JP2020149363A - Information processing apparatus, information processing method, and information processing program - Google Patents
Information processing apparatus, information processing method, and information processing program Download PDFInfo
- Publication number
- JP2020149363A JP2020149363A JP2019046403A JP2019046403A JP2020149363A JP 2020149363 A JP2020149363 A JP 2020149363A JP 2019046403 A JP2019046403 A JP 2019046403A JP 2019046403 A JP2019046403 A JP 2019046403A JP 2020149363 A JP2020149363 A JP 2020149363A
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- identification information
- user identification
- information processing
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 159
- 238000003672 processing method Methods 0.000 title claims description 9
- 238000000034 method Methods 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 35
- 230000004931 aggregating effect Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000007796 conventional method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。 The present invention relates to an information processing device, an information processing method, and an information processing program.
従来、複数の情報を用いてユーザの認証を行う技術が提供されている。例えば、ユーザの行動履歴に基づいて学習された学習結果と、ユーザの行動に関する入力情報とに基づいてユーザの認証を行う技術が知られている。 Conventionally, a technique for authenticating a user using a plurality of pieces of information has been provided. For example, there is known a technique for authenticating a user based on a learning result learned based on a user's behavior history and input information on the user's behavior.
しかしながら、上記の従来技術では、複数の情報を効率的に利用することができるとは限らない。例えば、上記の従来技術では、ユーザの行動履歴に基づいて学習された学習結果と、ユーザの行動に関する入力情報とに基づいてユーザの認証を行っているに過ぎず、複数の情報を効率的に利用することができるとは限らない。 However, in the above-mentioned conventional technique, it is not always possible to efficiently use a plurality of pieces of information. For example, in the above-mentioned prior art, the user is only authenticated based on the learning result learned based on the user's behavior history and the input information regarding the user's behavior, and a plurality of information can be efficiently processed. It is not always available.
本願は、上記に鑑みてなされたものであって、複数の情報を効率的に利用することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することを目的とする。 The present application has been made in view of the above, and an object of the present application is to provide an information processing device, an information processing method, and an information processing program capable of efficiently using a plurality of information.
本願に係る情報処理装置は、所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する取得部と、前記取得部によって取得された複数のユーザ情報を集約することで、前記複数のユーザ識別情報が示すユーザに対応する学習データを生成する生成部と、を備えたことを特徴とする。 The information processing device according to the present application includes a plurality of user identification information satisfying a predetermined condition, an acquisition unit that acquires user information corresponding to each of the plurality of user identification information, and a plurality of users acquired by the acquisition unit. It is characterized by including a generation unit that generates learning data corresponding to a user indicated by the plurality of user identification information by aggregating the information.
実施形態の一態様によれば、複数の情報を効率的に利用することができるという効果を奏する。 According to one aspect of the embodiment, there is an effect that a plurality of pieces of information can be efficiently used.
以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムを実施するための形態(以下、「実施形態」と呼ぶ)について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。 Hereinafter, the information processing apparatus, the information processing method, and the mode for carrying out the information processing program (hereinafter referred to as “the embodiment”) according to the present application will be described in detail with reference to the drawings. Note that this embodiment does not limit the information processing apparatus, information processing method, and information processing program according to the present application. In addition, each embodiment can be appropriately combined as long as the processing contents do not contradict each other. Further, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicate description is omitted.
〔1.情報処理装置が示す生成処理の一例〕
図1を用いて、実施形態に係る情報処理装置100が実行する生成処理の一例について説明する。図1は、実施形態に係る情報処理装置100が実行する生成処理の一例を示す図である。具体的には、情報処理装置100は、所定の条件を満たす複数のユーザ識別情報のそれぞれに対応するユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。
[1. An example of the generation process shown by the information processing device]
An example of the generation process executed by the
ここでいう所定の条件とは、複数のユーザ識別情報が示すユーザが同一ユーザ、同一又は類似の属性を有する複数のユーザが属するユーザ群、家族又は事業会社等である条件である。また、以下には、所定の条件が同一ユーザである条件を満たした場合として例を挙げて説明する。 The predetermined condition referred to here is a condition that the user indicated by the plurality of user identification information is the same user, a user group to which a plurality of users having the same or similar attributes belong, a family member, a business company, or the like. Further, in the following, an example will be described as a case where a predetermined condition satisfies the condition of being the same user.
