JP2019509560A - 当事者が複数いるデータ市場における苦情および評判管理のためのシステムおよび方法 - Google Patents

Abstract

当事者が複数いるデータ市場において苦情および評判を管理するための方法およびシステムが、提供される。システムは、データ取引を偏向せずに監視するために独立した外部のエンティティによって管理される。システムは、データを、朽ちやすく、価値が時間とともに減衰する可能性がある商品またはリソースとみなす。システムは、(苦情に基づく)評判および負債の計算のための新しいパラメータ、たとえば、ピアおよび信頼ネットワークの考慮、ピアリングおよび取引の履歴、非活動的な参加者の場合の評判および負債の自動的な減衰を定義する。別の実施形態によれば、本開示は、外部のまたは内部のエンティティ/当事者/参加者の間の任意の種類の共謀も扱う。一方、別の実施形態において、本開示は、さらに、当事者が複数いるデータ市場内のインフルエンサーを特定し、制限する。

Description

関連出願の相互参照および優先権
本出願は、2016年2月22日に出願したインド仮特許出願第201621006133号の優先権を主張するものであり、このインド仮特許出願の全体は、参照により本明細書に組み込まれる。

本出願は、概して、オンライン取引における苦情および評判管理に関する。より詳細には、ただし具体的にではないが、本発明は、当事者が複数いるデータ市場における苦情および評判管理を提供するための方法およびシステムに関する。

膨大な量のデータが、複数の用途のために利用され得る。多くのビジネスが、それらのビジネスの円滑な運営のためにそのようなデータを必要とする。そのような種類のデータを集めるまたは分析することは、いつも実現可能であるとは限らない。この条件を容易にするために、データ市場が日に日に大変人気を集めつつある。データ市場は、ユーザが個人データまたはその他のソースから取り込まれた任意のその他のデータを合意された補償およびその他の予め定義された取引条件でその他のユーザと買取り、販売、トレード、および/またはその他の方法で取引し得るオンラインプラットフォームである。

データ市場においては、複数のユーザが同時に関与する。市場の取引に含まれるデータは、機密データである可能性がある。ユーザの評判に依存する多くの事柄が存在する。いずれのその他のオンライン市場とも同様に、データ市場も、苦情および評判管理に関連する問題を有する。参加者、買い手、および売り手は、取引に関与するその他の参加者の誰に対しても苦情を申し立てることができる。したがって、データ市場内に堅牢で自動化された苦情および評判管理システムを有することが、まさに必要とされている。

苦情および評判を管理するための既存の解決策のほとんどは、顧客中心であり、複数の小規模な個人の買い手および単一の売り手の要求を満たす(すなわち、B-to-C)。苦情は、通常、売り手によって提供される特定のサービスまたは製品に関して申し立てられる。データ市場は、通常、大規模な組織が分析のためにデータを買うかまたは賃借りし、ビジネスに関連する結果を推測し得るB-to-Bの仕組みである。

それに加えて、既存のシステムが動作する規模は小さく、単純である。そのような種類の仕組みのために利用可能である提案されているわずかな解決策は、苦情に関連して調整可能な評判および負債(liability)計算をサポートしないので余り融通が利かない。資産としてのデータについて述べた従来技術はわずかに存在するが、それらはいずれも合併または獲得する場合の評判または負債の集約の問題に取り組んでいない。それらの従来技術はいずれも、買い手が誹謗を行う場合に売り手の利害関係を守らない。既存のシステムのほとんどは、顧客志向である、すなわち、買い手の利害関係のみを捕捉するか、または単一の取引に関与する様々な利害関係者もしくはデータストレージおよび使用方法の分散型の性質を考慮しないかのどちらかである。1つのその他の欠けている特徴は、それらの既存のシステムがデータならびにそのデータの苦情管理および評判計算に対する影響のダイナミズムを捕捉せず、考慮しないことである。

以下で、実施形態の基本的な理解を提供するために本開示のいくつかの実施形態の簡素化された概要を提示する。この概要は、実施形態の広範囲にわたる概観ではない。この概要は、実施形態の重要な/決定的な要素を特定するように、または実施形態の範囲を明示するように意図されていない。この概要の唯一の目的は、以下で提示されるより詳細な説明に対する前置きとして、いくつかの実施形態を簡潔な形態で示すことである。

以上に鑑みて、本明細書の実施形態は、データ市場におけるユーザの苦情および評判管理のためのシステムを提供する。システムは、ユーザインターフェース、メモリ、およびメモリと通信するプロセッサを含む。ユーザインターフェースは、データ取引のためにユーザによってデータ市場にアクセスするためのものである。プロセッサは、ユーザが新しいユーザである場合に、評判計算モジュールを使用して各々のユーザの初期評判スコアを計算するステップ、そうでない場合に、評判バンクからユーザの評判スコアを取り出し、更新するステップ、ユーザに対する苦情がある場合にユーザの評判スコアを更新するステップであって、予め定義された条件の第1の組に従った検証の後に評判スコアが更新される、ステップ、データ取引にインフルエンサーがいるかどうかを調べるステップ、データ取引にインサイダー取引があるかどうかを調べるステップであって、予め定義された条件の第2の組に従った検証の後にデータ取引にインフルエンサーまたはインサイダー取引の少なくとも一方がある場合に各々のユーザの評判スコアを更新する、ステップ、データ市場に非活動的なユーザがいるかどうかを調べるステップであって、そのユーザが指定された不活動の時間期間よりも長くデータ市場において非活動的である場合にユーザの評判スコアを減衰させる、ステップ、将来の取引のためにデータ取引から1組の洞察を集めるステップ、および評判バンク内の各々のユーザの最終的な評判スコアを更新するステップを実行するようにさらに構成される。

別の実施形態は、データ市場におけるユーザの苦情および評判管理のためのプロセッサによって実施される方法を提供する。最初に、データ市場が、ユーザインターフェースを使用してデータ取引のためにユーザによってアクセスされる。次のステップにおいて、初期評判スコアが、ユーザが新しいユーザである場合に評判計算モジュールを使用して各々のユーザに関して計算される。ユーザの評判スコアが、評判バンクから取り出され、更新される。次のステップにおいて、ユーザに対する苦情がある場合にユーザの評判スコアが更新され、予め定義された条件の第1の組に従った検証の後に評判スコアが更新される。それから、データ取引にインフルエンサーがいるかどうかが調べられる。データ取引にインサイダー取引があるかどうかも調べられ、予め定義された条件の第2の組に従った検証の後にデータ取引にインフルエンサーまたはインサイダー取引の少なくとも一方がある場合に各々のユーザの評判スコアが更新される。次のステップにおいて、データ市場に非活動的なユーザがいるかどうかが調べられ、ユーザが指定された不活動の時間期間よりも長くデータ市場において非活動的である場合にユーザの評判スコアが減衰させられる。そして、1組の洞察が、将来の取引のためにデータ取引から集められる。そして最後に、評判バンク内で各々のユーザの最終的な評判スコアが更新される。

本明細書の実施形態は、図面に関連した下の詳細な説明からより深く理解されるであろう。

本開示の実施形態による当事者が複数いるデータ市場における苦情および評判管理を提供するためのシステムのブロック図である。 本開示の実施形態による特定の特徴の評判のベクトル表現を示す図である。 本開示の別の実施形態による当事者が複数いるデータ市場において当事者の苦情および評判を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態による当事者が複数いるデータ市場において当事者の苦情および評判を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態による当事者が複数いるデータ市場において当事者の苦情および評判を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において買い手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において買い手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において買い手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手または買い手の評判を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手または買い手の評判を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手または買い手の評判を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手または買い手の評判を管理することに含まれるステップを示す流れ図である。 本開示の別の実施形態によるデータ市場において売り手または買い手の評判を管理することに含まれるステップを示す流れ図である。

