JP2020004161A - 審査支援装置、審査支援方法、およびサービス提供方法 - Google Patents
審査支援装置、審査支援方法、およびサービス提供方法 Download PDFInfo
- Publication number
- JP2020004161A JP2020004161A JP2018124028A JP2018124028A JP2020004161A JP 2020004161 A JP2020004161 A JP 2020004161A JP 2018124028 A JP2018124028 A JP 2018124028A JP 2018124028 A JP2018124028 A JP 2018124028A JP 2020004161 A JP2020004161 A JP 2020004161A
- Authority
- JP
- Japan
- Prior art keywords
- examination
- information
- application
- applicant
- history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
Description
入力:申請者の属性情報、審査経緯の情報
学習対象:申請の要件不備
とする履歴を少なくとも訓練データとした機械学習の結果である。
図1は、審査業務システム(審査支援装置を含む)の構成を説明する図である。
図2は、審査業務システムの全体処理を説明するシーケンス図である。
以下、図2のステップ番号にそって全体処理の流れを説明する。
図3は、審査データベース30の履歴蓄積を説明するシーケンス図である。
以下、図3のステップ番号にそって、全体処理で述べた履歴蓄積(図2S2)の詳細を説明する。
図4は、審査データベース30内の申請者属性情報31を例示する。申請者属性情報31は、個々の申請者ごとに、申請者ID310および属性情報(性別/生年月日/住所/職業などの属性311とその値312)を情報として蓄積する。これらの情報は、申請者が紙またはオンラインの申請フォームで入力した情報であり、審査端末10の入力操作や審査サーバ20の情報収集を介して審査データベース30に蓄積される。このとき、同一申請者の属性情報が重複しないよう、審査データベース30が申請者属性情報31に対して名寄せ処理を行うことが好ましい。
図7は、判定基準48の学習処理を説明するシーケンス図である。
以下、図7のステップ番号にそって、全体処理で触れた機械学習(図2S3〜S4)の詳細を説明する。
(1)過去の違反者に共通する傾向(例えば一定の似た傾向や特定の傾向)を示す審査経緯に関する情報
(2)申請の要件不備の状況に応じて変化する傾向がある審査経緯に関する情報
(A)審査経緯のタイムスタンプ間の期間長さ
(B)審査経緯の回数
(C)審査経緯の種別(種別の時系列パターンを含む)
(a)申請受理または審査開始から審査処分までの所要期間についての経緯情報
(b)最初の審査処分から最終(最近)の審査処分までの期間についての経緯情報
(c)申請の更新回数についての経緯情報
図9は、この新規追加属性441の算出結果を示す図である。
支援サーバ40は、審査業務履歴32から申請者ID“1”について資格Aの認定申請の受理の経緯を検出すると、この受理の履歴3201のタイムスタンプ以降で最短の資格Aの審査処分の履歴3202のタイムスタンプを検出し、両タイムスタンプ間の期間4410(審査経緯の間の期間)を検出し、資格Aの認定審査の所要期間というラベルとともに、新規追加属性441に記録する。
さらに、支援サーバ40は、要件不備を違反規定ごとや代表事例ごとに分類し、その分類コードが学習対象となるように教師データや報酬点数データを訓練データの個々の列に付与してもよい。
例えば、決定木学習では、情報利得(分岐による学習対象の不純度低下)が順次に大きくなるよう分岐ルールを階層的に作成する。
支援サーバ40は、このように作成した判定基準48を、記憶装置47に格納する。
図12および図13は、審査支援を説明するシーケンス図である。
例えば、決定木分析であれば、申請案件を条件分岐した先のグループに属する過去案件が類似案件となる。
この類似案件の違反事例は、申請案件の要件不備を審査者が考慮する際に有益な参考情報となる。
実施例は、申請者に該当する過去の該当者を検索し、その該当者の過去審査経緯の情報を学習要素とする。この部分を機械学習ルールに置き換えることも好ましい。すなわち、図18に示すように、支援サーバ40は、申請者の属性情報を第1ルール701に適用して、審査経緯の情報の推定結果を求める。さらに、支援サーバ40は、申請者の属性情報と審査経緯の情報の推定結果とを第2ルール702に適用して、要件不備や違反事例の推定結果を求める。この第1ルール701は、申請者の属性情報を入力し、審査経緯の情報を学習対象とする履歴データを少なくとも訓練データとした機械学習の結果である。また、第2ルール702は、申請者の属性情報と審査経緯の情報とを入力とし、要件不備や違反事例を学習対象とする履歴データを少なくとも訓練データとした機械学習の結果である。このように審査経緯の情報を中間ノードに採用することにより、経緯情報を有しない新規の申請者についても審査経緯の情報を学習要素とした推定が可能になる。
以下、実施例の一般傾向の効果について説明する。なお、機械学習では学習要素と学習対象との傾向に適合するように判定基準が適宜に作成される。そのため、特殊な種類の審査においては、機械学習の結果が、ここで述べる一般傾向と異なる場合もあり得る。そのような特殊な種類の審査については、機械学習の結果が優先される。
Claims (10)
- 申請案件の情報を取得する取得部と、
取得した前記申請案件の情報を判定基準に適用して、要件不備の推定結果を得る推定部と、
前記要件不備の推定結果を前記申請案件の審査業務に情報提供して、前記審査業務を支援する支援部とを備え、
前記推定部が使用する前記判定基準は、
申請者の属性情報と審査経緯の情報とを入力とし、要件不備を学習対象とした履歴を少なくとも訓練データとした機械学習の結果である
ことを特徴とする審査支援装置。 - 請求項1に記載の審査支援装置において、
前記審査経緯の情報は、
過去の違反者において、共通する傾向を示す審査経緯の情報と、