また、ここでいうユーザ識別情報は、サービス及びシステム等を利用するユーザを識別するユーザ識別情報である。また、ここでいうサービス及びシステムとは、如何なるサービスや、如何なるシステムであってもよい。例えば、サービス及びシステムとは、金融サービス、検索エンジン等のポータルサイト、ゲームサイト、旅行予約サイト又はインターネットショッピングサイト等である。 Further, the user identification information referred to here is user identification information that identifies a user who uses a service, a system, or the like. Further, the service and system referred to here may be any service or any system. For example, services and systems include financial services, portal sites such as search engines, game sites, travel reservation sites, Internet shopping sites, and the like.
また、ここでいう複数のユーザ識別情報は、同一ユーザによって同一システムで利用される複数のユーザ識別情報を含む。また、ここでいう複数のユーザ識別情報は、同一ユーザによって異なるシステムで利用される複数のユーザ識別情報を含む。例えば、第1のシステムがシステムAであるものとする。また、第1のシステムで利用されるユーザ識別情報が第1のユーザ識別情報であるものとする。また、第2のシステムがシステムBであるものとする。第2のシステムで利用されるユーザ識別情報が第2のユーザ識別情報であるものとする。この場合、ユーザはシステムAに対応する第1のユーザ識別情報と、システムBに対応する第2のユーザ識別情報とを有する。また、ここでいう複数のユーザ識別情報は、同一ユーザによって同一システムや、異なるシステムを含む複数のシステムで利用される複数のユーザ識別情報を含む。 Further, the plurality of user identification information referred to here includes a plurality of user identification information used by the same user in the same system. Further, the plurality of user identification information referred to here includes a plurality of user identification information used by the same user in different systems. For example, assume that the first system is system A. Further, it is assumed that the user identification information used in the first system is the first user identification information. Further, it is assumed that the second system is the system B. It is assumed that the user identification information used in the second system is the second user identification information. In this case, the user has a first user identification information corresponding to the system A and a second user identification information corresponding to the system B. Further, the plurality of user identification information referred to here includes a plurality of user identification information used by the same user in the same system or in a plurality of systems including different systems.
また、例えば、第1のシステムが金融サービスであるものとする。また、第1のシステムで利用されるユーザ識別情報が第1のユーザ識別情報であるものとする。第2のシステムがポータルサイトであるものとする。また、第2のシステムで利用されるユーザ識別情報が第2のユーザ識別情報であるものとする。この場合、ユーザは、金融サービスで利用できる第1のユーザ識別情報と、ポータルサイトで利用できる第2のユーザ識別情報とを有する。 Further, for example, it is assumed that the first system is a financial service. Further, it is assumed that the user identification information used in the first system is the first user identification information. It is assumed that the second system is a portal site. Further, it is assumed that the user identification information used in the second system is the second user identification information. In this case, the user has a first user identification information that can be used in the financial service and a second user identification information that can be used in the portal site.
また、以下には、第1のシステムが金融サービスであり、第2のシステムがポータルサイトであるものとして例を挙げて説明する。また、以下には、金融サービスで利用される第1のユーザ識別情報が1つであり、ポータルサイトで利用される第2のユーザ識別情報が複数であるものとして例を挙げて説明する。 Further, in the following, an example will be described assuming that the first system is a financial service and the second system is a portal site. Further, an example will be described below assuming that the first user identification information used in the financial service is one and the second user identification information used in the portal site is plural.
なお、ここでいうユーザとは、一のユーザ(自然人)、家族、同一又は類似の属性を有する複数のユーザが属するユーザ群又は事業会社等の法人等を含む概念である。また、以下では、ユーザとは、一のユーザを指すものとする。 The term "user" as used herein is a concept including one user (natural person), a family member, a group of users to which a plurality of users having the same or similar attributes belong, or a corporation such as a business company. Further, in the following, the user shall refer to one user.