本明細書の実施形態ならびにそれらの実施形態の様々な特徴および利点が、添付の図面に図示され、以下の説明において詳細に述べられる非限定的な実施形態を参照してより完全に説明される。本明細書において使用される例は、本明細書の実施形態が実施され得る方法の理解を容易にし、さらに、当業者が本明細書の実施形態を実施することを可能にするようにだけ意図される。したがって、例は、本明細書の実施形態の範囲を限定するとみなされるべきでない。

ここで、同様の参照符号が図全体を通じて一貫して対応する特徴を示す図面およびより詳細には図1を参照すると、好ましい実施形態が示されており、これらの実施形態が以下の例示的なシステムおよび/または方法の文脈で説明される。

図1は、本開示の実施形態による当事者が複数いるデータ市場における苦情および評判管理を提供するためのシステム100の概略的なブロック図を示す。当事者が複数いるデータ市場は、複数のユーザまたは複数の当事者を含み得る。ユーザおよび当事者という用語は、本開示において入れ替え可能なように使用される可能性があることを理解されたい。複数の当事者は、複数の売り手の当事者および複数の買い手の当事者を含む。便宜的に、複数の買い手の当事者および複数の売り手の当事者は、以降、それぞれ、1組の買い手および1組の売り手と呼ばれることを理解されたい。システム100は、データの取引に関与する買い手と売り手との両方の利害関係またはデータストレージおよび使用方法の分散型の性質を追跡する。本発明の実施形態によれば、システム100は、利用可能なデータ、それらのデータの特徴、それらのデータの相場(quoted worth)、それらのデータの可用性、量、生成および消費の速度、ならびにそれらのデータについての様々なその他のメタ情報を追跡する中心的な独立したエンティティによって管理される。中心的な独立したエンティティは、プラットフォームプロバイダとも呼ばれる可能性がある。

本開示の実施形態によれば、システム100は、データを商品またはリソースとして使用する。データは静的または動的である可能性があることを理解されたい。データは、朽ちやすく、それらのデータの価値は、時間とともに減衰するかまたは改善する可能性がある。データは、その他のデータポイント(data point)、サービス、評判ポイント(reputation point)を買うか、または既存の苦情に関連する任意の論争を解決するためのトレード可能なエンティティとして使用され得る。任意のその他の商品と同様の言葉で言えば、データも需要に基づく価値を有する可能性があり、これはデータクレジットスコア(data credit score)によって測定され得る。したがって、高品質なデータリポジトリを維持することは、より高いデータクレジットスコアを持つことを意味する。当事者の評判および負債は、当事者を含む苦情、たとえば、ピアおよび信頼ネットワーク(peer and trust network)の考慮、ピアリング(peering)および取引の履歴、非活動的な参加者の場合の評判および負債の自動的な減衰に基づいて更新され得る。例において、システム100は、外部のまたは内部のエンティティ/当事者/参加者の間の任意の種類の共謀(collusion)も扱う。

本開示の実施形態によれば、システム100は、データベース102、プロセッサ104を含む。プロセッサ104は、評判計算モジュール106、損失最小化モジュール108、複数当事者検証および論争解決モジュール110、インフルエンサー検出モジュール112、インサイダー取引検出モジュール114、不活動監視モジュール116、苦情および評判減衰計算モジュール118、評判貸与モジュール120、信頼計算モジュール122、ならびにアクティブガイダンス(active guidance)モジュール124をさらに含む。プロセッサ104は、データ市場の様々な機能を実行するためのその他のモジュールも含む可能性があることを理解されたい。データベース102は、データ取引中に含まれるすべての情報を記憶するように構成される。データベース102は、当事者の評判スコアを記憶するための評判バンク126も含み得る。システム100は、様々な基準に基づいてデータ市場を利用するユーザを分類する。

システム100は、ユーザによるデータ市場アクセスのためのユーザインターフェース128も含む。ユーザインターフェース128は、様々なソフトウェアおよびハードウェアインターフェース、たとえば、ウェブインターフェース、グラフィカルユーザインターフェースなどを含む可能性があり、有線ネットワーク、たとえば、LAN、ケーブルなどおよびWLAN、セルラー、または衛星などのワイヤレスネットワークを含む多種多様なネットワークN/Wおよびプロトコルの種類の中での複数の通信を容易にする可能性がある。実施形態において、ユーザインターフェースデバイスは、いくつかのデバイスを互いにまたは別のサーバに接続するための1つまたは複数のポートを含み得る。

本開示の実施形態によれば、ユーザの評判が、ユーザにとっての資産として使用され、一方、買い手または売り手に対する苦情は、負債と呼ばれる。別の例において、評判は、B-Bの仕組みにおいては組織にとっての資産として使用される可能性もある。評判は、評判計算モジュール106によって計算される。評判計算モジュール106は、当事者の評判スコアを計算する。評判計算モジュール106は、履歴、アフィリエーション(affiliation)、品質、コーパスサイズ、信頼、配信時間、マーケットリーチ(market reach)、支払い時間、要求頻度、苦情、およびピアネットワーク(peer network)などの様々なパラメータの関数として当事者の評判スコアを計算する。これらのパラメータは、市場において新たに特定されたパターンに基づいて常に変化している。当事者の役割、すなわち、買い手または売り手に応じて、1組のパラメータが、上述の様々なパラメータから選ばれ得る。これは、当事者の評判スコアを計算している間にその当事者についてのメタ情報を組み入れるのに役立つ。たとえば、売り手に関しては、履歴およびピア情報が、悪意のある当事者との協力を推し量るために使用され、したがって、評判スコアを下げることができる。より高い既存の評判および悪意のある/新しい当事者との協力は、データ市場におけるリスクをいとわない攻撃的な当事者を示す/伝える可能性がある。

例において、当事者の評判スコアは、下のように計算され得る。組み合わされた評判の式は、以下に示されるように与えられる。
買い手および売り手に関する特徴集合
A={α₁,α₂,...,α_n}およびB={β₁,β₂,...,β_m}
ここで、Aは売り手に関する特徴集合であり、Bは買い手に関する特徴集合である
また、ζ_A&ζ_Bは、時間(τ-1,τ)の間にエンティティによって得られるカルマポイント(karma point)である。
減衰定数(λ)

、ここで、α_k∈Aである

、ここで、β_j∈Bである
また、0<λ≦1である
変化定数(δ)
δ_A=λ_A*size(data)/max(data)
δ_B=λ_B*size(data)/max(data)
売り手に関する時間τにおける評判

売り手に関する時間τにおけるペナルティ(penalty)

ここで、

である。
買い手に関する時間τにおける評判

買い手に関する時間τにおけるペナルティ

ここで、

である。
時間τにおけるエンティティのすべて合わせた評判

評判は、以下に示されるようにN次元ベクトルとしても表され得る
買い手および売り手に関する特徴集合

および

ここで、Aは売り手に関する特徴集合であり、Bは買い手に関する特徴集合である
また、ζ_A&ζ_Bは、時間(τ-1,τ)の間にエンティティによって得られるカルマポイントである。

ここで、特定の特徴に関する評判は、図2に示されるようにベクトル自体として表され得ると考える。
したがって、これは、

であり、

であることを示唆する
減衰定数(λ)

