Industrien aufzufinden, wird der Benutzer in der Lage sein, diese Arten von Kundenspezifizierungen durchzuführen. Wenn alternativ der Benutzer am meisten daran interessiert ist, Ziele mit hohem Zugriff zu Seniorebenen-Kontakten mit hohem Einfluss aufzufinden, können diese Typen von Kundenspezifizierungen durchgeführt werden.
- Ähnlich könnte mit dem Typ von Aggregat-Punktwertung, die einer bestimmten Reputationskategorie zugeordnet ist, automatisch kundenspezifiziert werden, um typische Interessen in Bezug auf bestimmte Recherchenarten widerzuspiegeln. Zum Beispiel könnte das Verhalten von Benutzern des Systems aufdecken, dass Benutzer, die nach Software-Ingenieuren suchen, sich weniger darum kümmern, Ziele mit besonders einflussreichen Netzwerken aufzufinden, als es Benutzer tun, welche nach Geschäftsentwicklungskandidaten suchen. Kundenspezifizierungen in den Algorithmen, die zur Berechnung von Aggregat-Punktwertungen verwendet werden, können daher aus verschiedenen Datensammelverfahren hergeleitet werden, einschließlich expliziten Benutzertests und der Analyse von Benutzerverhalten an dem System.
- Wieder in Bezug auf
4 ist eine andere Reputationskategorie, für die ein Reputationsindikator auf der Suchergebnisanzeige angezeigt wird, Vermerke (Endorsments). Der Vermerkindikator62 (zum Beispiel die Prüfmarkierung in4 ) repräsentiert ein Reputationsmaß, das aus einer Analyse von Vermerken und Referenzen erstellt wird, die von anderen Mitgliedern der sozialen Netzwerkgemeinschaft bereitgestellt werden. Zum Beispiel könnte in einer Ausführung der Erfindung ein Mitglied ein anderes Mitglied vermerken oder sich auf ein Mitglied beziehen. Der Vermerk oder die Referenz könnte von Grund auf breit oder allgemein sein, oder alternativ könnte der Vermerk oder die Referenz einen bestimmten Aspekt (zum Beispiel Dienst oder Produkt) des Mitglieds zugeordnet sein. In einer Ausführung wird der Vermerk-Reputationsindikator62 nur dann angezeigt, wenn ein Mitglied zumindest einen Vermerk oder eine Referenz hat. Darüber hinaus könnte in einer Ausführung der Erfindung zusätzliche Information zusammen mit dem Icon für den Vermerk Reputationsindikator62 angezeigt werden. Zum Beispiel könnte in einer Ausführung eine einfache Punktwertung angezeigt werden, die die Anzahl von Vermerken aufzeigt, die von dem Benutzer empfangen werden. Darüber hinaus oder als Alternative könnten eine komplexere Aggregat-Punktwertung berechnet und gemeldet werden, um eine Kombination von Faktoren widerzuspiegeln, wie etwa: - • Eine summarische Punktwertung von Vermerk-Wertungen, die von Vermerkenden bereitgestellt werden.
- • Die aggregierten Reputations-Punktwertungen für Vermerkende.
- • Analyse der Reputation von direkten und erweiterten Netzwerk-Kontakten des Vermerkenden.
- • Maße der Unabhängigkeit und Objektivität von Vermerkenden, hergeleitet aus Netzwerkanalyse.
- • Maße des Ausmaßes der Qualifikationen und Relevanz des Vermerkenden zum Typ der vom Betrachter durchgeführten Suche.
- • Maße der Nähe der Beziehung des Vermerkenden zum Betrachter.
- In einer Ausführung der Erfindung, wie in
4 dargestellt, enthält die Suchergebnisanzeige einen Reputationsindikator, der den Zugriffspegel repräsentiert, den ein Mitglied zu einem anderen Mitglied hat. Demtsprechend könnte ein solcher Reputationsindikator als Zugriffsindikator64 bezeichnet werden. - Einer der Hauptvorteile von sozialen Netzwerksystemen zur Verbesserung von Reputationsinformation ist, dass soziale Netzwerksysteme nicht nur eindeutige Reputationsmaße bieten, sondern auch Nutzern helfen, vertraulichen Zugriff zu zusätzlicher Information zu erlangen, die sie benötigen, um ihre Evaluierungen zu vervollständigen. Wenn zum Beispiel zwei Mitglieder einen gemeinsamen Freund haben und jedes Mitglied eine direkte Verbindung zu diesem Freund über das soziale Netzwerksystem hergestellt hat, dann könnte ein inhärenter Vertrauenspegel zwischen den zwei Mitgliedern über ihre gemeinsame Verbindung zu ihrem Freund vorhanden sein. Der gemeinsame Freund bietet einen Weg von vertrauten Verbindungen zwischen zwei Mitgliedern, und dementsprechend ist es wahrscheinlich, dass das Vertrauen und die potentielle Offenheit zwischen den zwei Mitgliedern zunehmen. Dementsprechend könnte sich das soziale Netzwerksystem als leistungsfähiges Werkzeug erweisen, einem Mitglied vertraulichen Zugriff zu einem anderen Mitglied zu geben. Natürlich könnte dies auch jedem Mitglied Zugriff zu einem anderen Netzwerkmitglied geben. Der Zugriffsindikator
64 erlaubt es einem Betrachter, rasch zu sehen, wie eng er oder sie mit dem Ziel, Vermerkenden des Ziels und anderen wahrscheinlichen Referenzen verbunden ist. Zum Beispiel könnte das soziale Netzwerksystem auch ein leistungsfähiges Werkzeug sein, das dem Betrachter vertrauten Zugriff nicht nur zu dem Ziel gibt, sondern auch zu anderen Leuten, die das Ziel kennen, und die dazu bereit wären, als Referenz zu wirken, einschließlich Leuten, die das Ziel öffentlich vermerkt haben, sowie jene, die dies nicht haben. - Die Faktoren, die in einem Algorithmus zum Berechnen einer Aggregat-Punktwertung für einen Zugriffsreputationsindikator
64 enthalten können, beinhalten, sind aber nicht beschränkt auf das folgende: - • Nähe eines Betrachters zu einem Ziel.
- • Nähe eines Betrachters zu Vermerkenden des Ziels.
- • Nähe eines Betrachters zu wahrscheinlichen Referenzen für das Ziel, zum Beispiel Leute, die das Ziel kennen könnten, weil sie in einer gleichen Firma angestellt sind, oder wegen anderer wahrscheinlicher Beziehungen.
- Der Algorithmus zur Berechnung der Nähe könnte eine Kombination von einem oder mehreren der folgenden Faktoren beinhalten:
- • Grade zwischen dem Betrachter und anderen Parteien.
- • Maße der Stärke der Beziehung zwischen Parteien in dem Verbindungsweg zwischen dem Betrachter und der anderen Partei.
- • Maße der Stärke der Beziehung zwischen Parteien, die eine oder mehrere Verbindungen aufgrund von gemeinsamen Gruppenmitgliedschaften beinhalten, einschließlich Gruppenmitgliedschaften, wo die Mitglieder der Gruppe speziellen Zugriff zu anderen Mitgliedern der Gruppe auf der Basis von Gruppenaffinität geben, auch ohne einen direkten Verbindungsweg zwischen diesen herzustellen.
- • Ob die andere Partei, mit der der Betrachter verbunden ist, das Ziel, ein Vermerkender oder eine wahrscheinliche Referenz ist.
- Um weiter darzustellen, wie Zugriffsreputationsindikatoren
64 in einem sozialen Netzwerkschema genutzt werden könnten, stellt die Tabelle 1 (unten) verschiedene unterschiedliche Beziehungen zwischen einem Betrachter und einem Ziel dar, die zum Erhalt von reputationsbezogener Information benutzt werden können.1. V ←→ C ←→ C ←→ T (V 3 Grade von T) 2. V ←→ C ←→ C ←→ E (V 3 Grade von E) 3. V ←→ C ←→ C ←→ T (V 3 Grade von beiden T und E) C ←→ C ←→ E 4. V ←→ AC ←→ T (V ist mit T über Gruppenkontakt verbunden) 5. V ←→ C ←→ C ←→ (V 3 Grade von wahrscheinlicher Referenz) V = Betrachter, C = Verbinder, T = Ziel, E = Vermerkender, AC = Affinitätsverbinder; LR = Wahrscheinliche Referenz - In Tabelle 1 zeigt das erste Beispiel einen Betrachter, der mit einem Ziel durch zwei andere Mitglieder verbunden ist, als Verbinder bezeichnet. Demzufolge wird im ersten Beispiel der Betrachter als drei Grad von dem Ziel gewertet. Ähnlich wird in Beispiel 2 der Betrachter drei Grad von einem Vermerkenden gewertet. Im dritten Beispiel ist der Betrachter drei Grad von sowohl dem Ziel als auch dem Vermerkenden entfernt gezeigt. Im vierten Beispiel ist der Betrachter mit einem Ziel über einen Gruppenkontakt verbunden. Zum Beispiel könnte der Betrachter keine direkte Verbindung mit dem Ziel hergestellt haben, sondern stattdessen könnte der Betrachter zu einer oder mehreren der gleichen Organisationen, Clubs oder Gruppen als dem Ziel gehören. Im Beispiel 5 ist der Betrachter drei Grad von einer wahrscheinlichen Referenz entfernt gezeigt.
- In einer Ausführung der Erfindung könnte eine Aggregat-Punktwertung für einen Zugriffsindikator
24 auf einem oder mehreren der folgenden Faktoren beruhen: - • Zähler der Anzahl von Graden auf dem kürzesten Weg zwischen dem Betrachter und dem Ziel.
- • Zähler der Anzahl von Graden auf dem kürzesten Weg zwischen dem Betrachter und einem Vermerkenden.
- • Zähler der Anzahl von Graden auf dem kürzesten Weg zwischen dem Betrachter und einer wahrscheinlichen Referenz.
- • Wenn einer der obigen Zähler drei Grad oder kleiner ist, oder wenn zwei oder mehr der obigen Zähler drei Grad oder kleiner sind, dann wird das Zugriffsicon in dem Reputation-Summen-Display angezeigt.
- Die obigen Algorithmen können korrigiert werden, um auch andere Faktoren einzubauen. Zum Beispiel könnte in einer Ausführung der Erfindung einer Affinitätsgruppenverbindung das gleiche Gewicht wie eine direkte Verbindung gegeben werden. Eine Affinitätsgruppenverbindung könnte existieren, wo zwei Mitglieder der sozialen Netzwerkgemeinschaft auch beide Mitglieder der gleichen Gruppe sind, und jedes Mitglied zugestimmt hat, Zugriff zu anderen Mitgliedern innerhalb der Gruppe zu bieten.
- Ein Beispiel eines komplexeren Algorithmus, der einige der oben beschriebenen Faktoren kombiniert, ist wie folgt:
- • Finde alle Verbindungswege zwischen Ziel und Betrachter. Die stärksten Wege sind jene, die die höchste minimale Verbindungsstärke zwischen beliebigen zwei Verbindungsparteien in der Kette haben.
- • Falls erforderlich, korrigiere numerische Werte nach Nähe und Stärke von Verbindungen, so dass weniger Grade und stärkere Verbindungen höher sind als mehr Grade und schwächere Verbindungen. Wenn zum Beispiel Möglichkeit von bis zu vier Verbindungsgrade (Nähe) und vier Maße der Beziehungsstärke vorliegt (einschließlich einer gemeinsame Affinitätsgruppenmitgliedschaft als eines der Maße der Beziehungsstärke, werden die folgenden Bewertungen verwendet, die in Tabelle 2 (unten) gezeigt sind:
- • Für jeden gefundenen Weg, multipliziere den Wert der Nähe mit dem Wert der Stärke, um eine gesamte Zugriffs-Punktwertung für diesen Weg zu bekommen. Wenn zum Beispiel der Wert der Nähe 8 ist und der Wert der Stärke 7 ist, wäre die Zugriffs-Punktwertung 56, im Vergleich zur maximalen Punktwertung von 100.
- • Berechne eine korrigierte Zugriffs-Punktwertung durch Nehmen der höchsten Zugriffs-Punktwertung unter allen aufgefundenen Wegen, und multipliziere diesen mit einem Faktor, der die Zugriffs-Punktwertung um bis zu 50% erhöht, basierend auf dem Vorhandensein von mehreren Wegen, die die gleiche Stärke haben oder innerhalb 75% der gleichen Stärke.
- • Wiederhole die Schritte 1 bis 4 für jeden anderen Verbindungstyp (das heißt, zwischen Betrachtern und a) Vermerkenden und b) wahrscheinlichen Referenzen). Für wahrscheinliche Referenzen wird es zunächst notwendig sein, alle wahrscheinlichen Referenzen aufzufinden, und dann Wege zwischen dem Betrachter und wahrscheinlichen Referenzen aufzufinden.
- • Kombiniere korrigierte Zugriffs-Punktwertungen für jeden Verbindungstyp, indem diese zusammen addiert werden mit einem zu jeden angewendeten Korrekturgewicht. Zum Beispiel könnte das Korrekturgewicht für den direkten Zugriff auf das Ziel oder Vermerkenden 1 sein, für den Zugriff auf wahrscheinliche Referenzen könnte das Korrekturgewicht 0,6 sein.
- • Korrigiere die oben beschriebenen Gewichte und Punktwertungen basierend auf a) expliziten Benutzerpräferenzen oder b) automatischer Analyse der Referenz zwischen Gruppen von ähnlichen Benutzern und Suchtypen.
- In einer Ausführung der Erfindung könnten die Zugriffsreputationsindikatoren
24 eine bestimmte Beziehung zwischen zwei Mitgliedern indizieren. Zum Beispiel könnte die Aggregat-Punktwertung, die einen Zugriffsindikatorpegel repräsentiert, nicht nur dann zunehmen, wenn zwei Leute einen engen Verbindungsweg haben, sondern auch dann, wenn sie gemeinsame Interessen Hintergründe oder andere Affinitätsindikatoren haben. In einer Ausführung der Erfindung dienen einige Affinitätsindikatoren auch dazu, als ein Extra-Vermerk-Typ zu wirken. Zum Beispiel könnten Leute, die hochgeachtete Universitäten abgeschlossen haben, andere werten, wenn sie an der gleichen Universität abgeschlossen haben, oder anderen Universitäten mit ähnlichen Reputationen. Als anderes Beispiel könnten Leute, die bei der Unterstützung bestimmter sozialer Ursachen aktiv gewesen sind, einen höheren Pegel von Vertrauen und Empathie für andere haben, die ähnliche Interessen und Erfahrungen haben. - Wenn in einer Ausführung der Erfindung ein Betrachter nach einem Profil eines anderen Mitglieds sucht oder eine Suche nach anderen Mitgliedern durchführt, wird das System automatisch nach einer Passung zu wahrscheinlichen Affinitätsattributen suchen, wie etwa besuchten Schulen, Gruppenmitgliedschaften, aktiven sozialen Ursachen und/oder persönlichen und professionellen Interessen. In einer Ausführung der Erfindung könnte ein Affinitätsreputationsindikator sich auf einen Zugriffsindikator beziehen, wird aber die gesamte Aggregat-Punktwertung für diesen Zugriffsindikator nicht beeinflussen. Stattdessen wird, wenn es zumindest einen Affinitätsindikator zwischen dem Betrachter und dem Profil eines anderen Mitglieds gibt, ein Affinitätsindikator zusammen mit dem Zugriffsindikator angezeigt. In einer anderen Ausführung beeinflusst (zum Beispiel vergrößert) ein passendes Affinitätsattribut die Aggregat-Punktwertung für den Zugriffsreputationsindikator
24 . Zum Beispiel könnte, wie am Beispiel der Benutzerschnittstelle von3 dargestellt, der Affinitätsindikator als hypergelinkter Textstrang erscheinen, so dass sich der Link36 liest: „Was Du und Jane gemeinsam haben”. - In einer Ausführung der Erfindung könnte ein Reputationsindikator, der die Aktivität eines Mitglieds innerhalb der sozialen Netzwerkgemeinschaft widerspiegelt, angezeigt werden. Zum Beispiel könnte ein solcher Reputationsindikator als Aktivitätsindikator
26 bezeichnet werden. Aktivität von Personen innerhalb des sozialen Netzwerksystems können einen wichtigen Anhaltspunkt in Bezug auf Reputation und gesamte Zuverlässigkeit geben. Wenn richtig analysiert und gefiltert, können diese Anhaltspunkte, wenn sie einem Betrachter angeboten werden, erlauben, dass der Betrachter die folgenden Entscheidungsarten in Bezug auf die Aktionen eines bestimmten Ziels trifft: - • Legt die Aktivität eines Mitglieds nahe, dass das Mitglied eine gute Reputation haben und besonders einflussreich sein könnte?
- • Legt die Aktivität des Mitglieds nahe, dass das Mitglied reaktionsfähig ist und daher Anfragen von anderen in dem Netzwerk des Mitglieds wahrscheinlich akzeptiert oder weiterleitet?
- • Hat das Mitglied ein vollständiges Profil einschließlich aktueller Information?
- • Hat das Mitglied in der sozialen Netzwerkgemeinschaft einen guten Stand und respektiert es die Verhaltensregeln der Gemeinschaft?
- Die Analyse der Aktivität des Mitglieds könnte auch dem sozialen Netzwerksystem Maße liefern, die dazu benutzt werden, um mehrere Suchwege zu einem Ziel automatisch zu gewichten und zu sortieren. Wenn zum Beispiel eine Suche zu einer Zielperson zurückkehrt, die zu der Suche passt, und auch indiziert, dass es mehrere Suchwege zwischen dem Suchenden und dem Ziel gibt, dann kann die Analyse der früheren Aktivität von Mitgliedern, die in den verschiedenen Suchwegoptionen repräsentiert sind, dazu benutzt werden, die Suchwege basierend darauf zu klassifizieren, welche mit größter Wahrscheinlichkeit erfolgreich zu intermediären Verbindungen weitergeleitet und von dem Ziel akzeptiert werden.
- In einer Ausführung der Erfindung können verschiedene Aktivitätstypen gemessen und analysiert werden, einschließlich, aber nicht beschränkt auf: Einladungsverhalten (zum Beispiel Aktionen in Bezug auf Einladen, Akzeptieren, Verweigern und Ignorieren von Einladungen), Anfrageverhalten (zum Beispiel Aktionen in Bezug auf Senden, Weiterleiten, mangelndes Weiterleiten, Akzeptieren, mangelndes Akzeptieren und/oder Ignorieren von Anfragen), Recherchen, Suchen nach Nutzerprofilen, Vervollständigen des eigenen Profils des Benutzers, Sponsorwerbungen an dem System, Sponsorwerbungen, die häufig angeklickt werden, und/oder Aktualisieren und Akzeptieren von Premiumdiensten an dem System. In einer Ausführung könnte die Aktivität dann überwacht und gesammelt werden, wenn ein Benutzer entweder der Agierende oder das Objekt der Aktion ist (zum Beispiel von einem anderen Benutzer eingeladen worden ist oder eine Einladung von einem anderen Benutzer akzeptiert oder verweigert hat).
- In einer Ausführung der Erfindung können verschiedene Faktoren die Aggregat-Punktwertung für einen Aktivitätsindikator
26 beeinflussen. Zum Beispiel können in einer Ausführung die Faktoren oder Maße, die den Aktivitätsindikator26 beeinflussen, in die folgenden Kategorien unterteilt werden: 1) Faktoren, die den Einfluss wiederspiegeln oder indizieren, 2) Faktoren, die die Reputation wiederspiegeln oder indizieren, 3) Faktoren, die das Antwortverhalten wiederspiegeln oder indizieren, 4) Faktoren, die die vollständige und gegenwärtige Information in einem Nutzerprofil indizieren, und 5) Faktoren, die indizieren, ob ein Benutzer die Regeln der Benutzerführung befolgt oder nicht befolgt. Das Folgende listet verschiedene Faktoren auf, die durch die oben vorgeschlagenen Kategorien aufgeteilt sind, die ein Gewicht in einer Funktion oder Formel für eine Aggregat-Punktwertung für einen Aktivitätsindikator26 angeben können: - • Faktoren, die den Einfluss wiederspiegeln oder indizieren:
- • Die Häufigkeit, mit der ein Benutzer eingeladen wird, um eine direkte Verbindung mit einem anderen Mitglied herzustellen.
- • Den korrigierten Prozentsatz der akzeptierten Einladungen.
- • Die Häufigkeit, mit der ein Benutzer Anfragen von anderen Mitgliedern empfängt.
- • Die Häufigkeit, mit der ein Benutzerprofil von anderen innerhalb einer unterschiedlichen Zeitperiode betrachtet wird.
- • Die Häufigkeit, mit der ein Benutzer gefragt wird, eine Anfrage weiterzuleiten.
- • Die Häufigkeit, mit der ein Benutzer gefragt wird, Anfragen weiterzuleiten, wenn es mehrere Wege zu einem Ziel gibt.
- • Faktoren, die die Reputation wiederspiegeln oder indizieren.
- • Nachweis, dass Zielkontakte und Vermerker unterschieden werden, wenn man „vertraute” Verbindungen mit anderen macht (zum Beispiel gewisse Verbindungen verweigert).
- • Einen Nachweis, dass ein Zielkontakt, der eine Anfrage zu dem Ziel weitergeleitet hat, allgemein danach unterschieden wird, welche Anfragen weitergeleitet werden sollen (zum Beispiel leitet nahezu alle Anfragen, die von allen Verbindungen empfangen werden, nicht weiter).
- • Maße, die indizieren, dass ein Ziel reaktionsfähig ist.
- • Häufigkeit des Akzeptierens, Zurückweisens und Ignorierens von Einladungen.
- • Häufigkeit des Weiterleitens, Verweigern und Ignorierens von Anfragen.
- • Faktoren, die die vollständige und gegenwärtige Information in einem Benutzerprofil indizieren.
- • Die Länge der Beschreibung der gegenwärtigen Position und von Besonderheiten (zum Beispiel oberhalb eines Minimums).
- • Anzahl von gegenwärtigen und früheren Positionen.
- • Erziehungsabschnitt abgeschlossen.
- • Datum der letzten Aktualisierung der vom Benutzer eingegebenen Kontaktinformation (einschließlich gegenwärtiger Firma und Position).
- • Vergleich der vom Benutzer fertiggestellten Kontaktinformation mit Datum und Inhalt der von anderen Benutzern beigetragenen Kontaktinformation.
- • Nachweis, dass der Benutzer die Regeln der Benutzeranleitung befolgt oder nicht befolgt.
- • Häufigkeit von empfangenen Beschwerden.
- • Anzahl von Leuten, die eine unterbrochene Verbindung mit der Person haben.
- • Anzahl von untersuchten und aufrecht gehaltenen Beschwerden.
- • Nachweis, dass ein Benutzer Leute zur Verbindung mit jemanden eingeladen hat, die der Benutzer nicht kennt.
- • Spamming von anderen Benutzern (zum Beispiel Verwendung der sozialen Netzwerkgemeinschaft, um Leute zu finden, und dann Versenden von unbestätigten Meldungen nicht durch das soziale Netzwerksystem).
- • Daten-Mining (Recherchen mit hohem Volumen und sonst wenig)
- • Roboter-Sein (Recherchen mit sehr hohem Volumen und anderen Aktivitäten)
- • Verifiziertes Posten von offensivem Inhalt.
- • Missbräuchlich zu anderen Benutzern sein.
- Wie bei anderen Reputationsindikatoren müssen nicht alle der obigen Faktoren bei der Bestimmung der Aggregat-Punktwertung für den Aktivitätsindikator
26 enthalten sein, und/oder ob ein Aktivitätsindikator26 anzuzeigen ist. In verschiedenen Ausführungen der Erfindung wird sich die Formel zur Bestimmung der Aggregat-Punktwertung sowie des unteren Schwellenwerts, der zur Bestimmung verwendet werden könnte, ob ein Aktivitätsindikator26 angezeigt wird, veränderlich sein. In einer Ausführung wird der untere Schwellenwert und die Aggregat-Punktwertung auf einer Kombination einer Analyse von Benutzerverhalten und implizierten Referenzen sowie expliziten Nutzerpräferenzen beruhen. - Ein anderer Reputationsindikator, der in einer Ausführung der Erfindung verwendet werden könnte, ist ein Verifikationsindikator
28 . Ein Verifikationsindikator28 könnte das Ausmaß indizieren, um das Information, die von einem bestimmten Benutzer bereitgestellt worden ist, verifiziert worden ist, zum Beispiel von einer dritten Partei. Zum Beispiel wird in einer Ausführung der Verifikationsindikator28 auf einer Aggregat-Punktwertung beruhen, die verschiedene Typen von Verifikationen berücksichtigt, einschließlich jenen, die den folgenden Beispielen ähnlich sind: - • Eine soziale Netzwerkanalyse, die aufzeigt, dass eine Person und ein Netzwerk einer Person eine hohe Wahrscheinlichkeit haben, real zu sein. Die benutzte Punktwertung bezeichnet einen Konfidenzpegel von 1% bis 100%. Wenn der Konfidenzpegel
70 oder höher ist, wird die Konfidenz als „hoch” gemeldet, und anderweitig wird die Punktwertung in dem Aggregat „verifizierte” Punktwertung nicht aufgenommen. - • E-Mail-Bestätigung des Profils durch vom Benutzer bereitgestellte Referenzen. Eine „hohe” Punktwertung hierfür wird gemeldet, wenn über 50% der Referenzen zuverlässig reagieren und keine negativ reagiert, zum Beispiel, wenn es einen Nachweis von signifikanten Ungenauigkeiten gibt.
- • Verifizierung einer dritten Partei von Basiskontakt und gegenwärtiger Beschäftigungsinformation. Eine positive Bestätigung ohne gemeldete signifikante Ungenauigkeiten wird eine „hohe” Punktwertung für dieses Maß erzeugen.
- • Verifikation eines vollen Resümees einer dritten Partei einschließlich Beschäftigungshistorie, Erziehungs- und professionelle Zertifikationen. Eine positive Bestätigung ohne gemeldete signifikante Ungenauigkeiten wird eine „hohe” Punktwertung für dieses Maß erzeugen.
- • Authentisiertes Mitglied einer authentisierten Gruppe in Bezug auf den Beruf des Benutzers. Wenn ein Benutzer ein authentisiertes Mitglied von zumindest einer solchen authentisierten Gruppe ist, wird für dieses Maß eine „hohe” Punktwertung erzeugt.
- • Authentisiertes Mitglied einer anderen authentisierten Gruppe. Wenn ein Benutzer ein authentisiertes Mitglied von zumindest einer solchen authentisierten Gruppe ist, wird dieses Maß eine „hohe” Punktwertung erzeugen.
- • Publikationen, einschließlich Material, welches der Benutzer geschrieben hat, oder in dem ein Benutzer interviewt oder zitiert worden ist. Eine „hohe” Punktwertung wird für das Publikationsmaß vergeben, wenn das Benutzerprofil zumindest drei Publikationen aufgelistet hat oder zumindest eine Publikation mit einer höheren Zahl von über 10.000 Lesern oder Abonnenten.
- a. In einer Ausführung der Erfindung kann der Verifikationsindikator
28 dann angezeigt werden, wenn eines oder mehrere der obigen Verifikationsmaße einen „hohen” Pegel oder Wert hat. In einer alternativen Ausführung kann der Verifikationsindikator28 eine Vielzahl von Intensitäten haben. Zum Beispiel kann der Verifikationsindikatorwert unterschiedliche Icons für unterschiedliche Pegel der Aggregat-Punktwertung haben. Wenn dementsprechend nur ein Maß aus der obigen Liste den Wert von „hoch” hat, dann kann ein Icon angezeigt werden, das den niedrigsten Verifikationspegel repräsentiert. Wenn jedoch verschiedene Maße von oben „hohe” Pegel haben, dann kann ein Icon angezeigt werden, das einen höheren Verifikationspegel repräsentiert. Ferner kann in einer Ausführung das Icon oder die Grafik für den Verifikationsindikator variieren, wenn die Verifikation von einer dritten Partei stammt, die unabhängig agiert. Ferner kann in einer Ausführung der Erfindung die Aggregat-Punktwertung für den Verifikationsindikator28 durch explizite Nutzerpräferenzen kundenspezifiziert werden, wenn zum Beispiel ein Benutzer angibt, dass er gewisse Maße ein höheres, niedrigeres oder Null-Gewicht bei der Berechnung der Aggregat-Verifikations-Punktwertung erhalten sollte. Darüber hinaus könnte die Aggregat-Punktwertung auch durch Analyse zur Berechnung von Gewichten kundenspezifiziert werden, die zu verschiedenen Punktwertungen für verschiedene Typen von Suchobjekten oder anderen Zielen zugeordnet sind. - In einer Ausführung kann ein beliebiger der darunter liegenden Werte (zum Beispiel Wertung oder Punktwertung), die einem hierin beschriebenen Reputationsindikator zugeordnet sind, auch als Parameter oder Suchkriterium in einer Recherche verwendet werden. Das heißt, wenn man eine Recherche nach einer Person mit bestimmten Attributen durchführt, könnte der Suchende spezifizieren, dass das potentielle Ziel eine Reputations-Punktwertung oder Wertung hat, die einen bestimmten Schwellenwert überschreitet oder sich innerhalb eines bestimmten Bereichs befindet. Zum Beispiel könnte ein Suchender als Suchkriterium eine gewünschte minimale Anzahl von direkten Verbindungen spezifizieren, die ein Benutzer hergestellt hat. Dementsprechend werden nur solche Benutzer des sozialen Netzwerksystems, die die gewünschte minimale Anzahl von Verbindungen hergestellt haben, die Suchkriterien des Suchenden erfüllen. Darüber hinaus könnte eine beliebige der zuvor beschriebenen Punktwertungen oder Wertungen, die einem Reputationsindikator zugeordnet sind, als Suchkriterium in einer Benutzersuche verwendet werden.
- Detaillierte Anzeige von Reputationsindikatoren
- In einer Ausführung der Erfindung kann, nachdem ein Betrachter ein interessierendes Ziel mit einer Suchergebnisanzeige
16 identifiziert hat, wie etwa der in2 dargestellten, der Betrachter einen Link (zum Beispiel einen Hyperlink) auswählen, um detaillierte Information über eine oder mehrere Reputations-Punktwertungen des Ziels zu betrachten, die Reputationsindikatoren des Ziels zugeordnet sind. Zum Beispiel könnte der Betrachter den in2 gezeigten „BETRACHTE REPUTATIONSDETAILS”-Link30 auswählen. Dementsprechend kann eine Reputationsindikator-Detailseite32 , wie sie etwa in3 dargestellt ist, dem Betrachter gezeigt werden. - Wie in
3 dargestellt, enthält eine detaillierte Reputationsindikatoranzeige32 detaillierte Information über verschiedene Reputationsindikatoren und deren darunter liegende Aggregat-Punktwertung. Für jeden Typ oder jede Kategorie des Reputationsindikators wird zusätzliche Information angezeigt, einschließlich Links zu noch detaillierterer Information. Jeder Reputationsindikator, der in der Anzeige in3 gezeigt ist, entspricht einem Reputationsindikator, der in der Suchergebnisanzeige dargestellt ist, die in2 gezeigt ist. Ferner kann für eine Ausführung der Erfindung für jeden Reputationsindikator oder -abschnitt, in3 gezeigt, ein oder mehrere Gegenstände ausgewählt werden (zum Beispiel mit einer Zeigervorrichtung angeklickt werden), um eine neue Ansicht zu erzeugen (zum Beispiel ein neues Fenster zu öffnen, die nur auf diesen Abschnitt/diesen Indikator abstellt (zum Beispiel Verbindungen und Netzwerke, Vermerke und Vermerkende; etc.)). Darüber hinaus können für eine Ausführung ein oder mehrere Abschnitte der in3 dargestellten Anzeige einen oder mehrere Unterabschnitte enthalten, und in einigen Fällen summarische Punktwertungen für diese Unterabschnitte. Zum Beispiel könnte ein Unterabschnitt dort existieren, wo eine Aggregat-Punktwertung auf verschiedenen Maßen beruht. Jedem Unterabschnitt kann ein Maß zugeordnet sein, das einen Teil der Aggregat-Punktwertung darstellt. Für eine Ausführung der Erfindung werden Reputationsindikatoren nur angezeigt, wenn die darunter liegende Aggregat-Punktwertung für den Indikator oberhalb eines Schwellenwerts liegt, der für die Meldung des Reputationsindikators erforderlich ist. - Wieder in Bezug auf
3 kann, für eine Ausführung der Erfindung, wenn ein Benutzer einen interaktiven Link unter einer der Abschnittkopfzeilen auswählt (zum Beispiel, klickt), der Benutzer zu einer neuen Seite, spezifischen Ort auf der Seite oder einen Abschnitt einer Seite, die auf den entsprechenden Indikator oder Subindikator abstellt, gelenkt werden. In einer Ausführung kann die Detailseite für jeden Indikator/Subindikator enthalten: - • Details und Punktwertungen für jedes Unter-Maß oder jeden Faktor, der dazu benutzt wird, die Aggregat-Punktwertung für diesen Indikator zu bestimmen.
- • Erläuterungen oder Links zu Erläuterungen in Bezug darauf, wie eine Unter-Punktwertung oder Aggregat-Punktwertung berechnet wird.
- • Schnittstellen-Gegenstände oder Links zu einer neuen Seite, wo der Benutzer die Algorithmen zum Berechnen von Punktwertungen und Anzeigen von Indikatoren kundenspezifizieren kann (zum Beispiel durch Addieren, Beseitigen oder Ändern der Gewichte, die auf die Unterabschnitt-Indikatoren angewendet werden).
- In einer Ausführung der Erfindung wird jeder Reputationsindikator zusammen mit zusätzlicher Information angezeigt. Zum Beispiel kann in dem Abschnitt „Verbindungen und Netzwerk” summarische Information in Bezug auf die Senioritätsebene eines Benutzers angezeigt werden. In einer Ausführung der Erfindung könnte eine Tabelle angezeigt werden, die zeigt, wie viel Erfahrung der Benutzer in unterschiedlichen Senioritätsebenen in den vergangenen fünf Jahren hatte und gleichzeitig den Pegel des Prestiges der Organisation des Benutzers zeigen, wie durch die Organisationsgröße und/oder andere Maße indiziert. Zum Beispiel kann in einer Ausführung eine Tabelle gezeigt werden, wie etwa die nachfolgende Tabelle 3:
Innerhalb der letzten fünf Jahre: CEO/Präsident 2 Jahre in Organisationen mit 50–100 Mitarbeitern CXO/EVP/SVP 3 Jahre in Organisationen mit 1000–5000 Mitarbeitern - In einer Ausführung der Erfindung kann ein Link für zusätzliche Information enthalten sein, die sich auf den Diversitätspegel eines Netzwerks eines Benutzers bezieht. Information über die Benutzernetzwerk-Diversität kann so angezeigt werden, wie in Tabelle 4 (unten dargestellt):
Diversitätsparameter Verbindungen ersten Grades Verbindungen ersten und zweiten Grades Gesamtes Netzwerk des Benutzers Industrien # und % # und % # und % Industrie mit den meisten Kontakten Informationstechnologie Informationstechnologie Informationstechnologie Allernächste Industrie Finanzen Buchhaltung Rechtswesen - Ein Benutzer, der eine Suche durchführt, könnte auch wissen wollen, wie reich und und einflussreich ein profiliertes Benutzernetzwerk in wenigen bestimmten Parametern ist, an denen der Suchende interessiert ist. Zum Beispiel könnte der Suchende nach Geschäftsentwicklungspezialisten in der Luftfahrtindustrie suchen, das die Suche speziell am Reichtum und Einfluss eines profilierten Benutzernetzwerks in Bezug auf diese Industrie sein wird.
- In einer Ausführung der Erfindung wird die profilierte Nutzernetzwerkstärke automatisch für Parameter berechnet, die in den Suchanweisungen des Suchenden spezifiziert sind. Wenn zum Beispiel eine Suche nach Luftfahrtingenieuren in Denver durchgeführt wird, dann werden die Anzahl und der Prozentsatz von Benutzerkontakten in Graden für Luftfahrtingenieure gezeigt, und für Leute, die in Denver leben. Dementsprechend wird diese automatische Berechnung und Anzeige durch ein Suchwerkzeug unterstützt, um ein Benutzernetzwerk für einen bestimmten Parameter anzuzeigen. Zum Beispiel kann der Benutzer eine Industrie, einen Beruf oder einen Ort eingeben, und die Anzahl und den Prozentsatz von Kontakten unter gegenseitigen Verbindungen eines Benutzers, von Vermerkenden, Verbindungen ersten und zweiten Grades und des gesamten Netzwerks sehen. Dies gestattet einem Suchenden, einen Blick auf die Verbindungen und Vermerke des Benutzers innerhalb eines spezifischen Parameters zu werfen, die sich auf Interessen des Suchenden beziehen.
- Zusätzliche Information kann auch in „Vermerke und Vermerkende” angezeigt werden. Zum Beispiel kann in einer Ausführung die folgende Information in Tabellenformat oder anderweitig angezeigt werden:
- • Name des Vermerkenden (und Link zu weiterer Information über den Vermerkenden einschließlich der eigenen Reputation des Vermerkenden)
- • Vermerkte Position
- • Beziehung zum profilierten Benutzer
- • Beziehung zum gegenwärtigen Betrachter (Suchenden)
- • Vermerkdatum
- • Link zum Vermerktext
- • Wertung (falls verfügbar)
- • Eigene Reputations-Punktwertung des Vermerkenden
- • Unabhängigkeits-Punktwertung des Vermerkenden (Unabhängigkeit vom profilierten Benutzer und anderen Vermerkenden)
- In einer Ausführung der Erfindung kann, insbesondere wenn zusätzliche Information in Tabellenformat angezeigt wird, ein Benutzer in der Lage sein, die Ansicht von Vermerkdaten durch die folgenden Methoden leicht kundenspezifisch machen:
- • Sortieren oder Filtern der Tabelle basierend auf Inhalten von einer der Spalten in der Tabelle.
- • Klicken auf einen Knopf oder Link („Auf Ihre Suche bezogene Vermerke”), um nur solche Vermerkende anzuzeigen, die eine Beziehung zu dem Vermerkten hatten, die sich auf den Zweck des Betrachters bezieht. Wenn zum Beispiel der Betrachter nach einem Berater sucht, dann wird der Betrachter besonderes Interesse an Vermerken von Clients haben; und wenn der Betrachter nach einem Mitarbeiter sucht, wird der Betrachter insbesondere in Vermerken von Supervisoren oder Gleichgestellten des profilierten Benutzers interessiert sein.
- • Klicken auf einen Knopf oder Link („Ihnen nahestehender Vermerker”), der nur solche Vermerker zeigt, die sich innerhalb eines bestimmten Verbindungsgrads mit dem Betrachter befinden.
- In einer Ausführung der Erfindung kann, zusammen mit den Reputationsindikatoren, ein Abschnitt angezeigt werden (zum Beispiel den in
3 dargestellten „Agiere”-Abschnitt), der verschiedenen Aktionen zugeordnet ist, die der Betrachter vornehmen kann. In einer Ausführung der Erfindung kann ein Link angezeigt werden, der es dem Betrachter erlaubt, Kontakt mit dem Ziel oder einem oder mehreren Vermerkenden herzustellen. Wenn zum Beispiel eine Netzwerkanalyse einen oder mehrere nahe Vermerkende aufdeckt, kann ein Abschnitt angezeigt werden, der es dem Benutzer erlaubt, Kontakt mit einem oder mehreren dieser Vermerkenden einzuleiten. In einer Ausführung kann die Schnittstelle zeigen, welche Methoden für den Kontakt verfügbar sind, zum Beispiel: - • Direkte Kontaktanfrage mit dem Vermerkenden (wenn vom Vermerkenden und/oder der vermerkten Person zugelassen).
- • Kontaktanfrage durch die vermerkte Person.
- • Kontaktanfrage durch eine Kette von Verbindungen zwischen dem Betrachter und dem Vermerkenden, mit Optionen, Verbindungswege auszuwählen, die nicht durch den Vermerkten durchgehen werden oder die durch den Vermerkten hindurchgehen werden.
- Die Schnittstelle kann auch Textproben zum Einfluss in eine Meldung an den Vermerkenden enthalten, mit Daten, die automatisch eingesetzt werden, damit der Vermerkende leicht sehen kann, wer der Absender (zum Beispiel der Rechercheur) ist, wer die vermerkte Person ist und was die Natur der Suche ist.
- Somit sind Systeme zur Reputationsauswertung von Online-Benutzern in einem sozialen Netzwerkschema beschrieben worden.
Grade | Wert der Nähe | Stärke | Wert der Stärke |
1 | 10 | Hoch | 10 |
2 | 8 | Mittel | 7 |
3 | 5 | Affinitätskontakt | 5 |
4 | 3 | Jeder andere | 3 |
Claims (23)
- Server (
14 ,16 ) zum Hosten eines sozialen Netzwerksystems, wobei der Server ein Reputationssystem (41 ) aufweist, wobei das Reputationssystem (41 ) konfiguriert ist zum: Analysieren eines Attributs, das einem sozialen Netzwerkprofil eines ersten Mitglieds zugeordnet ist, wobei das Attribut zum Verifizieren der Reputation des ersten Mitglieds relevant ist, wobei die Reputation auf Vermerken des ersten Mitglieds beruht, die von anderen vermerkenden Mitgliedern des sozialen Netzwerksystems als dem ersten Mitglied bereitgestellt werden; Zuordnen einer Wertung zu dem Attribut basierend auf der Analyse des dem sozialen Netzwerksystems zugeordneten Attributs, und der Server konfiguriert ist, zu bewirken, dass die Wertung angezeigt wird, wenn eine Anfrage empfangen wird, um das soziale Netzwerkprofil des ersten Benutzers zu sehen. - Der Server von Anspruch 1, worin der Server konfiguriert ist, um, wenn eine Anfrage von einem Suchenden empfangen wird, das soziale Netzwerkprofil des ersten Mitglieds zu sehen, zu bewirken, dass die wertenden und vermerkenden Mitglieder, die dem Suchenden nahe sind, auf einer Benutzerschnittstelle angezeigt werden, wobei ein vermerkendes Mitglied als dem Suchenden nahe basierend auf den Verbindungsgraden zwischen dem Suchenden und dem vermerkenden Mitglied, oder dem Suchenden und dem vermerkenden Mitglied, das Mitgliedschaft in derselben Gruppe hat, bestimmt wird.
- Der Server von Anspruch 2, worin der Server konfiguriert ist, um zu bewirken, dass ein vermerkendes Mitglied als dem Suchenden nahes vermerkendes Mitglied basierend auf dem Verbindungsgrad angezeigt wird, wenn das vermerkende Mitglied innerhalb eines bestimmten Verbindungsgrads zu dem Suchenden ist.
- Der Server von Anspruch 2 oder 3, worin der Server konfiguriert ist, um zu bewirken, dass eine Liste mit einem Vergleich von allen vermerkenden Mitgliedern angezeigt wird, wobei die Liste die Beziehung jedes der vermerkenden Mitglieder zu dem Suchenden enthält und vermerkende Mitglieder hervorhebt, die dem Suchenden nahe sind.
- Der Server von Anspruch 4, worin die Liste für jedes vermerkende Mitglied die Verbindungsgrade zwischen dem vermerkenden Mitglied und dem Suchenden enthält.
- Der Server von einem der Ansprüche 2 bis 5, der ferner eine elektronische Datenbank zum Speichern von Vermerken für das erste Mitglied aufweist, und worin der Server konfiguriert ist, um zu bewirken, dass ein Link zu dem Vermerk eines vermerkenden Mitglieds angezeigt wird.
- Der Server von einem der Ansprüche 1 bis 6, der ferner konfiguriert ist, um die Wertung mit einem Schwellenpunktwert zu vergleichen; und zu bewirken, dass die Wertung nur dann angezeigt wird, wenn die Wertung den Schwellenpunktwert überschreitet.
- Der Server von einem der Ansprüche 1 bis 7, der ferner konfiguriert ist zum: Aggregieren der Wertung mit einer oder mehreren anderen Wertungen, um zu einer Aggregat-Punktwertung zu gelangen, wobei jede Wertung einem Attribut des sozialen Netzwerkprofils zugeordnet ist, und jedes Attribut für einen Aspekt der Reputation des ersten Mitglieds relevant ist; und Bewirken, dass die Aggregat-Punktwertung angezeigt wird, wenn eine Anfrage empfangen wird, um das soziale Netzwerkprofil des ersten Mitglieds zu sehen.
- Der Server von Anspruch 8, der ferner konfiguriert ist zum: Vergleichen der Aggregat-Punktwertung mit einer Aggregat-Schwellenpunktwertung; und Bewirken, dass die Aggregat-Punktwertung nur dann angezeigt wird, wenn die Aggregat-Punktwertung die Aggregat-Schwellenpunktwertung überschreitet.
- Der Server von Anspruch 9, worin die Aggregat-Punktwertung ein Maß der Reputation basierend auf Vermerken repräsentiert, die das erste Mitglied empfangen hat.
- Der Server von Anspruch 9 oder 10, worin zumindest eine Wertung die Anzahl von positiven Vermerken repräsentiert, die das erste Mitglied empfangen hat.
- Der Server von einem der Ansprüche 9 bis 11, worin zumindest eine Wertung die Anzahl von positiven, verschlossenen Vermerken repräsentiert, die das erste Mitglied empfangen hat.
- Der Server von einem der Ansprüche 9 bis 12, worin zumindest eine Wertung darauf basiert, ob das erste Mitglied eine Präferenz für das Zulassen von verschlossenen Vermerken angezeigt hat.
- Der Server von einem der Ansprüche 9 bis 13, worin die Aggregat-Punktwertung ein Maß der Reputation basierend auf Aktivität des ersten Mitglieds innerhalb des sozialen Netzwerksystems repräsentiert.
- Der Server von einem der Ansprüche 9 bis 14, worin zumindest eine Wertung auf der Anzahl von gegenseitigen direkten Verbindungen beruht, die das erste Mitglied mit anderen Benutzern des sozialen Netzwerksystems hergestellt hat.
- Der Server von einem der Ansprüche 9 bis 15, worin zumindest eine Wertung auf der Anzahl von Einladungen zur Herstellung einer gegenseitigen direkten Verbindung beruht, die das erste Mitglied von anderen Benutzern des sozialen Netzwerksystems empfangen hat.
- Der Server von einem der Ansprüche 9 bis 16, worin zumindest eine Wertung auf dem Prozentsatz der Anzahl von Einladungen zur Herstellung einer gegenseitigen direkten Verbindung beruht, die das erste Mitglied von anderen Benutzern des sozialen Netzwerksystems empfangen hat, die das erste Mitglied akzeptiert hat.
- Der Server von einem der Ansprüche 9 bis 17, worin zumindest eine Wertung auf der Anzahl von Einladungen zur Herstellung einer gegenseitigen direkten Verbindung beruht, die das erste Mitglied zu anderen Benutzern des sozialen Netzwerksystems geschickt hat.
- Der Server von einem der Ansprüche 9 bis 18, worin zumindest eine Wertung auf dem Prozentsatz der Anzahl von Einladungen zur Herstellung einer gegenseitigen direkten Verbindung beruht, die das erste Mitglied zu anderen Benutzern des sozialen Netzwerksystems verschickt hat, die akzeptiert worden sind.
- Der Server von einem der Ansprüche 9 bis 19, worin zumindest eine Wertung auf einem von beruht: der Anzahl von vom ersten Mitglied empfangenen Kontaktanfragen, oder dem Prozentsatz der Anzahl von vom ersten Mitglied empfangenen Kontaktanfragen, die vom ersten Mitglied akzeptiert werden.
- Der Server von einem der Ansprüche 9 bis 20, worin zumindest eine Wertung auf einem beruht von: der Anzahl von vom ersten Mitglied geschickten Kontaktanfragen, oder dem Prozentsatz der Anzahl von vom ersten Mitglied geschickten Kontaktanfragen, die von dem empfangenden Mitglied akzeptiert werden.
- Der Server von einem der Ansprüche 9 bis 21, worin zumindest eine Wertung auf einem beruht von: der Anzahl von Anfragen zum Weiterleiten einer vom ersten Mitglied geschickten Kontaktanfrage, der Anzahl von Anfragen zum Weiterleiten einer vom ersten Mitglied empfangenen Kontaktanfrage, die von dem ersten Mitglied weitergeleitet werden, der Anzahl der vom ersten Mitglied weitergeleiteten Anfragen, die von dem empfangenden Mitglied weitergeleitet werden, oder der Anzahl von vom ersten Mitglied weitergeleiteten Anfragen, die von dem empfangenden Mitglied weitergeleitet werden.
- Der Server von einem der Ansprüche 9 bis 22, worin das Reputationssystem (
41 ) konfiguriert ist zum Analysieren eines Attributs eines sozialen Netzwerkprofils des ersten Mitglieds durch Bestimmung einer Reputations-Punktwertung für jedes vermerkende Mitglied, das einen Vermerk für das erste Mitglied bereitgestellt hat, und Aggregieren der Reputations-Punktwertung für jedes vermerkende Mitglied, das einen Vermerk für das erste Mitglied bereitgestellt hat, um für eine Aggregat-Vermerk-Zuverlässigkeits-Punktwertung für das erste Mitglied zu gelangen.
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US60704004P | 2004-09-02 | 2004-09-02 | |
US607040P | 2004-09-02 | ||
US62528704P | 2004-11-04 | 2004-11-04 | |
US625287P | 2004-11-04 | ||
US11/219,035 US8010460B2 (en) | 2004-09-02 | 2005-09-01 | Method and system for reputation evaluation of online users in a social networking scheme |
US219035 | 2008-07-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202005022098U1 true DE202005022098U1 (de) | 2013-08-06 |
Family
ID=35941200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE200520022098 Expired - Lifetime DE202005022098U1 (de) | 2004-09-02 | 2005-09-02 | System zur Reputationsbewertung von Online-Benutzern in einem sozialen Netzwerkschema |
Country Status (4)
Country | Link |
---|---|
US (20) | US8010460B2 (de) |
EP (1) | EP1787251A2 (de) |
DE (1) | DE202005022098U1 (de) |
WO (1) | WO2006029149A2 (de) |
Families Citing this family (685)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040073617A1 (en) | 2000-06-19 | 2004-04-15 | Milliken Walter Clark | Hash-based systems and methods for detecting and preventing transmission of unwanted e-mail |
US8590013B2 (en) | 2002-02-25 | 2013-11-19 | C. S. Lee Crawford | Method of managing and communicating data pertaining to software applications for processor-based devices comprising wireless communication circuitry |
US7870203B2 (en) * | 2002-03-08 | 2011-01-11 | Mcafee, Inc. | Methods and systems for exposing messaging reputation to an end user |
US7458098B2 (en) * | 2002-03-08 | 2008-11-25 | Secure Computing Corporation | Systems and methods for enhancing electronic communication security |
US8561167B2 (en) | 2002-03-08 | 2013-10-15 | Mcafee, Inc. | Web reputation scoring |
US20060015942A1 (en) * | 2002-03-08 | 2006-01-19 | Ciphertrust, Inc. | Systems and methods for classification of messaging entities |
US20030172291A1 (en) * | 2002-03-08 | 2003-09-11 | Paul Judge | Systems and methods for automated whitelisting in monitored communications |
US7693947B2 (en) * | 2002-03-08 | 2010-04-06 | Mcafee, Inc. | Systems and methods for graphically displaying messaging traffic |
US8578480B2 (en) * | 2002-03-08 | 2013-11-05 | Mcafee, Inc. | Systems and methods for identifying potentially malicious messages |
US8132250B2 (en) * | 2002-03-08 | 2012-03-06 | Mcafee, Inc. | Message profiling systems and methods |
US7903549B2 (en) | 2002-03-08 | 2011-03-08 | Secure Computing Corporation | Content-based policy compliance systems and methods |
US6941467B2 (en) * | 2002-03-08 | 2005-09-06 | Ciphertrust, Inc. | Systems and methods for adaptive message interrogation through multiple queues |
US7124438B2 (en) * | 2002-03-08 | 2006-10-17 | Ciphertrust, Inc. | Systems and methods for anomaly detection in patterns of monitored communications |
US7606772B2 (en) | 2003-11-28 | 2009-10-20 | Manyworlds, Inc. | Adaptive social computing methods |
US7526459B2 (en) | 2003-11-28 | 2009-04-28 | Manyworlds, Inc. | Adaptive social and process network systems |
US7493294B2 (en) * | 2003-11-28 | 2009-02-17 | Manyworlds Inc. | Mutually adaptive systems |
USRE45770E1 (en) | 2003-11-28 | 2015-10-20 | World Assets Consulting Ag, Llc | Adaptive recommendation explanations |
US8566263B2 (en) * | 2003-11-28 | 2013-10-22 | World Assets Consulting Ag, Llc | Adaptive computer-based personalities |
US20090018918A1 (en) | 2004-11-04 | 2009-01-15 | Manyworlds Inc. | Influence-based Social Network Advertising |
US8600920B2 (en) * | 2003-11-28 | 2013-12-03 | World Assets Consulting Ag, Llc | Affinity propagation in adaptive network-based systems |
US7539652B2 (en) | 2003-11-28 | 2009-05-26 | Manyworlds, Inc. | Adaptive self-modifying and recombinant systems |
US7526458B2 (en) | 2003-11-28 | 2009-04-28 | Manyworlds, Inc. | Adaptive recommendations systems |
WO2005116852A2 (en) * | 2004-05-20 | 2005-12-08 | Manyworlds, Inc. | Adaptive recombinant processes |
US20070203589A1 (en) | 2005-04-08 | 2007-08-30 | Manyworlds, Inc. | Adaptive Recombinant Process Methods |
US8010458B2 (en) | 2004-05-26 | 2011-08-30 | Facebook, Inc. | System and method for managing information flow between members of an online social network |
US8635217B2 (en) * | 2004-09-15 | 2014-01-21 | Michael J. Markus | Collections of linked databases |
US8880521B2 (en) * | 2004-09-15 | 2014-11-04 | 3Degrees Llc | Collections of linked databases |
US8412706B2 (en) * | 2004-09-15 | 2013-04-02 | Within3, Inc. | Social network analysis |
US8577886B2 (en) * | 2004-09-15 | 2013-11-05 | Within3, Inc. | Collections of linked databases |
FI20041323A (fi) * | 2004-10-12 | 2006-04-13 | Xtract Oy | Analysoija, järjestelmä ja menetelmä toivotun käyttäjäjoukon määrittämiseksi |
US8635690B2 (en) * | 2004-11-05 | 2014-01-21 | Mcafee, Inc. | Reputation based message processing |
US20060122974A1 (en) * | 2004-12-03 | 2006-06-08 | Igor Perisic | System and method for a dynamic content driven rendering of social networks |
US20060123127A1 (en) * | 2004-12-08 | 2006-06-08 | Evil Twin Studios, Inc. | System and method for organizing online communities and virtual dwellings within a virtual environment |
US8713000B1 (en) | 2005-01-12 | 2014-04-29 | Linkedin Corporation | Method and system for leveraging the power of one's social-network in an online marketplace |
US10482474B1 (en) * | 2005-01-19 | 2019-11-19 | A9.Com, Inc. | Advertising database system and method |
US8175726B2 (en) * | 2005-01-24 | 2012-05-08 | Microsoft Corporation | Seeding in a skill scoring framework |
WO2006092790A2 (en) * | 2005-03-01 | 2006-09-08 | Timebridge Inc. | Automatic scheduling method and apparatus |
US20070088652A1 (en) * | 2005-03-30 | 2007-04-19 | Firmage Jonathan D | Apparatus, system, and method for internet trade |
US7519562B1 (en) * | 2005-03-31 | 2009-04-14 | Amazon Technologies, Inc. | Automatic identification of unreliable user ratings |
US7937480B2 (en) * | 2005-06-02 | 2011-05-03 | Mcafee, Inc. | Aggregation of reputation data |
US8453044B2 (en) * | 2005-06-29 | 2013-05-28 | Within3, Inc. | Collections of linked databases |
US7761400B2 (en) | 2005-07-22 | 2010-07-20 | John Reimer | Identifying events |
US10015630B2 (en) | 2016-09-15 | 2018-07-03 | Proximity Grid, Inc. | Tracking people |
US10390212B2 (en) | 2016-09-15 | 2019-08-20 | Proximity Grid, Inc. | Tracking system having an option of not being trackable |
WO2007016252A2 (en) | 2005-07-27 | 2007-02-08 | S.M.A.R.T. Link Medical, Inc. | Collections of linked databases and systems and methods for communicating about updates thereto |
US7565358B2 (en) * | 2005-08-08 | 2009-07-21 | Google Inc. | Agent rank |
JP2007058443A (ja) * | 2005-08-23 | 2007-03-08 | Fuji Xerox Co Ltd | 人脈ネットワーク分析装置および方法 |
US7831535B2 (en) * | 2005-11-02 | 2010-11-09 | Manyworlds, Inc. | Adaptive knowledge lifecycle management aligned with assessed financial value based on organizing structure of knowledge assets |
US20070130349A1 (en) * | 2005-11-07 | 2007-06-07 | Wong Meng W | Systems and methods for reputational analysis of network content |
US20100285818A1 (en) * | 2009-05-08 | 2010-11-11 | Crawford C S Lee | Location based service for directing ads to subscribers |
US8571999B2 (en) | 2005-11-14 | 2013-10-29 | C. S. Lee Crawford | Method of conducting operations for a social network application including activity list generation |
US10395326B2 (en) * | 2005-11-15 | 2019-08-27 | 3Degrees Llc | Collections of linked databases |
US7945653B2 (en) * | 2006-10-11 | 2011-05-17 | Facebook, Inc. | Tagging digital media |
US7669123B2 (en) | 2006-08-11 | 2010-02-23 | Facebook, Inc. | Dynamically providing a news feed about a user of a social network |
US8549651B2 (en) * | 2007-02-02 | 2013-10-01 | Facebook, Inc. | Determining a trust level in a social network environment |
US8204952B2 (en) | 2007-02-02 | 2012-06-19 | Facebook, Inc. | Digital file distribution in a social network system |
US8296373B2 (en) * | 2007-02-02 | 2012-10-23 | Facebook, Inc. | Automatically managing objectionable behavior in a web-based social network |
US8402094B2 (en) | 2006-08-11 | 2013-03-19 | Facebook, Inc. | Providing a newsfeed based on user affinity for entities and monitored actions in a social network environment |
US8027943B2 (en) | 2007-08-16 | 2011-09-27 | Facebook, Inc. | Systems and methods for observing responses to invitations by users in a web-based social network |
EP1964003A2 (de) * | 2005-12-14 | 2008-09-03 | Facebook Inc. | Systeme und verfahren zur sozialen abbildung |
US8171128B2 (en) * | 2006-08-11 | 2012-05-01 | Facebook, Inc. | Communicating a newsfeed of media content based on a member's interactions in a social network environment |
US7827208B2 (en) * | 2006-08-11 | 2010-11-02 | Facebook, Inc. | Generating a feed of stories personalized for members of a social network |
US20090049127A1 (en) * | 2007-08-16 | 2009-02-19 | Yun-Fang Juan | System and method for invitation targeting in a web-based social network |
US7797256B2 (en) * | 2006-08-02 | 2010-09-14 | Facebook, Inc. | Generating segmented community flyers in a social networking system |
US8225376B2 (en) | 2006-07-25 | 2012-07-17 | Facebook, Inc. | Dynamically generating a privacy summary |
US7809805B2 (en) | 2007-02-28 | 2010-10-05 | Facebook, Inc. | Systems and methods for automatically locating web-based social network members |
US20080189292A1 (en) * | 2007-02-02 | 2008-08-07 | Jed Stremel | System and method for automatic population of a contact file with contact content and expression content |
US9459622B2 (en) | 2007-01-12 | 2016-10-04 | Legalforce, Inc. | Driverless vehicle commerce network and community |
CA2634928A1 (en) | 2005-12-23 | 2007-07-05 | Facebook, Inc. | Systems and methods for generating a social timeline |
US8756501B1 (en) | 2005-12-30 | 2014-06-17 | Google Inc. | Method, system, and graphical user interface for meeting-spot-related introductions |
US7620636B2 (en) * | 2006-01-10 | 2009-11-17 | Stay Awake Inc. | Method and apparatus for collecting and storing information about individuals in a charitable donations social network |
US10534820B2 (en) * | 2006-01-27 | 2020-01-14 | Richard A. Heggem | Enhanced buyer-oriented search results |
US9336333B2 (en) * | 2006-02-13 | 2016-05-10 | Linkedin Corporation | Searching and reference checking within social networks |
US8374973B2 (en) * | 2006-02-16 | 2013-02-12 | Microsoft Corporation | Reputation system |
US8122019B2 (en) | 2006-02-17 | 2012-02-21 | Google Inc. | Sharing user distributed search results |
US7844603B2 (en) * | 2006-02-17 | 2010-11-30 | Google Inc. | Sharing user distributed search results |
US8862572B2 (en) * | 2006-02-17 | 2014-10-14 | Google Inc. | Sharing user distributed search results |
US7764701B1 (en) | 2006-02-22 | 2010-07-27 | Qurio Holdings, Inc. | Methods, systems, and products for classifying peer systems |
US7779004B1 (en) | 2006-02-22 | 2010-08-17 | Qurio Holdings, Inc. | Methods, systems, and products for characterizing target systems |
US9071367B2 (en) | 2006-03-17 | 2015-06-30 | Fatdoor, Inc. | Emergency including crime broadcast in a neighborhood social network |
US9002754B2 (en) | 2006-03-17 | 2015-04-07 | Fatdoor, Inc. | Campaign in a geo-spatial environment |
US8965409B2 (en) | 2006-03-17 | 2015-02-24 | Fatdoor, Inc. | User-generated community publication in an online neighborhood social network |
US9037516B2 (en) | 2006-03-17 | 2015-05-19 | Fatdoor, Inc. | Direct mailing in a geo-spatial environment |
US9064288B2 (en) | 2006-03-17 | 2015-06-23 | Fatdoor, Inc. | Government structures and neighborhood leads in a geo-spatial environment |
US9070101B2 (en) | 2007-01-12 | 2015-06-30 | Fatdoor, Inc. | Peer-to-peer neighborhood delivery multi-copter and method |
US9373149B2 (en) | 2006-03-17 | 2016-06-21 | Fatdoor, Inc. | Autonomous neighborhood vehicle commerce network and community |
US9098545B2 (en) | 2007-07-10 | 2015-08-04 | Raj Abhyanker | Hot news neighborhood banter in a geo-spatial social network |
US7856411B2 (en) * | 2006-03-21 | 2010-12-21 | 21St Century Technologies, Inc. | Social network aware pattern detection |
US8332386B2 (en) * | 2006-03-29 | 2012-12-11 | Oracle International Corporation | Contextual search of a collaborative environment |
US9077715B1 (en) * | 2006-03-31 | 2015-07-07 | Symantec Corporation | Social trust based security model |
WO2008060643A2 (en) * | 2006-04-21 | 2008-05-22 | 21St Century Technologies, Inc. | Sna-based anomaly detection |
US20080040428A1 (en) * | 2006-04-26 | 2008-02-14 | Xu Wei | Method for establishing a social network system based on motif, social status and social attitude |
US20070282730A1 (en) * | 2006-05-01 | 2007-12-06 | Carpenter Steven A | Consolidation, sharing and analysis of investment information |
GB2440592A (en) * | 2006-05-02 | 2008-02-06 | Skype Ltd | Synchronising contacts |
US8856019B2 (en) | 2006-05-24 | 2014-10-07 | True[X] Media Inc. | System and method of storing data related to social publishers and associating the data with electronic brand data |
US7792841B2 (en) * | 2006-05-30 | 2010-09-07 | Microsoft Corporation | Extraction and summarization of sentiment information |
US20070288464A1 (en) * | 2006-06-12 | 2007-12-13 | Jill Silver | Profile rating and verification system |
US20080010598A1 (en) * | 2006-07-10 | 2008-01-10 | Webdate, Inc. | Dedicated computer client application for searching an online dating database |
KR100754433B1 (ko) * | 2006-08-18 | 2007-08-31 | 삼성전자주식회사 | 근거리 무선통신을 이용하여 휴대단말기의 정보를 공유하는방법 |
US20080046317A1 (en) * | 2006-08-21 | 2008-02-21 | The Procter & Gamble Company | Systems and methods for predicting the efficacy of a marketing message |
US7739231B2 (en) | 2006-08-28 | 2010-06-15 | Manyworlds, Inc. | Mutual commit people matching process |
US20090012954A1 (en) * | 2006-08-29 | 2009-01-08 | Jobster Incorporated | Electronic profile ranking |
US7596597B2 (en) * | 2006-08-31 | 2009-09-29 | Microsoft Corporation | Recommending contacts in a social network |
US8726169B2 (en) * | 2006-09-05 | 2014-05-13 | Circleup, Inc. | Online system and method for enabling social search and structured communications among social networks |
US11232475B2 (en) | 2006-09-12 | 2022-01-25 | Selligent, Inc. | Systems and methods for influencing marketing campaigns |
US20110161159A1 (en) * | 2009-12-28 | 2011-06-30 | Tekiela Robert S | Systems and methods for influencing marketing campaigns |
US7801971B1 (en) | 2006-09-26 | 2010-09-21 | Qurio Holdings, Inc. | Systems and methods for discovering, creating, using, and managing social network circuits |
US8249903B2 (en) * | 2006-10-10 | 2012-08-21 | Accenture Global Services Limited | Method and system of determining and evaluating a business relationship network for forming business relationships |
WO2008063819A2 (en) * | 2006-10-25 | 2008-05-29 | Google Inc. | User-specified online advertising |
US20080109491A1 (en) * | 2006-11-03 | 2008-05-08 | Sezwho Inc. | Method and system for managing reputation profile on online communities |
US20080109244A1 (en) * | 2006-11-03 | 2008-05-08 | Sezwho Inc. | Method and system for managing reputation profile on online communities |
US20080109245A1 (en) * | 2006-11-03 | 2008-05-08 | Sezwho Inc. | Method and system for managing domain specific and viewer specific reputation on online communities |
US8578501B1 (en) | 2006-11-14 | 2013-11-05 | John W. Ogilvie | Anonymous social networking with community-based privacy reviews obtained by members |
US7509230B2 (en) * | 2006-11-17 | 2009-03-24 | Irma Becerra Fernandez | Method for rating an entity |
US20080120411A1 (en) * | 2006-11-21 | 2008-05-22 | Oliver Eberle | Methods and System for Social OnLine Association and Relationship Scoring |
US20080133747A1 (en) * | 2006-11-21 | 2008-06-05 | Fish Russell H | System to self organize and manage computer users |
US20080229424A1 (en) * | 2007-03-13 | 2008-09-18 | Fatdoor, Inc. | Dispute resolution in a geo-spatial environment |
US8381309B2 (en) * | 2006-12-07 | 2013-02-19 | Famillion Ltd. | Methods and systems for secure communication over a public network |
US20080140506A1 (en) * | 2006-12-08 | 2008-06-12 | The Procter & Gamble Corporation | Systems and methods for the identification, recruitment, and enrollment of influential members of social groups |
US7886334B1 (en) | 2006-12-11 | 2011-02-08 | Qurio Holdings, Inc. | System and method for social network trust assessment |
US20080235338A1 (en) * | 2006-12-14 | 2008-09-25 | Robert Cary Maleeny | Apparatus, systems, and methods to facilitate the interaction between parties |
US8135800B1 (en) | 2006-12-27 | 2012-03-13 | Qurio Holdings, Inc. | System and method for user classification based on social network aware content analysis |
US9195996B1 (en) | 2006-12-27 | 2015-11-24 | Qurio Holdings, Inc. | System and method for classification of communication sessions in a social network |
US20080030496A1 (en) | 2007-01-03 | 2008-02-07 | Social Concepts, Inc. | On-line interaction system |
US7523138B2 (en) * | 2007-01-11 | 2009-04-21 | International Business Machines Corporation | Content monitoring in a high volume on-line community application |
US20080172335A1 (en) * | 2007-01-11 | 2008-07-17 | Chi-Chen Cheng | User credit rating system to protect digital data |
US7779156B2 (en) | 2007-01-24 | 2010-08-17 | Mcafee, Inc. | Reputation based load balancing |
US8179798B2 (en) * | 2007-01-24 | 2012-05-15 | Mcafee, Inc. | Reputation based connection throttling |
US7949716B2 (en) * | 2007-01-24 | 2011-05-24 | Mcafee, Inc. | Correlation and analysis of entity attributes |
US8214497B2 (en) | 2007-01-24 | 2012-07-03 | Mcafee, Inc. | Multi-dimensional reputation scoring |
US8763114B2 (en) | 2007-01-24 | 2014-06-24 | Mcafee, Inc. | Detecting image spam |
US8166407B2 (en) * | 2007-01-25 | 2012-04-24 | Social Concepts, Inc. | Apparatus for increasing social interaction over an electronic network |
US20080183694A1 (en) * | 2007-01-31 | 2008-07-31 | Daniel Cane | Method and system presenting search results using relationship information |
US8027975B2 (en) * | 2007-01-31 | 2011-09-27 | Reputation.Com, Inc. | Identifying and changing personal information |
US8620822B2 (en) * | 2007-02-01 | 2013-12-31 | Microsoft Corporation | Reputation assessment via karma points |
US20080275969A1 (en) * | 2007-02-02 | 2008-11-06 | Blaksley Ventures 108, Llc | System and method for managing a plurality of network clusters |
WO2008094168A1 (en) * | 2007-02-02 | 2008-08-07 | Facebook, Inc. | System and method for giving gifts and displaying assets in a social network environment |
WO2008094155A1 (en) * | 2007-02-02 | 2008-08-07 | Facebook, Inc. | System and method for determining a trust level in a social network environment |
US20070124226A1 (en) * | 2007-02-08 | 2007-05-31 | Global Personals, Llc | Method for Verifying Data in a Dating Service, Dating-Service Database including Verified Member Data, and Method for Prioritizing Search Results Including Verified Data, and Methods for Verifying Data |
US20070219994A1 (en) * | 2007-02-13 | 2007-09-20 | Lemelson Greg M | Methods and systems for displaying media utilizing user-generated data |
US20080201433A1 (en) * | 2007-02-15 | 2008-08-21 | Mcdonald Stephen | Metric-based electronic mail system |
WO2008103447A2 (en) | 2007-02-21 | 2008-08-28 | Facebook, Inc. | Implementation of a structured query language interface in a distributed database |
US8244599B2 (en) | 2007-02-28 | 2012-08-14 | Ebay Inc. | Methods and systems for social shopping on a network-based marketplace |
US7680882B2 (en) * | 2007-03-06 | 2010-03-16 | Friendster, Inc. | Multimedia aggregation in an online social network |
WO2008112293A1 (en) | 2007-03-13 | 2008-09-18 | Facebook, Inc. | Systems and methods for network authentication |
US7827265B2 (en) * | 2007-03-23 | 2010-11-02 | Facebook, Inc. | System and method for confirming an association in a web-based social network |
WO2008118114A1 (en) * | 2007-03-23 | 2008-10-02 | Facebook, Inc. | System and method for confirming an association in a web-based social network |
US8583564B2 (en) * | 2007-03-26 | 2013-11-12 | Microsoft Corporation | Differential pricing based on social network standing |
US8527355B2 (en) | 2007-03-28 | 2013-09-03 | Article One Partners Holdings, Llc | Method and system for requesting prior art from the public in exchange for a reward |
JP5309126B2 (ja) | 2007-03-29 | 2013-10-09 | ニューロフォーカス・インコーポレーテッド | マーケティング及びエンタテインメントの効率解析を行うシステム、方法、及び、装置 |
US8775561B2 (en) | 2007-04-03 | 2014-07-08 | Yahoo! Inc. | Expanding a social network by the action of a single user |
WO2008124099A1 (en) * | 2007-04-06 | 2008-10-16 | Mainstream Holdings, Inc. | A system and method for managing online networking information |
US7953969B2 (en) * | 2007-04-16 | 2011-05-31 | Microsoft Corporation | Reduction of false positive reputations through collection of overrides from customer deployments |
US8677479B2 (en) * | 2007-04-16 | 2014-03-18 | Microsoft Corporation | Detection of adversaries through collection and correlation of assessments |
US8200663B2 (en) * | 2007-04-25 | 2012-06-12 | Chacha Search, Inc. | Method and system for improvement of relevance of search results |
US20100280976A1 (en) * | 2007-04-30 | 2010-11-04 | E*Trade Financial Corporation | Systems and methods for recommending investment positions to investors |
US8392253B2 (en) | 2007-05-16 | 2013-03-05 | The Nielsen Company (Us), Llc | Neuro-physiology and neuro-behavioral based stimulus targeting system |
WO2008147564A1 (en) | 2007-05-24 | 2008-12-04 | Facebook, Inc. | Systems and methods for providing privacy settings for applications associated with a user profile |
CA2686170A1 (en) | 2007-05-24 | 2008-12-04 | Facebook, Inc. | Personalized platform for accessing internet applications |
US7895177B2 (en) * | 2007-05-29 | 2011-02-22 | Yahoo! Inc. | Enabling searching of user ratings and reviews using user profile location, and social networks |
WO2008147572A1 (en) * | 2007-05-31 | 2008-12-04 | Facebook, Inc. | Systems and methods for auction based polling |
WO2008154648A1 (en) | 2007-06-12 | 2008-12-18 | Facebook, Inc. | Personalized social networking application content |
US7783620B1 (en) * | 2007-06-29 | 2010-08-24 | Emc Corporation | Relevancy scoring using query structure and data structure for federated search |
US20090006115A1 (en) * | 2007-06-29 | 2009-01-01 | Yahoo! Inc. | Establishing and updating reputation scores in online participatory systems |
US7783630B1 (en) * | 2007-06-29 | 2010-08-24 | Emc Corporation | Tuning of relevancy ranking for federated search |
US8849909B2 (en) * | 2007-07-06 | 2014-09-30 | Yahoo! Inc. | Real-time asynchronous event aggregation systems |
CN101815467B (zh) | 2007-07-30 | 2013-07-17 | 神经焦点公司 | 神经反应刺激和刺激属性谐振估计器 |
US8732846B2 (en) | 2007-08-15 | 2014-05-20 | Facebook, Inc. | Platform for providing a social context to software applications |
CA2637975A1 (en) * | 2007-08-16 | 2009-02-16 | Radian6 Technologies Inc. | Method and system for determining topical on-line influence of an entity |
EP2179358A4 (de) * | 2007-08-20 | 2012-01-25 | Facebook Inc | Gezielte werbungen in einem sozialen netzwerk |
US8386313B2 (en) | 2007-08-28 | 2013-02-26 | The Nielsen Company (Us), Llc | Stimulus placement system using subject neuro-response measurements |
US8392255B2 (en) | 2007-08-29 | 2013-03-05 | The Nielsen Company (Us), Llc | Content based selection and meta tagging of advertisement breaks |
US8296356B2 (en) | 2007-08-31 | 2012-10-23 | Microsoft Corporation | Rating based on relationship |
US20100318375A1 (en) * | 2007-09-07 | 2010-12-16 | Ryan Steelberg | System and Method for Localized Valuations of Media Assets |
US9959700B2 (en) * | 2007-09-07 | 2018-05-01 | Veritone, Inc. | System and method for secured delivery of creatives |
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 |
US20090083129A1 (en) | 2007-09-20 | 2009-03-26 | Neurofocus, Inc. | Personalized content delivery using neuro-response priming data |
US20090094627A1 (en) | 2007-10-02 | 2009-04-09 | Lee Hans C | Providing Remote Access to Media, and Reaction and Survey Data From Viewers of the Media |
US20090100032A1 (en) * | 2007-10-12 | 2009-04-16 | Chacha Search, Inc. | Method and system for creation of user/guide profile in a human-aided search system |
US20090100136A1 (en) * | 2007-10-15 | 2009-04-16 | Sony Ericsson Mobile Communications Ab | Intelligent presence |
US20090100052A1 (en) * | 2007-10-16 | 2009-04-16 | Stern Edith H | Enabling collaborative networks |
US7991841B2 (en) * | 2007-10-24 | 2011-08-02 | Microsoft Corporation | Trust-based recommendation systems |
US8397168B2 (en) | 2008-04-05 | 2013-03-12 | Social Communications Company | Interfacing with a spatial virtual communication environment |
CN101425065B (zh) * | 2007-10-31 | 2013-01-09 | 日电(中国)有限公司 | 实体关系挖掘设备和方法 |
CN101917898A (zh) | 2007-10-31 | 2010-12-15 | 埃姆申塞公司 | 对来自观众的生理响应提供分散式收集和集中式处理的系统和方法 |
US9123079B2 (en) | 2007-11-05 | 2015-09-01 | Facebook, Inc. | Sponsored stories unit creation from organic activity stream |
US20120203831A1 (en) | 2011-02-03 | 2012-08-09 | Kent Schoen | Sponsored Stories Unit Creation from Organic Activity Stream |
US9990652B2 (en) | 2010-12-15 | 2018-06-05 | Facebook, Inc. | Targeting social advertising to friends of users who have interacted with an object associated with the advertising |
US8700636B2 (en) | 2010-09-16 | 2014-04-15 | Facebook, Inc. | Action clustering for news feeds |
US8799068B2 (en) | 2007-11-05 | 2014-08-05 | Facebook, Inc. | Social advertisements and other informational messages on a social networking website, and advertising model for same |
US8185930B2 (en) | 2007-11-06 | 2012-05-22 | Mcafee, Inc. | Adjusting filter or classification control settings |
US8045458B2 (en) * | 2007-11-08 | 2011-10-25 | Mcafee, Inc. | Prioritizing network traffic |
US9367823B1 (en) * | 2007-11-09 | 2016-06-14 | Skyword, Inc. | Computer method and system for ranking users in a network community of users |
US8620996B2 (en) * | 2007-11-19 | 2013-12-31 | Motorola Mobility Llc | Method and apparatus for determining a group preference in a social network |
US7895284B2 (en) | 2007-11-29 | 2011-02-22 | Yahoo! Inc. | Social news ranking using gossip distance |
US8676887B2 (en) | 2007-11-30 | 2014-03-18 | Yahoo! Inc. | Social news forwarding to generate interest clusters |
US8583633B2 (en) * | 2007-11-30 | 2013-11-12 | Ebay Inc. | Using reputation measures to improve search relevance |
US20090150166A1 (en) * | 2007-12-05 | 2009-06-11 | International Business Machines Corporation | Hiring process by using social networking techniques to verify job seeker information |
US8150842B2 (en) | 2007-12-12 | 2012-04-03 | Google Inc. | Reputation of an author of online content |
US7954058B2 (en) * | 2007-12-14 | 2011-05-31 | Yahoo! Inc. | Sharing of content and hop distance over a social network |
US8260882B2 (en) * | 2007-12-14 | 2012-09-04 | Yahoo! Inc. | Sharing of multimedia and relevance measure based on hop distance in a social network |
US9990674B1 (en) | 2007-12-14 | 2018-06-05 | Consumerinfo.Com, Inc. | Card registry systems and methods |
US9305087B2 (en) * | 2007-12-20 | 2016-04-05 | Google Technology Holdings | Method and apparatus for acquiring content-based capital via a sharing technology |
US8296245B2 (en) * | 2008-01-03 | 2012-10-23 | Kount Inc. | Method and system for creation and validation of anonymous digital credentials |
US20100011059A1 (en) * | 2008-01-13 | 2010-01-14 | Byungwook Christopher Han | Self-Marketing System and Method |
US8160975B2 (en) * | 2008-01-25 | 2012-04-17 | Mcafee, Inc. | Granular support vector machine with random granularity |
US20090192848A1 (en) * | 2008-01-30 | 2009-07-30 | Gerald Rea | Method and apparatus for workforce assessment |
US10395187B2 (en) * | 2008-02-11 | 2019-08-27 | Clearshift Corporation | Multilevel assignment of jobs and tasks in online work management system |
US8090666B2 (en) | 2008-02-15 | 2012-01-03 | Your Net Works, Inc. | System, method, and computer program product for providing an association between a first participant and a second participant in a social network |
US20090216608A1 (en) * | 2008-02-22 | 2009-08-27 | Accenture Global Services Gmbh | Collaborative review system |
US9298815B2 (en) * | 2008-02-22 | 2016-03-29 | Accenture Global Services Limited | System for providing an interface for collaborative innovation |
US20090216578A1 (en) * | 2008-02-22 | 2009-08-27 | Accenture Global Services Gmbh | Collaborative innovation system |
WO2009105277A1 (en) * | 2008-02-22 | 2009-08-27 | Socialrep, Llc | System and method for measuring and managing distributed online conversations |
US8499247B2 (en) * | 2008-02-26 | 2013-07-30 | Livingsocial, Inc. | Ranking interactions between users on the internet |
US8972177B2 (en) | 2008-02-26 | 2015-03-03 | Microsoft Technology Licensing, Llc | System for logging life experiences using geographic cues |
US8015144B2 (en) | 2008-02-26 | 2011-09-06 | Microsoft Corporation | Learning transportation modes from raw GPS data |
US8966121B2 (en) | 2008-03-03 | 2015-02-24 | Microsoft Corporation | Client-side management of domain name information |
US8838646B2 (en) * | 2008-03-05 | 2014-09-16 | International Business Machines Corporation | Using social networking thresholds in access control decisions |
BRPI0800633A2 (pt) * | 2008-03-13 | 2009-10-27 | Coppe Ufrj | método para formação de comunidades virtuais espontáneas baseadas em interesses comuns utilizando faixas de interesse |
US8489517B2 (en) * | 2008-03-30 | 2013-07-16 | Cachinko Llc | Method, system, and storage device for clique based social networking and social graphing |
US8887066B1 (en) | 2008-04-02 | 2014-11-11 | Facebook, Inc. | Communicating plans for users of a social networking system |
US8589503B2 (en) | 2008-04-04 | 2013-11-19 | Mcafee, Inc. | Prioritizing network traffic |
EP2279472A4 (de) | 2008-04-05 | 2013-11-20 | Social Communications Co | Vorrichtung und verfahren auf basis einer gemeinsam genutzten virtuellen bereichskommunikationsumgebung |
US20090259505A1 (en) * | 2008-04-09 | 2009-10-15 | Vali Tadayon | Inventory management system and method |
US20090265326A1 (en) * | 2008-04-17 | 2009-10-22 | Thomas Dudley Lehrman | Dynamic personal privacy system for internet-connected social networks |
US8490004B2 (en) * | 2008-04-17 | 2013-07-16 | Gary Stephen Shuster | Evaluation of remote user attributes in a social networking environment |
US20090265319A1 (en) * | 2008-04-17 | 2009-10-22 | Thomas Dudley Lehrman | Dynamic Personal Privacy System for Internet-Connected Social Networks |
US20090265604A1 (en) * | 2008-04-21 | 2009-10-22 | Microsoft Corporation | Graphical representation of social network vitality |
US20090265198A1 (en) * | 2008-04-22 | 2009-10-22 | Plaxo, Inc. | Reputation Evalution Using a contact Information Database |
EP2300976A4 (de) * | 2008-05-05 | 2011-08-03 | Thomson Reuters Glo Resources | Systeme und verfahren zum integrieren von benutzererzeugtem inhalt mit proprietärem inhalt in einer datenbank |
US9245252B2 (en) | 2008-05-07 | 2016-01-26 | Salesforce.Com, Inc. | Method and system for determining on-line influence in social media |
US8543929B1 (en) * | 2008-05-14 | 2013-09-24 | Adobe Systems Incorporated | User ratings allowing access to features for modifying content |
US8266284B2 (en) * | 2008-05-16 | 2012-09-11 | Microsoft Corporation | System from reputation shaping a peer-to-peer network |
US20090306996A1 (en) * | 2008-06-05 | 2009-12-10 | Microsoft Corporation | Rating computation on social networks |
US8688841B2 (en) * | 2008-06-05 | 2014-04-01 | Modena Enterprises, Llc | System and method for content rights based on existence of a voice session |
US9002820B2 (en) * | 2008-06-05 | 2015-04-07 | Gary Stephen Shuster | Forum search with time-dependent activity weighting |
US20090307057A1 (en) * | 2008-06-06 | 2009-12-10 | Albert Azout | Associative memory operators, methods and computer program products for using a social network for predictive marketing analysis |
US20090319929A1 (en) * | 2008-06-22 | 2009-12-24 | Microsoft Corporation | Interface for multiple user spaces |
US20090319914A1 (en) * | 2008-06-23 | 2009-12-24 | Microsoft Corporation | Assessing relationship between participants in online community |
US9342833B2 (en) * | 2008-06-25 | 2016-05-17 | Microsoft Technology Licensing, Llc | Method of aggregating business and social networks |
US8312033B1 (en) | 2008-06-26 | 2012-11-13 | Experian Marketing Solutions, Inc. | Systems and methods for providing an integrated identifier |
US20090327054A1 (en) * | 2008-06-27 | 2009-12-31 | Microsoft Corporation | Personal reputation system based on social networking |
US9009082B1 (en) | 2008-06-30 | 2015-04-14 | Amazon Technologies, Inc. | Assessing user-supplied evaluations |
US20090326970A1 (en) * | 2008-06-30 | 2009-12-31 | Microsoft Corporation | Awarding users for discoveries of content based on future popularity in a social network |
US20100010987A1 (en) * | 2008-07-01 | 2010-01-14 | Barry Smyth | Searching system having a server which automatically generates search data sets for shared searching |
US7930255B2 (en) * | 2008-07-02 | 2011-04-19 | International Business Machines Corporation | Social profile assessment |
US20100015975A1 (en) * | 2008-07-17 | 2010-01-21 | Kota Enterprises, Llc | Profile service for sharing rights-enabled mobile profiles |
US20100015976A1 (en) * | 2008-07-17 | 2010-01-21 | Domingo Enterprises, Llc | System and method for sharing rights-enabled mobile profiles |
US20100042618A1 (en) * | 2008-08-12 | 2010-02-18 | Peter Rinearson | Systems and methods for comparing user ratings |
US8245282B1 (en) | 2008-08-19 | 2012-08-14 | Eharmony, Inc. | Creating tests to identify fraudulent users |
US20100088246A1 (en) * | 2008-10-02 | 2010-04-08 | Lim Michael Z | System for, and method of, managing a social network |
US9064021B2 (en) * | 2008-10-02 | 2015-06-23 | Liveramp, Inc. | Data source attribution system |
WO2010046784A2 (en) * | 2008-10-22 | 2010-04-29 | Comverse, Ltd | Subscriber rating system |
US8386534B2 (en) * | 2008-10-30 | 2013-02-26 | At&T Intellectual Property I, L.P. | Automatic gleaning of semantic information in social networks |
US20100111372A1 (en) * | 2008-11-03 | 2010-05-06 | Microsoft Corporation | Determining user similarities based on location histories |
US8060424B2 (en) | 2008-11-05 | 2011-11-15 | Consumerinfo.Com, Inc. | On-line method and system for monitoring and reporting unused available credit |
US20100121707A1 (en) * | 2008-11-13 | 2010-05-13 | Buzzient, Inc. | Displaying analytic measurement of online social media content in a graphical user interface |
US8055750B2 (en) * | 2008-11-14 | 2011-11-08 | International Business Machines Corporation | Autonomous management of a communication network |
US8086680B2 (en) * | 2008-11-14 | 2011-12-27 | International Business Machines Corporation | Community-defined and managed communication network |
WO2010065909A2 (en) * | 2008-12-05 | 2010-06-10 | Social Communications Company | Managing interactions in a network communications environment |
US9063226B2 (en) * | 2009-01-14 | 2015-06-23 | Microsoft Technology Licensing, Llc | Detecting spatial outliers in a location entity dataset |
JP5218080B2 (ja) * | 2009-01-15 | 2013-06-26 | ソニー株式会社 | 電子クーポン処理システム、ユーザ管理サーバ装置、サービス提供方法、およびプログラム |
US9519613B2 (en) * | 2009-02-02 | 2016-12-13 | Asurion, Llc | Method for integrating applications in an electronic address book |
US20100228767A1 (en) * | 2009-02-06 | 2010-09-09 | Slinker Scott W | Determining relationships between individuals in a database |
US8312276B2 (en) * | 2009-02-06 | 2012-11-13 | Industrial Technology Research Institute | Method for sending and receiving an evaluation of reputation in a social network |
US20100205254A1 (en) * | 2009-02-06 | 2010-08-12 | Reinvent, Inc. | Method and system of tracking content in a social network |
US8214253B1 (en) * | 2009-02-20 | 2012-07-03 | Sprint Communications Company L.P. | Identifying influencers among a group of wireless-subscription subscribers |
US9288638B2 (en) * | 2009-02-23 | 2016-03-15 | Hewlett Packard Enterprise Development Lp | Social networking of mobile devices |
US8805996B1 (en) | 2009-02-23 | 2014-08-12 | Symantec Corporation | Analysis of communications in social networks |
US8600812B2 (en) * | 2009-03-03 | 2013-12-03 | Google Inc. | Adheat advertisement model for social network |
WO2010099631A1 (en) * | 2009-03-03 | 2010-09-10 | Google Inc. | Adheat advertisement model for social network |
US9996845B2 (en) * | 2009-03-03 | 2018-06-12 | Google Llc | Bidding on users |
US20100235886A1 (en) * | 2009-03-16 | 2010-09-16 | International Business Machines Corporation | Automated relationship management for electronic social networks |
US20100241580A1 (en) * | 2009-03-19 | 2010-09-23 | Tagged, Inc. | System and method of selecting a relevant user for introduction to a user in an online environment |
US20100250325A1 (en) | 2009-03-24 | 2010-09-30 | Neurofocus, Inc. | Neurological profiles for market matching and stimulus presentation |
US9817872B2 (en) * | 2009-03-26 | 2017-11-14 | International Business Machines Corporation | Method and apparatus for social trust networks on messaging platforms |
WO2010109332A1 (en) * | 2009-03-27 | 2010-09-30 | Pharos Global Strategies Ltd. | System, method, and computer program product for verifying the identity of social network users |
US8176057B2 (en) * | 2009-04-01 | 2012-05-08 | Korea Institute Of Science And Technology | Assessment of a user reputation and a content reliability |
US20100268574A1 (en) * | 2009-04-17 | 2010-10-21 | Microsoft Corporation | Tracking user profile influence in a digital media system |
US20100306672A1 (en) * | 2009-06-01 | 2010-12-02 | Sony Computer Entertainment America Inc. | Method and apparatus for matching users in multi-user computer simulations |
US20130066719A1 (en) * | 2009-06-03 | 2013-03-14 | Digg, Inc. | Determining advertisement preferences |
US20100325057A1 (en) * | 2009-06-17 | 2010-12-23 | Microsoft Corporation | Leveraging social capital on a website |
US20110004692A1 (en) | 2009-07-01 | 2011-01-06 | Tom Occhino | Gathering Information about Connections in a Social Networking Service |
US8943211B2 (en) * | 2009-07-02 | 2015-01-27 | Microsoft Corporation | Reputation mashup |
US8458604B2 (en) * | 2009-07-06 | 2013-06-04 | Fairwinds Partners Llc | Methods and apparatus for determining website validity |
US8661050B2 (en) * | 2009-07-10 | 2014-02-25 | Microsoft Corporation | Hybrid recommendation system |
US8793319B2 (en) | 2009-07-13 | 2014-07-29 | Microsoft Corporation | Electronic message organization via social groups |
CA3041557C (en) * | 2009-07-16 | 2022-03-22 | Bluefin Labs, Inc. | Estimating and displaying social interest in time-based media |
EP2454619A4 (de) | 2009-07-17 | 2016-01-06 | Hewlett Packard Development Co | Nicht periodische gitterreflektoren mit fokussierungsstärke und verfahren zu ihrer herstellung |
US10108616B2 (en) * | 2009-07-17 | 2018-10-23 | International Business Machines Corporation | Probabilistic link strength reduction |
JP5304509B2 (ja) * | 2009-07-23 | 2013-10-02 | コニカミノルタ株式会社 | 認証方法、認証装置および認証処理プログラム |
US9152952B2 (en) * | 2009-08-04 | 2015-10-06 | Yahoo! Inc. | Spam filtering and person profiles |
WO2011017699A1 (en) * | 2009-08-07 | 2011-02-10 | Ipai Terry Hsiao | System and method to manage and utilize "social dynamic rating" for contacts stored by mobile device users |
JP5519792B2 (ja) * | 2009-08-12 | 2014-06-11 | テルコーディア テクノロジーズ インコーポレイテッド | アクセス制御を開発する方法によるソーシャルネットワークのプライバシー |
US10987015B2 (en) | 2009-08-24 | 2021-04-27 | Nielsen Consumer Llc | Dry electrodes for electroencephalography |
US20110061004A1 (en) * | 2009-09-04 | 2011-03-10 | Microsoft Corporation | Use of Communicator Application to Establish Communication with Experts |
EP2480917A4 (de) | 2009-09-23 | 2013-05-29 | Hewlett Packard Development Co | Optische vorrichtungen auf der basis von beugungsgittern |
US9009177B2 (en) | 2009-09-25 | 2015-04-14 | Microsoft Corporation | Recommending points of interests in a region |
US20110078188A1 (en) * | 2009-09-28 | 2011-03-31 | Microsoft Corporation | Mining and Conveying Social Relationships |
US8959079B2 (en) * | 2009-09-29 | 2015-02-17 | International Business Machines Corporation | Method and system for providing relationships in search results |
EP2484054A4 (de) | 2009-09-30 | 2014-11-05 | Evan V Chrapko | Systeme und verfahren zur analyse von sozialen grafikdaten zur bestimmung der zusammenhänge in einer gemeinschaft |
US9119027B2 (en) * | 2009-10-06 | 2015-08-25 | Facebook, Inc. | Sharing of location-based content item in social networking service |
US11257112B1 (en) | 2009-10-15 | 2022-02-22 | Livingsocial, Inc. | Ad targeting and display optimization based on social and community data |
US20110099164A1 (en) | 2009-10-23 | 2011-04-28 | Haim Zvi Melman | Apparatus and method for search and retrieval of documents and advertising targeting |
US20110106750A1 (en) | 2009-10-29 | 2011-05-05 | Neurofocus, Inc. | Generating ratings predictions using neuro-response data |
US9560984B2 (en) | 2009-10-29 | 2017-02-07 | The Nielsen Company (Us), Llc | Analysis of controlled and automatic attention for introduction of stimulus material |
US20110125793A1 (en) * | 2009-11-20 | 2011-05-26 | Avaya Inc. | Method for determining response channel for a contact center from historic social media postings |
US20110125697A1 (en) * | 2009-11-20 | 2011-05-26 | Avaya Inc. | Social media contact center dialog system |
US20110145719A1 (en) * | 2009-12-14 | 2011-06-16 | International Business Machines Corporation | People recommendation indicator method and apparatus in a social networking site |
US8952403B2 (en) | 2010-01-29 | 2015-02-10 | Hewlett-Packard Development, L.P. | Optical devices based on non-periodic sub-wavelength gratings |
EP2531965A4 (de) * | 2010-02-05 | 2015-01-07 | Medversant Technologies Llc | System und verfahren zur peer-referenzierung in einem online-computersystem |
US8606792B1 (en) | 2010-02-08 | 2013-12-10 | Google Inc. | Scoring authors of posts |
US8249996B1 (en) * | 2010-02-18 | 2012-08-21 | Bank Of America Corporation | Artificial intelligence for social media |
US8612134B2 (en) * | 2010-02-23 | 2013-12-17 | Microsoft Corporation | Mining correlation between locations using location history |
US9261376B2 (en) | 2010-02-24 | 2016-02-16 | Microsoft Technology Licensing, Llc | Route computation based on route-oriented vehicle trajectories |
US10288433B2 (en) | 2010-02-25 | 2019-05-14 | Microsoft Technology Licensing, Llc | Map-matching for low-sampling-rate GPS trajectories |
US20110225024A1 (en) * | 2010-03-15 | 2011-09-15 | Ribbit Corporation | Voting communicating system |
WO2011117737A1 (en) | 2010-03-22 | 2011-09-29 | Heystaks Technologies Limited | Systems and methods for user interactive social metasearching |
US20110258042A1 (en) * | 2010-04-16 | 2011-10-20 | Google Inc. | Endorsements Used in Ranking Ads |
US20110264596A1 (en) * | 2010-04-26 | 2011-10-27 | Wayne Joseph Shifflett | Social referral networks |
US8719198B2 (en) | 2010-05-04 | 2014-05-06 | Microsoft Corporation | Collaborative location and activity recommendations |
US9400550B2 (en) * | 2010-05-06 | 2016-07-26 | Nokia Technologies Oy | Apparatus and method providing viewer feedback of observed personal user data |
US8484080B2 (en) * | 2010-05-10 | 2013-07-09 | Nahu BVBA | System and method for social product information sharing |
US8621638B2 (en) | 2010-05-14 | 2013-12-31 | Mcafee, Inc. | Systems and methods for classification of messaging entities |
US8874727B2 (en) * | 2010-05-31 | 2014-10-28 | The Nielsen Company (Us), Llc | Methods, apparatus, and articles of manufacture to rank users in an online social network |
US9593957B2 (en) | 2010-06-04 | 2017-03-14 | Microsoft Technology Licensing, Llc | Searching similar trajectories by locations |
US20110307397A1 (en) * | 2010-06-09 | 2011-12-15 | Akram Benmbarek | Systems and methods for applying social influence |
US20110307340A1 (en) * | 2010-06-09 | 2011-12-15 | Akram Benmbarek | Systems and methods for sharing user or member experience on brands |
US8359328B2 (en) * | 2010-06-15 | 2013-01-22 | International Business Machines Corporation | Party reputation aggregation system and method |
US20130117284A1 (en) * | 2010-07-19 | 2013-05-09 | Echidna, Inc. | Use of social ranks to find providers of relevant user-generated content |
US8931048B2 (en) | 2010-08-24 | 2015-01-06 | International Business Machines Corporation | Data system forensics system and method |
CN103221967A (zh) | 2010-09-11 | 2013-07-24 | 社会传播公司 | 虚拟区域上下文中的基于关系的在场指示 |
US20120215878A1 (en) * | 2010-09-28 | 2012-08-23 | Adam Kidron | Content delivery platform apparatuses, methods and systems |
US9208239B2 (en) | 2010-09-29 | 2015-12-08 | Eloy Technology, Llc | Method and system for aggregating music in the cloud |
US8800029B2 (en) | 2010-10-04 | 2014-08-05 | International Business Machines Corporation | Gathering, storing and using reputation information |
US20120095846A1 (en) * | 2010-10-13 | 2012-04-19 | Derek John Leverant | Systems and methods for providing social networking, wherein a user can create multiple profiles within a single account |
US9043220B2 (en) * | 2010-10-19 | 2015-05-26 | International Business Machines Corporation | Defining marketing strategies through derived E-commerce patterns |
US8601002B1 (en) * | 2010-10-30 | 2013-12-03 | Jobvite, Inc. | Method and system for identifying job candidates |
US9324112B2 (en) | 2010-11-09 | 2016-04-26 | Microsoft Technology Licensing, Llc | Ranking authors in social media systems |
US8909612B2 (en) * | 2010-11-12 | 2014-12-09 | Contacts Count, LLC | Method, system and program product to improve social network systems |
US20120197881A1 (en) | 2010-11-23 | 2012-08-02 | Allen Blue | Segmentation of professional network update data |
US8910052B2 (en) * | 2010-12-04 | 2014-12-09 | Facebook, Inc. | Tagging users of a social networking system in an experience in a user's user profile |
US9292602B2 (en) * | 2010-12-14 | 2016-03-22 | Microsoft Technology Licensing, Llc | Interactive search results page |
US9201952B1 (en) * | 2010-12-21 | 2015-12-01 | Google Inc. | User interface for activity status and history |
US8560678B2 (en) * | 2010-12-22 | 2013-10-15 | Facebook, Inc. | Providing relevant notifications based on common interests between friends in a social networking system |
US9286619B2 (en) | 2010-12-27 | 2016-03-15 | Microsoft Technology Licensing, Llc | System and method for generating social summaries |
US8978893B2 (en) * | 2010-12-28 | 2015-03-17 | Facebook, Inc. | Adding a compliment to a user's experience on a user's social networking profile |
US8688691B2 (en) | 2011-01-13 | 2014-04-01 | International Business Machines Corporation | Relevancy ranking of search results in a network based upon a user's computer-related activities |
US9172762B2 (en) | 2011-01-20 | 2015-10-27 | Linkedin Corporation | Methods and systems for recommending a context based on content interaction |
US9229900B2 (en) | 2011-01-20 | 2016-01-05 | Linkedin Corporation | Techniques for ascribing social attributes to content |
US10440402B2 (en) | 2011-01-26 | 2019-10-08 | Afterlive.tv Inc | Method and system for generating highlights from scored data streams |
US20120197993A1 (en) | 2011-01-27 | 2012-08-02 | Linkedln Corporation | Skill ranking system |
US20120210240A1 (en) * | 2011-02-10 | 2012-08-16 | Microsoft Corporation | User interfaces for personalized recommendations |
EP2673744A4 (de) * | 2011-02-11 | 2015-12-30 | Hewlett Packard Development Co | Bestimmung der eigenschaften von teilnehmern in einem sozialen netzwerk |
US8543454B2 (en) | 2011-02-18 | 2013-09-24 | Bluefin Labs, Inc. | Generating audience response metrics and ratings from social interest in time-based media |
US8290981B2 (en) * | 2011-03-08 | 2012-10-16 | Hon Hai Precision Industry Co., Ltd. | Social network system and member searching and analyzing method in social network |
US20120239494A1 (en) | 2011-03-14 | 2012-09-20 | Bo Hu | Pricing deals for a user based on social information |
US20120264101A1 (en) * | 2011-03-16 | 2012-10-18 | Logi-Serve Llc | System and method for assessment testing and credential publication |
US9286299B2 (en) | 2011-03-17 | 2016-03-15 | Red Hat, Inc. | Backup of data items |
US8843433B2 (en) | 2011-03-29 | 2014-09-23 | Manyworlds, Inc. | Integrated search and adaptive discovery system and method |
US8600926B2 (en) | 2011-03-29 | 2013-12-03 | Manyworlds, Inc. | Integrated interest and expertise-based discovery system and method |
US8719213B2 (en) | 2011-03-29 | 2014-05-06 | Manyworlds, Inc. | Contextually transformed learning layer |
WO2013062620A2 (en) * | 2011-04-04 | 2013-05-02 | Northwestern University | Methods and systems for analyzing data of an online social network |
US20130132547A1 (en) * | 2011-05-09 | 2013-05-23 | Respect Network Corporation | Apparatus and Method for Address Book Automation Over a Trust Network |
US20120290427A1 (en) * | 2011-05-09 | 2012-11-15 | Respect Network Corporation | Apparatus and Method for Managing a Trust Network |
WO2012159200A1 (en) * | 2011-05-23 | 2012-11-29 | Coursepeer Inc. | Recommending students to prospective employers based on students' online content |
US9632972B1 (en) * | 2011-05-31 | 2017-04-25 | Google Inc. | Determining influence in a social community |
US9727827B2 (en) | 2011-06-24 | 2017-08-08 | Jobvite, Inc. | Method and system for referral tracking |
US20130013680A1 (en) * | 2011-07-07 | 2013-01-10 | International Business Machines Corporation | System and method for determining interpersonal relationship influence information using textual content from interpersonal interactions |
US9483606B1 (en) | 2011-07-08 | 2016-11-01 | Consumerinfo.Com, Inc. | Lifescore |
US9846916B2 (en) * | 2011-07-10 | 2017-12-19 | Facebook, Inc. | Clustering a user's connections in a social networking system |
US9092491B2 (en) * | 2011-07-11 | 2015-07-28 | International Business Machines Corporation | Searching documentation across interconnected nodes in a distributed network |
US20130017872A1 (en) * | 2011-07-12 | 2013-01-17 | Sony Computer Entertainment Inc. | Method and system for tag-based grouping of online communities |
US9576434B2 (en) | 2011-07-25 | 2017-02-21 | Sony Interactive Entertainment Inc. | Implementing computer activity-based challenges |
US9846694B1 (en) * | 2011-08-11 | 2017-12-19 | IVP Holdings III LLC | Patent related literature assisted user profiling, matching, and classification |
US20180253739A1 (en) * | 2011-08-21 | 2018-09-06 | Google Inc. | Automated Endorsement Prompting |
US20130054706A1 (en) * | 2011-08-29 | 2013-02-28 | Mary Graham | Modulation of Visual Notification Parameters Based on Message Activity and Notification Value |
US10102502B2 (en) | 2011-08-31 | 2018-10-16 | Jobvite, Inc. | Method and system for source tracking |
US9141656B1 (en) * | 2011-09-06 | 2015-09-22 | Google Inc. | Searching using access controls |
US8943047B1 (en) * | 2011-09-09 | 2015-01-27 | Intuit Inc. | Data aggregation for qualifying a partner candidate |
US9106691B1 (en) | 2011-09-16 | 2015-08-11 | Consumerinfo.Com, Inc. | Systems and methods of identity protection and management |
WO2013049772A1 (en) * | 2011-09-30 | 2013-04-04 | Phillip Butts | Systems and methods for contact management and referral engine |
KR101510647B1 (ko) * | 2011-10-07 | 2015-04-10 | 한국전자통신연구원 | 이슈 템플릿 추출 기반의 웹 동향 분석 방법 및 장치 |
US8966643B2 (en) * | 2011-10-08 | 2015-02-24 | Broadcom Corporation | Content security in a social network |
US8738516B1 (en) | 2011-10-13 | 2014-05-27 | Consumerinfo.Com, Inc. | Debt services candidate locator |
US9754292B1 (en) | 2011-10-13 | 2017-09-05 | Google Inc. | Method and apparatus for serving relevant ads based on the recommendations of influential friends |
US8825644B1 (en) * | 2011-10-14 | 2014-09-02 | Google Inc. | Adjusting a ranking of search results |
WO2013063164A1 (en) * | 2011-10-24 | 2013-05-02 | Jobdiva, Inc. | Resume robotically builds the network |
US20130110732A1 (en) * | 2011-10-27 | 2013-05-02 | NetOrbis Social Media Private Limited | System and method for evaluating trustworthiness of users in a social network |
US20130124644A1 (en) * | 2011-11-11 | 2013-05-16 | Mcafee, Inc. | Reputation services for a social media identity |
US9087273B2 (en) * | 2011-11-15 | 2015-07-21 | Facebook, Inc. | Facial recognition using social networking information |
US9836721B2 (en) | 2011-11-21 | 2017-12-05 | Facebook, Inc. | Defining future plans in connection with objects in a social networking system |
US20130132195A1 (en) * | 2011-11-22 | 2013-05-23 | Yahoo! Inc. | Methods and systems for creating dynamic user segments based on social graphs |
US9754226B2 (en) | 2011-12-13 | 2017-09-05 | Microsoft Technology Licensing, Llc | Urban computing of route-oriented vehicles |
US9378287B2 (en) * | 2011-12-14 | 2016-06-28 | Patrick Frey | Enhanced search system and method based on entity ranking |
US9002753B2 (en) | 2011-12-16 | 2015-04-07 | At&T Intellectual Property I, L.P. | Method and apparatus for providing a personal value for an individual |
US8725728B1 (en) | 2011-12-16 | 2014-05-13 | Michael A. Colgan | Computer based method and system of generating a visual representation of the character of a user or business based on self-rating and input from other parties |
US20130166188A1 (en) | 2011-12-21 | 2013-06-27 | Microsoft Corporation | Determine Spatiotemporal Causal Interactions In Data |
US20130166358A1 (en) * | 2011-12-21 | 2013-06-27 | Saba Software, Inc. | Determining a likelihood that employment of an employee will end |
US20130166466A1 (en) * | 2011-12-22 | 2013-06-27 | Joan Sanger | Social networks and career management |
US8886651B1 (en) | 2011-12-22 | 2014-11-11 | Reputation.Com, Inc. | Thematic clustering |
TWI482108B (zh) * | 2011-12-29 | 2015-04-21 | Univ Nat Taiwan | To bring virtual social networks into real-life social systems and methods |
US20130252221A1 (en) * | 2012-01-17 | 2013-09-26 | Alibaba.Com Limited | Question generation and presentation |
US9772830B2 (en) | 2012-01-19 | 2017-09-26 | Syntel, Inc. | System and method for modeling cloud rules for migration to the cloud |
US9720975B2 (en) * | 2012-01-30 | 2017-08-01 | Massachusetts Institute Of Technology | Dynamic influence tracking engine and method |
US9420060B2 (en) * | 2012-01-31 | 2016-08-16 | Talent Earth, Inc. | Collaborative expertise networking system and method |
US8984049B1 (en) * | 2012-02-01 | 2015-03-17 | Linkedin Corporation | Online address book with multi-use input bar and profile bookmarking |
US8478702B1 (en) | 2012-02-08 | 2013-07-02 | Adam Treiser | Tools and methods for determining semantic relationship indexes |
US9430738B1 (en) | 2012-02-08 | 2016-08-30 | Mashwork, Inc. | Automated emotional clustering of social media conversations |
US11100523B2 (en) | 2012-02-08 | 2021-08-24 | Gatsby Technologies, LLC | Determining relationship values |
US8341101B1 (en) * | 2012-02-08 | 2012-12-25 | Adam Treiser | Determining relationships between data items and individuals, and dynamically calculating a metric score based on groups of characteristics |
WO2013119452A1 (en) * | 2012-02-08 | 2013-08-15 | Treiser Adam | Tools and methods for determining relationship values |
US8943004B2 (en) | 2012-02-08 | 2015-01-27 | Adam Treiser | Tools and methods for determining relationship values |
US9569986B2 (en) | 2012-02-27 | 2017-02-14 | The Nielsen Company (Us), Llc | System and method for gathering and analyzing biometric user feedback for use in social media and advertising applications |
US9390243B2 (en) * | 2012-02-28 | 2016-07-12 | Disney Enterprises, Inc. | Dynamic trust score for evaluating ongoing online relationships |
US8676596B1 (en) | 2012-03-05 | 2014-03-18 | Reputation.Com, Inc. | Stimulating reviews at a point of sale |
US10636041B1 (en) | 2012-03-05 | 2020-04-28 | Reputation.Com, Inc. | Enterprise reputation evaluation |
US9105043B2 (en) * | 2012-03-06 | 2015-08-11 | Postrel Richard | Method and system for providing incentives to members of a social network |
US8688796B1 (en) * | 2012-03-06 | 2014-04-01 | Tal Lavian | Rating system for determining whether to accept or reject objection raised by user in social network |
US10130872B2 (en) * | 2012-03-21 | 2018-11-20 | Sony Interactive Entertainment LLC | Apparatus and method for matching groups to users for online communities and computer simulations |
US20130249928A1 (en) * | 2012-03-21 | 2013-09-26 | Sony Computer Entertainment America Llc | Apparatus and method for visual representation of one or more characteristics for each of a plurality of items |
US10186002B2 (en) * | 2012-03-21 | 2019-01-22 | Sony Interactive Entertainment LLC | Apparatus and method for matching users to groups for online communities and computer simulations |
US9218630B2 (en) * | 2012-03-22 | 2015-12-22 | Microsoft Technology Licensing, Llc | Identifying influential users of a social networking service |
US9262791B2 (en) | 2012-03-23 | 2016-02-16 | Facebook, Inc. | Targeting stories based on influencer scores |
US9971993B2 (en) | 2012-03-26 | 2018-05-15 | Microsoft Technology Licensing, Llc | Leveraging a social graph for use with electronic messaging |
US20130290050A1 (en) * | 2012-04-04 | 2013-10-31 | NetClarify, Inc. | System and method for assessing employability or admitability of an individual and enabling modification or removal of related information |
US20140089818A1 (en) * | 2012-09-24 | 2014-03-27 | Myspace, Llc | System and method for connecting users to other users and objects in a social network |
US9609081B2 (en) * | 2012-04-11 | 2017-03-28 | QiuYuan Liu | Method for managed social networking services |
US20130282812A1 (en) * | 2012-04-24 | 2013-10-24 | Samuel Lessin | Adaptive audiences for claims in a social networking system |
US9978106B2 (en) | 2012-04-24 | 2018-05-22 | Facebook, Inc. | Managing copyrights of content for sharing on a social networking system |
US10325323B2 (en) | 2012-04-24 | 2019-06-18 | Facebook, Inc. | Providing a claims-based profile in a social networking system |
EP2842088A4 (de) * | 2012-04-27 | 2016-01-20 | Blackberry Ltd | Systeme und verfahren zur herstellung und verwendung eines persönlichen verknüpfungsgraphen |
US8719179B2 (en) * | 2012-04-30 | 2014-05-06 | Gild, Inc. | Recruiting service graphical user interface |
US9853959B1 (en) | 2012-05-07 | 2017-12-26 | Consumerinfo.Com, Inc. | Storage and maintenance of personal data |
US9413710B1 (en) * | 2012-06-23 | 2016-08-09 | Microstrategy Incorporated | Targeted content delivery |
US9111319B2 (en) * | 2012-06-26 | 2015-08-18 | Researchgate Gmbh | System, computer program product and computer-implemented method for sharing academic user profiles and ranking academic users |
US9088620B2 (en) * | 2012-06-28 | 2015-07-21 | Fujitsu Limited | System and method of recommending actions based on social capital of users in a social network |
US11093984B1 (en) | 2012-06-29 | 2021-08-17 | Reputation.Com, Inc. | Determining themes |
EP2680173A3 (de) * | 2012-06-29 | 2014-01-15 | Orange | Bestimmung impliziter Beziehungen und Organisationen sozialer Netzwerke |
US20140017646A1 (en) * | 2012-07-11 | 2014-01-16 | Robert C. Seitzberg, III | System and method for receiving and providing anonymous character feedback |
US20140019537A1 (en) * | 2012-07-13 | 2014-01-16 | Microsoft Corporation | Configurable Community Platform |
US9795887B2 (en) * | 2012-07-17 | 2017-10-24 | Riot Games, Inc. | Systems and methods that enable player matching for multi-player online games |
US9275149B2 (en) | 2012-08-22 | 2016-03-01 | International Business Machines Corporation | Utilizing social network relevancy as a factor in ranking search results |
US9224130B2 (en) * | 2012-08-23 | 2015-12-29 | Oracle International Corporation | Talent profile infographic |
US20150066940A1 (en) * | 2012-09-10 | 2015-03-05 | Google Inc. | Providing relevant online content |
US20140074620A1 (en) * | 2012-09-12 | 2014-03-13 | Andrew G. Bosworth | Advertisement selection based on user selected affiliation with brands in a social networking system |
US11070597B2 (en) * | 2012-09-21 | 2021-07-20 | Gree, Inc. | Method for displaying object in timeline area, object display device, and information recording medium having recorded thereon program for implementing said method |
US9705963B2 (en) * | 2012-09-28 | 2017-07-11 | Thomson Reuters Global Resources Unlimited Company | Systems, methods and interfaces for evaluating an online entity presence |
US9235865B1 (en) * | 2012-10-26 | 2016-01-12 | Sprint Communications Company L.P. | Identifying influencers using social information |
US10379910B2 (en) | 2012-10-26 | 2019-08-13 | Syntel, Inc. | System and method for evaluation of migration of applications to the cloud |
US20140122577A1 (en) * | 2012-10-26 | 2014-05-01 | Syntel, Inc. | System and method for evaluating readiness of applications for the cloud |
US8977617B1 (en) * | 2012-10-31 | 2015-03-10 | Google Inc. | Computing social influence scores for users |
US9654592B2 (en) | 2012-11-08 | 2017-05-16 | Linkedin Corporation | Skills endorsements |
US9654541B1 (en) | 2012-11-12 | 2017-05-16 | Consumerinfo.Com, Inc. | Aggregating user web browsing data |
US20180052807A1 (en) * | 2012-11-14 | 2018-02-22 | Google Inc. | Endorsement smearing among related webpages |
US9002852B2 (en) * | 2012-11-15 | 2015-04-07 | Adobe Systems Incorporated | Mining semi-structured social media |
WO2014076846A1 (ja) * | 2012-11-19 | 2014-05-22 | 株式会社I&Gパートナーズ | 求人支援システム、サーバ、ネットワークシステム、プログラム、及び求人支援方法 |
KR20140068299A (ko) * | 2012-11-26 | 2014-06-09 | 한국전자통신연구원 | 소셜 네트워크 포렌식 장치 및 이 장치의 sns 데이터 분석 방법 |
KR101285832B1 (ko) * | 2012-11-27 | 2013-07-12 | 전승훈 | 웹사이트와 어플에서의 회원 간 만남주선 시스템 |
US9916621B1 (en) | 2012-11-30 | 2018-03-13 | Consumerinfo.Com, Inc. | Presentation of credit score factors |
US9858317B1 (en) * | 2012-12-03 | 2018-01-02 | Google Inc. | Ranking communities based on members |
US9473583B2 (en) | 2012-12-10 | 2016-10-18 | Linkedin Corporation | Methods and systems for providing decision-making support |
US9483806B2 (en) * | 2012-12-12 | 2016-11-01 | Linkedin Corporation | Aggregating content related to a notable individual |
US10397162B2 (en) * | 2012-12-14 | 2019-08-27 | Facebook, Inc. | Sending notifications to members of social group in a social networking system |
US20140180945A1 (en) * | 2012-12-21 | 2014-06-26 | Sap Ag | Identifying endorsers for a candidate |
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 |
US20140185954A1 (en) * | 2012-12-28 | 2014-07-03 | Industrial Technology Research Institute | Influence-based social media interventions in healthcare |
US9294576B2 (en) | 2013-01-02 | 2016-03-22 | Microsoft Technology Licensing, Llc | Social media impact assessment |
US8973100B2 (en) * | 2013-01-08 | 2015-03-03 | Facebook, Inc. | Trust-based authentication in a social networking system |
US9311682B2 (en) * | 2013-01-10 | 2016-04-12 | The Nielsen Company (Us), Llc | Systems and methods to identify candidates for targeted advertising in an online social gaming environment |
US9009180B2 (en) * | 2013-01-11 | 2015-04-14 | Ge Zhao | System and method for providing extending searches |
US10032234B2 (en) * | 2013-01-29 | 2018-07-24 | Facebook, Inc. | Ranking search results using diversity groups |
US20140244531A1 (en) * | 2013-02-28 | 2014-08-28 | Linkedin Corporation | Techniques for using social proximity scores in recruiting and/or hiring |
US20150012451A1 (en) * | 2013-03-12 | 2015-01-08 | Scala Hosting Llc | Social network prestige program |
US9166943B2 (en) * | 2013-03-12 | 2015-10-20 | International Business Machines Corporation | Systems and methods for using social network analysis to schedule communications |
US10165065B1 (en) * | 2013-03-12 | 2018-12-25 | Facebook, Inc. | Abusive access detection in a social networking system |
US20140279629A1 (en) * | 2013-03-12 | 2014-09-18 | Salesforce.Com, Inc. | System and method for generating an organization profile based on skill information |
US9446310B2 (en) * | 2013-03-13 | 2016-09-20 | Facebook, Inc. | Suggesting friends for playing a game |
US20140279616A1 (en) * | 2013-03-14 | 2014-09-18 | Ebay Inc. | System and method of utilizing information from a social media service in an ecommerce service |
US20140324528A1 (en) * | 2013-03-14 | 2014-10-30 | Adaequare Inc. | Computerized System and Method for Determining an Action's Relevance to a Transaction |
US8925099B1 (en) | 2013-03-14 | 2014-12-30 | Reputation.Com, Inc. | Privacy scoring |
US9406085B1 (en) | 2013-03-14 | 2016-08-02 | Consumerinfo.Com, Inc. | System and methods for credit dispute processing, resolution, and reporting |
US10102570B1 (en) | 2013-03-14 | 2018-10-16 | Consumerinfo.Com, Inc. | Account vulnerability alerts |
EP4060940A1 (de) | 2013-03-15 | 2022-09-21 | Socure Inc. | Risikobewertung mithilfe von daten aus sozialer vernetzung |
US20140279625A1 (en) * | 2013-03-15 | 2014-09-18 | Louis Levine Carter | Social Network Based Skill Rating and Performance Feedback System |
GB2515449A (en) * | 2013-03-15 | 2014-12-31 | Wonga Technology Ltd | Method and system for User Acceptability |
US9818131B2 (en) | 2013-03-15 | 2017-11-14 | Liveramp, Inc. | Anonymous information management |
US9378065B2 (en) | 2013-03-15 | 2016-06-28 | Advanced Elemental Technologies, Inc. | Purposeful computing |
US9904579B2 (en) | 2013-03-15 | 2018-02-27 | Advanced Elemental Technologies, Inc. | Methods and systems for purposeful computing |
US9721086B2 (en) | 2013-03-15 | 2017-08-01 | Advanced Elemental Technologies, Inc. | Methods and systems for secure and reliable identity-based computing |
US10075384B2 (en) | 2013-03-15 | 2018-09-11 | Advanced Elemental Technologies, Inc. | Purposeful computing |
US9210119B2 (en) | 2013-03-29 | 2015-12-08 | Garret J. LoPorto | Automated triggering of a broadcast |
US10685398B1 (en) | 2013-04-23 | 2020-06-16 | Consumerinfo.Com, Inc. | Presenting credit score information |
US20140337090A1 (en) * | 2013-05-08 | 2014-11-13 | Visa International Service Association | Systems and methods to measure influcence power |
US20140344206A1 (en) * | 2013-05-16 | 2014-11-20 | International Business Machines Corporation | Verifying legitimate followers in social networks |
KR101438354B1 (ko) * | 2013-05-21 | 2014-09-16 | 숭실대학교산학협력단 | 소셜 네트워크 서비스 제공 방법 및 서버 |
US20140358888A1 (en) * | 2013-05-28 | 2014-12-04 | Reputation Rights, LLC | Method, System, And Computer Program Product For Monitoring Online Reputations With The Capability Of Creating New Content |
US20150006261A1 (en) | 2013-06-28 | 2015-01-01 | Healthtap, Inc. | Systems and method for evaluating and selecting a healthcare professional |
US11086905B1 (en) * | 2013-07-15 | 2021-08-10 | Twitter, Inc. | Method and system for presenting stories |
US8812690B1 (en) * | 2013-07-22 | 2014-08-19 | Linkedin Corporation | Method and system to provide reputation scores for a social network member |
WO2015013517A1 (en) * | 2013-07-24 | 2015-01-29 | Corradi Enrico L | Method and system for scoring on-line profiles |
US9292885B2 (en) * | 2013-08-27 | 2016-03-22 | Unittus, Inc. | Method and system for providing social search and connection services with a social media ecosystem |
US20150066948A1 (en) * | 2013-08-27 | 2015-03-05 | Adobe Systems Incorporated | Influence Scoring for Social Media Authors |
US11244022B2 (en) * | 2013-08-28 | 2022-02-08 | Verizon Media Inc. | System and methods for user curated media |
US9094389B2 (en) * | 2013-09-04 | 2015-07-28 | Facebook, Inc. | Systems and methods for authenticating nodes |
US10990686B2 (en) | 2013-09-13 | 2021-04-27 | Liveramp, Inc. | Anonymous links to protect consumer privacy |
US9665883B2 (en) | 2013-09-13 | 2017-05-30 | Acxiom Corporation | Apparatus and method for bringing offline data online while protecting consumer privacy |
US11157944B2 (en) | 2013-09-13 | 2021-10-26 | Liveramp, Inc. | Partner encoding of anonymous links to protect consumer privacy |
US9697472B2 (en) | 2013-09-20 | 2017-07-04 | Linkedin Corporation | Skills ontology creation |
JP5731608B2 (ja) * | 2013-10-02 | 2015-06-10 | グーグル・インコーポレーテッド | ソーシャルネットワーク用Adheat広告モデル |
US9576326B2 (en) * | 2013-10-03 | 2017-02-21 | Linkedin Corporation | Identification of a propagator-type leader in a social network |
US9582836B2 (en) * | 2013-10-03 | 2017-02-28 | Linkedin Corporation | Identification of a broker-type leader in a social network |
US9547877B2 (en) | 2013-10-03 | 2017-01-17 | Linkedin Corporation | Identification of a trigger-type leader in a social network |
US20150100576A1 (en) * | 2013-10-09 | 2015-04-09 | Foxwordy, Inc. | Default Network |
US9380073B2 (en) * | 2013-10-09 | 2016-06-28 | Foxwordy Inc. | Reputation system in a default network |
KR102139664B1 (ko) * | 2013-10-11 | 2020-07-30 | 삼성전자주식회사 | 프로필 이미지 카드를 공유하는 시스템 및 방법 |
EP3072321B1 (de) * | 2013-11-18 | 2021-11-03 | Antoine Toffa | Ermöglichung von pseudonymen lebensechten interaktionen in sozialen medien |
US9477737B1 (en) | 2013-11-20 | 2016-10-25 | Consumerinfo.Com, Inc. | Systems and user interfaces for dynamic access of multiple remote databases and synchronization of data based on user rules |
CN103631901B (zh) * | 2013-11-20 | 2017-01-18 | 清华大学 | 一种基于用户信任网络最大生成树的谣言控制方法 |
US9218468B1 (en) * | 2013-12-16 | 2015-12-22 | Matthew B. Rappaport | Systems and methods for verifying attributes of users of online systems |
US9645221B1 (en) | 2013-12-17 | 2017-05-09 | Booie LLC | Communication system and method |
US20150187024A1 (en) * | 2013-12-27 | 2015-07-02 | Telefonica Digital España, S.L.U. | System and Method for Socially Aware Recommendations Based on Implicit User Feedback |
US9292616B2 (en) * | 2014-01-13 | 2016-03-22 | International Business Machines Corporation | Social balancer for indicating the relative priorities of linked objects |
US10002127B2 (en) * | 2014-01-17 | 2018-06-19 | Intel Corporation | Connecting people based on content and relational distance |
US10489361B2 (en) | 2014-01-27 | 2019-11-26 | Camelot Uk Bidco Limited | System and methods for cleansing automated robotic traffic from sets of usage logs |
CN103812696B (zh) * | 2014-01-28 | 2017-07-28 | 河南科技大学 | 一种基于混合蛙跳算法的物联网节点信誉评估方法 |
US9990404B2 (en) * | 2014-01-30 | 2018-06-05 | Microsoft Technology Licensing, Llc | System and method for identifying trending topics in a social network |
CA2880658A1 (en) * | 2014-01-30 | 2015-07-30 | Prabaharan Sivashanmugam | Adaptive social media scoring model with reviewer influence alignment |
JP5943356B2 (ja) * | 2014-01-31 | 2016-07-05 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 情報処理装置、情報処理方法、及び、プログラム |
US9325726B2 (en) | 2014-02-03 | 2016-04-26 | Intuit Inc. | Method and system for virtual asset assisted extrusion and intrusion detection in a cloud computing environment |
US20150304343A1 (en) | 2014-04-18 | 2015-10-22 | Intuit Inc. | Method and system for providing self-monitoring, self-reporting, and self-repairing virtual assets in a cloud computing environment |
US9342690B2 (en) | 2014-05-30 | 2016-05-17 | Intuit Inc. | Method and apparatus for a scoring service for security threat management |
US9439367B2 (en) | 2014-02-07 | 2016-09-13 | Arthi Abhyanker | Network enabled gardening with a remotely controllable positioning extension |
US10521833B2 (en) * | 2014-02-12 | 2019-12-31 | Transform Sr Brands Llc | Method and system for determining level of influence in a social e-commerce environment |
US9531793B2 (en) | 2014-02-28 | 2016-12-27 | Microsoft Technology Licensing, Llc | Displaying and navigating implicit and explicit enterprise people relationships |
US10437912B2 (en) | 2014-02-28 | 2019-10-08 | International Business Machines Corporation | Sorting and displaying documents according to sentiment level in an online community |
US20150254679A1 (en) * | 2014-03-07 | 2015-09-10 | Genesys Telecommunications Laboratories, Inc. | Vendor relationship management for contact centers |
US10015770B2 (en) * | 2014-03-24 | 2018-07-03 | International Business Machines Corporation | Social proximity networks for mobile phones |
US8990191B1 (en) * | 2014-03-25 | 2015-03-24 | Linkedin Corporation | Method and system to determine a category score of a social network member |
US9021040B1 (en) * | 2014-03-28 | 2015-04-28 | Linkedin Corporation | Automatically selecting addressees for receiving a content item |
US10949753B2 (en) * | 2014-04-03 | 2021-03-16 | Adobe Inc. | Causal modeling and attribution |
US20150286723A1 (en) * | 2014-04-07 | 2015-10-08 | Microsoft Corporation | Identifying dominant entity categories |
US10124253B2 (en) | 2014-04-16 | 2018-11-13 | Zynga Inc. | Systems and methods of automatic game creation |
US9457901B2 (en) | 2014-04-22 | 2016-10-04 | Fatdoor, Inc. | Quadcopter with a printable payload extension system and method |
US9004396B1 (en) | 2014-04-24 | 2015-04-14 | Fatdoor, Inc. | Skyteboard quadcopter and method |
US9807182B2 (en) * | 2014-04-28 | 2017-10-31 | Palo Alto Networks, Inc. | Determination of user reputation regarding data object exposure in cloud computing environments |
US10331764B2 (en) | 2014-05-05 | 2019-06-25 | Hired, Inc. | Methods and system for automatically obtaining information from a resume to update an online profile |
US9022324B1 (en) | 2014-05-05 | 2015-05-05 | Fatdoor, Inc. | Coordination of aerial vehicles through a central server |
CN106233325A (zh) | 2014-05-20 | 2016-12-14 | 谷歌公司 | 生成活动概要 |
US20150339630A1 (en) * | 2014-05-20 | 2015-11-26 | Eyal Grayevsky | Method and System for Skill-Based Endorsement and Credential Validation |
US10248729B2 (en) | 2014-05-28 | 2019-04-02 | Bari Enterprises, Inc. | Method and system of quantifying and qualifying athletic skills and competitive results in a social network |
US9251470B2 (en) | 2014-05-30 | 2016-02-02 | Linkedin Corporation | Inferred identity |
US9147117B1 (en) | 2014-06-11 | 2015-09-29 | Socure Inc. | Analyzing facial recognition data and social network data for user authentication |
US9441981B2 (en) | 2014-06-20 | 2016-09-13 | Fatdoor, Inc. | Variable bus stops across a bus route in a regional transportation network |
US9971985B2 (en) | 2014-06-20 | 2018-05-15 | Raj Abhyanker | Train based community |
US20150379647A1 (en) * | 2014-06-30 | 2015-12-31 | Linkedln Corporation | Suggested accounts or leads |
US9451020B2 (en) | 2014-07-18 | 2016-09-20 | Legalforce, Inc. | Distributed communication of independent autonomous vehicles to provide redundancy and performance |
US20160026632A1 (en) * | 2014-07-23 | 2016-01-28 | Linkedin Corporation | Seniority standardization model |
US20160035046A1 (en) * | 2014-07-31 | 2016-02-04 | Linkedln Corporation | Influencer score |
US20160035045A1 (en) * | 2014-07-31 | 2016-02-04 | Linkedln Corporation | Identifying occupation of a professional using profile and social data |
US9542451B2 (en) * | 2014-09-05 | 2017-01-10 | Google Inc. | Mobile application search ranking |
US9070088B1 (en) * | 2014-09-16 | 2015-06-30 | Trooly Inc. | Determining trustworthiness and compatibility of a person |
US20160098667A1 (en) * | 2014-10-07 | 2016-04-07 | Salesforce.Com, Inc. | Customizable skills database |
US20160162840A1 (en) * | 2014-10-07 | 2016-06-09 | Rick Roberts | Talent acquisition and management system and method |
US20160140503A1 (en) * | 2014-11-18 | 2016-05-19 | Salesforce.Com, Inc. | Database systems and methods for using credibility ratings of users to process online resumes in a social networking environment |
US10083295B2 (en) * | 2014-12-23 | 2018-09-25 | Mcafee, Llc | System and method to combine multiple reputations |
US10097665B2 (en) | 2015-01-09 | 2018-10-09 | International Business Machines Corporation | Numerical computation of profiled degrees of alignment in social networking |
US20160210703A1 (en) * | 2015-01-20 | 2016-07-21 | Linkedin Corporation | Virtual career counselor |
US11250369B2 (en) | 2015-01-23 | 2022-02-15 | Sponsorhouse, Inc. | Computerized system for detecting the exposure and impact of an entity within virtual networking platforms |
US20160213994A1 (en) * | 2015-01-23 | 2016-07-28 | Sponsorhouse, Inc. DBA Hookit | Athlete scoring and ranking systems |
US10382577B2 (en) * | 2015-01-30 | 2019-08-13 | Microsoft Technology Licensing, Llc | Trending topics on a social network based on member profiles |
US10007719B2 (en) | 2015-01-30 | 2018-06-26 | Microsoft Technology Licensing, Llc | Compensating for individualized bias of search users |
US10007730B2 (en) * | 2015-01-30 | 2018-06-26 | Microsoft Technology Licensing, Llc | Compensating for bias in search results |
US9578043B2 (en) * | 2015-03-20 | 2017-02-21 | Ashif Mawji | Calculating a trust score |
US20160283548A1 (en) * | 2015-03-27 | 2016-09-29 | International Business Machines Corporation | Recommending connections in a social network system |
US9792588B2 (en) * | 2015-03-31 | 2017-10-17 | Linkedin Corporation | Inferring professional reputations of social network members |
US9936031B2 (en) | 2015-03-31 | 2018-04-03 | International Business Machines Corporation | Generation of content recommendations |
US10049223B1 (en) * | 2015-04-14 | 2018-08-14 | Microsoft Technology Licensing, Llc | Analyzing address book upload requests |
US9331973B1 (en) * | 2015-04-30 | 2016-05-03 | Linkedin Corporation | Aggregating content associated with topics in a social network |
US20160337303A1 (en) * | 2015-05-14 | 2016-11-17 | Sony Mobile Communications Inc. | Method and system for approving or disapproving connection requests |
US9936250B2 (en) | 2015-05-19 | 2018-04-03 | The Nielsen Company (Us), Llc | Methods and apparatus to adjust content presented to an individual |
US20160350781A1 (en) * | 2015-06-01 | 2016-12-01 | Evauk Corporation | Organization and presentation of complex referral tracking analytics and determining quality of referrals, relationships and potential revenue in a referral-sharing system |
US10198512B2 (en) * | 2015-06-29 | 2019-02-05 | Microsoft Technology Licensing, Llc | Search relevance using past searchers' reputation |
US20170031551A1 (en) * | 2015-07-30 | 2017-02-02 | Linkedin Corporation | Peer driven editing |
US20170031915A1 (en) * | 2015-07-31 | 2017-02-02 | Linkedin Corporation | Profile value score |
US20170061098A1 (en) * | 2015-08-24 | 2017-03-02 | Nagaraj Setty Holalkere | Centralized professional platform |
US10673965B2 (en) | 2015-08-28 | 2020-06-02 | Microsoft Technology Licensing, Llc | Adjusting heavy users' affinity for heavy user entity-pairs in a social network |
US9929909B2 (en) | 2015-08-31 | 2018-03-27 | International Business Machines Corporation | Identifying marginal-influence maximizing nodes in networks |
US10176263B2 (en) | 2015-09-25 | 2019-01-08 | Microsoft Technology Licensing, Llc | Identifying paths using social networking data and application data |
US10089363B2 (en) * | 2015-10-15 | 2018-10-02 | At&T Intellectual Property I, L.P. | Method and apparatus for identifying users who know each other |
US10761212B2 (en) * | 2015-10-30 | 2020-09-01 | Paypal, Inc. | User interface configurations for data transfers |
US10783592B2 (en) * | 2015-10-30 | 2020-09-22 | International Business Machines Corporation | Collecting social media users in a specific customer segment |
US10924473B2 (en) * | 2015-11-10 | 2021-02-16 | T Stamp Inc. | Trust stamp |
US10565210B2 (en) * | 2015-11-23 | 2020-02-18 | Verizon Patent And Licensing Inc. | Generating and verifying a reputational profile |
US10580024B2 (en) | 2015-12-15 | 2020-03-03 | Adobe Inc. | Consumer influence analytics with consumer profile enhancement |
US10853359B1 (en) | 2015-12-21 | 2020-12-01 | Amazon Technologies, Inc. | Data log stream processing using probabilistic data structures |
WO2017114550A1 (en) * | 2015-12-28 | 2017-07-06 | Telecom Italia S.P.A. | Method for managing the reputation of members of an online community |
CN105846856B (zh) * | 2015-12-31 | 2018-05-18 | 北京邮电大学 | 电力通信网组网方式评价方法及装置 |
US10901945B2 (en) * | 2016-01-05 | 2021-01-26 | The grät Network, PBC | Systems and methods concerning tracking models for digital interactions |
US20180039944A1 (en) * | 2016-01-05 | 2018-02-08 | Linkedin Corporation | Job referral system |
CN105677881B (zh) * | 2016-01-12 | 2020-07-03 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法、装置及服务器 |
US10540667B2 (en) | 2016-01-29 | 2020-01-21 | Conduent Business Services, Llc | Method and system for generating a search query |
US20170235792A1 (en) | 2016-02-17 | 2017-08-17 | Www.Trustscience.Com Inc. | Searching for entities based on trust score and geography |
US10574712B2 (en) | 2016-02-19 | 2020-02-25 | International Business Machines Corporation | Provisioning conference rooms |
US10079817B2 (en) * | 2016-02-29 | 2018-09-18 | Dropbox, Inc. | Techniques for invite enforcement and domain capture |
US9679254B1 (en) | 2016-02-29 | 2017-06-13 | Www.Trustscience.Com Inc. | Extrapolating trends in trust scores |
US20170262451A1 (en) * | 2016-03-08 | 2017-09-14 | Lauren Elizabeth Milner | System and method for automatically calculating category-based social influence score |
US9721296B1 (en) | 2016-03-24 | 2017-08-01 | Www.Trustscience.Com Inc. | Learning an entity's trust model and risk tolerance to calculate a risk score |
US10063572B2 (en) * | 2016-03-28 | 2018-08-28 | Accenture Global Solutions Limited | Antivirus signature distribution with distributed ledger |
US10091318B2 (en) * | 2016-03-30 | 2018-10-02 | Facebook, Inc. | Content-based notification delivery |
US11132716B2 (en) * | 2016-06-28 | 2021-09-28 | Gavin Washington Brown | System and method for promoting a talent of a user via a wireless network of mobile client devices |
US10255586B2 (en) * | 2016-06-30 | 2019-04-09 | Microsoft Technology Licensing, Llc | Deriving multi-level seniority of social network members |
US20180025084A1 (en) * | 2016-07-19 | 2018-01-25 | Microsoft Technology Licensing, Llc | Automatic recommendations for content collaboration |
US9860280B1 (en) * | 2016-09-19 | 2018-01-02 | International Business Machines Corporation | Cognitive authentication with employee onboarding |
US20180089734A1 (en) * | 2016-09-29 | 2018-03-29 | Linkedln Corporation | Techniques for targeting endorsement requests |
US10380552B2 (en) | 2016-10-31 | 2019-08-13 | Microsoft Technology Licensing, Llc | Applicant skills inference for a job |
CN108111867A (zh) * | 2016-11-24 | 2018-06-01 | 广州华多网络科技有限公司 | 一种直播间发言监控方法及系统 |
US11126971B1 (en) * | 2016-12-12 | 2021-09-21 | Jpmorgan Chase Bank, N.A. | Systems and methods for privacy-preserving enablement of connections within organizations |
US10691407B2 (en) | 2016-12-14 | 2020-06-23 | Kyruus, Inc. | Methods and systems for analyzing speech during a call and automatically modifying, during the call, a call center referral interface |
US10902070B2 (en) | 2016-12-15 | 2021-01-26 | Microsoft Technology Licensing, Llc | Job search based on member transitions from educational institution to company |
US10841660B2 (en) | 2016-12-29 | 2020-11-17 | Dressbot Inc. | System and method for multi-user digital interactive experience |
CA2953311A1 (en) | 2016-12-29 | 2018-06-29 | Dressbot Inc. | System and method for multi-user digital interactive experience |
US20190311329A1 (en) * | 2017-01-01 | 2019-10-10 | Darryl Clines | Decision Making Add-on System |
US10642865B2 (en) | 2017-01-24 | 2020-05-05 | International Business Machines Corporation | Bias identification in social networks posts |
US10679187B2 (en) | 2017-01-30 | 2020-06-09 | Microsoft Technology Licensing, Llc | Job search with categorized results |
US20180218387A1 (en) * | 2017-01-30 | 2018-08-02 | Price-Mars Delly | Feedback system through an online community format |
US10783497B2 (en) | 2017-02-21 | 2020-09-22 | Microsoft Technology Licensing, Llc | Job posting data search based on intercompany worker migration |
US10282598B2 (en) | 2017-03-07 | 2019-05-07 | Bank Of America Corporation | Performing image analysis for dynamic personnel identification based on a combination of biometric features |
US10180969B2 (en) | 2017-03-22 | 2019-01-15 | Www.Trustscience.Com Inc. | Entity resolution and identity management in big, noisy, and/or unstructured data |
US10606866B1 (en) * | 2017-03-30 | 2020-03-31 | Palantir Technologies Inc. | Framework for exposing network activities |
US20180285822A1 (en) * | 2017-04-04 | 2018-10-04 | Linkedln Corporation | Ranking job offerings based on connection mesh strength |
US10607189B2 (en) | 2017-04-04 | 2020-03-31 | Microsoft Technology Licensing, Llc | Ranking job offerings based on growth potential within a company |
US20180295207A1 (en) * | 2017-04-07 | 2018-10-11 | Microsoft Technology Licensing, Llc | Endorsements relevance |
US11170319B2 (en) * | 2017-04-28 | 2021-11-09 | Cisco Technology, Inc. | Dynamically inferred expertise |
US20180330325A1 (en) | 2017-05-12 | 2018-11-15 | Zippy Inc. | Method for indicating delivery location and software for same |
US20190026765A1 (en) * | 2017-07-24 | 2019-01-24 | Facebook, Inc. | Evaluating social referrals to a third party system |
CA3026837A1 (en) * | 2017-12-07 | 2019-06-07 | Fifth Third Bancorp | Geospatial market analytics |
US11238087B2 (en) * | 2017-12-21 | 2022-02-01 | Microsoft Technology Licensing, Llc | Social analytics based on viral mentions and threading |
CN110020375B (zh) * | 2017-12-28 | 2023-06-27 | 沈阳新松机器人自动化股份有限公司 | 一种社交网络用户影响力的评估方法 |
US11784960B2 (en) | 2018-01-31 | 2023-10-10 | Dotalign, Inc. | Method, apparatus, and computer-readable medium for leveraging connections |
WO2019199989A1 (en) | 2018-04-10 | 2019-10-17 | Sponsorhouse, Inc. DBA Hookit | Deep neural networks modeling |
US20190325532A1 (en) * | 2018-04-24 | 2019-10-24 | Torre Technologies Co. | Professional Social Networking Services, Methods and Systems |
US11496315B1 (en) | 2018-05-08 | 2022-11-08 | T Stamp Inc. | Systems and methods for enhanced hash transforms |
US20190354170A1 (en) * | 2018-05-18 | 2019-11-21 | High Fidelity, Inc. | Generation of relative reputation scores within virtual reality environments |
US10924566B2 (en) | 2018-05-18 | 2021-02-16 | High Fidelity, Inc. | Use of corroboration to generate reputation scores within virtual reality environments |
US11463441B2 (en) | 2018-05-24 | 2022-10-04 | People.ai, Inc. | Systems and methods for managing the generation or deletion of record objects based on electronic activities and communication policies |
US11924297B2 (en) | 2018-05-24 | 2024-03-05 | People.ai, Inc. | Systems and methods for generating a filtered data set |
US10565229B2 (en) | 2018-05-24 | 2020-02-18 | People.ai, Inc. | Systems and methods for matching electronic activities directly to record objects of systems of record |
US20190370908A1 (en) * | 2018-05-30 | 2019-12-05 | Microsoft Technology Licensing, Llc | User interface for network engagement |
US11265324B2 (en) | 2018-09-05 | 2022-03-01 | Consumerinfo.Com, Inc. | User permissions for access to secure data at third-party |
US11263550B2 (en) | 2018-09-09 | 2022-03-01 | International Business Machines Corporation | Audit machine learning models against bias |
US11327950B2 (en) * | 2018-11-06 | 2022-05-10 | Workday, Inc. | Ledger data verification and sharing system |
US11093479B2 (en) * | 2018-11-06 | 2021-08-17 | Workday, Inc. | Ledger data generation and storage for trusted recall of professional profiles |
US11315179B1 (en) | 2018-11-16 | 2022-04-26 | Consumerinfo.Com, Inc. | Methods and apparatuses for customized card recommendations |
US11308135B2 (en) | 2019-01-03 | 2022-04-19 | Sponsorhouse, Inc. | Data prioritization through relationship analysis mapping |
US11238656B1 (en) | 2019-02-22 | 2022-02-01 | Consumerinfo.Com, Inc. | System and method for an augmented reality experience via an artificial intelligence bot |
US11436939B2 (en) | 2019-03-05 | 2022-09-06 | Douglas E. Jackson | System and method to acquire most statistically relevant educational, career and other life choices |
US10728443B1 (en) | 2019-03-27 | 2020-07-28 | On Time Staffing Inc. | Automatic camera angle switching to create combined audiovisual file |
US10963841B2 (en) | 2019-03-27 | 2021-03-30 | On Time Staffing Inc. | Employment candidate empathy scoring system |
US11301586B1 (en) | 2019-04-05 | 2022-04-12 | T Stamp Inc. | Systems and processes for lossy biometric representations |
WO2020218651A1 (ko) * | 2019-04-26 | 2020-10-29 | 주식회사 텐스페이스 | 소셜네트워크의 분석을 통해 사용자를 평가하는 서버, 소셜네트워크의 분석을 통해 사용자를 평가하는 방법 및 시스템 |
US11048768B1 (en) * | 2019-05-03 | 2021-06-29 | William Kolbert | Social networking system with trading of electronic business cards |
US11436542B2 (en) * | 2019-06-28 | 2022-09-06 | Microsoft Technology Licensing, Llc | Candidate selection using personalized relevance modeling system |
US11941065B1 (en) | 2019-09-13 | 2024-03-26 | Experian Information Solutions, Inc. | Single identifier platform for storing entity data |
US11631144B2 (en) | 2019-10-31 | 2023-04-18 | International Business Machines Corporation | Crowdfunding endorsement using non-internet enabled devices |
KR102249501B1 (ko) * | 2019-11-25 | 2021-05-11 | 라인플러스 주식회사 | 영상 채팅에 이용 가능한 평판 뱃지를 제공하는 방법, 시스템, 및 컴퓨터 프로그램 |
US11127232B2 (en) | 2019-11-26 | 2021-09-21 | On Time Staffing Inc. | Multi-camera, multi-sensor panel data extraction system and method |
CN110956210B (zh) * | 2019-11-29 | 2023-03-28 | 重庆邮电大学 | 一种基于ap聚类的半监督网络水军识别方法及系统 |
CN111026977B (zh) * | 2019-12-17 | 2022-04-08 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置及存储介质 |
US11669840B2 (en) * | 2019-12-19 | 2023-06-06 | Yuzhen Xu | System and method for managing associations in an online network |
US11023735B1 (en) | 2020-04-02 | 2021-06-01 | On Time Staffing, Inc. | Automatic versioning of video presentations |
WO2022051837A1 (en) * | 2020-09-09 | 2022-03-17 | Uphabit Inc. | Automated communications to introduce contacts in network manager software application |
US11314818B2 (en) * | 2020-09-11 | 2022-04-26 | Talend Sas | Data set inventory and trust score determination |
US11144882B1 (en) | 2020-09-18 | 2021-10-12 | On Time Staffing Inc. | Systems and methods for evaluating actions over a computer network and establishing live network connections |
AU2021379672A1 (en) * | 2020-11-11 | 2023-06-22 | Ids Technology Llc | Systems and methods for automatic persona generation from content and association with contents |
US11923074B2 (en) * | 2021-02-12 | 2024-03-05 | Iqvia Inc. | Professional network-based identification of influential thought leaders and measurement of their influence via deep learning |
EP4298488A1 (de) * | 2021-02-24 | 2024-01-03 | Lifebrand, Inc. | System und verfahren zur bestimmung der auswirkung einer social-media-post über mehrere social-media-plattformen hinweg |
US20220269746A1 (en) * | 2021-02-24 | 2022-08-25 | Lifebrand Llc | System and Methods for Standardizing Scoring of Individual Social Media Content |
US11727040B2 (en) | 2021-08-06 | 2023-08-15 | On Time Staffing, Inc. | Monitoring third-party forum contributions to improve searching through time-to-live data assignments |
US11423071B1 (en) | 2021-08-31 | 2022-08-23 | On Time Staffing, Inc. | Candidate data ranking method using previously selected candidate data |
KR20230047629A (ko) * | 2021-10-01 | 2023-04-10 | 주식회사 인덴트코퍼레이션 | 리뷰 신뢰도 평가 방법 및 시스템 |
US11882341B2 (en) * | 2022-05-26 | 2024-01-23 | Synamedia Limited | Media content view reporting for reward granting |
US11907652B2 (en) | 2022-06-02 | 2024-02-20 | On Time Staffing, Inc. | User interface and systems for document creation |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US5926794A (en) * | 1996-03-06 | 1999-07-20 | Alza Corporation | Visual rating system and method |
US6112181A (en) * | 1997-11-06 | 2000-08-29 | Intertrust Technologies Corporation | Systems and methods for matching, selecting, narrowcasting, and/or classifying based on rights management and/or other information |
US20010032170A1 (en) * | 1999-08-24 | 2001-10-18 | Sheth Beerud D. | Method and system for an on-line private marketplace |
US8290809B1 (en) * | 2000-02-14 | 2012-10-16 | Ebay Inc. | Determining a community rating for a user using feedback ratings of related users in an electronic environment |
US7725525B2 (en) * | 2000-05-09 | 2010-05-25 | James Duncan Work | Method and apparatus for internet-based human network brokering |
US6892179B1 (en) * | 2000-06-02 | 2005-05-10 | Open Ratings Inc. | System and method for ascribing a reputation to an entity |
US20020049751A1 (en) * | 2000-09-01 | 2002-04-25 | Mei-Na Chen | Managing contact information through a communication network |
CA2361022A1 (en) * | 2000-11-03 | 2002-05-03 | Charles Allan Armstrong | Knowledge management system |
US20020116458A1 (en) * | 2000-12-14 | 2002-08-22 | Jonathan Bricklin | Web-based dating service |
US20020133365A1 (en) * | 2001-03-19 | 2002-09-19 | William Grey | System and method for aggregating reputational information |
US7124372B2 (en) * | 2001-06-13 | 2006-10-17 | Glen David Brin | Interactive communication between a plurality of users |
EP1442411A4 (de) * | 2001-09-30 | 2006-02-01 | Realcontacts Ltd | Verbindungsdienst |
AU2002218407A1 (en) * | 2001-11-29 | 2003-06-17 | Trucost Plc | Method and system for calculating an environmental score for a business unit |
US7516163B1 (en) * | 2001-12-13 | 2009-04-07 | At & T Delaware Intellectrual Property, Inc. | Wireless device address book updates |
US20060085370A1 (en) * | 2001-12-14 | 2006-04-20 | Robert Groat | System for identifying data relationships |
US7512612B1 (en) * | 2002-08-08 | 2009-03-31 | Spoke Software | Selecting an optimal path through a relationship graph |
KR20050109919A (ko) * | 2002-12-10 | 2005-11-22 | 텔어바웃 인크 | 컨텐츠 제작, 배급, 상호작용, 및 모니터링 시스템 |
US20040122803A1 (en) * | 2002-12-19 | 2004-06-24 | Dom Byron E. | Detect and qualify relationships between people and find the best path through the resulting social network |
JP2004252947A (ja) * | 2003-01-27 | 2004-09-09 | Fuji Xerox Co Ltd | 評価装置およびその方法 |
US7472110B2 (en) * | 2003-01-29 | 2008-12-30 | Microsoft Corporation | System and method for employing social networks for information discovery |
US20040205002A1 (en) * | 2003-04-10 | 2004-10-14 | Platinum Edge, Inc. | System and method for enabling more informed relationship decisions |
US20050015432A1 (en) * | 2003-05-13 | 2005-01-20 | Cohen Hunter C. | Deriving contact information from emails |
WO2004104762A2 (en) * | 2003-05-16 | 2004-12-02 | Booz Allen Hamilton, Inc. | Apparatus, method and computer readable medium for evaluating a network of entities and assets |
US20040259641A1 (en) * | 2003-06-23 | 2004-12-23 | Ho David Yc | Method and system for enabling and managing a networking database and system supporting a multi-user network game |
US20040267595A1 (en) * | 2003-06-30 | 2004-12-30 | Idcocumentd, Llc. | Worker and document management system |
NZ526910A (en) * | 2003-07-07 | 2006-07-28 | Simworks Internat Ltd | Synchronising the address books of users on a network |
US7512653B2 (en) * | 2003-08-11 | 2009-03-31 | Sony Corporation | System and method for dynamically grouping messaging buddies in an electronic network |
US8554601B1 (en) * | 2003-08-22 | 2013-10-08 | Amazon Technologies, Inc. | Managing content based on reputation |
US7213206B2 (en) * | 2003-09-09 | 2007-05-01 | Fogg Brian J | Relationship user interface |
US7693827B2 (en) * | 2003-09-30 | 2010-04-06 | Google Inc. | Personalization of placed content ordering in search results |
US20050131716A1 (en) * | 2003-12-15 | 2005-06-16 | Hanan Martin D. | Method for determining compatibility |
US8010459B2 (en) * | 2004-01-21 | 2011-08-30 | Google Inc. | Methods and systems for rating associated members in a social network |
US8015119B2 (en) * | 2004-01-21 | 2011-09-06 | Google Inc. | Methods and systems for the display and navigation of a social network |
US7269590B2 (en) * | 2004-01-29 | 2007-09-11 | Yahoo! Inc. | Method and system for customizing views of information associated with a social network user |
US20050177405A1 (en) * | 2004-02-11 | 2005-08-11 | Turner Julie A. | Method and apparatus for enhancing influence |
US8010458B2 (en) * | 2004-05-26 | 2011-08-30 | Facebook, Inc. | System and method for managing information flow between members of an online social network |
US8572221B2 (en) * | 2004-05-26 | 2013-10-29 | Facebook, Inc. | System and method for managing an online social network |
US8825639B2 (en) * | 2004-06-30 | 2014-09-02 | Google Inc. | Endorsing search results |
US20060009994A1 (en) * | 2004-07-07 | 2006-01-12 | Tad Hogg | System and method for reputation rating |
US7865457B2 (en) * | 2004-08-25 | 2011-01-04 | International Business Machines Corporation | Knowledge management system automatically allocating expert resources |
US8412706B2 (en) * | 2004-09-15 | 2013-04-02 | Within3, Inc. | Social network analysis |
-
2005
- 2005-09-01 US US11/219,035 patent/US8010460B2/en active Active
- 2005-09-02 EP EP05794995A patent/EP1787251A2/de not_active Ceased
- 2005-09-02 WO PCT/US2005/031704 patent/WO2006029149A2/en active Search and Examination
- 2005-09-02 DE DE200520022098 patent/DE202005022098U1/de not_active Expired - Lifetime
-
2011
- 2011-08-12 US US13/209,315 patent/US20120036127A1/en not_active Abandoned
-
2013
- 2013-03-28 US US13/852,008 patent/US20130226910A1/en not_active Abandoned
- 2013-03-28 US US13/852,262 patent/US20130212033A1/en not_active Abandoned
- 2013-03-28 US US13/852,997 patent/US20130290325A1/en not_active Abandoned
- 2013-03-28 US US13/852,696 patent/US20130254192A1/en not_active Abandoned
- 2013-03-28 US US13/852,166 patent/US20130212180A1/en not_active Abandoned
- 2013-03-28 US US13/852,612 patent/US20130297589A1/en not_active Abandoned
- 2013-03-28 US US13/851,998 patent/US20130290420A1/en not_active Abandoned
- 2013-03-28 US US13/852,725 patent/US20130290448A1/en not_active Abandoned
-
2014
- 2014-03-31 US US14/231,145 patent/US20140258288A1/en not_active Abandoned
- 2014-06-30 US US14/320,009 patent/US20140317126A1/en not_active Abandoned
-
2015
- 2015-03-31 US US14/675,723 patent/US20150205872A1/en not_active Abandoned
- 2015-03-31 US US14/675,681 patent/US20150278223A1/en not_active Abandoned
- 2015-03-31 US US14/675,677 patent/US20150269165A1/en not_active Abandoned
- 2015-03-31 US US14/675,668 patent/US20150278964A1/en not_active Abandoned
- 2015-03-31 US US14/675,662 patent/US20150278290A1/en not_active Abandoned
- 2015-03-31 US US14/675,636 patent/US20150271289A1/en not_active Abandoned
- 2015-03-31 US US14/675,652 patent/US20150269530A1/en not_active Abandoned
- 2015-03-31 US US14/675,623 patent/US20150205800A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20150271289A1 (en) | 2015-09-24 |
US20150269165A1 (en) | 2015-09-24 |
US20150278964A1 (en) | 2015-10-01 |
WO2006029149A2 (en) | 2006-03-16 |
US20150278223A1 (en) | 2015-10-01 |
US20140258288A1 (en) | 2014-09-11 |
US20150205872A1 (en) | 2015-07-23 |
US20130297589A1 (en) | 2013-11-07 |
US20130254192A1 (en) | 2013-09-26 |
US20130212180A1 (en) | 2013-08-15 |
US20130290325A1 (en) | 2013-10-31 |
US20130290420A1 (en) | 2013-10-31 |
US20130212033A1 (en) | 2013-08-15 |
EP1787251A2 (de) | 2007-05-23 |
US20130290448A1 (en) | 2013-10-31 |
US20150205800A1 (en) | 2015-07-23 |
US20150269530A1 (en) | 2015-09-24 |
US20130226910A1 (en) | 2013-08-29 |
US20120036127A1 (en) | 2012-02-09 |
US20060042483A1 (en) | 2006-03-02 |
US8010460B2 (en) | 2011-08-30 |
US20140317126A1 (en) | 2014-10-23 |
US20150278290A1 (en) | 2015-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE202005022098U1 (de) | System zur Reputationsbewertung von Online-Benutzern in einem sozialen Netzwerkschema | |
Zhao et al. | How do features of social media influence knowledge sharing? An ambient awareness perspective | |
DE212013000002U1 (de) | Nutzen eines Social Graph für eine Verwendung mit einer elektronischen Nachrichtenübermittlung | |
US20150235563A1 (en) | Social choice engine | |
US20100120011A1 (en) | Technology platform and methods for facilitating, cultivating and monitoring mentoring relationships | |
US20120233253A1 (en) | Method and system for interacting and servicing users by orientation | |
DE112011101293T5 (de) | Dynamische Echtzeit-Berichte basierend auf sozialen Netzwerken | |
Veselý | Conducting large-N surveys on policy work in bureaucracies: Some methodological challenges and implications from the Czech Republic | |
Carter et al. | Sustainable development policy perceptions and practice in the UK social housing sector | |
US20240086477A1 (en) | Relationship And Credibility Based Experience Rating And Skill Discovery System | |
US20180114237A1 (en) | System and method for collecting online survey information | |
Johnson et al. | Creating a Web of trust and change: Testing the Gamson Hypothesis on politically interested Internet users | |
Peytchev et al. | A typology of real-time validations in web-based surveys | |
McDonald | Parental power perceptions in the family: The influence of adolescent characteristics | |
Eysenbach | Using the internet for surveys and research | |
Schaewitz et al. | Social Sharing of Political Disinformation: Effects of Tie Strength, Message Valence, and Corrective Information on Evaluations of Political Figures | |
Cath et al. | What are surveys? | |
WO2016139680A1 (en) | System and method for recordal, collaboration and recognition of research activities on a network-based platform | |
Rout et al. | Application of Statistical Signal Processing with Data Mining Technique for Learning Management Using Social Media Networks | |
Chapkovski et al. | Journal of Behavioral and Experimental Finance | |
D'Amore | Expert finding in disparate environments | |
Friedenberg | An Exploration of Collaborative Act Distributions on the Stack exchange Network | |
bin Dost et al. | Empowered Employees Can be More Committed One: A Case Study from Pakistan | |
Wuebker | Robert Wuebker and Nina Hampl and Rolf Wüstenhagen The Strength of Strong Ties in an Emerging Industry: Experimental Evidence of the Effects of Status Hierarchies and Personal Ties in Venture Capitalist Decision Making |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R151 | Utility model maintained after payment of second maintenance fee after six years | ||
R152 | Utility model maintained after payment of third maintenance fee after eight years | ||
R207 | Utility model specification |
Effective date: 20130926 |
|
R071 | Expiry of right | ||
R081 | Change of applicant/patentee |
Owner name: MICROSOFT TECHNOLOGY LICENSING, LLC, REDMOND, US Free format text: FORMER OWNER: LINKEDIN CORP., PALO ALTO, CALIF., US |
|
R082 | Change of representative |
Representative=s name: OLSWANG GERMANY LLP, DE |