JP2017515184A - 一時的な取引制限の決定 - Google Patents

Abstract

【課題】【解決手段】 一時的な取引制限の決定が開示される。これは、取引リクエストメッセージを受信することであって、取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む、ことと、総取引費用が所定の制限を上回ることを決定することと、複数のユーザに関係付けられた過去取引データを取り出すことと、複数のユーザに関係付けられた過去取引データから、複数のクラスタ化分類を決定することと、ユーザに関係付けられた過去取引データに基づいて、複数のクラスタ化分類から一つのクラスタ化分類を決定することと、所定のマッピングルールを使用して、ユーザのためのクラスタ化分類に対応する動的クオータを決定することと、総取引費用を一時的な取引制限と比較することに基づいて、取引リクエストメッセージが承認されるかどうかを決定することであって、一時的な取引制限は、所定の制限と動的クオータとの組み合わせを含む、ことと、を含む。【選択図】 図２

Description

［関連技術の相互参照］
本出願は、２０１４年３月２５日に出願され名称を「Ａ ＭＥＴＨＯＤ ＡＮＤ Ａ ＰＬＡＴＦＯＲＭ ＦＯＲ ＰＲＯＣＥＳＳＩＮＧ ＢＩＧ ＤＡＴＡ（ビッグデータを処理するための方法およびプラットフォーム）」とする中国特許出願第２０１４１０１１３８７５．２号の優先権を主張する。この出願は、あらゆる目的のために、参照によって本明細書に組み込まれる。

本出願は、ビッグデータ処理技術の分野に関し、特に、ビッグデータを処理するための技術に関する。

インターネットは、膨大な量のデータを日々生成する。例えば、ブログ、ミニブログ、ならびにＴｗｉｔｔｅｒ、Ｆａｃｅｂｏｏｋ、およびその他のソーシャルネットワークなどの取引プラットフォームが、大量のデータを日々生成している。データは、あらゆる産業および産業機能に浸透している。一部のビジネスでは、取引の過程、製品の使用、および人の行動の情報が、全てデータに変換されている。

この生成されたデータは、膨大で、まとまりがなく、容易に識別可能ないかなる規則にも従わないように見えるが、その全体分布から見ると、特定の特徴を反映することができる特定の特性を有する。この膨大で乱雑なデータをどのように採掘して処理するかという問題は、ビッグデータおよびデータマイニングの分野における重要な研究テーマである。データマイニングは、不完全な、ノイズが多い、曖昧な、および／または無作為な、大量の実際用途のデータから情報および知識を抽出するプロセスである。このようなデータに含まれるだろう知識の厳密なタイプは、そのデータマイニング前には人々に知られていないだろうゆえに、データから採掘されるかもしれない知識は、非常に有用である可能性がある。

ビッグデータマイニングにおける処理として重要なタイプは、クラスタリング処置である。クラスタリング処置では、大量のデータオブジェクトセットを一連の有意な小セット、即ちクラスタに分割することができる。クラスタ分析は、データオブジェクトのグループを類似性および違いにしたがって幾つかのカテゴリに分割することからなる。クラスタ分析の目標は、その結果、同じカテゴリに属するデータ間で類似性が最大になり、異なるカテゴリのデータ間で類似性が最小になることである。クラスタ分析は、顧客の分類、顧客背景の解析、顧客の購入傾向の予測、市場の区分化、およびその他の分野に適用することができる。

クラスタ分析は、総じて、データオブジェクトのグループ分けを行うものであり、ここでは、類似のデータオブジェクトが、１つのカテゴリにまとめられる。代表的なクラスタリング方法は、ｋ平均クラスタリングである。ｋ平均クラスタリング技術は、ｋ個のクラスタの入力を受信し、Ｎ個のデータオブジェクトを含むデータベースを受信する。ｋ平均クラスタリング技術は、これらのＮ個のデータオブジェクトを取り上げて、それらを、最小二乗基準を満たすｋ個のクラスタに出力する。ｋ個のクラスタに割り振られるＮ個のデータオブジェクトのうち、同じクラスタ内のデータオブジェクトは、互いの類似性が大きく、異なるクラスタ内のデータオブジェクトは、互いの類似性が小さい。総じて、このタイプのクラスタ類似性は、各クラスタ内のデータオブジェクトの平均から得られる「中心オブジェクト」（引き付ける中心）を使用して計算することができる。

ｋ平均クラスタリング技術を実現するプロセスは、具体的には、以下を含む。

（１）Ｎ個のデータオブジェクトから、任意のｋ個のオブジェクトを初期クラスタ中心として選択する。

（２）各クラスタのオブジェクトの平均（中心オブジェクト）を使用し、各オブジェクトからこれらの中心オブジェクトまでの距離を計算し、対応するオブジェクトを最小距離にしたがって再分割する。

（もし変更があれば、）各クラスタの平均（中心オブジェクト）を再計算する。

（４）標準測定関数を計算する。例えば関数が収束するなどの、特定の条件が満たされたときに、クラスタリング技術は終了する。もし、条件が満たされないならば、クラスタリング技術はステップ（２）に戻る。

しかしながら、従来のクラスタリング分析は、少なくとも幾つかの欠点に見舞われる。１つ目の欠点は、ｋ平均クラスタリング技術は、オブジェクトの入力数Ｎが決まった値であることを要求することである。Ｎの値が変動値である状況では、例えばＮの値が１増えるなどのように、処理時にＮが変動するたびに、新しいデータ記録を１つ追加する処理を行う必要があり、これには、上述のようなステップ（１）から（４）の再実行が必要とされる。２つ目の欠点は、高品質のデータを処理する場合、上述のようなクラスタリングを実行するために、相当な量のハードウェアリソース（例えば、メモリリソースおよびプロセッサリソース）が必要とされることである。

以下の詳細な説明および添付の図面のなかで、本発明の様々な実施形態が開示される。

ユーザの取引のための一時的な取引制限を決定するためのシステムの一実施形態を示した図である。

ユーザの取引のための一時的な取引制限を決定するためのプロセスの一実施形態を示したフローチャートである。

ユーザの所定の制限を決定するプロセスの一例を示したフローチャートである。

集団内のデータ点の一例を示した図である。

集団内のデータ点ｄ₁からｄ₇の一例を示した図である。

ユーザのＲＦＭ数値に基づいてユーザを分類する決定木の一部分の一例を示した図である。

ユーザの取引のための一時的な取引制限を決定するためのシステムの一実施形態を示した図である。

所定制限計算ユニットの一実施形態を示した図である。

一時的な取引制限の生成を実行するためのプログラムドコンピュータシステムの一実施形態を示した機能図である。

本発明は、プロセス、装置、システム、合成物、コンピュータ読み取り可能ストレージ媒体に実装されたコンピュータプログラム製品、ならびに／または接続先のメモリに格納された命令および／もしくは接続先のメモリによって提供される命令を実行するように構成されたプロセッサなどのプロセッサを含む、数々の形態で実現することができる。本明細書では、これらの実現形態、または本発明がとりえるその他のあらゆる形態が、技術と称されてよい。総じて、開示されるプロセスのステップの順番は、本発明の範囲内で変更されてよい。別途明記されない限り、タスクを実施するように構成されるものとして説明されるプロセッサまたはメモリなどのコンポーネントは、所定時にタスクを実施するように一時的に構成される汎用コンポーネントとして、またはタスクを実施するように製造された特殊コンポーネントとして実装されてよい。本明細書で使用される「プロセッサ」という用語は、コンピュータプログラム命令などのデータを処理するように構成された１つ以上のデバイス、回路、および／または処理コアを言う。

本発明の原理を例示した添付の図面とともに、以下で、本発明の１つ以上の実施形態の詳細な説明が提供される。本発明は、このような実施形態に関連して説明されるが、いずれの実施形態にも限定されない。本発明の範囲は、特許請求の範囲によってのみ限定され、本発明は、数々の代替形態、変更形態、および均等物を包含している。以下の説明では、本発明の完全な理解を与えるために、数々の具体的詳細が明記されている。これらの詳細は、例示を目的として提供されるものであり、本発明は、これらの詳細の一部または全部を伴わずとも、特許請求の範囲にしたがって実施されてよい。明瞭を期するために、本発明に関係する技術分野で知られる技工物は、本発明が不必要に不明瞭にされないように、詳細には説明されていない。