、ここで、α_k∈Aである

、ここで、β_j∈Bである
また、0<λ≦1である
変化定数(δ)

売り手の特徴α_kに関する時間τにおける評判

ここで、

である
売り手の特徴α_kに関する時間τにおけるペナルティ

ここで、

である
時間τにおける特徴α_kに関するすべて合わせた評判

時間τにおける売り手のすべて合わせた評判

または

同様に、時間τにおける買い手のすべて合わせた評判

または

時間τにおけるエンティティのすべて合わせた評判

または||R||=||R_A||+||R_B||

本開示の実施形態によれば、システム100は、買い手が悪意を持っており/有害であり、契約されたSLAに従って提供されたコンテンツを使用しない筋書きにも対処する。悪意のある/有害な当事者によって申し立てられた苦情の場合、影響を受けた/悪用されたデータポイントに応じて、買い手の評判スコアが、所定の間隔でまたは売り手に与えられた救済策を受けて再計算される。

本開示の実施形態によれば、システム100は、苦情、それらの苦情の症状、およびそれらの苦情の改善の履歴的記録も維持する。このすべては、簡単な検索および問い合わせのために、潜在的ディリクレ配分法(LDA:Latent Dirichlet Allocation)のような特定のトピックモデリング技術またはtf-idf頻度のような情報検索技術によって分類される。新しい苦情の場合、システム100は、その過去の経験から可能な改善技術を提供するかまたは提案する。これは、誤検出を減らすのに役立ち、ターンアラウンドタイムを定める。

システム100は、分散型の苦情管理および報告も提供する。データ市場において、買い手および売り手は、仮想的に、論理的に、または物理的に分散されたノード上にデータリポジトリを有する可能性がある。そのような筋書きにおいては、(売り手に関して)送信しているかまたは(買い手に関して)処理している間に単一の/複数のノードの故障が起こる場合がある。本開示は、サービス品質保証契約(SLA)における複製ノードについての情報と、苦情解決のための技術を提供するための関連するコスト/インセンティブモデルとを取り込むことによって苦情解決のための技術を提供する。これは、買い手への継続的なデータフローと、売り手がその売り手の評判および時折の追加収入を維持するためのインセンティブモデルとに役立つ。この他に、この技術は、機能不全のノードの数に従って評判への差異による影響を計算するだけである。たとえば、売り手は、買い手がデータの制限のないフローを有するとき、冗長性を維持するためにより高い評判を有する。やはり、買い手は、データポイントの配信のいかなる遅延に関してもペナルティを与えられる可能性がある。

本開示の実施形態によれば、システム100は、買い手によって提供されるセキュリティおよびプライバシー制御を取り込むことによって機密データの損失または露出を最小化するための損失最小化モジュール108も含む。その実装は、能動的な監視を提供する場合は能動的であり、または文書もしくは任意のその他の静的なサービス品質保証契約内の情報を取り込む場合は受動的である可能性がある。損失最小化モジュール108は、データの使用方法のための安全な環境を提供するために買い手の能力を評価するが、それは、データがPII(個人を特定できる情報)、PHI(保護された医療情報(Protected Health Information))、または任意のその他の機密扱いの情報からなる場合、特に重要である。内部であるかまたは外部であるかにかかわらず脅威が存在する場合、買い手は、売り手に対する影響を最小化すべきである。買い手は、この能力をできる限り高く維持すべきであり、その理由は、これが、あらゆる不測の事態のためのそれらの買い手の準備状態と、不安定な有毒なデータ(volatile and toxic data)を扱うための能力とを確立するからである。損失最小化モジュール108は、データの使用に安全な環境を提供するための買い手の能力を評価する。損失最小化モジュール108は、買い手によって展開される開示された方策および制御を査定するために使用される。

本開示の実施形態によれば、システム100は、複数当事者検証および論争解決モジュール110を含む。複数当事者検証および論争解決モジュール110は、データをより大きなデータ市場コミュニティーに露出することによって論争のあるデータの安全な複数当事者の検証を提供し、独立した当事者が、その品質を査定し、結果についてプラットフォームプロバイダに知らせる可能性があり、安全な複数当事者の検証プロセスを完了する。独立した匿名の評価者は、それらの評価者の助力に関してカーマポイントを得る。カーマポイントは、何らかの仮想的なもしくは実際の通貨もしくはデータのやりとり、または計算サイクル(compute cycle)、またはその他の代替可能な物もしくは商品の形態である可能性がある。暗号学の下位分野である複数当事者計算(multi-party computation)の場合、複数の当事者が、それらの当事者の入力を秘密にしながらそれらの入力の関数を共同で計算する。複数当事者検証においては、複数の当事者が、アルゴリズム/解決策/ツールを秘密にしながら共通のデータに対してそれらの当事者独自のアルゴリズム/解決策/ツールを適用する。この特徴は、2つの筋書きに役立つ。1)論争の解決--売り手と買い手との間に論争がある場合、これは、独立した当事者が売り手によって苦情を言う者に売られたデータの品質を評価し、それらの結果をプラットフォームプロバイダと共有することを可能にする。2)サンドボックス環境--売り手からデータを買う前に何らかの代表的なデータのサンプルを抽出するために見込みのある買い手によって使用され得る。この特徴は、売り手に関するより高い評判を保証する。

安全な複数当事者検証プロセスにおいては、論争している当事者が、それらの当事者の利害関係/問題を持ってプラットフォームプロバイダの所に行き、そして、プラットフォームプロバイダが、論争のあるデータセットの健全性(sanity)、品質、量、およびその他の特徴を検証するためにその他の当事者を関与させることを決断する可能性がある。事例の1つにおいて、プラットフォームは、論争する当事者の識別情報を開示することなく時間を限られた場(time bound arena)で一部のまたは完全なデータセットを開示する可能性がある。その他の独立したおよび無関係な参加者が、論点を査定することを選ぶ可能性があり、サンプルデータセットに対してそれらの参加者の独自のアルゴリズムを実行し、それらの参加者のフィードバックをプラットフォームに提供する可能性がある。そして、このフィードバックが、当事者の間の論争を解決するために使用され得る。ここで、参加している主体は、論争している当事者またはその他の参加している検証者についていかなることも知らず、また、それらの者は、それらの者の検証アルゴリズムを開示しなくてよい。論争が収まると、フィードバックの品質に基づいて、参加している当事者にいくらかのカーマポイントが分配される。この品質は、プラットフォームによって定義されたまたは論争している当事者によって相互に合意された品質行列(quality matrix)に基づいて査定される。

本開示の実施形態によれば、システム100は、苦情の提出に対する動的なデータの影響にも対処する。システム100は、買い手自身の欠陥のある論理/アルゴリズム/処理が原因である誤った苦情の数を減らすのにも役立つ。静的なデータを取り扱うとき、買い手は、共有されたコンテンツに問題があるかどうかを保証するために複数回の繰り返しを行う必要がある可能性がある。データが買い手にストリーミングされる所与の仕組みにおいては、買い手がデータの問題に直面する可能性がある筋書きがあり得る。今や、買い手は、迅速な報告と安全な報告との間で、すなわち、問題に直面し次第報告するか、または何らかの種類の例外処理を行い、さらなるデータを処理し、それでも問題が続く場合に報告するかで決断をする必要がある。これは、誤った苦情の提出およびリアルタイムの/ストリーミングコンテンツの処理の中断を結果として生じる可能性があるのでストリーミングデータ配信に特に有用である。問題が買い手の側にある場合、それは、それらの買い手の評判スコアに影響を与える。一方、買い手は、安全策をとり、例外的な筋書きのための緩衝材を提供しようとする場合、重大なデータポイントを解き放ち、また、例外的な筋書きを扱うための追加的なインフラストラクチャまたはコードまたは論理を提供しなければならない可能性がある。自分のインフラストラクチャにおいてこの種類の回復力を維持する買い手は、より高い評判ポイントを持つ。それに加えて、データ処理ウィンドウ(data processing window)が短く、持続しない可能性がある。したがって、買い手は、任意の問題に対応し、任意の問題を再分析するための余分なコードを含むかまたは追加的なストレージプールを展開する場合、システムにさらなる負荷をかけず、プラットフォームの苦情キューをあふれさせないので追加的な評判を与えられるべきである。

