MEASURING PROBABILITY OF INFLUENCE USING MULTI-DIMENSIONAL STATISTICS ON DEEP LEARNING EMBEDDINGS

The disclosure herein describes a system for measuring probability of influence in digital communications to determine if communication content originated in a person's own prior knowledge or new information more recently obtained from interaction with communications of others. An estimated probability a new communication by a first user comes from the same distribution as prior communications of the first user are generated using multidimensional statistics on embeddings representing the communications. A second estimated probability that the new communication comes from the same distribution as communication(s) of a second user that were accessible to the first user are generated. If the second probability is greater than the first probability, the new communication is more likely influenced by exposure of the first user to the second user's communications rather than the first user's own historical knowledge. An influence attribution recommendation is generated, including an influence attribution or other recommended action. La présente invention concerne un système pour mesurer la probabilité d'influence dans des communications numériques afin de déterminer si un contenu de communication provient des propres connaissances préalables d'une personne ou de nouvelles informations obtenues plus récemment à partir de l'interaction avec les communications d'autres personnes. Une probabilité estimée qu'une nouvelle communication par un premier utilisateur provienne de la même distribution que les communications antérieures du premier utilisateur est générée à l'aide de statistiques multidimensionnelles sur des intégrations représentant les communications. Une seconde probabilité estimée que la nouvelle communication provienne de la même distribution que la ou les communications d'un second utilisateur qui étaient accessibles au premier utilisateur est générée. Si la seconde probabilité est supérieure à la première probabilité, la nouvelle communication est plus susceptible d'être influencée par l'exposition du premier utilisateur aux communications du second utilisateur plutôt que par les propres connaissances historiques du premier utilisateur. Une recommandation d'attribution d'influence est générée, comprenant une attribution d'influence ou une autre action recommandée.