電子商取引がますます普及するにつれて、人々の日常生活のなかで、支払いプラットフォームがこれまでになく重要な役割を果たしている。ユーザに発行されたクレジットカードを用いることによって、支払いプラットフォームは、支払いをユーザにとって途方もなく便利にし、ユーザのための優れた支払い体験を生み出した。しかしながら、支払いの利便性の向上は、取引のリスクも高め、リスクコントロールに対してさらに厳しい要件を課すようになった。リスクコントロールの重要な手段の１つは、ユーザの消費に課される制限である。支払いプラットフォームは、ユーザ取引に対して制限管理を課すことができる。比較的よくある手法は、決まった制限にしたがって取引を制限することである。例えば、支払いプラットフォームのために、ホワイトリストをセットアップすることができる。ホワイトリストに載っているユーザには、高めの制限を与える一方で、ホワイトリストに載っていないユーザには、低めの制限を与えることができる。こうすれば、ユーザが提示した消費がユーザの制限を超えているかどうかの査定に基づいて、ユーザの消費に制約を加えることができる。このような手法では、ユーザの消費制限は、通常は、手動で設定された決まった値である。別の言い方をすると、従来の技術では、ユーザの消費に課される制限が決まっており、ユーザごとにおよび状況ごとに調整することができない。

本明細書では、一時的な取引制限を決定する実施形態が説明される。取引リクエストメッセージが受信される。取引リクエストメッセージは、取引の承認を求めるリクエストを含む。取引リクエストメッセージは、少なくとも、総取引費用と、リクエストユーザに関係付けられた識別情報とを含む。総取引費用が、ユーザに関係付けられた所定の制限を上回る場合は、クラスタ化分類を形成するために、様々なユーザに関係付けられた過去取引データが取り出されて分析される。取引リクエストメッセージに関係付けられたユーザに対応するクラスタ化分類は、そのユーザに関係付けられた過去取引データを使用して決定される。ユーザに対応するクラスタ化分類に対応する動的クオータを決定するために、所定のマッピングルールが使用される。取引リクエストメッセージが承認されるかどうかは、総取引費用を、所定の制限と動的クオータとを組み合わせたものと比較することに基づいて決定される。

図１は、ユーザの取引のための一時的な取引制限を決定するためのシステムの一実施形態を示した図である。この例では、システム１００は、デバイス１０２と、ネットワーク１０４と、電子商取引プラットフォームサーバ１０６と、取引プラットフォームサーバ１０８とを含む。

デバイス１０２は、ユーザがそれを通じて電子商取引プラットフォームサーバ１０６に関係付けられた電子商取引プラットフォームにアクセス可能であるデバイスを含む。例えば、デバイス１０２は、スマートフォン、タブレット端末、デスクトップコンピュータ、ラップトップデバイス、携帯電話、および／または任意のタイプの計算機器を含んでいてよい。電子商取引プラットフォームサーバ１０６によって提供される電子商取引プラットフォームは、様々な製品に関係付けられたプロフィール／情報の表示に関係付けられたユーザインターフェースをウェブサイトにおよび／またはデバイス１０２で実行されているアプリケーションに提示するだろう。

ユーザは、デバイス１０２を使用して、電子商取引プラットフォームから購入するために製品を閲覧および選択することができる。ユーザが、自分が買いたいと思う１つ以上の製品を電子商取引プラットフォームで選択したら、電子商取引プラットフォームは、ユーザに関係付けられた識別情報および取引の総費用（総取引費用）などの、取引に関係付けられた情報を含む取引リクエストメッセージを生成することができる。電子商取引プラットフォームサーバ１０６は、この取引リクエストメッセージを取引プラットフォームサーバ１０８に送信するように構成される。

取引プラットフォームサーバ１０８は、取引リクエストメッセージが承認されるべきかどうかを決定するように構成される。取引プラットフォームサーバ１０８は、ユーザに関係付けられた所定の制限を総取引費用が上回るかどうかを決定するように構成される。様々な実装形態において、取引プラットフォームサーバ１０８は、クラスタ化分類を決定するために、様々なユーザに関係付けられた過去取引データを取り出すようにおよび該取り出されたデータを分析するように構成される。取引プラットフォームサーバ１０８は、ユーザに関係付けられた過去取引データを使用して、ユーザに対応するクラスタ化分類を決定するように構成される。取引プラットフォームサーバ１０８は、ユーザに対応するクラスタ化分類および所定のマッピングルールに基づいて、ユーザに対応する動的クオータを決定するように構成される。取引プラットフォームサーバ１０８は、少なくとも部分的に、総取引費用を、所定の制限と動的クオータとを組み合わせたものと比較することに基づいて、取引リクエストメッセージが承認されるどうかを決定するように構成される。

このように、様々な実装形態において、データマイニングが、様々な状況のなかでユーザごとに取引制限を柔軟に調整するために使用されてよい。

図２は、ユーザの取引のための一時的な取引制限を決定するためのプロセスの一実施形態を示したフローチャートである。一部の実施形態では、プロセス２００は、図１のシステム１００で実行される。

２０２では、取引リクエストメッセージが受信される。取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む。

取引リクエストメッセージは、ユーザのために未決取引の承認を求めるリクエストを含む。取引リクエストメッセージは、ユーザの未決注文を記述する情報を含む。例えば、ユーザは、電子商取引プラットフォームから購入するために１つ以上の製品を選択した。取引が承認可能であるかどうかを電子商取引プラットフォームサーバが決定するために、例えば、購入予定の製品のタイプ、購入予定の個々の製品の費用、購入予定の製品の費用の合計（総取引費用）、および注文を出したユーザの識別子が、電子商取引プラットフォームサーバによって取引リクエストメッセージに含められてよい。

２０４では、総取引費用が所定の制限を上回ることが決定される。

一部の実施形態では、ユーザのための取引ごとの所定の制限が、例えばシステム管理者によって、ユーザによって、または初期設定によって手動で設定されてよい。

他の一部の実施形態では、ユーザのための取引ごとの所定の制限は、支払いプラットフォームによって動的に決定されてもよい。例えば、支払いプラットフォームは、特定のルールにしたがって所定の制限を計算してよい。一具体例では、支払いプラットフォームは、密度ベースの外れ値除外モデルを使用して所定の制限を決定してよい。後述される図３は、密度ベースの外れ値除外モデルを使用してユーザのために所定の制限が決定される一例を説明している。

もし、取引リクエストメッセージに含まれる総取引費用が、ユーザのための取引ごとの所定の制限以下であると決定されたならば、取引リクエストメッセージに関係付けられた取引は承認され、プロセス２００は終了する。そうではなく、もし、取引リクエストメッセージに含まれる総取引費用が、ユーザのための取引ごとの所定の制限を上回ると決定されたならば、取引リクエストメッセージに関係付けられた取引は、ユーザの所定の制限を（一時的に）増やす額（動的クオータ）を決定するために、以下で説明されるステップを使用して引き続き処理される。

２０６では、総取引費用が所定の制限を上回るとの決定を受けて、複数のユーザに関係付けられた過去取引データが取り出される。

取引リクエストメッセージに含まれる総取引費用が、ユーザのための取引ごとの所定の制限を上回ると決定された後、現取引リクエストメッセージに関係付けられたユーザを含む様々なユーザに関係付けられた過去取引データが、ストレージから取り出される。過去取引データを取り出された様々なユーザは、これまでに取引リクエストメッセージを出したことがある電子商取引プラットフォームおよび／または支払いプラットフォームのユーザを含んでいてよい。各ユーザに関係付けられた過去取引データは、例えば、ユーザがいつ購入を行ったか（例えば、過去の取引に関係付けられたタイムスタンプ）、ユーザが何を購入したか（例えば、各過去の取引に関わった製品および／またはその他のアイテム）、ならびにユーザの過去の購入に関係付けられた費用（例えば、各過去の取引でユーザがいくら消費したか）を記述するデータを含む。