申請の要件不備の状況に応じて変化する傾向がある審査経緯の情報と、
の少なくとも一つを含む
ことを特徴とする審査支援装置。 - 請求項2に記載の審査支援装置において、
前記審査経緯の情報は、
申請受理または審査開始から審査処分までの期間についての経緯情報と、
最初の審査処分から最終の審査処分までの期間についての経緯情報と、
前記申請の更新回数についての経緯情報と、
の少なくとも一つを含む
ことを特徴とする審査支援装置。 - 請求項1〜3のいずれか1項に記載の審査支援装置において、
前記支援部は、
前記要件不備の推定結果に基づいて、前記申請案件を詳細審査案件に振り分ける
ことを特徴とする審査支援装置。 - 請求項1〜4のいずれか1項に記載の審査支援装置において、
前記推定部は、
前記申請案件の情報と、前記申請が要件不備であった過去案件の情報との類似度合を求め、前記類似度合の高い前記過去案件について要件不備の事例を得て、
前記支援部は、
前記要件不備の事例を前記申請案件の審査業務に情報提供して、前記審査業務を支援する
ことを特徴とする審査支援装置。 - 請求項5に記載の審査支援装置において、
前記推定部は、
前記審査に適用する規定の改正時期の情報に基づいて、適用する規定が異なる過去案件については類似度合を低くする
ことを特徴とする審査支援装置。 - 請求項1〜6のいずれか1項に記載の審査支援装置において、
前記推定部が使用する前記判定基準は、
申請者の属性情報を入力し、審査経緯の情報を学習対象とする履歴を少なくとも訓練データとした機械学習の結果である第1ルールと、
申請者の属性情報と審査経緯の情報とを入力とし、要件不備を学習対象とする履歴を少なくとも訓練データとした機械学習の結果である第2ルールとを有し、
前記推定部は、
取得した前記申請者の属性情報を前記第1ルールに適用して、前記審査経緯の情報の推定結果を求め、
前記申請者の属性情報と前記審査経緯の情報の推定結果とを前記第2ルールに適用して、要件不備の推定結果を求める
ことを特徴とする審査支援装置。 - 請求項1〜7のいずれか1項に記載の審査支援装置において、
過去の申請案件の業務について情報蓄積することにより前記訓練データを生成する蓄積部と、
前記蓄積部に生成された前記訓練データにより機械学習を行い、前記判定基準を生成する学習部と
を備えたことを特徴とする審査支援装置。 - 申請案件の情報を取得する取得ステップと、
取得した前記申請案件の情報を判定基準に適用して、要件不備の推定結果を得る推定ステップと、
前記要件不備の推定結果を前記申請案件の審査業務に情報提供して、前記審査業務を支援する支援ステップとを備え、
前記推定ステップにおいて使用する前記判定基準は、
申請者の属性情報と審査経緯の情報とを入力とし、要件不備を学習対象とする履歴を少なくとも訓練データとした機械学習の結果である
ことを特徴とする審査支援方法。 - 請求項1〜8のいずれか1項に記載の審査支援装置が、前記要件不備の推定結果を前記申請案件の審査業務または申請者宛てに情報提供して、前記審査業務または前記申請者の申請業務を支援するサービスを提供するサービス提供方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018124028A JP6980608B2 (ja) | 2018-06-29 | 2018-06-29 | 審査支援装置、審査支援方法、およびサービス提供方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018124028A JP6980608B2 (ja) | 2018-06-29 | 2018-06-29 | 審査支援装置、審査支援方法、およびサービス提供方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020004161A true JP2020004161A (ja) | 2020-01-09 |
JP6980608B2 JP6980608B2 (ja) | 2021-12-15 |
Family
ID=69100361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018124028A Active JP6980608B2 (ja) | 2018-06-29 | 2018-06-29 | 審査支援装置、審査支援方法、およびサービス提供方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6980608B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6841394B1 (ja) * | 2020-01-28 | 2021-03-10 | 株式会社日本法務システム研究所 | 情報処理システム |
KR102375021B1 (ko) * | 2021-08-23 | 2022-03-17 | 국방과학연구소 | 적정 감사 처분을 위한 경영 활동 및 이상 징후를 모니터링하는 방법 및 그 장치 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008134756A (ja) * | 2006-11-28 | 2008-06-12 | Hitachi Ltd | 再審査実績を用いたレセプト抽出方法及びレセプト点検支援システム |
JP2012190165A (ja) * | 2011-03-09 | 2012-10-04 | Hitachi Systems Ltd | 永住許可審査システム |
JP2013168037A (ja) * | 2012-02-15 | 2013-08-29 | Reasonwhy Inc | レセプト分析装置及びレセプト分析プログラム |
US20180157987A1 (en) * | 2016-12-02 | 2018-06-07 | Sap Se | Dynamic form with machine learning |
-
2018
- 2018-06-29 JP JP2018124028A patent/JP6980608B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008134756A (ja) * | 2006-11-28 | 2008-06-12 | Hitachi Ltd | 再審査実績を用いたレセプト抽出方法及びレセプト点検支援システム |
