DE202005022098U1 - System zur Reputationsbewertung von Online-Benutzern in einem sozialen Netzwerkschema - Google Patents

System zur Reputationsbewertung von Online-Benutzern in einem sozialen Netzwerkschema Download PDF

Info

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
Application number
DE200520022098
Other languages
English (en)
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
LinkedIn Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by LinkedIn Corp filed Critical LinkedIn Corp
Publication of DE202005022098U1 publication Critical patent/DE202005022098U1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs
    • G06F16/24578Query processing with adaptation to user needs using ranking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating
    • G06F16/2365Ensuring data consistency and integrity
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/248Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/951Indexing; Web crawling techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9536Search customisation based on social or collaborative filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9538Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/955Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/958Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • G06Q10/105Human resources
    • G06Q10/1053Employment or hiring
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01Social networking
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52User-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
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/40Support for services or applications
    • H04L65/403Arrangements for multi-party communication, e.g. for conferences
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/2866Architectures; Arrangements
    • H04L67/30Profiles
    • H04L67/306User profiles
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/535Tracking the activity of the user

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. In 1 enthält ein Netzwerk 10 eine Anzahl von Clients 12 und Servern. Die Server können unter primären Hosts 14 und zentralen Servern 16 aufgeteilt sein. Primäre Hosts 14 können eine Anzahl von lokalen Clients 12 bedienen, während zentrale Server 16 eine Anzahl von primären Hosts 14 miteinander verbinden können und/oder verschiedene entfernte Clients 12 bedienen können. Obwohl nur eine begrenzte Anzahl von Clients 12, primären Hosts 14 und zentralen Servern 16 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 Netzwerk 10 kann ein Teil des viel größeren Computernetzwerks oder von Netzwerken sein, wie etwa einem gemeinsam unternommenen Netzwerk oder sogar dem Internet. Die Clients 12 und verschiedene Server 14, 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 Hosts 14 ziemlich üblich, da dies Kommunikationen zwischen primären Hosts 14 und zentralen Server 16 sind. So sind auch Kommunikationen zwischen verschiedenen primären Hosts 14 zu berücksichtigen, wie etwa Kommunikation zwischen dem zentralen Server 12 und Clients 12. In der Tat werden auch Peer-to-Peer-Kommunikation zwischen Clients 12 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 in 2 gezeigt, enthält der Client 12 ein Client-Anwenderprogramm 18, das einen herkömmlichen Webbrowser 20 nutzen könnte, wie oben diskutiert. Die Client-Anwendung 18 enthält einen persönlichen Profilersteller 22, einen persönlichen Torwart (oder „Zugriffsagenten”) 24 und einen persönlichen Suchagenten 26. Der persönliche Erstellungsagent 22 führt Benutzer in dem Prozess des Erstellens von Profilen, die am effektivsten sind, wenn sie sich auf ihre Zielrichtungen beziehen. Der persönliche Zugriffsagent 24 erlaubt Benutzern, die Information in ihren Profilen und ihre Aufmerksamkeit vor unangemessenen Zugriff zu schützen, und sie machen ihre persönlichen Profile verbindbar. Der persönliche Suchagent 26 ist ein Werkzeug, das einem Benutzer beim Konstruieren eines Profils für ein Suchziel anleitet.
  • Die Client-Anwendung 18 kann in einem bordeigenen Speicher 38 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 Hosts 14 und/oder zentralen Servern 16 liegen könnte) enthält eine herkömmliche Webserver-Anwendung 30 (zum Beispiel zum Managen von http-Anfragen und anderen herkömmlichen Webserverfunktionen) und einen Anwendungsserver 32 (der, wie oben angegeben, auf einer Java-Technologie beruhen könnte).
  • Der Anwendungsserver 32 enthält verschiedene Elemente wie etwa Suchagenten 34, Zugriffsagenten 36, Netzwerkbrokeragenten 38, Verifikationsagenten 40 und ein Reputationssystem 41. Die Suchagenten 34 und die Zugriffsagenten 36 wirken ähnlich den oben beschriebenen persönlichen Such- und Zugriffsagenten. Der Netzwerkbroker 38 ist ein Netzwerkagent, der die Funktion eines menschlichen Brokers simuliert, der zwischen persönlichen Such- und Zugriffsagenten von Benutzern verhandelt. Der Verifikationsagent 40 ist ein Netzwerkagent, der durch einen automatischen Prozess Information, die Benutzer in ihren Profilen aufgezeichnet haben, authentisiert und verifiziert. Das Reputationssystem 41, 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 Datenbanken 42, die mit dem http-Server 30 und dem Anwendungsserver 32 kommunizieren und Speichereinrichtungen für diese Anwendungen bereitstellen. Die Informationstypen, die in der Datenbank 42 durch den Anwendungsserver 32 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 Netzwerkbrokeragent 38 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 Server 14, 16 vorhanden sein oder für diesen zugänglich sein, und eher beschränkte „persistende Speicher”-Fähigkeiten seitens des Client 12.
  • 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 Server 14 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 Server 14 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 Server 14 und Clients 12 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 Webserver 12 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 (von 2) speichert Referenzinformation zusammen mit aktuellen Evaluierungen und Vermerken in elektronischen Datenbanken 42, 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 Reputationssystem 41 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 Reputationsindikatoren 50 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 in 3 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 Bezugsanzahl 52 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 Bezugszahl 54 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 Icon 54, 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 in 4 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 in 4 dargestellten jeweiligen Suchergebnisanzeige 56 Reputationsindikatoren für die folgenden Reputationskategorien angezeigt: Netzwerkindikator 58, Vermerkindikator 60, Zugriffsindikator 62, Aktivitätsindikator 64 und Verifizierungsindikator 66.
  • 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-Reputationsindikator 60 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-Reputationsindikator 60 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 Vermerkindikator 62 (zum Beispiel die Prüfmarkierung in 4) 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-Reputationsindikator 62 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 Reputationsindikator 62 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 Zugriffsindikator 64 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
    TABELLE 1
  • 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:
    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
    Tabelle 2
    • • 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 von 3 dargestellt, der Affinitätsindikator als hypergelinkter Textstrang erscheinen, so dass sich der Link 36 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 Aktivitätsindikator 26 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 Aktivitätsindikator 26 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 Aktivitätsindikator 26 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 Aktivitätsindikator 26 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 Verifikationsindikator 28 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 Verifikationsindikator 28 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 Verifikationsindikator 28 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 Verifikationsindikator 28 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 in 2 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 in 2 gezeigten „BETRACHTE REPUTATIONSDETAILS”-Link 30 auswählen. Dementsprechend kann eine Reputationsindikator-Detailseite 32, wie sie etwa in 3 dargestellt ist, dem Betrachter gezeigt werden.
  • Wie in 3 dargestellt, enthält eine detaillierte Reputationsindikatoranzeige 32 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 in 3 gezeigt ist, entspricht einem Reputationsindikator, der in der Suchergebnisanzeige dargestellt ist, die in 2 gezeigt ist. Ferner kann für eine Ausführung der Erfindung für jeden Reputationsindikator oder -abschnitt, in 3 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 in 3 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
    Tabelle 3
  • 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
    Tabelle 4
  • 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.

Claims (23)

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. Der Server von Anspruch 4, worin die Liste für jedes vermerkende Mitglied die Verbindungsgrade zwischen dem vermerkenden Mitglied und dem Suchenden enthält.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. Der Server von Anspruch 9, worin die Aggregat-Punktwertung ein Maß der Reputation basierend auf Vermerken repräsentiert, die das erste Mitglied empfangen hat.
  11. Der Server von Anspruch 9 oder 10, worin zumindest eine Wertung die Anzahl von positiven Vermerken repräsentiert, die das erste Mitglied empfangen hat.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. 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.
  23. 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.
DE200520022098 2004-09-02 2005-09-02 System zur Reputationsbewertung von Online-Benutzern in einem sozialen Netzwerkschema Expired - Lifetime DE202005022098U1 (de)

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 (684)

* Cited by examiner, † Cited by third party
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
US8578480B2 (en) * 2002-03-08 2013-11-05 Mcafee, Inc. Systems and methods for identifying potentially malicious messages
US7124438B2 (en) * 2002-03-08 2006-10-17 Ciphertrust, Inc. Systems and methods for anomaly detection in patterns of monitored communications
US7870203B2 (en) * 2002-03-08 2011-01-11 Mcafee, Inc. Methods and systems for exposing messaging reputation to an end user
US7693947B2 (en) * 2002-03-08 2010-04-06 Mcafee, Inc. Systems and methods for graphically displaying messaging traffic
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
US7903549B2 (en) 2002-03-08 2011-03-08 Secure Computing Corporation Content-based policy compliance systems and methods
US7458098B2 (en) * 2002-03-08 2008-11-25 Secure Computing Corporation Systems and methods for enhancing electronic communication security
US20030172291A1 (en) * 2002-03-08 2003-09-11 Paul Judge Systems and methods for automated whitelisting in monitored communications
US8132250B2 (en) * 2002-03-08 2012-03-06 Mcafee, Inc. Message profiling systems and methods
US6941467B2 (en) * 2002-03-08 2005-09-06 Ciphertrust, Inc. Systems and methods for adaptive message interrogation through multiple queues
US20110196695A1 (en) * 2010-02-05 2011-08-11 Qin Ye System and method for peer referencing in an online computer system
USRE45770E1 (en) 2003-11-28 2015-10-20 World Assets Consulting Ag, Llc Adaptive recommendation explanations
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
US7526458B2 (en) 2003-11-28 2009-04-28 Manyworlds, Inc. Adaptive recommendations systems
US7526464B2 (en) * 2003-11-28 2009-04-28 Manyworlds, Inc. Adaptive fuzzy network system and method
US8566263B2 (en) * 2003-11-28 2013-10-22 World Assets Consulting Ag, Llc Adaptive computer-based personalities
US7539652B2 (en) 2003-11-28 2009-05-26 Manyworlds, Inc. Adaptive self-modifying and recombinant systems
US8600920B2 (en) * 2003-11-28 2013-12-03 World Assets Consulting Ag, Llc Affinity propagation in adaptive network-based systems
US20090018918A1 (en) * 2004-11-04 2009-01-15 Manyworlds Inc. Influence-based Social Network Advertising
US20070203589A1 (en) 2005-04-08 2007-08-30 Manyworlds, Inc. Adaptive Recombinant Process Methods
WO2005116852A2 (en) * 2004-05-20 2005-12-08 Manyworlds, Inc. Adaptive recombinant processes
US8010458B2 (en) 2004-05-26 2011-08-30 Facebook, Inc. System and method for managing information flow between members of an online social network
US8577886B2 (en) * 2004-09-15 2013-11-05 Within3, Inc. 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
US8635217B2 (en) 2004-09-15 2014-01-21 Michael J. Markus 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
WO2007005463A2 (en) * 2005-06-29 2007-01-11 S.M.A.R.T. Link Medical, 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
US8549651B2 (en) * 2007-02-02 2013-10-01 Facebook, Inc. Determining a trust level in a social network environment
US7669123B2 (en) 2006-08-11 2010-02-23 Facebook, Inc. Dynamically providing a news feed about a user of a social network
US7970657B2 (en) * 2007-02-02 2011-06-28 Facebook, Inc. Giving gifts and displaying assets in a social network environment
US7945653B2 (en) * 2006-10-11 2011-05-17 Facebook, Inc. Tagging digital media
US8204952B2 (en) 2007-02-02 2012-06-19 Facebook, Inc. Digital file distribution in a social network system
US7809805B2 (en) 2007-02-28 2010-10-05 Facebook, Inc. Systems and methods for automatically locating web-based social network members
US8296373B2 (en) * 2007-02-02 2012-10-23 Facebook, Inc. Automatically managing objectionable behavior in a web-based social network
JP2009520276A (ja) * 2005-12-14 2009-05-21 フェイスブック,インク. ソーシャルマッピングのためのシステムおよび方法
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
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
US8225376B2 (en) 2006-07-25 2012-07-17 Facebook, Inc. Dynamically generating a privacy summary
US7797256B2 (en) * 2006-08-02 2010-09-14 Facebook, Inc. Generating segmented community flyers in a social networking system
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
US7827208B2 (en) 2006-08-11 2010-11-02 Facebook, Inc. Generating a feed of stories personalized for members of a social network
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
US20090049127A1 (en) * 2007-08-16 2009-02-19 Yun-Fang Juan System and method for invitation targeting in a web-based social network
WO2007076150A2 (en) 2005-12-23 2007-07-05 Facebook, Inc. Systems and methods for generating a social timeline
US9459622B2 (en) 2007-01-12 2016-10-04 Legalforce, Inc. Driverless vehicle commerce network and community
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
US8862572B2 (en) * 2006-02-17 2014-10-14 Google Inc. Sharing user distributed search results
US7844603B2 (en) * 2006-02-17 2010-11-30 Google Inc. Sharing user distributed search results
US7779004B1 (en) 2006-02-22 2010-08-17 Qurio Holdings, Inc. Methods, systems, and products for characterizing target systems
US7764701B1 (en) 2006-02-22 2010-07-27 Qurio Holdings, Inc. Methods, systems, and products for classifying peer systems
US9064288B2 (en) 2006-03-17 2015-06-23 Fatdoor, Inc. Government structures and neighborhood leads in a geo-spatial environment
US9373149B2 (en) 2006-03-17 2016-06-21 Fatdoor, Inc. Autonomous neighborhood vehicle commerce network and community
US9002754B2 (en) 2006-03-17 2015-04-07 Fatdoor, Inc. Campaign in a geo-spatial environment
US9098545B2 (en) 2007-07-10 2015-08-04 Raj Abhyanker Hot news neighborhood banter in a geo-spatial social network
US9071367B2 (en) 2006-03-17 2015-06-30 Fatdoor, Inc. Emergency including crime broadcast in a neighborhood social network
US8965409B2 (en) 2006-03-17 2015-02-24 Fatdoor, Inc. User-generated community publication in an online neighborhood social network
US9070101B2 (en) 2007-01-12 2015-06-30 Fatdoor, Inc. Peer-to-peer neighborhood delivery multi-copter and method
US9037516B2 (en) 2006-03-17 2015-05-19 Fatdoor, Inc. Direct mailing in a geo-spatial environment
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
US20070282728A1 (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
US20110161159A1 (en) * 2009-12-28 2011-06-30 Tekiela Robert S Systems and methods for influencing marketing campaigns
US11232475B2 (en) 2006-09-12 2022-01-25 Selligent, Inc. 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
US20080109245A1 (en) * 2006-11-03 2008-05-08 Sezwho Inc. Method and system for managing domain specific and viewer specific reputation on online communities
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
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
US20080133747A1 (en) * 2006-11-21 2008-06-05 Fish Russell H System to self organize and manage computer users
US20080120411A1 (en) * 2006-11-21 2008-05-22 Oliver Eberle Methods and System for Social OnLine Association and Relationship Scoring
US20080229424A1 (en) * 2007-03-13 2008-09-18 Fatdoor, Inc. Dispute resolution in a geo-spatial environment
WO2008068766A1 (en) * 2006-12-07 2008-06-12 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
US9195996B1 (en) 2006-12-27 2015-11-24 Qurio Holdings, Inc. System and method for classification of communication sessions in a social network
US8135800B1 (en) 2006-12-27 2012-03-13 Qurio Holdings, Inc. System and method for user classification based on social network aware content analysis
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
US7949716B2 (en) * 2007-01-24 2011-05-24 Mcafee, Inc. Correlation and analysis of entity attributes
US8763114B2 (en) 2007-01-24 2014-06-24 Mcafee, Inc. Detecting image spam
US8179798B2 (en) * 2007-01-24 2012-05-15 Mcafee, Inc. Reputation based connection throttling
US8214497B2 (en) 2007-01-24 2012-07-03 Mcafee, Inc. Multi-dimensional reputation scoring
US8166407B2 (en) * 2007-01-25 2012-04-24 Social Concepts, Inc. Apparatus for increasing social interaction over an electronic network
US8027975B2 (en) * 2007-01-31 2011-09-27 Reputation.Com, Inc. Identifying and changing personal information
US20080183694A1 (en) * 2007-01-31 2008-07-31 Daniel Cane Method and system presenting search results using relationship information
US8620822B2 (en) * 2007-02-01 2013-12-31 Microsoft Corporation Reputation assessment via karma points
WO2008094155A1 (en) * 2007-02-02 2008-08-07 Facebook, Inc. System and method for determining a trust level in a social network environment
US20080275969A1 (en) * 2007-02-02 2008-11-06 Blaksley Ventures 108, Llc System and method for managing a plurality of network clusters
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
US8832556B2 (en) 2007-02-21 2014-09-09 Facebook, Inc. Systems and methods for implementation of a structured query language interface in a distributed database environment
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
US8136145B2 (en) 2007-03-13 2012-03-13 Facebook, Inc. Network authentication for accessing social networking system information by a third party application
WO2008118114A1 (en) * 2007-03-23 2008-10-02 Facebook, Inc. System and method for confirming an association in a web-based social network
US7827265B2 (en) * 2007-03-23 2010-11-02 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
WO2008119083A1 (en) 2007-03-28 2008-10-02 Cheryl Milone Requesting prior art from the public in exchange for a reward
CN101711388B (zh) 2007-03-29 2016-04-27 神经焦点公司 营销和娱乐的效果分析
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
EP2150885A4 (de) 2007-05-24 2011-07-27 Facebook Inc Systeme und verfahren zur bereitstellung von personalisierungseinstellungen für mit einem benutzerprofil zusammenhängende anwendungen
EP2165269A1 (de) 2007-05-24 2010-03-24 Facebook Inc. Personalisierte plattform zum zugreifen auf internet-anwendungen
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
AU2008261648B2 (en) 2007-06-12 2013-10-03 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
US8533042B2 (en) 2007-07-30 2013-09-10 The Nielsen Company (Us), Llc Neuro-response stimulus and stimulus attribute resonance estimator
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
JP2010537323A (ja) * 2007-08-20 2010-12-02 フェイスブック,インク. ソーシャルネットワークにおける広告のターゲット設定
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