一部の実施形態では、取引プラットフォームおよび／または電子商取引プラットフォームに関係付けられたユーザの過去取引データは、データウェアハウスに格納されてよい。例えば、データウェアハウスは、巨大なデータベースを含む。このようなデータベースには、タスク編成されたデータベースから統合されたデータが格納される。例えば、データウェアハウスは、取引処理システム（例えば、オンライントランザクション処理（ＯＬＴＰ））から得られたデータを格納する。しかしながら、データを変換するおよび統合するプロセスが、データウェアハウスの確立時に難題となる恐れがある。データウェアハウスにとっての目的は、活動データを有用な戦略的情報に変換することである。一部の実施形態では、データウェアハウスは、以下のタイプのデータ、即ち統合データ、詳細および要約データ、過去データ、ならびにデータ解釈のためのデータを格納する。

２０８では、複数のユーザに関係付けられた過去取引データから、複数のクラスタ化分類が決定される。

１つ以上のクラスタを生成するために、様々なユーザに関係付けられた取り出された過去取引データに、データマイニングが適用される。ここでは、各クラスタは、対応する分類に関係付けられる。このように、一部の実施形態では、クラスタが、「クラスタ化分類」と呼ばれることがある。

様々なユーザに関係付けられた過去取引データを格納するデータウェアハウスを確立すること、およびデータウェアハウスにデータマイニングを適用することの主な目的は、データウェアハウスから、判断を行うのに有用な情報および知識を採掘することである。通常は、データマイニングを効率良く進めることができる前に、データウェアハウスが確立される必要がある。データウェアハウスに含まれるデータは、それ自体がクリーンで（例えば、データウェアハウスに格納されるデータには、誤ったデータが混ざっていないことが望ましい）、完全で、なおかつ統合されていることが望ましい。したがって、データウェアハウスの確立と、そこからのデータ採掘との間の関係は、恐らく、以下のように理解されるだろう。即ち、データマイニングは、巨大なデータウェアハウスの中で有用な情報を見つけるプロセスおよび技術である。大半の状況では、データマイニングは、データウェアハウスからデータマイニングデータベースまたはデータストアへデータを移すことを伴う。大量のデータを有用な情報に変換するためには、先ず、情報を効率良く収集する必要がある。機能一式を有するデータベースシステムが、データを収集するのに好ましいツールになっている。簡単に言うと、データウェアハウジングは、他のシステムから有用なデータを収集し、それらを統合ストレージ領域に入れることである。一部の実施形態では、処理および統合を経た特別に大容量のリレーショナルデータベースが、意思決定サポートまたはデータ解析に使用されるデータなどの、意思決定サポートシステムに必要とされるデータを格納するために使用される。未加工データは、例えば、リレーショナルデータベースの中のデータとして構造化可能である。未加工データは、また、テキスト、グラフィック、および画像データとして半構造化可能でもある。未加工データは、ひいては、ネットワークに分散された異種データであることも可能である。任意の適切なデータ発見技術が適用可能である。

一部の実施形態では、クラスタ処理のデータマイニング技術は、１つ以上のクラスタ化分類を決定するために、ユーザに関係付けられた所定の量の過去取引データに適用される。所定の量は、過去取引データ全体を適切に表したデータオブジェクトのサンプルであるように構成されてよい。

データマイニングは、いかなるクリアカットな仮定も伴わずに情報を掘り出して知識を発見するという点で、従来のデータ解析（例えば、照会またはステートメント分析またはオンライン分析処理など）とは本質的に異なる。データマイニングを通じて得られる情報は、これまで知られていなかった、効果的である、および実用的である、という３つの特性を有することが望ましい。これまで知られていなかった情報は、必ずしも事前に予測されたのではなかった情報である。データマイニングは、直感的に発見されるかもしれない情報もしくは知識を発見する、または直観に反する情報もしくは知識も発見することが望ましい。

一部の実施形態では、各ユーザのために格納される過去取引データは、１つ以上の取引データに関係付けられた１つ以上のデータオブジェクトを含んでいてよい。一具体例では、各ユーザデータオブジェクトは、３つの尺度、即ち最新の消費、消費の頻度、および消費金額に関するデータを含んでいてよい。

ＲＥＭ（最終購入日、購入頻度、および購入金額のことであり、それぞれ、最新の消費、消費の頻度、および消費金額を指している）モデルは、多数の顧客関係管理（ＣＲＭ）分析モデルに広く使用されている。ＲＦＭモデルは、顧客価値および顧客営利能力を測定するための、重要なツールおよび手段であると見なされる。このモデルは、顧客の価値状態を、３つの尺度、即ち最新の購入行為、購入の合計頻度、および消費した金額の観点から記述する。論理的には、最後の消費時間に近い顧客は、消費の可能性が大きい顧客である。これらの顧客は、直近の製品またはサービスの提供に応える可能性が最も高い顧客である。大量の過去データが、既に購入した顧客は引き続き購入する可能性が非常に高いことを示している。消費の頻度は、設定された期間内に顧客によってなされる購入の回数である。最も頻繁に購入する顧客が、最も満足している顧客だと言える。もし、顧客がブランドや店のこだわりを信じているならば、最も頻繁に購入する顧客は、こだわりも最も高いことになる。消費金額は、設定された期間内における消費の総金額であってよい。消費金額は、最も効果的な予測因子である。パレートの法則によると、企業の収益の８０％はその２０％の顧客からくると言う。上位１０％の顧客によって消費される金額は、次の階層の顧客による消費金額の少なくとも２倍であると考えられ、企業の全事業の４０％を超える割合を占めるだろう。累積率を考えれば、４０％の顧客が企業の全取引高の８０％に寄与すること、および６０％の顧客が企業の取引高の９０％を超える割合を占めることがわかるだろう。

一部の実施形態では、様々なユーザに関係付けられた所定の量の過去取引データは、３つの尺度、即ち最新の消費、消費の頻度、および消費金額を考慮してクラスタ化される。このように、結果として得られる各クラスタ化分類は、最新の消費、消費の頻度、および消費金額の各尺度に関係付けられた一定の範囲の値に関係付けられることになる。例えば、クラスタの結果にしたがって、３つのクラスタ化分類が形成されてよく、第１のクラスタ化分類は、高（例えば、各尺度について最も高い範囲の値）に関係付けられ、第２のクラスタ化分類は、中（例えば、各尺度について２番目に高い範囲の値）に関係付けられ、第３のクラスタ化分類は、低（例えば、各尺度について最も低い範囲の値）に関係付けられる。例えば、過去取引データのクラスタリングは、ｋ平均クラスタリング技術、ノイズがあるアプリケーションの密度ベースの空間クラスタリング（ＤＢＳＣＡＮ）技術、または階層クラスタリング技術などの、任意の適切なクラスタリング技術を使用して実施されてよい。

一部の実施形態では、ステップ２０８および２１０は、もし、これらのステップが最近（例えば、最近の所定の期間内に）実施されているならば、その後に続く取引リクエストメッセージごとに実施される必要はない。別の言い方をすると、クラスタ化分類は、必ずしも取引リクエストメッセージの受信ごとに必要ではなく、定期的に決定することができる。

２１０では、少なくとも部分的に、ユーザに関係付けられた過去取引データに基づいて、ユーザのために複数のクラスタ化分類の一クラスタ化分類が決定される。

様々なユーザに関係付けられた過去取引データのクラスタリングが完了し、対応する分類が得られた後は、取引リクエストメッセージに関係付けられたユーザの過去データに基づいて、そのユーザのためにこのような１つのクラスタ化分類を決定することができる。例えば、上で言及されたように作成された３つのクラスタ化分類は、高、中、および低で表される。

様々な実施形態において、取引リクエストメッセージに関係付けられたユーザの過去データは、ＲＦＭ方法を使用して数値（Ｒ値、Ｆ値、およびＭ値）に変換される。次いで、リクエストユーザのために、適切な１つのクラスタ化分類を決定するために、格納された１つ以上の決定木が、ユーザの過去データから導出されたＲＦＭ数値と併せて使用されてよい。例えば、ユーザのＲＦＭ値を得るために、ユーザの過去データを使用し、格納されたＲＦＭスコアリングルールにしたがってスコア付けを行うことができる。

図６は、ユーザのＲＦＭ数値に基づいてユーザを分類する決定木の一部分の一例を示している。図６に示されている決定木の部分の例は、ＲＦＭ値がＲ＞３．５、Ｆ＞４、およびＭ＞４を同時に満たすユーザが「高」クラスタ化分類のユーザとして分類されることを示している。図６に示されていない決定木の他の部分は、例えば、ＲＦＭ値がＲ＜２、Ｆ＜２、およびＭ＜２を同時に満たすユーザが「低」クラスタ化分類に分類されること、およびＲＦＭ値によって「高」クラスタ化分類にも「低」クラスタ化分類にも分類されないと見なされる残りのユーザが「中」クラスタ化分類のユーザとして分類可能であることを示しているかもしれない。

例えば、取引リクエストメッセージに関係付けられたユーザの過去データは、次のＲＦＭ値、即ちＲ＝３．７、Ｆ＝４．１、およびＭ＝４．３に変換される。したがって、図６に示された決定木の部分に基づいて、Ｒ＝３．７、Ｆ＝４．１、およびＭ＝４．３のユーザは、「高」クラスタ化分類として分類されてよい。

ステップ２１２に戻り、所定のマッピングルールを使用して、ユーザのためのクラスタ化分類に対応する動的クオータが決定される。

様々な実施形態において、「動的クオータ」は、ユーザの総取引費用をそこまで引き上げてリクエスト取引を承認させることができる、所定の制限よりも上の最大値を含む。様々な実施形態において、各クラスタ化分類（例えば、高、中、および低）を対応する動的クオータ値に関係付ける所定のマッピングルールが格納される。例えば、「高」クラスタ化分類は、マッピングルールを通じて＄２，０００の動的クオータにマッピングされ、「中」クラスタ化分類は、マッピングルールを通じて＄１，０００の動的クオータにマッピングされ、「低」クラスタ化分類は、＄５００の動的クオータにマッピングされる。

２１４では、少なくとも部分的に、総取引費用を一時的な取引制限と比較することに基づいて、取引リクエストメッセージが承認されるかどうかが決定される。ここで、一時的な取引制限は、所定の制限と動的クオータとを組み合わせたものを含む。

これよりも前に、２０４で、取引リクエストメッセージに含まれる総取引費用が、ユーザに関係付けられた所定の制限を上回ると決定されているので、ユーザの取引制限は、少なくとも部分的に、クラスタリング分析結果にしたがってユーザに関係付けられたクラスタ化分類に基づいて決定された動的クオータのぶんだけ一時的に引き上げられることが決定される。様々な実施形態において、一時的な取引制限は、所定の制限と動的クオータとの和である。ユーザのための所定の制限が、複数の取引を通じて変わらないのに対し、動的クオータは、ユーザの取引ごとに決定することができるので、ユーザのために決定される動的クオータは、ユーザの所定の制限を一時的に引き上げることだと捉えることができる。もし、総取引費用が、所定の制限と動的クオータとの和以下であるならば、取引リクエストメッセージに関係付けられた取引は、承認される。そうではなく、もし、総取引費用が、所定の制限と動的クオータとの和を上回るならば、取引リクエストメッセージに関係付けられた取引は、承認不可である。

一部の実施形態では、所定の量の過去取引データのクラスタリングが、プロセス２００の前に完了されてよい、なおかつ／あるいは、プロセス２００のたびに繰り返されなくてよい。ユーザから新しい取引リクエストメッセージが受信されるときは、この新しく受信されたデータを含む大量のデータをクラスタ化しなおす必要はない。反対に、取引リクエストメッセージに関係付けられたユーザに関係付けられた過去取引データに基づいてこれまでに決定された分類のなかで、対応するクラスタ化分類を検索し、所定のマッピングルールにしたがって、動的クオータを得ることができる。したがって、所定の制限と動的クオータとの和が、ユーザのための一時的な取引制限として機能してよく、次いで、ユーザによって送信された取引リクエストメッセージに含まれる総取引費用が承認されてよいかどうかについて、一時的な取引制限に基づいて判断を下すことが可能である。

以下は、プロセス２００を適用する一例である。ユーザＡに関係付けられた識別情報を含む取引リクエストメッセージが、取引プラットフォームサーバで受信される。このリクエストメッセージに含まれる総取引費用は、＄２，５００である。このユーザのための所定の制限は、例えば、＄２，０００である。一部の実施形態では、所定の制限は、決まった値である。一部の実施形態では、所定の制限は、図３に関連して後述される技術を使用して動的に決定される。複数のクラスタ分類のなかからユーザの過去データにしたがってこのユーザのために得られるクラスタ化分類は、中であり、所定のマッピングルールにしたがうと、中のクラスタ化分類に対応する動的クオータは、＄１，０００である。したがって、ユーザのための一時的な制限は、所定の制限と動的クオータとの和、即ち、＄１，０００＋＄２，０００＝＄３，０００である。取引リクエストメッセージに関係付けられた総取引費用＄２，５００は、一時的な制限＄３，０００未満である。したがって、取引リクエストメッセージに関係付けられた取引は、承認可である。例えば、取引リクエストメッセージが承認される場合は、その総取引費用に関係付けられたリクエスト取引を完了させることができ、取引リクエストメッセージに関係付けられた製品は、リクエストユーザによって購入されることを承認される。しかしながら、もし、取引リクエストメッセージに関係付けられた総取引費用が、＄３，５００であるならば、これは、一時的な制限＄３，０００を上回ることになり、取引リクエストメッセージに関係付けられた取引は、拒絶されるだろう。

図３は、ユーザの所定の制限を決定するプロセスの一例を示したフローチャートである。一部の実施形態では、プロセス３００は、図１のシステム１００で実行される。一部の実施形態では、図２のプロセス２００のステップ２０４で使用された所定の制限を、プロセス３００の例を使用して決定することができる。

密度ベースの外れ値除外モデルでは、データ点間の差が、一次元空間内の「距離」であると見なされ、データ点全体が、「集団」であると見なされる。したがって、各「集団」内において特に散在するデータ点は、「外れ値」であると見なされる。プロセス３００の例では、データ点は、ユーザの過去取引費用を含む。ユーザの過去取引費用は、ユーザによってリクエストされた過去の取引に関係付けられた総費用を含む。図４の例に示されるように、領域Ｄ内のデータ点は、比較的集中しており、集団内における高密度点である。領域Ｅ、Ｆ、Ｇ内のデータ点は、比較的散在しており、したがって、「外れ値」として言及される。プロセス３００は、ユーザに関係付けられた外れ値の過去取引費用が除外されてユーザのための所定の制限の決定に使用されない一例を説明している。

３０２では、ユーザに関係付けられた複数の過去取引費用が、ランク付けされる。

一部の実施形態では、ユーザに関係付けられたｎ個の過去取引費用を、取引費用に基づいてランク付けすることができる。例えば、取引費用は、最も小さいものから順にランク付けされる。例えば、ランク付けされた過去取引費用は、ｄ₁、ｄ₂、……、ｄ_nである。

３０４では、所定の式を使用して外れ値条件が決定される。

一部の実施形態では、所定の式は、次のとおりである。

式（１）において、ｉは、ｉ番目の取引を示し、ｄ₁、ｄ₂、……、ｄ_nは、ランク付けされた過去取引費用であり、Ｃは、閾値に設定され、ｋは、事前設定距離に設定される。したがって、上述された式によると、ｉ番目の取引費用（ｄ_i）からｋ取引ぶんだけ離れた取引費用までの距離が閾値Ｃを上回るときに、ｉ番目の取引費用（ｄ_i）は、外れ値であると見なされる。

したがって、値Ｃおよびｋを設定することによって、式（１）は、外れ値であるための条件を満たすｉ番目の（１つまたは複数の）過去取引費用を決定するために使用することができる。

