公开(公告)号：CN102509039B

公开(公告)日：2014-11-26

申请号：CN201110306969.8

申请日：2011-09-27

Applicant: 微软公司

Inventor： K·拉丁斯基 ,  R·瓦尔沙夫斯基 ,  J·W·斯托克斯 ,  V·霍洛斯托弗 ,  E·谢弗

IPC: G06F21/56

CPC classification number: G06F21/563 ,  G06F21/56 ,  G06Q10/06 ,  G06Q30/00

Abstract: 本发明涉及实时多引擎选择和组合。基于分类引擎处理给定实体(例如，文件)的专长来选择分类引擎的架构。对引擎的选择基于该引擎将使用未知实体的特性探测到该未知实体分类的概率。排名最高的一个或多个引擎被激活以实现所需的性能。使用统计的、低性能要求的模块来跳过或选择若干高性能要求的过程。使用方法和算法来基于匹配(一个或多个)最佳分类引擎来基于实体特性探测实体类的学习。提供用于指定已排序的分类引擎的最大数量的用户选择选项，以考虑机器的每个状态。用户可以选择针对特定实体(例如，未知文件)的探测的最小概率。可以随着分类引擎的更新而随着时间的推移重新评估最佳分类。

公开(公告)号：CN102855535A

公开(公告)日：2013-01-02

申请号：CN201210027616.9

申请日：2012-02-08

Applicant: 微软公司

Inventor： E(J)·尼斯塔德特 ,  R·卡利迪 ,  Y·T·威斯菲尔德 ,  M·特南霍兹 ,  K·拉丁斯基 ,  R·瓦尔沙夫斯基

IPC: G06Q10/06 ,  G06F17/30

CPC classification number: G06Q30/0201 ,  G06F16/9535

Abstract: 本发明涉及社交影响者发现。可以针对具体的使用上下文和针对影响者类型来标识社交影响者。影响者可以被归类为专家、连接者(connector)、销售人员或其他类别。在每个使用上下文中，统一数据模型可用于从多个源(包括多个社交网络在内)收集数据以及从每个使用上下文中不同等级的影响者收集数据。各种通信媒体的相关度以及媒体的使用的频率和质量可以是用于确定一个人作为一使用上下文内一种特定类型的影响者的影响力的因素。

公开(公告)号：CN102298752A

公开(公告)日：2011-12-28

申请号：CN201110190695.0

申请日：2011-06-27

Applicant: 微软公司

Inventor： M·特南霍兹 ,  R·卡里迪 ,  R·瓦什夫斯基 ,  R·莫卡迪 ,  Y·埃梅克 ,  K·拉丁斯基

IPC: G06Q30/00 ,  G06F17/30

CPC classification number: G06Q30/02 ,  G06Q30/0241 ,  G06Q30/0273

Abstract: 本发明涉及用于对数字货物进行社会促销的市场。一种社交网络市场可以通过如下方式来监控广告客户与消费者之间的通信：为该通信生成签名并且通过社交网络跟踪这些签名直到销售完成。该市场可以监控事务以确定用户对其他用户的影响力。用户的影响力也可以在这些通信能够被监控时通过监控在计算机上执行的正式或非正式社会交互来确定或补充。影响力信息可以用于选择去往可能从广告中收益的那些用户的发出广告、以及过滤进入广告以适应于用户或用户的情况。

公开(公告)号：CN102890696A

公开(公告)日：2013-01-23

申请号：CN201210029042.9

申请日：2012-02-09

Applicant: 微软公司

Inventor： E(J)·尼斯塔德特 ,  R·卡利迪 ,  Y·T·威斯菲尔德 ,  R·瓦尔沙夫斯基 ,  A·欧龙 ,  K·拉丁斯基

IPC: G06F17/30

CPC classification number: G06F17/30867 ,  G06Q30/0282 ,  G06Q50/01

Abstract: 本发明涉及基于社交网络的上下文排序。可从每个用户的专长类别和一个人对特定类别的用户的信任来计算经排序的一组用户。经排序的这组用户可用于呈现搜索结果、推荐、社交营销、或其他使用。可通过各种在线活动来确定一个人的名声。一个人对另一个人的信任可以与他们在一个或多个社交网络中的邻近度以及活动相关。

公开(公告)号：CN102509039A

公开(公告)日：2012-06-20

申请号：CN201110306969.8

申请日：2011-09-27

Applicant: 微软公司

Inventor： K·拉丁斯基 ,  R·瓦尔沙夫斯基 ,  J·W·斯托克斯 ,  V·霍洛斯托弗 ,  E·谢弗

IPC: G06F21/00

CPC classification number: G06F21/563 ,  G06F21/56 ,  G06Q10/06 ,  G06Q30/00

Abstract: 本发明涉及实时多引擎选择和组合。基于分类引擎处理给定实体(例如，文件)的专长来选择分类引擎的架构。对引擎的选择基于该引擎将使用未知实体的特性探测到该未知实体分类的概率。排名最高的一个或多个引擎被激活以实现所需的性能。使用统计的、低性能要求的模块来跳过或选择若干高性能要求的过程。使用方法和算法来基于匹配(一个或多个)最佳分类引擎来基于实体特性探测实体类的学习。提供用于指定已排序的分类引擎的最大数量的用户选择选项，以考虑机器的每个状态。用户可以选择针对特定实体(例如，未知文件)的探测的最小概率。可以随着分类引擎的更新而随着时间的推移重新评估最佳分类。