本開示の実施形態によれば、システム100は、3人以上の当事者が単一の取引に関与し、当事者のうちの1人が悪意のある当事者であるときに使用されるように構成される。この場合、システム100は、当事者の個人評判スコアに加えてグループ評判スコアを割り当てる。悪意のある当事者の場合、グループの評判スコアが下がる。この他に、その他の参加者も、悪意のある当事者との以前の協力の履歴、それらの参加者の現在のピアネットワーク、および市場におけるそれらの参加者自身の立ち位置に基づいてそれらの参加者のスコアがいくらか減少する。これにより、ゆっくりであるが着実にすべての悪意のある当事者が確実に合図され、脇に追いやられることになる。

本開示の実施形態によれば、システム100は、当事者が複数いる取引においてインフルエンサー検出モジュール112をさらに含む。インフルエンサー検出モジュール112は、当事者のうちの1人がデータ取引に影響を与えようとしているときに使用されるように構成される。それに加えて、インフルエンサー検出モジュール112は、当事者のうちの1人がその他の当事者または自身の協力者の評判を損なおうと試みているかどうかを検出するようにさらに構成される。そのような主張および筋書きを避けるために、インフルエンサー検出モジュール112は、エンティティおよびピアネットワーク内のそれらのエンティティの最も近い隣人の以前の履歴および格付けの傾向を使用する。影響力のある当事者が見つかる場合、適切な対応が取られ、たとえば、インフルエンサーにペナルティを適用するか、またはそれらのインフルエンサーの与えられた格付けを抑制する。インフルエンサー検出モジュール112は、システムの全体の中立性が疑問の余地がないままであるようにそのようなネットワークを壊す。システム100は、偽のデータ取引を検出するようにさらに構成される。

本開示の実施形態によれば、インサイダー取引検出モジュール114は、当事者が関連しており、互いにデータを売買する関連する当事者間のいかなる種類の共謀も検出するように構成される。このようにして、それらの当事者は、互いの評判およびその他の枢要な統計を誇り続ける。本開示の別の実施形態によれば、苦情および評判減衰計算モジュール118は、任意の非アクティブな苦情をキューから削除する。これは、不活発な苦情をキューから削除し、さらに健全な評判管理を維持するのに役立つので重要である。

本開示の別の実施形態によれば、評判貸与モジュール120は、評判に関する仮想的な銀行のように働き、より高いまたは十分な評判ポイントを有する参加者は、何らかの規定された利益と引き換えに新規参入者を助けたくなる可能性がある。本開示の別の実施形態によれば、アクティブガイダンスモジュール124は、古い問題およびそれらの問題の改善を追跡する。アクティブガイダンスモジュール124は、すべての履歴的項目をタグ付けし、インデックス付けし、似ているかまたはかなり一致しているタグまたはクエリまたはキーワードの場合に、苦情を言う者に解決策として提案する可能性がある。

システム100は、当事者の活発さを調べるようにさらに構成される。本開示の実施形態によれば、不活動監視モジュール116は、いずれかの参加者またはユーザが指定された不活動の時間期間よりも長く非活動的である場合、非活動的な参加者を特定し、市場から削除するように構成される。当事者が複数いるデータ市場においては、2つの筋書きがあり得る。第1の筋書きにおいては、売り手が非活動的になる--そのような場合、その売り手の評判が時間とともに減衰する。これは、売り手が最新の傾向およびデータポイントを持たない可能性があるときに行われる。しかし、一部の例外的な場合には、履歴的なデータの価値が増す可能性がある。第2の筋書きにおいては、買い手が非活動的になる--そのような場合、保留中で、買い手の注意を必要とするすべての苦情が時間とともに減衰する。これは、売り手のいかなる不当なペナルティも防止し、またはその逆を防止するために行われる。この特徴は、非活動的なエンティティ/当事者を主流から外しておき、したがって、データ市場を賑わす(crowding)のに役立つ。

本開示の別の実施形態によれば、システム100は、評判バンク126を含む。新しい当事者が使用に加わるときにはいつも、それは、デフォルトの評判スコアから始まり、時々ではあるが、特定の物を得るために、新しい当事者はより高い評判スコアを必要とする可能性がある。評判の最小限の必要とされる量を得ることは、いくらかの時間を必要とし、したがって、競争が原因である損失を結果として生じる。基本的に、評判バンクは、通常の銀行のように働くが、ただし、評判ポイントを扱う。評判バンクの動作は、以下の例によって説明され得る。より高い評判および信頼スコアを有する評判バンクの参加者は、プラットフォームプロバイダによって提供され、管理されるバンクにそれらの参加者のスコアの一部を預ける。評判バンクは、何らかの種類の担保を必要とするが、新規参入者に必要とされる/要求される評判を貸与する。販売が成功した場合、評判バンクは、収益のある割合を課金し、担保を解除する。それに加えて、評判バンクは、収入の一部を取っておき、残りの量を預け主の%の預け入れ(% deposit)に応じて預け主と分け合う。評判バンクは様々なその他の技術も提供する可能性があることを理解されたい。

本開示の別の実施形態によれば、システム100は、さらに、評判スコアの更新のために信頼格付けアルゴリズムを使用する。評判は、将来の予測ではなく、過去の知識である。一方、信頼は、将来に関連付けられる何かの尺度である。本苦情および評判管理システムによって、参加当事者の信頼性スコアを得ることが可能である。同様に、信頼計算モジュール122は、これらに限定されないが、配信の時間、品質、継続時間、コーパス、評判、データ返却(data return)の提出、アフィリエーション、協力ネットワーク(collaboration network)などの要因を考慮することによって参加者の信頼性を計算する。これを達成するために、システム100は、複数のアルゴリズムを使用し、たとえば、単純なアルゴリズムは、ピアネットワーク内の最も近い隣人の履歴、注文頻度、配信および支払い時間、評判および信頼スコアを使用する可能性がある。より高い格付けのピアに接続された当事者は、低い格付けの当事者に接続される当事者と比べて高いスコアを持つ。換言すると、システムは、良い振る舞い、より良いデータ品質、および付加価値のあるサービスを奨励するが、それは、そのときにのみ、より高い格付けの当事者のエンティティがより低い格付けの当事者とつながるからである。

本開示の実施形態によれば、システム100は、データ返却の特徴も提供する。データ返却の提出の目的は、データ市場プラットフォームによって取引記録を作成または更新することである。この記録は、評判バンク、買い手または売り手、プラットフォームなどによって有利に見られるかまたは使用される。また、それは、提出者が法律を遵守する当事者であり、その会計四半期/年度に活動的である/生きていることを示唆する。例において、システムおよび方法は、エンティティの評判を計算するための特徴のうちの1つとしてそれを使用する。良好なデータ返却の履歴を有する当事者は、誤った苦情を提出することによる自己の評判の控除(self-reputation deduction)からのより高い閾値または緩衝(cushioning)のような特定の特権を得る可能性があり、または安全な複数当事者検証に参加することによって通常の当事者(比較的新しい参入者または品行が良くない当事者)よりも高い第1の所定のカーマポイントを得る可能性がある。その他の当事者に対して、それは、人のマーケットリーチ、コーパスサイズの変化、発生した取引の数(我々はこれらの取引が誰と行われたかは開示しない)、当事者によって/当事者に対して提出された苦情の種類および数、ならびにその現在のステータス/解決のインジケータでもある。上のユースケースは、例示を目的としているだけであり、多くのその他のそのようなユースケースを含み得る。

動作中、当事者が複数いるデータ市場において当事者の苦情および評判の管理に関わるステップを示す流れ図200が、本開示の実施形態に従って図3に示される。最初にステップ202において、データ市場が、ユーザインターフェース128を使用してユーザによってアクセスされる。換言すると、少なくとも1人の当事者が、データ市場に入れられる。一例では、第1の当事者を入れることが、ステップ202Aに示され、第2の当事者を入れることが、ステップ202Bに示され、第Nの当事者を入れることが、ステップ202Nに示される。ステップ204において、当事者が新しいか否かが、当事者の各々に関してプロセッサ104によって調べられる。当事者が新しい場合、ステップ206において、当事者の初期評判スコアが、評判計算モジュール106を使用して計算される。評判スコアは、上述の式によって計算され得る。当事者が新しくない場合、ステップ208において、当事者の古い評判スコアが、評判バンク126から取り出される。次のステップ210において、当事者の評判スコアが、評判バンク126から取り出された古い評判スコアに基づいて更新される。

次のステップ212において、当事者によってまたは当事者に対して提出された何らかの苦情があるかどうかが調べられる。当事者が何らかの苦情に含まれる場合、ステップ214において、当事者の評判スコアが、予め定義された条件の第1の組に従った検証の後に再計算され、更新される。予め定義された条件の第1の組は、苦情の有効性を検証するための様々な基準に対処する。検証後、当事者の評判スコアは増やされるかまたは減らされる可能性があることを理解されたい。当事者がいかなる苦情にも含まれない場合、ステップ216において、損失最小化モジュール108を使用して、データ取引においてデータの損失が最小化される。次のステップ218において、データの品質またはユーザビリティに関連する論争がある場合、問題にされているデータセットが、安全な複数当事者検証および論争解決モジュール110によって検証される。安全な複数当事者検証は、第三者の検証者が、コード、アルゴリズム、または同様の手段の形態でそれらの検証者の知的財産を隠すことを可能にする。また、モジュールは、論争する当事者に賛成または反対のいかなる種類の偏向も止めるブラインド検証(blind verification)を容易にする。

次のステップ220において、私的な利益のためにデータ取引に影響を与えているいずれかの当事者がいるかどうかが調べられる。いる場合、ステップ222において、すべての関与する当事者の評判スコアが、予め定義された条件の第2の組に従った検証の後に更新される。予め定義された条件の第2の組は、インフルエンサーおよびインサイダー取引の有効性を検証するための基準を含む。買い手または売り手が実際にデータ取引に影響を与えようとしているかどうかが、検証される。影響がない場合、ステップ222において、データ取引のインサイダー取引があるかどうかが調べられる。ある場合、ステップ224において、すべての当事者の評判スコアがさらに更新され、そうでない場合、ステップ226において、データ市場内にいずれかの非活動的な当事者がいるかどうかが調べられる。指定された不活動の時間期間よりも長くいずれかの非活動的な当事者がいる場合、ステップ228において、予め定義された条件の第3の組に基づいて評判スコアがもう一度更新される。条件の予め定義された組は、売り手によって異なり、買い手によって異なることを理解されたい。次のステップ230において、1組の洞察が、将来の取引のためにデータ取引から集められる。また、最後にステップ232において、関与する当事者の各々の評判スコアが、評判バンク126内の最終的な評判スコアによって更新される。

図4は、データ市場において買い手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図300を示す。流れ図300は、図1および図3において説明された様々なモジュールおよびステップの説明と併せて読まれるべきであることを理解されたい。最初に、3つの点が、プロセッサによって調べられる。第1は、誤りの数が予め定義された閾値を超えたかどうかであり、第2は、これらの誤りが買い手によって処理されていないかどうかであり、第3は、アクティブガイダンスが助けになるか否かである。苦情が買い手によって提出された後は、買い手が売り手の応答を待ち得るか、または苦情が売り手のキューに入るかのどちらかである。苦情が売り手のキュー内にあると、売り手は、苦情を分類し得る。その後、3つの点が、売り手によって調べられ、第1は、さらなるデータが必要とされるかどうかであり、第2は、製品に何らかの問題があるかどうかであり、第3は、売り手が第三者の検証を望むかどうかである。データに問題がある場合、問題が分析され、パッチが作成される。第三者の検証が必要とされる場合、コンテンツが検証のために共有される。さらなるデータが必要とされる場合、追加的なデータが売り手によって要求される。追加的なデータが定められた時間内に買い手によって提供されない場合、苦情の値が、時間とともに減衰させられる。苦情の値が閾値未満である場合、苦情がキューから削除され、プロセスが停止される。同時に、上述のように、買い手は、応答を待っているとき、売り手によってデータが要求されるかどうかを調べ、要求される場合、売り手は、応答を練り上げ、その応答を買い手に送り返す。最後に、売り手は、買い手の苦情に関して買い手によって満足な解決策が提供されるかどうかを調べる。提供される場合、解決策が適用され、苦情が買い手によって閉じられる。

図5は、データ市場において売り手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図400を示す。流れ図400は、図1および図3において説明された様々なモジュールおよびステップの説明と併せて読まれるべきであることを理解されたい。最初に、問題が、売り手によって分類される。次のステップにおいて、売り手が、買い手に思い出させる。苦情に基づいて、買い手が、解決策を提供する。解決策が満足のいくものでない場合、売り手が、4つの点を調べる。第1に、不払いに関連する問題が存在する場合、売り手が苦情を提出し、参加する当事者に知らせる。第2に、セキュリティが存在する場合、売り手が苦情を提出し、参加する当事者に知らせる。第3に、使用方法の懸念の問題が存在する場合、売り手が苦情を提出し、参加する当事者に知らせる。第4に、インサイダーの共有または外部のインフルエンサーが存在する場合、買い手に警告し、すべての関連する参加する当事者に対する苦情を提出する。

苦情が提出されると、売り手が待つ可能性があるか、または苦情が買い手のキューに入るかのどちらかである。苦情が買い手のキュー内にあると、買い手が苦情を分類する。次のステップにおいて、買い手が、必要な場合は追加のデータを要求する。追加のデータが定められた時間内に提供されない場合、苦情の値が、時間とともに減衰させられる。苦情の値が閾値未満である場合、苦情がキューから削除される。同時に、上述のように、売り手は、応答を待っているとき、最後に、売り手の苦情に関して買い手によって満足な解決策が提供されるかどうかを調べる。提供される場合、解決策が適用され、苦情が売り手によって閉じられる。

次のステップにおいて、要求が閉じられるとき、問題および解決策が、将来の参照およびアクティブガイダンスのためにプラットフォームプロバイダの末端に記録される。プラットフォームプロバイダは、これが繰り返し起こる問題であるかどうかを調べ、買い手/売り手は、それらの買い手/売り手の不品行を繰り返したことに関してペナルティを受ける。

図6は、データ市場において売り手または買い手の評判を管理することに含まれるステップを示す流れ図500を示す。流れ図500は、図1および図3において説明された様々なモジュールおよびステップの説明と併せて読まれるべきであることを理解されたい。最初に、ユーザの評判スコアがゼロに設定される。次のステップにおいて、ユーザがカーマポイントを有する場合、ユーザの評判スコアが更新される。次のステップにおいて、新しい取引が現れるとき、アフィリエーション、レプリケーションノード(replication node)、サンドボックス化、コーパスリポジトリ、およびマーケットリーチが、SLA文書から抽出される。次のステップにおいて、これが知られているアフィリエーションであるかどうかが調べられる。そうである場合、アフィリエーションポイント(affiliation point)が、評判スコアに加えられる。次のステップにおいて、レプリケーションがノードを有する場合、危機管理計画ポイント(contingency planning point)が評判スコアに加えられる。次のステップにおいて、検証のためにサンドボックス化が提供される場合、サンプル抽出および安全な検証に関してポイントが評判スコアに加えられる。最後に、コーパスのサイズが閾値を超えている場合、大量販売者ポイント(wholesale seller point)が評判スコアに加えられる。

次のステップにおいて、これが当事者が複数いる取引であるかどうかも、調べられる。信頼されている当事者との協力に基づいて、市民ポイント(citizen point)が、評判スコアに加えられるかまたは評判スコアから差し引かれる。次のステップにおいて、姉妹当事者(sister party)との何らかの協力があるかどうかが調べられ、それに応じて、評判スコアからポイントが差し引かれる。これが当事者が複数いる取引ではない場合、それが動的なコンテンツをサポートし、誤りの緩衝をサポートするかどうかが調べられる。調べに基づいて、評判スコアに考慮ポイント(consideration point)が加えられるか、または保留中の苦情のリストが更新されるかのどちらかである。

それが新しい取引ではない場合、前のステップに戻ってから、保留中の苦情のリストが更新される。次のステップにおいて、苦情のステータスが調べられる。これは自己によって提出されていない場合、3つの点が調べられる。第1に、これが有効な苦情ではない場合、決まった割合のポイントが、当事者に関して評判スコアに加えられる。第2に、苦情が当事者によって保留中でない場合、決まった割合のポイントが、当事者に関して評判スコアから差し引かれる。第3に、苦情が最大の待ち時間の間保留中でない場合、決まった割合のポイントが、当事者に関して評判スコアから差し引かれる。次のステップにおいて、苦情が自己によって提出される場合、それが自己によって保留中であるかどうかが調べられ、そして、2つの点が調べられる。第1に、自己によって保留中である場合、それが最大の待ち時間よりも長く保留中である場合、苦情が減衰させられる。第2に、苦情スコアが閾値未満になると、苦情が死んでいるものとして印を付けられ、苦情がキューから削除されて、決まった割合のスコアが当事者の評判スコアから差し引かれる。次のステップにおいて、苦情が自己によって保留中ではない場合、これが誤った苦情であるかどうかが調べられる。誤った苦情のカウンタ(false complaint counter)が、1だけ更新され、その誤った苦情のカウンタが最大の誤りのカウントの閾値を超えると、苦情が死んでいるものとして印を付けられる。

本明細書は、当業者が実施形態を作成し、使用することを可能にするために本明細書の対象を説明する。対象の実施形態の範囲は、請求項によって定義され、当業者に想到されるその他の修正を含み得る。そのようなその他の修正は、請求項の文字通りの言葉と違わない同様の要素を有する場合、または請求項の文字通りの言葉との本質的でない違いのある均等な要素を含む場合、請求項の範囲内にあるように意図される。したがって、実施形態は、通信チャネルを使用して取引の要求を安全に実行するためのシステムおよび方法を提供する。

しかし、保護の範囲は、そのようなプログラムにまで拡張され、さらには、メッセージを含むコンピュータ可読手段にまで拡張され、そのようなコンピュータ可読ストレージ手段は、プログラムがサーバまたはモバイルデバイスまたは任意の好適なプログラミング可能なデバイス上で実行されるとき、方法の1つまたは複数のステップの実施のためのプログラムコード手段を含むことを理解されたい。ハードウェアデバイスは、たとえば、サーバもしくはパーソナルコンピュータなどのような任意の種類のコンピュータ、またはそれらの任意の組合せを含む、プログラミングされ得る任意の種類のデバイスである可能性がある。デバイスは、たとえば、特定用途向け集積回路(ASIC)、フィールドプログラマブルゲートアレー(FPGA)のようなたとえば、ハードウェア手段、あるいはハードウェア手段およびソフトウェア手段の組合せ、たとえば、ASICおよびFPGA、または少なくとも1つのマイクロプロセッサおよびソフトウェアモジュールが置かれる少なくとも1つのメモリである可能性がある手段も含み得る。したがって、手段は、ハードウェア手段とソフトウェア手段との両方を含み得る。本明細書において説明される方法の実施形態は、ハードウェアおよびソフトウェアに実装される可能性がある。デバイスは、ソフトウェア手段を含む可能性もある。代替的に、実施形態は、たとえば、複数のCPUを使用して異なるハードウェアデバイスに実装される可能性がある。

本明細書の実施形態は、ハードウェア要素およびソフトウェア要素を含み得る。ソフトウェアに実装される実施形態は、ファームウェア、常駐ソフトウェア、マイクロコードなどを含むがこれらに限定されない。本明細書において説明された様々なモジュールによって実行される機能は、その他のモジュールまたはその他のモジュールの組合せに実装される可能性がある。この説明の目的で、コンピュータが使用可能なまたはコンピュータが読み取り可能な媒体は、命令実行システム、装置、もしくはデバイスによるかまたは命令実行システム、装置、もしくはデバイスに関連する使用のためにプログラムを含むか、記憶するか、伝達するか、伝播するか、または転送する可能性がある任意の装置である可能性がある。

媒体は、電子、磁気、光、電磁、赤外線、もしくは半導体システム(もしくは装置もしくはデバイス)または伝播媒体である可能性がある。コンピュータが読み取り可能な媒体の例は、半導体またはソリッドステートメモリ、磁気テープ、リムーバブルコンピュータディスケット、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)、硬い磁気ディスク(rigid magnetic disk)、および光ディスクを含む。光ディスクの現在の例は、コンパクトディスク-読み出し専用メモリ(CD-ROM)、コンパクトディスク-読み出し/書き込み(CD-R/W)、およびDVDを含む。

プログラムコードを記憶および/または実行するのに好適なデータ処理システムが、システムバスを通じてメモリ要素に直接的または間接的に結合された少なくとも1つのプロセッサを含む。メモリ要素は、プログラムコードの実際の実行中に使用されるローカルメモリと、大容量ストレージと、実行中に大容量ストレージからコードが取り出されなければならない回数を減らすために少なくとも一部のプログラムコードの一時的な記憶を行うキャッシュメモリとを含み得る。

(キーボード、ディスプレイ、ポインティングデバイスなどを含むがこれらに限定されない)入力/出力(I/O)デバイスが、直接か、または介在するI/Oコントローラを通じてかのどちらかでシステムに結合され得る。介在するプライベートまたはパブリックネットワークを通じてデータ処理システムがその他のデータ処理システムまたは遠隔のプリンタもしくはストレージデバイスに結合されるようになることを可能にするために、ネットワークアダプタもシステムに結合される可能性がある。モデム、ケーブルモデム、およびイーサネット(登録商標)カードは、現在利用可能な種類のネットワークアダプタのほんの一部である。

実施形態を実施するための代表的なハードウェア環境は、本明細書の実施形態による情報の処理/コンピュータシステムのハードウェア構成を含む可能性がある。本明細書のシステムは、少なくとも1つのプロセッサまたは中央演算処理装置(CPU)を含む。CPUは、システムバスを介してランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)、および入力/出力(I/O)アダプタなどの様々なデバイスに相互接続される。I/Oアダプタは、ディスクユニットおよびテープドライブ、またはシステムによって読み取り可能であるその他のプログラムストレージデバイスなどの周辺デバイスに接続し得る。システムは、プログラムストレージデバイス上の発明の命令を読み、本明細書の実施形態の方法を実行するためにこれらの命令に従うことができる。

システムは、キーボード、マウス、スピーカ、マイクロフォン、および/またはタッチスクリーンデバイス(図示せず)などのその他のユーザインターフェースデバイスに接続するユーザインターフェースアダプタをさらに含む。加えて、通信アダプタが、バスをデータ処理ネットワークに接続し、ディスプレイアダプタが、バスをたとえばモニタ、プリンタ、または送信機などの出力デバイスとして具現化される可能性がある表示デバイスに接続する。以上の説明は、様々な実施形態を参照して提示された。本明細書が関連する技術およびテクノロジーの通常の技能を有する者は、説明された構造および動作の方法の改変および偏向が原理、精神、および範囲を有意に逸脱することなく実施され得ることを理解するであろう。

100 システム
102 データベース
104 プロセッサ
106 評判計算モジュール
108 損失最小化モジュール
110 複数当事者検証および論争解決モジュール
112 インフルエンサー検出モジュール
114 インサイダー取引検出モジュール
116 不活動監視モジュール
118 苦情および評判減衰計算モジュール
120 評判貸与モジュール
122 信頼計算モジュール
124 アクティブガイダンスモジュール
126 評判バンク
128 ユーザインターフェース
200 流れ図
300 流れ図
400 流れ図
500 流れ図

関連出願の相互参照および優先権
本出願は、日本国内段階の出願であり、2017年2月22日に出願した国際出願PCT/IB2017/051005の優先権を主張するものであり、この国際出願は、2016年2月22日に出願したインド仮特許出願(発明の名称System and method for complaint and reputation management in a multi-party data marketplace)第201621006133号の優先権を主張するものであり、このインド仮特許出願の全体は、参照により本明細書に組み込まれる。

別の実施形態は、データ市場におけるユーザの苦情および評判管理のためのプロセッサによって実施される方法を提供する。最初に、データ市場が、ユーザインターフェースを使用してデータ取引のためにユーザによってアクセスされる。次のステップにおいて、初期評判スコアが、ユーザが新しいユーザである場合に評判計算モジュールを使用して各々のユーザに関して計算される。ユーザの評判スコアが、評判バンクから取り出され、更新される。次のステップにおいて、ユーザに対する苦情がある場合にユーザの評判スコアが更新され、予め定義された条件の第1の組に従った検証の後に評判スコアが更新される。それから、データ取引にインフルエンサーがいるかどうかが調べられる。データ取引にインサイダー取引があるかどうかも調べられ、予め定義された条件の第2の組に従った検証の後にデータ取引にインフルエンサーまたはインサイダー取引の少なくとも一方がある場合に各々のユーザの評判スコアが更新される。次のステップにおいて、データ市場に非活動的なユーザがいるかどうかが調べられ、ユーザが指定された不活動の時間期間よりも長くデータ市場において非活動的である場合にユーザの評判スコアが減衰させられる。そして、1組の洞察が、将来の取引のためにデータ取引から集められる。そして最後に、評判バンク内で各々のユーザの最終的な評判スコアが更新される。
別の実施形態は、データ市場におけるユーザの苦情および評判管理のためのコンピュータプログラムを具現化する非一時的コンピュータ可読媒体を提供する。最初に、データ市場が、ユーザインターフェースを使用してデータ取引のためにユーザによってアクセスされる。次のステップにおいて、初期評判スコアが、ユーザが新しいユーザである場合に評判計算モジュールを使用して各々のユーザに関して計算される。ユーザの評判スコアが、評判バンクからから取り出され、更新される。次のステップにおいて、ユーザに対する苦情がある場合にユーザの評判スコアが更新され、予め定義された条件の第1の組に従った検証の後に評判スコアが更新される。それから、データ取引にインフルエンサーがいるかどうかが調べられる。データ取引にインサイダー取引があるかどうかも調べられ、予め定義された条件の第2の組に従った検証の後にデータ取引にインフルエンサーまたはインサイダー取引の少なくとも一方がある場合に各々のユーザの評判スコアが更新される。次のステップにおいて、データ市場に非活動的なユーザがいるかどうかが調べられ、ユーザが指定された不活動の時間期間よりも長くデータ市場において非活動的である場合にユーザの評判スコアが減衰させられる。そして、1組の洞察が、将来の取引のためにデータ取引から集められる。そして最後に、評判バンク内で各々のユーザの最終的な評判スコアが更新される。

動作中、当事者が複数いるデータ市場において当事者の苦情および評判の管理に関わるステップを示す流れ図200が、本開示の実施形態に従って図3A、図3B、図3Cに示される。最初にステップ202において、データ市場が、ユーザインターフェース128を使用してユーザによってアクセスされる。換言すると、少なくとも1人の当事者が、データ市場に入れられる。一例では、第1の当事者を入れることが、ステップ202Aに示され、第2の当事者を入れることが、ステップ202Bに示され、第Nの当事者を入れることが、ステップ202Nに示される。ステップ204において、当事者が新しいか否かが、当事者の各々に関してプロセッサ104によって調べられる。当事者が新しい場合、ステップ206において、当事者の初期評判スコアが、評判計算モジュール106を使用して計算される。評判スコアは、上述の式によって計算され得る。当事者が新しくない場合、ステップ208において、当事者の古い評判スコアが、評判バンク126から取り出される。次のステップ210において、当事者の評判スコアが、評判バンク126から取り出された古い評判スコアに基づいて更新される。

図4A、図4B、図4Cは、データ市場において買い手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図300を示す。流れ図300は、図1および図3A、図3B、図3Cにおいて説明された様々なモジュールおよびステップの説明と併せて読まれるべきであることを理解されたい。最初に、3つの点が、プロセッサによって調べられる。第1は、誤りの数が予め定義された閾値を超えたかどうかであり、第2は、これらの誤りが買い手によって処理されていないかどうかであり、第3は、アクティブガイダンスが助けになるか否かである。苦情が買い手によって提出された後は、買い手が売り手の応答を待ち得るか、または苦情が売り手のキューに入るかのどちらかである。苦情が売り手のキュー内にあると、売り手は、苦情を分類し得る。その後、3つの点が、売り手によって調べられ、第1は、さらなるデータが必要とされるかどうかであり、第2は、製品に何らかの問題があるかどうかであり、第3は、売り手が第三者の検証を望むかどうかである。データに問題がある場合、問題が分析され、パッチが作成される。第三者の検証が必要とされる場合、コンテンツが検証のために共有される。さらなるデータが必要とされる場合、追加的なデータが売り手によって要求される。追加的なデータが定められた時間内に買い手によって提供されない場合、苦情の値が、時間とともに減衰させられる。苦情の値が閾値未満である場合、苦情がキューから削除され、プロセスが停止される。同時に、上述のように、買い手は、応答を待っているとき、売り手によってデータが要求されるかどうかを調べ、要求される場合、売り手は、応答を練り上げ、その応答を買い手に送り返す。最後に、売り手は、買い手の苦情に関して買い手によって満足な解決策が提供されるかどうかを調べる。提供される場合、解決策が適用され、苦情が買い手によって閉じられる。