３０６では、複数の過去取引費用のなかから、外れ値条件を満たす１つ以上の過去取引費用が決定される。

具体的な数を使用した一例として、図５を参照するとよい。図５は、過去取引費用の集団ｄ₁〜ｄ₇に関係付けられたデータ点を示している。過去取引費用ｄ₁〜ｄ₇は、小さいものから順にｄ₁＝１００、ｄ₂＝１１０、ｄ₃＝１２３、ｄ₄＝１９５、ｄ₅＝２２９、ｄ₆＝１４１０、およびｄ₇＝２１００である。図５の例では、Ｃは３００に設定され、ｋは３に設定される。したがって、式（１）を適用することによって、下記が得られる。

したがって、ｄ₆およびｄ₇は、外れ値であると決定され、集団から除外される。集団内の残りのデータ点は、ｄ₁〜ｄ₅を含む。

３０８では、少なくとも部分的に、外れ値条件を満たす１つ以上の過去取引費用を除外した複数の過去取引費用からの最大値に基づいて、ユーザに関係付けられる所定の制限が決定される。

ｄ₁〜ｄ₅の最大値は、２２９である。したがって、最大値２２９が、ユーザのための所定の制限として設定される。

一部の実施形態では、取引リクエストメッセージは、取引に関係付けられた１つ以上の製品タイプを含んでいてよい。即ち、取引リクエストメッセージは、複数の異なるタイプの各製品の個々の費用を含んでいてよい。これらの複数の異なる製品タイプは、異なる取引状況に対応しているかもしれない。取引リクエストメッセージに関係付けられた取引状況が複数ある場合は、このような各状況に所定の制限が関係付けられていてよい。

図７は、ユーザの取引のための一時的な取引制限を決定するためのシステムの一実施形態を示した図である。この例では、システム７００は、受信ユニット７１０と、照会ユニット７２０と、検索ユニット７３０と、マッピングユニット７４０と、検証ユニット７５０とを含む。

これらのユニットは、１つ以上の汎用プロセッサ上で実行されるソフトウェアコンポーネントとして、またはプログラマブルロジックデバイスおよび／もしくは設計された特殊用途向け集積回路などのハードウェアとして実装することができる。これらの要素は、本発明の実施形態で説明される方法を（パソコン、サーバ、ネットワーク機器等などの）コンピュータデバイスに実行させるための幾つかの命令を含み、なおかつ（光ディスク、フラッシュストレージデバイス、モバイルハードディスク等などの）不揮発性ストレージ媒体に格納することができるソフトウェア製品の形態で具現化することができる。これらのユニットは、１つのデバイス上に実装されてよい、または複数のデバイスに分散されてよい。

受信ユニット７１０は、取引リクエストメッセージを受信するように構成される。取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む。取引リクエストメッセージは、取引に関係付けられた製品タイプの１つ以上のまとまりを記述していてもよい。

照会ユニット７２０は、総取引費用を、ユーザに関係付けられた所定の制限と比較するように構成される。照会ユニット７２０は、受信ユニット７１０によって受信された取引リクエストメッセージに関係付けられた総取引費用が所定の制限を上回る場合に、様々なユーザに関係付けられた過去取引データを照会するように構成される。

検索ユニット７３０は、様々なユーザに関係付けられた過去取引データの少なくとも一部分から、複数のクラスタ化分類を決定するように構成される。一部の実施形態では、クラスタ化分類は、様々なユーザに関係付けられた所定の量の過去取引データに、３つの尺度、即ち、最新の消費、消費の頻度、および消費の金額を考慮したクラスタリング処置を施した後に得られる。ビッグデータシミュレーションシナリオを用いることによって、新しいニーズが明らかになり、投資の利益率が上がる。ビッグデータ分析技術は、業者がこのデータを従来の行為データと併せてリアルタイムで格納および分析すること、ならびにそれをさらに高い費用効率で行うことを可能にする。ビッグデータ技術によって、このデータは、統合されてデータマイニングを経ることができる。その際は、様々な変数下でいずれのやり方が最も高い投資利益率を有するかを査定するために、一部の状況下でモデルシミュレーションを使用することができる。

検索ユニット７３０は、また、取引リクエストメッセージに関係付けられたユーザに対応するクラスタ化分類を、取引リクエストメッセージに関係付けられたユーザの過去取引データに基づいて決定するように構成される。

マッピングユニット７４０は、取引リクエストメッセージに関係付けられたユーザに関係付けられたクラスタ化分類に対応する動的クオータを、所定のマッピングルールにしたがって決定するように構成される。

検証ユニット７５０は、総取引費用が所定の制限と動的クオータとの和以下である場合に、取引リクエストメッセージを承認するように構成される。検証ユニット７５０は、総取引費用が所定の制限と動的クオータとの和を上回る場合に、取引リクエストメッセージを拒絶するように構成される。

図８は、所定制限計算ユニットの一実施形態を示した図である。この例では、システム８００の所定制限計算ユニット８６０は、受信ユニット８１０および照会ユニット８２０に接続される。受信ユニット８１０、照会ユニット８２０、検索ユニット８３０、マッピングユニット８４０、および検証ユニット８５０は、図７の受信ユニット７１０、照会ユニット７２０、検索ユニット７３０、マッピングユニット７４０、および検証ユニット７５０と同様に実装することができる。

ランク付けユニット８６１は、ユーザに関係付けられた過去取引費用をランク付けするように構成される。例えば、ユーザは、取引リクエストメッセージに関係付けられている。

査定ユニット８６２は、所定の式を使用して外れ値条件を決定するように構成される。

式（１）は、上述のように、ｉがｉ番目の取引を示し、ｄ₁、ｄ₂、……、ｄ_nがランク付けされた過去取引費用であり、Ｃが閾値に設定され、ｋが事前設定距離に設定される、所定の式である。したがって、上述された式を使用すると、ｉ番目の取引費用（ｄ_i）からｋ取引ぶんだけ離れた取引費用までの距離が閾値Ｃを上回るときに、ｉ番目の取引費用（ｄ_i）は、外れ値であると見なされる。したがって、値Ｃおよびｋを設定することによって、式（１）は、外れ値であるための条件を満たすｉ番目の過去取引費用を決定するために使用することができる。

除外ユニット８６３は、複数の過去取引費用のなかから、外れ値条件を満たす１つ以上の過去取引費用を決定するように構成される。

設定ユニット８６４は、ユーザのための所定の制限を、外れ値条件を満たす１つ以上の過去取引費用を除外した複数の過去取引費用からの最大値として決定するように構成される。

一実施形態では、クラスタ化分類は、所定の量のビッグデータがクラスタ化処理を経た後に得られる分類を含む。

図９は、一時的な取引制限の生成を実行するためのプログラムドコンピュータシステムの一実施形態を示した機能図である。明らかなように、一時的な取引制限の生成には、その他のコンピュータシステムアーキテクチャおよび構成を使用することもできる。後述のような様々なサブシステムを含むコンピュータシステム９００は、少なくとも１つのマイクロプロセッササブシステム（プロセッサまたは中央演算処理装置（ＣＰＵ）とも呼ばれる）９０２を含む。例えば、プロセッサ９０２は、シングルチッププロセッサによってまたは複数のプロセッサによって実装することができる。一部の実施形態では、プロセッサ９０２は、コンピュータシステム９００の動作を制御する汎用デジタルプロセッサである。メモリ９１０から取り出された命令を使用して、プロセッサ９０２は、入力データの受信および操作、ならびに出力デバイス（例を挙げると、ディスプレイ９１８）へのデータの出力および表示を制御する。一部の実施形態では、プロセッサ９０２は、一時的な取引制限の生成を含む、および／または一時的な取引制限を生成するために使用される。

プロセッサ９０２は、メモリ９１０に双方向に接続され、メモリ９１０は、通常はランダムアクセスメモリ（ＲＡＭ）である第１の一次ストレージと、通常は読み出し専用メモリ（ＲＯＭ）である第２の一次ストレージエリアとを含むことができる。当該分野で周知のように、一次ストレージは、汎用ストレージエリアとしておよびスクラッチパッドメモリとして使用することができ、入力データおよび処理済みデータを格納するために使用することもできる。一次ストレージは、プログラミング命令およびデータを、プロセッサ９０２上で起きるプロセスのためのその他のデータおよび命令に加えて、データオブジェクトおよびテキストオブジェクトの形態で格納することもできる。やはり当該分野で周知のように、一次ストレージは、通常は、プロセッサ９０２がその機能（例を挙げると、プログラムド命令）を実施するために使用する基本的な動作命令、プログラムコード、データ、およびオブジェクトを含む。例えば、メモリ９１０は、例えば、データアクセスが双方向または単方向のいずれである必要があるかに応じ、後述の任意の適切なコンピュータ読み取り可能ストレージ媒体を含むことができる。例えば、プロセッサ９０２は、頻繁に必要とされるデータを、直接的に且つ非常に迅速に取り出してキャッシュメモリ（不図示）に格納することもできる。

着脱式大容量ストレージデバイス９１２は、コンピュータシステム９００のための追加のデータストレージ容量を提供し、双方向（読み出し／書き込み）にまたは単方向（読み出しのみ）のいずれかでプロセッサ９０２に接続される。例えば、ストレージ９１２は、磁気テープ、フラッシュメモリ、ＰＣカード、ポータブル大容量ストレージデバイス、ホログラフィックストレージデバイス、およびその他のストレージデバイスなどの、コンピュータ読み取り可能媒体を含むこともできる。例えば、固定大容量ストレージ９２０が、追加のデータストレージ容量を提供することもできる。大容量ストレージ９２０として最も一般的な例は、ハードディスクドライブである。大容量ストレージ９１２および９２０は、一般に、プロセッサ９０２によって通常は能動的に使用されていない追加のプログラミング命令やデータといったものを格納する。大容量ストレージ９１２および９２０に保持される情報は、必要に応じて、仮想メモリとしてメモリ９１０（例を挙げると、ＲＡＭ）の一部に標準的に組み込み可能であることがわかる。

バス９１４は、プロセッサ９０２がストレージサブシステムにアクセスすることを可能にすることに加えて、その他のサブシステムおよびデバイスへのアクセスを可能にするために使用することもできる。図に示されるように、これらとしては、ディスプレイ９１８、ネットワークインターフェース９１６、キーボード９０４、およびポインティングデバイス９０８はもちろん、必要に応じて、補助入出力デバイスインターフェース、サウンドカード、スピーカ、およびその他のサブシステムが挙げられる。例えば、ポインティングデバイス９０８は、マウス、スタイラス、トラックボール、またはタブレットであってよく、グラフィカルユーザインターフェースとのやり取りに有用である。

ネットワークインターフェース９１６は、図に示されるようなネットワーク接続を使用してプロセッサ９０２が別のコンピュータ、コンピュータネットワーク、または電気通信ネットワークに接続されることを可能にする。例えば、ネットワークインターフェース９１６を通じて、プロセッサ９０２は、方法／プロセスのステップを実施する過程において、別のネットワークから情報（例えば、データオブジェクトもしくはプログラム命令）を受信する、または別のネットワークに情報を出力することができる。情報は、プロセッサ上で実行される一連の命令として表されることが多く、別のネットワークから受信する、または別のネットワークに出力することができる。コンピュータシステム９００を外部ネットワークに接続するためにおよびデータを標準プロトコルにしたがって転送するために、インターフェースカードまたは類似のデバイス、およびプロセッサ９０２によって実現される（例えば、プロセッサ９０２上で実行される／実施される）適切なソフトウェアを使用することができる。例えば、本明細書で開示される様々なプロセスの実施形態は、プロセッサ９０２上で実行することができる、または処理の一部を共有するリモートプロセッサと協働でインターネット、イントラネットネットワーク、もしくはローカルエリアネットワークなどのネットワークで実施することができる。プロセッサ９０２には、ネットワークインターフェース９１６を通じて追加の大容量ストレージデバイス（不図示）を接続することもできる。

コンピュータシステム９００と協働して、補助入出力デバイスインターフェース（不図示）を使用することができる。補助入出力デバイスインターフェースは、プロセッサ９０２がマイク、タッチセンサ式ディスプレイ、トランスデューサカードリーダ、テープリーダ、音声または手書き文字認識装置、生体認証リーダ、カメラ、ポータブル大容量ストレージデバイス、およびその他のコンピュータなどの他のデバイスにデータを送信することを、およびさらに一般的にはこれらの他のデバイスからデータを受信することを可能にする、汎用ならびに専用のインターフェースを含むことができる。

上述の実施形態にしたがって説明されたシステム、デバイス、モジュール、またはユニットは、コンピュータチップもしくはエンティティによって、または特定の機能を保持しているコンピュータによって実現されてよい。

説明の便宜上、上記のデバイスを説明するときは、それぞれの機能を個別のユニットとして説明している。もちろん、本出願を実行に移す際は、様々なユニットの機能が同じまたは複数のソフトウェア構成および／またはハードウェア構成で実現されてよい。

上記の実施形態の説明を通じてわかるように、当業者ならば、本出願が、ソフトウェアとそれに加えて必要な共通のハードウェアプラットフォームとの助けによって実現可能であることを、明確に理解することができる。このような理解をもとに、本出願の技術的なやり方のエッセンス、または先行技術に寄与する部分は、ソフトウェア製品の形態で具現化可能である。コンピュータソフトウェア製品は、ＲＯＭ／ＲＡＭ、磁気ディスク、または光ディスクなどのストレージ媒体に格納されてよく、本出願の様々な実施形態によって説明されたプロセスまたはそれらの実施形態の特定の部分をコンピュータ機器（パソコン、サーバ、またはネットワーク機器であることができる）に実行させるために使用される何らかのコマンドを含む。

本出願は、多くの汎用または専用のコンピュータシステムまたは構成で使用されてよい。例として、パソコン、サーバ、ハンドヘルドデバイスまたはポータブル機器、タブレット型端末、マルチプロセッサベースのシステム、セットトップボックス、プログラム可能な家庭用電子機器、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータ、上記の任意のシステムまたは機器を含む分散コンピューティング環境が挙げられる。

本出願は、プログラムモジュールのように、コンピュータによって実行されるコンピュータ実行可能コマンドを一般的背景として説明することができる。総じて、プログラムモジュールは、特定のタスクを実行するためのまたは特定の抽象データ型を実現するための、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造等を含む。本出願は、また、分散コンピューティング環境内で行うこともでき、このような分散コンピューティング環境では、タスクは、通信ネットワークを通じて接続された遠隔処理機器によって実行される。分散コンピューティング環境では、プログラムモジュールは、ストレージ機器を含むローカルコンピュータまたはリモートコンピュータにあるストレージ媒体上に位置付けることができる。

本出願は、実施形態を通じて描写されてきたが、当業者ならば、本出願が、本出願の趣旨から逸脱しない多くの変形およびヴァリエーションを有することがわかる。

以上の実施形態は、理解を明瞭にする目的で幾らか詳細に説明されてきたが、本発明は、提供された詳細に限定されない。本発明を実現するには、数々の代替手法がある。開示された実施形態は、例示的なものであり、限定的なものではない。

以上の実施形態は、理解を明瞭にする目的で幾らか詳細に説明されてきたが、本発明は、提供された詳細に限定されない。本発明を実現するには、数々の代替手法がある。開示された実施形態は、例示的なものであり、限定的なものではない。
本発明は、たとえば、以下のような態様で実現することもできる。

適用例１：
システムであって、
取引リクエストメッセージを受信するための受信ユニットであって、前記取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む、受信ユニットと、
照会ユニットであって、
前記総取引費用があらかじめ定められた制限を上回ることを決定し、
前記総取引費用が前記あらかじめ定められた制限を上回るとの決定を受けて、複数のユーザに関係付けられた過去取引データを取り出す、照会ユニットと、
検索ユニットであって、
前記複数のユーザに関係付けられた前記過去取引データから、複数のクラスタ化分類を決定し、
少なくとも部分的に、前記ユーザに関係付けられた過去取引データに基づいて、前記複数のクラスタ化分類から一つのクラスタ化分類を決定する、検索ユニットと、
あらかじめ定められたマッピングルールを使用して、前記ユーザのための前記クラスタ化分類に対応する動的クオータを決定するマッピングユニットと、
少なくとも部分的に、前記総取引費用を一時的な取引制限と比較することに基づいて、前記取引リクエストメッセージが承認されるかどうかを決定する検証ユニットであって、前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの組み合わせを含む、検証ユニットと、
を備えるシステム。

