[发明专利]用于为请求实体调整第二实体的信任得分的方法和系统

说明书

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

背景技术

信任是许多社交和商业互动的重要组成部分，但信任既难以衡量，又难以量化。人们通常会期待各种不同的因素、经历和影响，以确定在交易中信任另一方或实体的程度。例如，决定是否在特定餐馆用餐的潜在顾客可能考虑他或她在餐馆吃过多少次、来自朋友和家人的口口相传以及来自在线反馈站点的任何评级。作为另一个示例，银行可以在确定是否发放贷款时查找潜在借款方的信用得分作为其财务责任的测量。关于在确定信任级别时哪些因素最重要，人们常常可以有截然不同的偏好，并且这些偏好可以取决于交易的类型和细节而改变。信任也可以随时间的推移而改变，从而反映累积的经验、交易历史以及实体之间的近期趋势。单个负面事件会破坏信任，并且信任也可以随着时间的推移而重建。所有上述考虑都使“信任”成为难以捕获的测量。

发明内容

本文描述了用于计算信任得分的系统、设备和方法。可以在实体之间计算信任得分，其中实体包括但不限于人类用户、用户的群体、位置、组织或企业/集团，并且可以考虑各种因素，包括核实数据、网络连接性、公开可用信息、评级数据、群体/人口统计信息、位置数据和要执行的交易等等。信任得分可以反映实体在特定社区中或与另一个实体相关的可信度、声誉、成员资格、状况和/或影响。信任得分可以考虑来自任何合适的数据源的数据，包括但不限于网络连接性信息、社交网络信息、信用得分、可用的法院数据、选择提供的数据、交易历史、评级/反馈数据、群体/人口统计数据、搜索引擎数据或任何公开可用的信息。信任得分还可以包括由实体自身提供的某些非公开可用信息(例如，非公开交易历史、目标评级等)。在一些实施例中，还可以基于“众包”信息来计算信任得分。如本文所使用的，术语“众包”意味着从多个其它实体接收输入。例如，除了上面讨论的数据源之外，用户还可以提供和/或评论关于另一个用户的属性、特性、特征或任何其它信息。“群众(crowd)”的参与可以形成对信息的一种验证，并为二级(second-order)用户带来舒适感，二级用户知道群众中的成员可以观看属性、特性、特征和其它信息并对这些属性、特性、特征和其它信息做出贡献。为了说明，用户可以指示另一个实体是好管道工。许多其它用户可以对该属性提供“拇指向上(thumbs up)”和/或提供关于他们与实体的经历的评论，从而指示他们也认为该用户是好管道工。这些类型的输入和评论可以被整合到用户的信任得分的计算中，从而将“群众”的意见整合到信任得分中。

如本文所使用的，“系统信任得分”是指基于可用于实体的信息为实体计算出的信任得分，而无需具体引用另一个实体或活动/交易。系统信任得分可以表示未考虑关于具体活动/交易的信息的实体的基本可信度级别。在一些实施例中，可以基于公开可用的信息(诸如核实数据、网络连接性得分和/或评级数据)来计算系统信任得分。如本文所定义的，“网络社区”可以包括通过网络(包括但不限于计算机网络或社交网络)连接的实体的任何集合或群体。在一些实施例中，用户可以将初始信任得分设置为最小信任级别。在这些实施例中，可以基于公开可用的信息来检索和更新初始信任得分，以便确定系统信任得分。在一些实施例中，系统信任得分可以在请求时提供给最终用户，而最终用户不必识别自己。例如，最终用户可以例如通过网站或移动应用查询其它实体的系统信任得分，而不必登录到网站或移动应用中或者以其它方式必须识别自己。也可以基于私人可用信息和/或众包信息来计算系统信任得分。例如，如以上所讨论的，其它用户可以提供关于用户的属性、特性、特征或其它信息，并且该信息可以被整合到系统信任得分中。