JP2012190165A (ja) * | 2011-03-09 | 2012-10-04 | Hitachi Systems Ltd | 永住許可審査システム |
JP2013168037A (ja) * | 2012-02-15 | 2013-08-29 | Reasonwhy Inc | レセプト分析装置及びレセプト分析プログラム |
US20180157987A1 (en) * | 2016-12-02 | 2018-06-07 | Sap Se | Dynamic form with machine learning |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6841394B1 (ja) * | 2020-01-28 | 2021-03-10 | 株式会社日本法務システム研究所 | 情報処理システム |
JP2021117844A (ja) * | 2020-01-28 | 2021-08-10 | 株式会社日本法務システム研究所 | 情報処理システム |
KR102375021B1 (ko) * | 2021-08-23 | 2022-03-17 | 국방과학연구소 | 적정 감사 처분을 위한 경영 활동 및 이상 징후를 모니터링하는 방법 및 그 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP6980608B2 (ja) | 2021-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070391B (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
EP1244042A1 (en) | System for and method of facilitating sales activities | |
CN102099803A (zh) | 用于自动回答自然语言问题的方法和计算机系统 | |
US20080221950A1 (en) | Storage medium having requirement confirmation support program stored therein, requirement confirmation support method, and requirement confirmation support apparatus | |
KR102244697B1 (ko) | 인공지능 학습 데이터 생성을 위한 크라우드소싱 기반 프로젝트의 작업자 성향을 고려한 프로젝트 큐레이션 방법 | |
CN115423578B (zh) | 基于微服务容器化云平台的招投标方法和系统 | |
CN115115257A (zh) | 一种基于关系图谱的企业风险预警方法及系统 | |
JP2020004161A (ja) | 審査支援装置、審査支援方法、およびサービス提供方法 | |
JP2007265134A (ja) | モチベーション管理システム | |
CN108182512B (zh) | 一种简历评估方法及装置 | |
CN114331698A (zh) | 风险画像的生成方法、装置、终端及存储介质 | |
CN117035312A (zh) | 用于众包的方法和装置 | |
CN108009735B (zh) | 一种简历评估方法及装置 | |
CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 | |
JP2019016280A (ja) | 情報処理装置及びプログラム | |
CN114492358A (zh) | 基于rpa和ai的庭前通知文书处理方法、装置、设备及介质 | |
US20220101061A1 (en) | Automatically identifying and generating machine learning prediction models for data input fields | |
CN113723974A (zh) | 一种信息处理方法、装置、设备及存储介质 | |
CN113420018A (zh) | 用户行为数据分析方法、装置、设备及存储介质 | |
CN108153829B (zh) | 一种简历评估方法及装置 | |
AU2020201689A1 (en) | Cognitive forecasting | |
CN110727858A (zh) | 一种推荐方法、计算机存储介质及电子设备 | |
US20030097289A1 (en) | Business management system, method, and program | |
US20230315743A1 (en) | Unstructured text processing for geographical location determination system | |
JP2021056962A (ja) | ワークフロー支援装置、ワークフロー支援システム及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200820 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210611 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210622 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210716 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211116 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211117 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6980608 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |