学习实体的信任模型和风险容忍度来计算风险得分制造技术

本文描述了用于学习实体的信任模型和风险容忍度的系统和方法。可以基于来自各种数据源的数据来计算实体的信任得分，并且可以根据反映实体的信任模型和风险容忍度的一组权重来组合该数据。例如，实体可以对某些类型的交易更重地加权某种类型的数据，而对于其它交易则更重地加权另一种类型的数据。通过收集关于实体的数据，系统可以预测实体的信任模型和风险容忍度，并相应地调整该组权重以计算信任得分。此外，通过监视实体如何调整不同交易类型的权重，可以创建为特定交易类型定制的默认加权简档。作为另一个示例，可以基于请求实体自己的信任模型或者请求实体的“可信”程度来调整如向请求实体报告的实体的信任得分。

Credit Model and Risk Tolerance of Learning Entities to Calculate Risk Score

【技术实现步骤摘要】
【国外来华专利技术】学习实体的信任模型和风险容忍度来计算风险得分
技术介绍
信任是许多社交和商业互动的重要组成部分，但信任既难以衡量，又难以量化。人们通常会期待各种不同的因素、经历和影响，以确定在交易中信任另一方或实体的程度。例如，决定是否在特定餐馆用餐的潜在顾客可能考虑他或她在餐馆吃过多少次、来自朋友和家人的口口相传以及来自在线反馈站点的任何评级。作为另一个示例，银行可以在确定是否发放贷款时查找潜在借款方的信用得分作为其财务责任的测量。关于在确定信任级别时哪些因素最重要，人们常常可以有截然不同的偏好，并且这些偏好可以取决于交易的类型和细节而改变。信任也可以随时间的推移而改变，从而反映累积的经验、交易历史以及实体之间的近期趋势。单个负面事件会破坏信任，并且信任也可以随着时间的推移而重建。所有上述考虑都使“信任”成为难以捕获的测量。
技术实现思路
本文描述了用于计算信任得分的系统、设备和方法。可以在实体之间计算信任得分，其中实体包括但不限于人类用户、用户的群体、位置、组织或企业/集团，并且可以考虑各种因素，包括核实数据、网络连接性、公开可用信息、评级数据、群体/人口统计信息、位置数据和要执行的交易等等。信任得分可以反映实体在特定社区中或与另一个实体相关的可信度、声誉、成员资格、状况和/或影响。信任得分可以考虑来自任何合适的数据源的数据，包括但不限于网络连接性信息、社交网络信息、信用得分、可用的法院数据、选择提供的数据、交易历史、评级/反馈数据、群体/人口统计数据、搜索引擎数据或任何公开可用的信息。信任得分还可以包括由实体自身提供的某些非公开可用信息(例如，非公开交易历史、目标评级等)。在一些实施例中，还可以基于“众包”信息来计算信任得分。如本文所使用的，术语“众包”意味着从多个其它实体接收输入。例如，除了上面讨论的数据源之外，用户还可以提供和/或评论关于另一个用户的属性、特性、特征或任何其它信息。“群众(crowd)”的参与可以形成对信息的一种验证，并为二级(second-order)用户带来舒适感，二级用户知道群众中的成员可以观看属性、特性、特征和其它信息并对这些属性、特性、特征和其它信息做出贡献。为了说明，用户可以指示另一个实体是好管道工。许多其它用户可以对该属性提供“拇指向上(thumbsup)”和/或提供关于他们与实体的经历的评论，从而指示他们也认为该用户是好管道工。这些类型的输入和评论可以被整合到用户的信任得分的计算中，从而将“群众”的意见整合到信任得分中。如本文所使用的，“系统信任得分”是指基于可用于实体的信息为实体计算出的信任得分，而无需具体引用另一个实体或活动/交易。系统信任得分可以表示未考虑关于具体活动/交易的信息的实体的基本可信度级别。在一些实施例中，可以基于公开可用的信息(诸如核实数据、网络连接性得分和/或评级数据)来计算系统信任得分。如本文所定义的，“网络社区”可以包括通过网络(包括但不限于计算机网络或社交网络)连接的实体的任何集合或群体。在一些实施例中，用户可以将初始信任得分设置为最小信任级别。在这些实施例中，可以基于公开可用的信息来检索和更新初始信任得分，以便确定系统信任得分。在一些实施例中，系统信任得分可以在请求时提供给最终用户，而最终用户不必识别自己。例如，最终用户可以例如通过网站或移动应用查询其它实体的系统信任得分，而不必登录到网站或移动应用中或者以其它方式必须识别自己。也可以基于私人可用信息和/或众包信息来计算系统信任得分。例如，如以上所讨论的，其它用户可以提供关于用户的属性、特性、特征或其它信息，并且该信息可以被整合到系统信任得分中。如本文所使用的，“对等信任得分”是指与第二实体相关地为第一实体计算出的信任得分。对等信任得分可以考虑特定于第一和第二实体的某些信息，诸如第一和第二实体之间的具体交易历史、公共联系人/朋友的数量等。在一些实施例中，对等信任得分可以从系统信任得分导出并表示系统信任得分的更新。例如，在一些实施例中，可以基于与系统信任得分基本相同的数据源来计算对等信任得分，其中可以更新一些组成部分以便进一步加权或考虑特定于第一和第二实体的附加信息。在其它实施例中，对等信任得分可以独立于系统信任得分来计算，并且可以基于与系统信任得分不同的数据源集合。在一些实施例中，可以基于众包信息来计算第一实体的对等信任得分，该众包信息或者验证来自用于计算系统信任得分的数据源之一的数据或者提供从用于计算系统信任得分的数据源不可获得的附加数据。在这种情况下，提供众包信息的实体与第二用户之间的关系可以提供对第一用户和第二用户之间的信任有价值的洞察。作为说明性示例，第一实体可以在其简档上列有属性“值得信赖”，该属性具有由其它用户点击的大量“喜欢(likes)”。第二实体可能正在指望与第一实体进入商业交易并寻求计算第一实体和第二实体之间的对等信任得分。对等信任得分可以考虑“喜欢”第一用户的属性“值得信赖”的一些用户也是第二用户在社交媒体网络中的朋友。因此，对等信任得分的计算不仅基于根据大量其它用户确定第一实体“值得信赖”，而且基于以下事实：即，这些用户中的一些用户也是第二用户的朋友，与陌生人的意见相比，第二用户可能更信任这些朋友的意见。如本文所使用的，“上下文信任得分”是指与具体活动或交易相关地为第一实体计算出的信任得分。上下文信任得分可以考虑特定于具体活动或交易的某些信息。在一些实施例中，上下文信任得分可以从系统信任得分或对等信任得分导出并表示系统信任得分或对等信任得分的更新。例如，在一些实施例中，可以基于与系统信任得分基本相同的数据源来计算上下文信任得分，其中可以更新一些组成部分以便考虑特定于活动/交易的信息。在其它实施例中，可以基于与系统信任得分和对等信任得分不同的数据源集合来计算上下文信任得分。在一些实施例中，可以通过基于活动/交易的类型对来自不同数据源的数据进行加权来计算上下文信任得分。例如，正在从银行寻求抵押的潜在借款方的信任得分会对借款方的信用得分和财务历史重加权，而不会对他们在社交网络中的连接性级别重加权。以这种方式，上下文信任得分可以基于与系统信任得分和/或对等信任得分相同或相似的数据源，但具有不同的权重，以组合来自数据源的数据。在一些实施例中，交易的具体细节也可以影响上下文信任得分的计算。例如，借10美元的朋友的上下文信任得分可以更多地关注社交网络连接性(例如，他们共同拥有的朋友的数量等)，而寻求从银行贷款10万美元的借款方的上下文信任得分可以更多地关注财务因素。在一些实施例中，交易的细节可以影响对来自数据源的数据的组合的加权。在一些实施例中，类似于上述系统信任得分和对等信任得分，上下文信任得分可以基于众包信息。例如，其它用户可以提供关于用户的属性、特性、特征或其它信息。这些属性、特性、特征或其它信息可能与某些交易类型特别相关。例如，扩展上面的说明性示例，借款方可以具有由100人验证的“财务上负责”的属性，该属性影响贷方决定是否借钱给借款方。以这种方式，一旦识别出用于计算上下文信任得分的交易类型，就可以识别出交易类型和与用户相关联的一个或多个属性之间的关系，并且可以鉴于这些关系来更新上下文信任得分。在一些实施例中，可以基于请求信任得分的实体的“可信”程度来调整系统、对等和/或上下文本文档来自技高网...