適用例２：
適用例１に記載のシステムであって、
前記あらかじめ定められた制限は、ユーザ設定される、システム。

適用例３：
適用例１に記載のシステムであって、
前記照会ユニットは、さらに、前記あらかじめ定められた制限を決定するように構成される、システム。

適用例４：
適用例３に記載のシステムであって、
前記ユーザに関係付けられた前記過去取引データは、前記ユーザに関係付けられた複数の過去取引費用を含み、
前記あらかじめ定められた制限を決定することは、
前記ユーザに関係付けられた前記複数の過去取引費用をランク付けすることと、
外れ値条件を決定することと、
前記複数の過去取引費用から、前記外れ値条件を満たす１つ以上の過去取引費用を決定することと、
少なくとも部分的に、前記外れ値条件を満たす前記１つ以上の過去取引費用を除外した前記複数の過去取引費用からの最大値に基づいて、前記ユーザに関係付けられた前記あらかじめ定められた制限を決定することと、
を含む、システム。

適用例５：
適用例４に記載のシステムであって、
前記外れ値条件は、少なくとも部分的に、

に基づいて決定され、ここで、ｉは、ｉ番目の取引を示し、ｄ ₁ 、ｄ ₂ 、……、ｄ _n は、ランク付けされた複数の過去取引費用を含み、Ｃは、閾値に設定され、ｋは、事前設定距離に設定される、システム。

適用例６：
適用例１に記載のシステムであって、
前記複数のユーザに関係付けられた前記過去取引データから、前記複数のクラスタ化分類を決定することは、前記複数のユーザに関係付けられた前記過去取引データの少なくとも一部分に対し、１つ以上の尺度にしたがってクラスタリングを実施することを含む、システム。

適用例７：
適用例６に記載のシステムであって、
前記１つ以上の尺度は、最新の消費、消費の頻度、および消費金額のうちの１つ以上を含む、システム。

適用例８：
適用例１に記載のシステムであって、
少なくとも部分的に、前記ユーザに関係付けられた前記過去取引データに基づいて、前記複数のクラスタ化分類から前記一つのクラスタ化分類を決定することは、
前記ユーザに関係付けられた前記過去取引データを、１つ以上の尺度に対応する値に変換することと、
前記１つ以上の尺度に対応する前記値を、前記クラスタ化分類に関係付けられた前記１つ以上の尺度に対応する値範囲と比較することと、
を含む、システム。

適用例９：
適用例１に記載のシステムであって、
前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの和を含む、システム。

適用例１０：
方法であって、
取引リクエストメッセージを受信することであって、前記取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む、取引リクエストメッセージの受信と、
前記総取引費用があらかじめ定められた制限を上回ることを決定することと、
前記総取引費用が前記あらかじめ定められた制限を上回るとの決定を受けて、複数のユーザに関係付けられた過去取引データを取り出すことと、
前記複数のユーザに関係付けられた前記過去取引データから、複数のクラスタ化分類を決定することと、
１つ以上のプロセッサを使用し、少なくとも部分的に、前記ユーザに関係付けられた過去取引データに基づいて、前記複数のクラスタ化分類から一つのクラスタ化分類を決定することと、
あらかじめ定められたマッピングルールを使用して、前記ユーザのための前記クラスタ化分類に対応する動的クオータを決定することと、
少なくとも部分的に、前記総取引費用を一時的な取引制限と比較することに基づいて、前記取引リクエストメッセージが承認されるかどうかを決定することであって、前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの組み合わせを含む、ことと、
を備える方法。

適用例１１：
適用例１に記載の方法であって、
前記あらかじめ定められた制限は、ユーザ設定される、方法。

適用例１２：
適用例１に記載の方法であって、さらに、
前記あらかじめ定められた制限を決定することを備える方法。

適用例１３：
適用例１２に記載の方法であって、
前記ユーザに関係付けられた前記過去取引データは、前記ユーザに関係付けられた複数の過去取引費用を含み、前記あらかじめ定められた制限を決定することは、
前記ユーザに関係付けられた前記複数の過去取引費用をランク付けすることと、
外れ値条件を決定することと、
前記複数の過去取引費用から、前記外れ値条件を満たす１つ以上の過去取引費用を決定することと、
少なくとも部分的に、前記外れ値条件を満たす前記１つ以上の過去取引費用を除外した前記複数の過去取引費用からの最大値に基づいて、前記ユーザに関係付けられた前記あらかじめ定められた制限を決定することと、
を含む、方法。

適用例１４：
適用例１３に記載の方法であって、
前記外れ値条件は、少なくとも部分的に、

に基づいて決定され、ここで、ｉは、ｉ番目の取引を示し、ｄ ₁ 、ｄ ₂ 、……、ｄ _n は、ランク付けされた複数の過去取引費用を含み、Ｃは、閾値に設定され、ｋは、事前設定距離に設定される、方法。

適用例１５：
適用例１０に記載の方法であって、
前記複数のユーザに関係付けられた前記過去取引データから、前記複数のクラスタ化分類を決定することは、前記複数のユーザに関係付けられた前記過去取引データの少なくとも一部分に対し、１つ以上の尺度にしたがってクラスタリングを実施することを含む、方法。

適用例１６：
適用例１５に記載の方法であって、
前記１つ以上の尺度は、最新の消費、消費の頻度、および消費金額のうちの１つ以上を含む、方法。

適用例１７：
適用例１０に記載の方法であって、
少なくとも部分的に、前記ユーザに関係付けられた前記過去取引データに基づいて、前記複数のクラスタ化分類から前記一つのクラスタ化分類を決定することは、
前記ユーザに関係付けられた前記過去取引データを、１つ以上の尺度に対応する値に変換することと、
前記１つ以上の尺度に対応する前記値を、前記クラスタ化分類に関係付けられた前記１つ以上の尺度に対応する値範囲と比較することと、
を含む、方法。

適用例１８：
適用例１０に記載の方法であって、
前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの和を含む、方法。

適用例１９：
有体の非一過性のコンピュータ読み取り可能ストレージ媒体に盛り込まれたコンピュータプログラム製品であって、
取引リクエストメッセージを受信するためのコンピュータ命令であって、前記取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む、コンピュータ命令と、
前記総取引費用があらかじめ定められた制限を上回ることを決定するためのコンピュータ命令と、
前記総取引費用が前記あらかじめ定められた制限を上回るとの決定を受けて、複数のユーザに関係付けられた過去取引データを取り出すためのコンピュータ命令と、
前記複数のユーザに関係付けられた前記過去取引データから、複数のクラスタ化分類を決定するためのコンピュータ命令と、
少なくとも部分的に、前記ユーザに関係付けられた過去取引データに基づいて、前記複数のクラスタ化分類から一つのクラスタ化分類を決定するためのコンピュータ命令と、
あらかじめ定められたマッピングルールを使用して、前記ユーザのための前記クラスタ化分類に対応する動的クオータを決定するためのコンピュータ命令と、
少なくとも部分的に、前記総取引費用を一時的な取引制限と比較することに基づいて、前記取引リクエストメッセージが承認されるかどうかを決定するためのコンピュータ命令であって、前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの組み合わせを含む、コンピュータ命令と、
を備えるコンピュータプログラム製品。

Claims (19)