US8341162B2 (en) * 2007-09-19 2012-12-25 Intercept, Llc Social network for travelers with layovers
US9325755B1 (en) 2007-09-19 2016-04-26 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
US8327395B2 (en) 2007-10-02 2012-12-04 The Nielsen Company (Us), Llc System providing actionable insights based on physiological responses from viewers of media
WO2009049293A1 (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
US8397168B2 (en) 2008-04-05 2013-03-12 Social Communications Company Interfacing with a spatial virtual communication environment
US7991841B2 (en) * 2007-10-24 2011-08-02 Microsoft Corporation Trust-based recommendation systems
JP2011505175A (ja) 2007-10-31 2011-02-24 エムセンス コーポレイション 視聴者からの生理的反応の分散収集および集中処理を提供するシステムおよび方法
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
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
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
US20120203831A1 (en) 2011-02-03 2012-08-09 Kent Schoen Sponsored Stories Unit Creation from Organic Activity Stream
US9123079B2 (en) 2007-11-05 2015-09-01 Facebook, Inc. Sponsored stories unit creation from organic activity stream
US8700636B2 (en) 2010-09-16 2014-04-15 Facebook, Inc. Action clustering for news feeds
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
US10055698B2 (en) * 2008-02-11 2018-08-21 Clearshift Corporation Online work management system with job division support
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
US20090216578A1 (en) * 2008-02-22 2009-08-27 Accenture Global Services Gmbh Collaborative innovation system
JP2011516938A (ja) * 2008-02-22 2011-05-26 ソーシャルレップ・エルエルシー 分散型オンライン会話の測定および管理のためのシステムと方式
US9298815B2 (en) * 2008-02-22 2016-03-29 Accenture Global Services Limited System for providing an interface for collaborative innovation
US8015144B2 (en) 2008-02-26 2011-09-06 Microsoft Corporation Learning transportation modes from raw GPS data
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
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
WO2009123983A2 (en) * 2008-03-30 2009-10-08 Cachinko, Llc Method, system, and storage device for job posting, matching, and referral
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
CN102084354A (zh) 2008-04-05 2011-06-01 社会传播公司 基于共享虚拟区域通信环境的装置和方法
US20090259505A1 (en) * 2008-04-09 2009-10-15 Vali Tadayon Inventory management system and method
US8490004B2 (en) * 2008-04-17 2013-07-16 Gary Stephen Shuster Evaluation of remote user attributes in a social networking environment
US20090265326A1 (en) * 2008-04-17 2009-10-22 Thomas Dudley Lehrman Dynamic personal privacy system for internet-connected social networks
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
US9002820B2 (en) * 2008-06-05 2015-04-07 Gary Stephen Shuster Forum search with time-dependent activity weighting
US8688841B2 (en) * 2008-06-05 2014-04-01 Modena Enterprises, Llc System and method for content rights based on existence of a voice session
US20090306996A1 (en) * 2008-06-05 2009-12-10 Microsoft Corporation Rating computation on social networks
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
US20100015976A1 (en) * 2008-07-17 2010-01-21 Domingo Enterprises, Llc System and method for sharing rights-enabled mobile profiles
US20100015975A1 (en) * 2008-07-17 2010-01-21 Kota Enterprises, Llc Profile service 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
US9064021B2 (en) * 2008-10-02 2015-06-23 Liveramp, Inc. Data source attribution system
US20100088246A1 (en) * 2008-10-02 2010-04-08 Lim Michael Z System for, and method of, managing a social network
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
US7974983B2 (en) * 2008-11-13 2011-07-05 Buzzient, Inc. Website network and advertisement analysis using analytic measurement of online social media content
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
EP2377089A2 (de) * 2008-12-05 2011-10-19 Social Communications Company Verwaltung von interaktionen in netzwerkkommunikationsumgebung
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
WO2010088701A1 (en) * 2009-02-02 2010-08-05 Asurion Corporation Method for integrating applications in an electronic address book
US20100205254A1 (en) * 2009-02-06 2010-08-12 Reinvent, Inc. Method and system of tracking content in a social network
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
WO2010091320A1 (en) * 2009-02-06 2010-08-12 Slinker Scott W Determining associative intent in a database containing linked entities
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
US9996845B2 (en) * 2009-03-03 2018-06-12 Google Llc Bidding on users
WO2010099631A1 (en) * 2009-03-03 2010-09-10 Google Inc. Adheat advertisement model for social network
US8600812B2 (en) * 2009-03-03 2013-12-03 Google Inc. Adheat advertisement model for social network
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
KR102112973B1 (ko) 2009-07-16 2020-05-19 블루핀 랩스, 인코포레이티드 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체
CN102667544B (zh) 2009-07-17 2015-09-02 惠普开发有限公司 具有聚焦能力的非周期性光栅反射镜及其制作方法
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
EP2465048A4 (de) * 2009-08-12 2015-03-18 Telcordia Tech Inc Sicherung der privatsphäre in einem sozialen netzwerk durch entwickelte zugangssteuerung
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
CA2775899C (en) 2009-09-30 2021-07-27 Evan V. Chrapko Determining connectivity within a community
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
US9560984B2 (en) 2009-10-29 2017-02-07 The Nielsen Company (Us), Llc Analysis of controlled and automatic attention for introduction of stimulus material
US20110106750A1 (en) 2009-10-29 2011-05-05 Neurofocus, Inc. Generating ratings predictions using neuro-response data
US20110125697A1 (en) * 2009-11-20 2011-05-26 Avaya Inc. Social media contact center dialog system
US20110125793A1 (en) * 2009-11-20 2011-05-26 Avaya Inc. Method for determining response channel for a contact center from historic social media postings
US20110145719A1 (en) * 2009-12-14 2011-06-16 International Business Machines Corporation People recommendation indicator method and apparatus in a social networking site
WO2011093893A1 (en) 2010-01-29 2011-08-04 Hewlett-Packard Development Company, L.P. Optical devices based on non-periodic sub-wavelength gratings
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
US20110307340A1 (en) * 2010-06-09 2011-12-15 Akram Benmbarek Systems and methods for sharing user or member experience on brands
US20110307397A1 (en) * 2010-06-09 2011-12-15 Akram Benmbarek Systems and methods for applying social influence
US8359328B2 (en) * 2010-06-15 2013-01-22 International Business Machines Corporation Party reputation aggregation system and method
WO2012012453A2 (en) * 2010-07-19 2012-01-26 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
WO2012034044A2 (en) 2010-09-11 2012-03-15 Social Communications Company Relationship based presence indicating in virtual area contexts
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
WO2012108883A1 (en) * 2011-02-11 2012-08-16 Hewlett-Packard Development Company, L.P. Determining characteristics of participants in a social network
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
US8600926B2 (en) 2011-03-29 2013-12-03 Manyworlds, Inc. Integrated interest and expertise-based discovery system and method
US8694442B2 (en) 2011-03-29 2014-04-08 Manyworlds, Inc. Contextually integrated learning layer
US8843433B2 (en) 2011-03-29 2014-09-23 Manyworlds, Inc. Integrated search and adaptive discovery system and method
US8775429B2 (en) * 2011-04-04 2014-07-08 Northwestern University Methods and systems for analyzing data of an online social network
US20120290427A1 (en) * 2011-05-09 2012-11-15 Respect Network Corporation Apparatus and Method for Managing a Trust Network
US20130132547A1 (en) * 2011-05-09 2013-05-23 Respect Network Corporation Apparatus and Method for Address Book Automation Over 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
CN103931174B (zh) * 2011-09-30 2018-02-06 P·巴茨 用于联系人管理和推荐引擎的系统和方法
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
US20130103762A1 (en) * 2011-10-24 2013-04-25 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
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
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
WO2013119452A1 (en) * 2012-02-08 2013-08-15 Treiser Adam Tools and methods for determining relationship values
US11100523B2 (en) 2012-02-08 2021-08-24 Gatsby Technologies, LLC 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
US8494973B1 (en) 2012-03-05 2013-07-23 Reputation.Com, Inc. Targeting review placement
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
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
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
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
US10325323B2 (en) 2012-04-24 2019-06-18 Facebook, Inc. Providing a claims-based profile 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
WO2013159176A1 (en) * 2012-04-27 2013-10-31 Research In Motion Limited Systems and methods for establishing and using a personal linking graph
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
EP2680173A3 (de) * 2012-06-29 2014-01-15 Orange Bestimmung impliziter Beziehungen und Organisationen sozialer Netzwerke
US11093984B1 (en) 2012-06-29 2021-08-17 Reputation.Com, Inc. Determining themes
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
JP5909553B2 (ja) * 2012-09-21 2016-04-26 グリー株式会社 タイムライン領域におけるオブジェクト表示方法、オブジェクト送信方法、オブジェクト表示装置、サーバ及び当該方法を実現するためのプログラムを記録した情報記録媒体
US9705963B2 (en) * 2012-09-28 2017-07-11 Thomson Reuters Global Resources Unlimited Company Systems, methods and interfaces for evaluating an online entity presence
US10379910B2 (en) 2012-10-26 2019-08-13 Syntel, Inc. System and method for evaluation of migration of applications to the cloud
US9235865B1 (en) * 2012-10-26 2016-01-12 Sprint Communications Company L.P. Identifying influencers using social information