【技术保护点】
1.一种用于为请求实体调整第二实体的信任得分的方法，所述方法包括：使用处理电路系统确定第二实体的基线信任得分；从第一远程源接收关于请求实体的数据；基于从第一远程源接收到的数据计算请求实体的可信调整得分；通过组合可信调整得分和第二实体的基线信任得分，确定第二实体的调整后的信任得分；以及向请求实体发送调整后的信任得分的指示。

【技术特征摘要】
【国外来华专利技术】2016.03.24 US 15/079,9521.一种用于为请求实体调整第二实体的信任得分的方法，所述方法包括：使用处理电路系统确定第二实体的基线信任得分；从第一远程源接收关于请求实体的数据；基于从第一远程源接收到的数据计算请求实体的可信调整得分；通过组合可信调整得分和第二实体的基线信任得分，确定第二实体的调整后的信任得分；以及向请求实体发送调整后的信任得分的指示。2.如权利要求1所述的方法，其中组合可信调整得分和第二实体的基线信任得分包括将第二实体的基线信任得分乘以可信调整得分。3.如权利要求1所述的方法，其中组合可信调整得分和第二实体的基线信任得分包括根据加权和组合第二实体的基线信任得分和可信调整得分。4.如权利要求3所述的方法，其中所述加权和基于用户指派的权重。5.如权利要求1所述的方法，其中接收到的数据包括对用户认为请求实体的可信程度的用户指示，其中用户与不同于请求实体的第三实体相关联。6.如权利要求1所述的方法，还包括：存储请求实体的可信调整得分；以及通过组合存储的可信调整得分和第三实体的基线信任得分，使用存储的可信调整得分来确定第三实体的调整后的信任得分。7.如权利要求6所述的方法，还包括：从第二远程源接收关于请求实体的第二数据；以及基于从第二远程源接收到的第二数据更新存储的可信调整得分。8.如权利要求1所述的方法，还包括：接收要由请求实体和第二实体一起执行的活动的指示；以及基于活动的指示更新可信调整得分。9.如权利要求1所述的方法，其中第二实体与网络社区中的第二节点相关联，并且第四实体与网络社区中的第一节点相关联，并且其中，确定第二实体的基线信任得分包括：识别从网络社区内的第一节点到第二节点的路径；以及基于识别出的路径确定第二实体的基线信任得分。10.如权利要求9所述的方法，其中识别出的路径每条包括一个或多个链路，其中每个链路被指派用户连接性值，并且其中基于识别出的路径确定第二实体的基线信任得分包括：组合用户连接性值，以基于识别出的路径确定第二实体的基线信任得分。11.一种用于为请求实体调整第二实体的信任得分的系统，所述系...

【专利技术属性】
技术研发人员：E·V·奇拉普科，
申请(专利权)人：WWW信任科学COM股份有限公司，
类型：发明
国别省市：加拿大,CA