1. システムであって、
   取引リクエストメッセージを受信するための受信ユニットであって、前記取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む、受信ユニットと、
   照会ユニットであって、
   前記総取引費用があらかじめ定められた制限を上回ることを決定し、
   前記総取引費用が前記あらかじめ定められた制限を上回るとの決定を受けて、複数のユーザに関係付けられた過去取引データを取り出す、照会ユニットと、
   検索ユニットであって、
   前記複数のユーザに関係付けられた前記過去取引データから、複数のクラスタ化分類を決定し、
   少なくとも部分的に、前記ユーザに関係付けられた過去取引データに基づいて、前記複数のクラスタ化分類から一つのクラスタ化分類を決定する、検索ユニットと、
   あらかじめ定められたマッピングルールを使用して、前記ユーザのための前記クラスタ化分類に対応する動的クオータを決定するマッピングユニットと、
   少なくとも部分的に、前記総取引費用を一時的な取引制限と比較することに基づいて、前記取引リクエストメッセージが承認されるかどうかを決定する検証ユニットであって、前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの組み合わせを含む、検証ユニットと、
   を備えるシステム。
2. 請求項１に記載のシステムであって、
   前記あらかじめ定められた制限は、ユーザ設定される、システム。
3. 請求項１に記載のシステムであって、
   前記照会ユニットは、さらに、前記あらかじめ定められた制限を決定するように構成される、システム。
4. 請求項３に記載のシステムであって、
   前記ユーザに関係付けられた前記過去取引データは、前記ユーザに関係付けられた複数の過去取引費用を含み、
   前記あらかじめ定められた制限を決定することは、
   前記ユーザに関係付けられた前記複数の過去取引費用をランク付けすることと、
   外れ値条件を決定することと、
   前記複数の過去取引費用から、前記外れ値条件を満たす１つ以上の過去取引費用を決定することと、
   少なくとも部分的に、前記外れ値条件を満たす前記１つ以上の過去取引費用を除外した前記複数の過去取引費用からの最大値に基づいて、前記ユーザに関係付けられた前記あらかじめ定められた制限を決定することと、
   を含む、システム。
5. 請求項４に記載のシステムであって、
   前記外れ値条件は、少なくとも部分的に、
   

   

   に基づいて決定され、ここで、ｉは、ｉ番目の取引を示し、ｄ₁、ｄ₂、……、ｄ_nは、ランク付けされた複数の過去取引費用を含み、Ｃは、閾値に設定され、ｋは、事前設定距離に設定される、システム。
6. 請求項１に記載のシステムであって、
   前記複数のユーザに関係付けられた前記過去取引データから、前記複数のクラスタ化分類を決定することは、前記複数のユーザに関係付けられた前記過去取引データの少なくとも一部分に対し、１つ以上の尺度にしたがってクラスタリングを実施することを含む、システム。
7. 請求項６に記載のシステムであって、
   前記１つ以上の尺度は、最新の消費、消費の頻度、および消費金額のうちの１つ以上を含む、システム。
8. 請求項１に記載のシステムであって、
   少なくとも部分的に、前記ユーザに関係付けられた前記過去取引データに基づいて、前記複数のクラスタ化分類から前記一つのクラスタ化分類を決定することは、
   前記ユーザに関係付けられた前記過去取引データを、１つ以上の尺度に対応する値に変換することと、
   前記１つ以上の尺度に対応する前記値を、前記クラスタ化分類に関係付けられた前記１つ以上の尺度に対応する値範囲と比較することと、
   を含む、システム。
9. 請求項１に記載のシステムであって、
   前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの和を含む、システム。
10. 方法であって、
    取引リクエストメッセージを受信することであって、前記取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む、取引リクエストメッセージの受信と、
    前記総取引費用があらかじめ定められた制限を上回ることを決定することと、
    前記総取引費用が前記あらかじめ定められた制限を上回るとの決定を受けて、複数のユーザに関係付けられた過去取引データを取り出すことと、
    前記複数のユーザに関係付けられた前記過去取引データから、複数のクラスタ化分類を決定することと、
    １つ以上のプロセッサを使用し、少なくとも部分的に、前記ユーザに関係付けられた過去取引データに基づいて、前記複数のクラスタ化分類から一つのクラスタ化分類を決定することと、
    あらかじめ定められたマッピングルールを使用して、前記ユーザのための前記クラスタ化分類に対応する動的クオータを決定することと、
    少なくとも部分的に、前記総取引費用を一時的な取引制限と比較することに基づいて、前記取引リクエストメッセージが承認されるかどうかを決定することであって、前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの組み合わせを含む、ことと、
    を備える方法。
11. 請求項１に記載の方法であって、
    前記あらかじめ定められた制限は、ユーザ設定される、方法。
12. 請求項１に記載の方法であって、さらに、
    前記あらかじめ定められた制限を決定することを備える方法。
13. 請求項１２に記載の方法であって、
    前記ユーザに関係付けられた前記過去取引データは、前記ユーザに関係付けられた複数の過去取引費用を含み、前記あらかじめ定められた制限を決定することは、
    前記ユーザに関係付けられた前記複数の過去取引費用をランク付けすることと、
    外れ値条件を決定することと、
    前記複数の過去取引費用から、前記外れ値条件を満たす１つ以上の過去取引費用を決定することと、
    少なくとも部分的に、前記外れ値条件を満たす前記１つ以上の過去取引費用を除外した前記複数の過去取引費用からの最大値に基づいて、前記ユーザに関係付けられた前記あらかじめ定められた制限を決定することと、
    を含む、方法。
14. 請求項１３に記載の方法であって、
    前記外れ値条件は、少なくとも部分的に、
    

    

    に基づいて決定され、ここで、ｉは、ｉ番目の取引を示し、ｄ₁、ｄ₂、……、ｄ_nは、ランク付けされた複数の過去取引費用を含み、Ｃは、閾値に設定され、ｋは、事前設定距離に設定される、方法。
15. 請求項１０に記載の方法であって、
    前記複数のユーザに関係付けられた前記過去取引データから、前記複数のクラスタ化分類を決定することは、前記複数のユーザに関係付けられた前記過去取引データの少なくとも一部分に対し、１つ以上の尺度にしたがってクラスタリングを実施することを含む、方法。
16. 請求項１５に記載の方法であって、
    前記１つ以上の尺度は、最新の消費、消費の頻度、および消費金額のうちの１つ以上を含む、方法。
17. 請求項１０に記載の方法であって、
    少なくとも部分的に、前記ユーザに関係付けられた前記過去取引データに基づいて、前記複数のクラスタ化分類から前記一つのクラスタ化分類を決定することは、
    前記ユーザに関係付けられた前記過去取引データを、１つ以上の尺度に対応する値に変換することと、
    前記１つ以上の尺度に対応する前記値を、前記クラスタ化分類に関係付けられた前記１つ以上の尺度に対応する値範囲と比較することと、
    を含む、方法。
18. 請求項１０に記載の方法であって、
    前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの和を含む、方法。
19. 有体の非一過性のコンピュータ読み取り可能ストレージ媒体に盛り込まれたコンピュータプログラム製品であって、
    取引リクエストメッセージを受信するためのコンピュータ命令であって、前記取引リクエストメッセージは、総取引費用と、ユーザに関係付けられた識別情報とを含む、コンピュータ命令と、
    前記総取引費用があらかじめ定められた制限を上回ることを決定するためのコンピュータ命令と、
    前記総取引費用が前記あらかじめ定められた制限を上回るとの決定を受けて、複数のユーザに関係付けられた過去取引データを取り出すためのコンピュータ命令と、
    前記複数のユーザに関係付けられた前記過去取引データから、複数のクラスタ化分類を決定するためのコンピュータ命令と、
    少なくとも部分的に、前記ユーザに関係付けられた過去取引データに基づいて、前記複数のクラスタ化分類から一つのクラスタ化分類を決定するためのコンピュータ命令と、
    あらかじめ定められたマッピングルールを使用して、前記ユーザのための前記クラスタ化分類に対応する動的クオータを決定するためのコンピュータ命令と、
    少なくとも部分的に、前記総取引費用を一時的な取引制限と比較することに基づいて、前記取引リクエストメッセージが承認されるかどうかを決定するためのコンピュータ命令であって、前記一時的な取引制限は、前記あらかじめ定められた制限と前記動的クオータとの組み合わせを含む、コンピュータ命令と、
    を備えるコンピュータプログラム製品。

Images