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
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
US20140180945A1 (en) * 2012-12-21 2014-06-26 Sap Ag Identifying endorsers for a candidate
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
US9245257B2 (en) 2013-03-12 2016-01-26 Salesforce.Com, Inc. System and method for generating a user profile based on skill information
US10165065B1 (en) * 2013-03-12 2018-12-25 Facebook, Inc. Abusive access detection in a social networking system
US9166943B2 (en) * 2013-03-12 2015-10-20 International Business Machines Corporation Systems and methods for using social network analysis to schedule communications
US20150012451A1 (en) * 2013-03-12 2015-01-08 Scala Hosting Llc Social network prestige program
US9446310B2 (en) * 2013-03-13 2016-09-20 Facebook, Inc. Suggesting friends for playing a game
US10102570B1 (en) 2013-03-14 2018-10-16 Consumerinfo.Com, Inc. Account vulnerability alerts
US20140324729A1 (en) * 2013-03-14 2014-10-30 Adaequare Inc. Computerized System and Method for Determining an Action Person's Influence on a Transaction
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
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
US9904579B2 (en) 2013-03-15 2018-02-27 Advanced Elemental Technologies, Inc. Methods and systems for purposeful computing
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
US9721086B2 (en) 2013-03-15 2017-08-01 Advanced Elemental Technologies, Inc. Methods and systems for secure and reliable identity-based computing
MY196507A (en) 2013-03-15 2023-04-18 Socure Inc Risk Assessment Using Social Networking Data
GB2515449A (en) * 2013-03-15 2014-12-31 Wonga Technology Ltd Method and system for User Acceptability
US10075384B2 (en) 2013-03-15 2018-09-11 Advanced Elemental Technologies, Inc. Purposeful computing
US20140279625A1 (en) * 2013-03-15 2014-09-18 Louis Levine Carter Social Network Based Skill Rating and Performance Feedback System
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
EP3014564A4 (de) 2013-06-28 2016-12-07 Healthtap Inc Systeme und verfahren zur bewertung und auswahl von gesundheitsdienstleistern
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
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
US10990686B2 (en) 2013-09-13 2021-04-27 Liveramp, Inc. 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
US9547877B2 (en) * 2013-10-03 2017-01-17 Linkedin Corporation Identification of a trigger-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
US9576326B2 (en) * 2013-10-03 2017-02-21 Linkedin Corporation Identification of a propagator-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
US9591097B2 (en) * 2013-11-18 2017-03-07 Antoine Toffa System and method for enabling pseudonymous lifelike social media interactions without using or linking to any uniquely identifiable user data and fully protecting users' privacy
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
US20150213521A1 (en) * 2014-01-30 2015-07-30 The Toronto-Dominion Bank 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
US9342690B2 (en) 2014-05-30 2016-05-17 Intuit Inc. Method and apparatus for a scoring service for security threat management
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
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
US9022324B1 (en) 2014-05-05 2015-05-05 Fatdoor, Inc. Coordination of aerial vehicles through a central server
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
US20150341454A1 (en) 2014-05-20 2015-11-26 Google Inc. Backend Pipeline for Story Generation
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
US9971985B2 (en) 2014-06-20 2018-05-15 Raj Abhyanker Train based community
US9441981B2 (en) 2014-06-20 2016-09-13 Fatdoor, Inc. Variable bus stops across a bus route in a regional transportation network
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
US20160035045A1 (en) * 2014-07-31 2016-02-04 Linkedln Corporation Identifying occupation of a professional using profile and social data
US20160035046A1 (en) * 2014-07-31 2016-02-04 Linkedln Corporation Influencer score
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
US20160162840A1 (en) * 2014-10-07 2016-06-09 Rick Roberts Talent acquisition and management system and method
US20160098667A1 (en) * 2014-10-07 2016-04-07 Salesforce.Com, Inc. Customizable skills database
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
US10007730B2 (en) * 2015-01-30 2018-06-26 Microsoft Technology Licensing, Llc Compensating for bias in search results
US10007719B2 (en) 2015-01-30 2018-06-26 Microsoft Technology Licensing, Llc Compensating for individualized bias of search users
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
US9936031B2 (en) * 2015-03-31 2018-04-03 International Business Machines Corporation Generation of content recommendations
US9792588B2 (en) * 2015-03-31 2017-10-17 Linkedin Corporation Inferring professional reputations of social network members