図5A、図5B、図5C、図5Dは、データ市場において売り手によって提出される評判および苦情を管理することに含まれるステップを示す流れ図400を示す。流れ図400は、図1および図3A、図3B、図3Cにおいて説明された様々なモジュールおよびステップの説明と併せて読まれるべきであることを理解されたい。最初に、問題が、売り手によって分類される。次のステップにおいて、売り手が、買い手に思い出させる。苦情に基づいて、買い手が、解決策を提供する。解決策が満足のいくものでない場合、売り手が、4つの点を調べる。第1に、不払いに関連する問題が存在する場合、売り手が苦情を提出し、参加する当事者に知らせる。第2に、セキュリティが存在する場合、売り手が苦情を提出し、参加する当事者に知らせる。第3に、使用方法の懸念の問題が存在する場合、売り手が苦情を提出し、参加する当事者に知らせる。第4に、インサイダーの共有または外部のインフルエンサーが存在する場合、買い手に警告し、すべての関連する参加する当事者に対する苦情を提出する。

図6A、図6B、図6C、図6D、図6Eは、データ市場において売り手または買い手の評判を管理することに含まれるステップを示す流れ図500を示す。流れ図500は、図1および図3A、図3B、図3Cにおいて説明された様々なモジュールおよびステップの説明と併せて読まれるべきであることを理解されたい。最初に、ユーザの評判スコアがゼロに設定される。次のステップにおいて、ユーザがカーマポイントを有する場合、ユーザの評判スコアが更新される。次のステップにおいて、新しい取引が現れるとき、アフィリエーション、レプリケーションノード(replication node)、サンドボックス化、コーパスリポジトリ、およびマーケットリーチが、SLA文書から抽出される。次のステップにおいて、これが知られているアフィリエーションであるかどうかが調べられる。そうである場合、アフィリエーションポイント(affiliation point)が、評判スコアに加えられる。次のステップにおいて、レプリケーションがノードを有する場合、危機管理計画ポイント(contingency planning point)が評判スコアに加えられる。次のステップにおいて、検証のためにサンドボックス化が提供される場合、サンプル抽出および安全な検証に関してポイントが評判スコアに加えられる。最後に、コーパスのサイズが閾値を超えている場合、大量販売者ポイント(wholesale seller point)が評判スコアに加えられる。

Claims (12)

1. データ市場におけるユーザの苦情および評判管理のための方法であって、
   データ取引のために前記ユーザによって前記データ市場にアクセスする、プロセッサにより実施されるステップと、
   前記ユーザが新しいユーザである場合に、評判計算モジュールを使用して各々の前記ユーザの初期評判スコアを計算する、プロセッサにより実施されるステップと、そうでない場合に、
   評判バンクから前記ユーザの前記評判スコアを取り出し、更新する、プロセッサにより実施されるステップと、
   前記ユーザに対する苦情がある場合に前記ユーザの前記評判スコアを更新する、プロセッサにより実施されるステップであって、予め定義された条件の第1の組に従った検証の後に前記評判スコアが更新される、プロセッサにより実施されるステップと、
   前記データ取引にインフルエンサーがいるかどうかを調べる、プロセッサにより実施されるステップと、
   前記データ取引にインサイダー取引があるかどうかを調べる、プロセッサにより実施されるステップであって、予め定義された条件の第2の組に従った検証の後に前記データ取引にインフルエンサーまたはインサイダー取引の少なくとも一方がある場合に各々の前記ユーザの前記評判スコアを更新する、プロセッサにより実施されるステップと、
   前記データ市場に非活動的な前記ユーザがいるかどうかを調べる、プロセッサにより実施されるステップであって、前記ユーザが指定された不活動の時間期間よりも長く前記データ市場において非活動的である場合に前記ユーザの前記評判スコアを減衰させる、プロセッサにより実施されるステップと、
   将来の取引のために前記データ取引から1組の洞察を集める、プロセッサにより実施されるステップと、
   前記評判バンク内の各々の前記ユーザの最終的な前記評判スコアを更新する、プロセッサにより実施されるステップとを含む、方法。
2. 前記ユーザが前記ユーザに対する前記苦情に応答しない場合に前記ユーザの評判を減衰させ、前記データ市場から関連する苦情を削除するステップをさらに含む請求項1に記載の方法。
3. 前記ユーザが、前記データ市場内の1組の買い手または1組の売り手である請求項1に記載の方法。
4. 前記ユーザが前記データの買い手である場合にデータの使用方法のための安全な環境を提供するための前記ユーザの能力を評価するための損失最小化モジュールをさらに含む請求項1に記載の方法。
5. 予め定義された条件の前記第1の組が、前記苦情の有効性を検証するための基準を含む請求項1に記載の方法。
6. 予め定義された条件の前記第2の組が、前記インフルエンサーおよび前記インサイダー取引の有効性を検証するための基準を含む請求項1に記載の方法。
7. 前記ユーザの前記評判スコアを更新するための信頼格付けアルゴリズムをさらに含み、前記信頼格付けアルゴリズムが、前記ユーザの信頼性に基づく信頼スコアを生成する請求項1に記載の方法。
8. 前記データ市場において使用されるデータが、前記データの需要に基づくデータクレジットスコアを有する請求項1に記載の方法。
9. 1組の独立した当事者を通じて安全に1組の買い手と1組の売り手との間の論争を解決するステップをさらに含む請求項1に記載の方法。
10. 前記データ市場が、当事者が複数いるデータ市場である請求項1に記載の方法。
11. 前記評判スコアが、前記ユーザの履歴、アフィリエーション、品質、コーパスのサイズ、信頼、配信時間、マーケットリーチ、支払い時間、要求の頻度、前記ユーザのピアネットワークのうちの少なくとも1つまたは複数に基づいて計算される請求項1に記載の方法。
12. データ市場におけるユーザの苦情および評判管理のためのシステムであって、
    データ取引のために前記ユーザによって前記データ市場にアクセスするためのユーザインターフェースと、
    メモリと、
    前記メモリと通信するプロセッサであって、
    前記ユーザが新しいユーザである場合に、評判計算モジュールを使用して各々の前記ユーザの初期評判スコアを計算するステップ、そうでない場合に、
    評判バンクから前記ユーザの前記評判スコアを取り出し、更新するステップ、
    前記ユーザに対する苦情がある場合に前記ユーザの前記評判スコアを更新するステップであって、予め定義された条件の第1の組に従った検証の後に前記評判スコアが更新される、ステップ、
    前記データ取引にインフルエンサーがいるかどうかを調べるステップ、
    前記データ取引にインサイダー取引があるかどうかを調べるステップであって、予め定義された条件の第2の組に従った検証の後に前記データ取引にインフルエンサーまたはインサイダー取引の少なくとも一方がある場合に各々の前記ユーザの前記評判スコアを更新する、ステップ、
    前記データ市場に非活動的な前記ユーザがいるかどうかを調べるステップであって、前記ユーザが指定された不活動の時間期間よりも長く前記データ市場において非活動的である場合に前記ユーザの前記評判スコアを減衰させる、ステップ、
    将来の取引のために前記データ取引から1組の洞察を集めるステップ、および
    前記評判バンク内の各々の前記ユーザの最終的な前記評判スコアを更新するステップを実行するようにさらに構成された、プロセッサとを含む、システム。

Images