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
US20180039944A1 (en) * 2016-01-05 2018-02-08 Linkedin Corporation Job referral system
US10901945B2 (en) * 2016-01-05 2021-01-26 The grät Network, PBC Systems and methods concerning tracking models for digital interactions
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
US20180218387A1 (en) * 2017-01-30 2018-08-02 Price-Mars Delly Feedback system through an online community format
US10679187B2 (en) 2017-01-30 2020-06-09 Microsoft Technology Licensing, Llc Job search with categorized results
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
US10345818B2 (en) 2017-05-12 2019-07-09 Autonomy Squared Llc Robot transport method with transportation container
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
US10924566B2 (en) 2018-05-18 2021-02-16 High Fidelity, Inc. Use of corroboration to generate reputation scores within virtual reality environments
US20190354170A1 (en) * 2018-05-18 2019-11-21 High Fidelity, Inc. Generation of relative reputation scores within virtual reality environments
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
US11924297B2 (en) 2018-05-24 2024-03-05 People.ai, Inc. Systems and methods for generating a filtered data set
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
US20190370908A1 (en) * 2018-05-30 2019-12-05 Microsoft Technology Licensing, Llc User interface for network engagement
US20200074541A1 (en) 2018-09-05 2020-03-05 Consumerinfo.Com, Inc. Generation of data structures based on categories of matched data items
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
US10963841B2 (en) 2019-03-27 2021-03-30 On Time Staffing Inc. Employment candidate empathy scoring system
US10728443B1 (en) 2019-03-27 2020-07-28 On Time Staffing Inc. Automatic camera angle switching to create combined audiovisual file
US11301586B1 (en) 2019-04-05 2022-04-12 T Stamp Inc. Systems and processes for lossy biometric representations
CN112041881A (zh) * 2019-04-26 2020-12-04 天空株式会社 通过社交网络的分析对用户进行评估的服务器、通过社交网络的分析对用户进行评估的方法及系统
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
US20230325781A1 (en) * 2020-09-09 2023-10-12 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
CA3198332A1 (en) * 2020-11-11 2022-05-19 Dongwook Shin 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
US20220270186A1 (en) * 2021-02-24 2022-08-25 Lifebrand Llc System and Method for Determining the Impact of a Social Media Post across Multiple Social Media Platforms
EP4298489A1 (de) * 2021-02-24 2024-01-03 Lifebrand, Inc. System und verfahren zur standardisierung der bewertung einzelner inhalte sozialer medien
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)

* Cited by examiner, † Cited by third party
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
WO2003030051A1 (en) * 2001-09-30 2003-04-10 Realcontacts Ltd Connection service
JP4564751B2 (ja) * 2001-11-29 2010-10-20 トゥルコスト・ピーエルシー 事業体の環境スコアを計算する方法及びシステム
US7516163B1 (en) * 2001-12-13 2009-04-07 At & T Delaware Intellectrual Property, Inc. Wireless device address book updates
AU2002357833A1 (en) * 2001-12-14 2003-06-30 The Primiter Group, Llc System for identifying data relationships
US7539697B1 (en) * 2002-08-08 2009-05-26 Spoke Software Creation and maintenance of social relationship network graphs
AU2003300848A1 (en) * 2002-12-10 2004-06-30 Telabout, Inc. Content creation, distribution, interaction, and monitoring system
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
WO2004102858A2 (en) * 2003-05-13 2004-11-25 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

Also Published As

Publication number Publication date
US20060042483A1 (en) 2006-03-02
US20130297589A1 (en) 2013-11-07
US20150269165A1 (en) 2015-09-24
US20150205872A1 (en) 2015-07-23
US20150278290A1 (en) 2015-10-01
US20130290420A1 (en) 2013-10-31
US20130254192A1 (en) 2013-09-26
US20140317126A1 (en) 2014-10-23
US20130212180A1 (en) 2013-08-15
US20130290325A1 (en) 2013-10-31
US20150278223A1 (en) 2015-10-01
US20130226910A1 (en) 2013-08-29
US20130212033A1 (en) 2013-08-15
US8010460B2 (en) 2011-08-30
US20150271289A1 (en) 2015-09-24
US20150278964A1 (en) 2015-10-01
US20130290448A1 (en) 2013-10-31
US20150205800A1 (en) 2015-07-23
WO2006029149A2 (en) 2006-03-16
US20140258288A1 (en) 2014-09-11
US20150269530A1 (en) 2015-09-24
US20120036127A1 (en) 2012-02-09
EP1787251A2 (de) 2007-05-23

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
DE202013012168U1 (de) Kompetenzenbestätigungen
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
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?
Wu et al. An exploratory study of the impact of organizational factors on employee knowledge sharing
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
Enkel et al. Determinants of Innovation Networks. The Case of the European Innovation Network for Radiation Dosimetry.
bin Dost et al. Empowered Employees Can be More Committed One: A Case Study from Pakistan

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