図1に示すように、情報処理システム1は、金融サーバ20と、サービスサーバ30と、情報処理装置100とを含む。金融サーバ20、サービスサーバ30及び情報処理装置100は、図示しない所定の通信網を介して、有線又は無線により通信可能に接続される。なお、図1に示す情報処理システム1には、複数台の金融サーバ20や、複数台のサービスサーバ30や、複数台の情報処理装置100が含まれてもよい。
As shown in FIG. 1, the
実施形態に係る金融サーバ20は、ユーザに対して各種の金融サービスを提供する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、金融サーバ20は、ユーザの登録情報や、ユーザの与信に関する情報を提供する。
The
また、例えば、金融サーバ20は、ネットワークバンキングや各種銀行がネットワークを介した決済に用いるサーバ装置である。また、例えば、金融サーバ20は、ユーザの口座を管理しており、所定のネットワークを介してユーザからの操作に従い、預金額、入金履歴、出金履歴、および債務残高の通知、若しくは各種の振込等を実現する。
Further, for example, the
実施形態に係るサービスサーバ30は、ユーザに各種サービスを提供するサーバ装置である。例えば、サービスサーバ30は、ユーザからログインを受け付けた場合に、ユーザ向けにカスタマイズされたポータルサイトを提供するポータルサービスを提供する。また、例えば、サービスサーバ30は、検索サービスや、ショッピングサービスや、オークションサービスや、情報提供サービス(例えば、地図情報サービスや、ナビゲーションサービスや、ニュースサービスや、天気予報サービス)や、タスク設定やスケジュールを登録するカレンダーサービス等の各種サービスを提供してもよい。
The
実施形態に係る情報処理装置100は、例えば、サーバ装置等により実現される。具体的には、情報処理装置100は、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。そして、情報処理装置100は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。
The
ここでいうユーザ情報とは、例えば、ユーザの氏名、ユーザの年齢、ユーザの性別、ユーザの電話番号、ユーザの住所、ユーザのメールアドレス、ユーザの年収、ユーザの婚姻履歴、ユーザの倒産履歴、ユーザの体重又は端末装置等のブラウザに表示されるウェブページやアプリケーション用のコンテンツ等のコンテンツを閲覧した回数である閲覧回数等である。 The user information here means, for example, the user's name, the user's age, the user's gender, the user's telephone number, the user's address, the user's email address, the user's annual income, the user's marriage history, the user's bankruptcy history, It is the number of times the user has browsed the content such as the weight of the user or the content such as the web page or the content for the application displayed on the browser such as the terminal device.
また、ここでいうユーザ情報とは、ユーザの趣味嗜好に関する情報、ユーザの金融サービスに対する信用度合いに関する情報又はユーザの収入金額等である。なお、以下には、情報処理装置100が、ユーザ情報として、ユーザの金融サービスに関する信用度合いに関する情報である信用スコアを推定する例を挙げて説明する。
Further, the user information referred to here is information on the user's hobbies and tastes, information on the degree of credit of the user to financial services, the amount of income of the user, and the like. In the following, an example in which the
なお、情報処理装置100は、第1のシステムで利用される第1のユーザ識別情報と、第2のシステムで利用される第2のユーザ識別情報とが同一のユーザによって利用されているか否かを、各ユーザ識別情報に対応付けられて登録される住所、電話番号又はメールアドレス等によって同一ユーザであるものと判定する。
In the
また、情報処理装置100は、第1のシステムで利用される第1のユーザ識別情報と、第2のシステムで利用される第2のユーザ識別情報とが同一のユーザによって利用されているか否かを、サービスを利用した際のクッキー(Cookie)情報や、端末固有の端末ID等によって同一ユーザであるものと判定する。
Further, in the
また、以下では、金融サービスで利用される第1のユーザ識別情報と、ポータルサイトで利用される複数の第2のユーザ識別情報とが同一のユーザによって利用されているものとして例を挙げて説明する。 Further, in the following, the first user identification information used in the financial service and the plurality of second user identification information used in the portal site will be described by giving an example as being used by the same user. To do.
以下、図1を用いて、情報処理装置100による生成処理の一例を流れに沿って説明する。
Hereinafter, an example of the generation process by the
まず、図1に示すように、情報処理装置100は、ユーザ識別情報とユーザ情報とを金融サーバ20から取得する(ステップS1)。例えば、図1の例では、情報処理装置100は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、倒産履歴、ユーザの信用スコアを金融サーバ20から取得する。
First, as shown in FIG. 1, the
続いて、情報処理装置100は、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とを取得する(ステップS2)。例えば、図1の例では、情報処理装置100は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、閲覧回数をサービスサーバ30から取得する。
Subsequently, the
そして、情報処理装置100は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する(ステップS3)。具体的には、情報処理装置100は、第1のシステムで利用されるユーザを識別する第1のユーザ識別情報に対応する第1のユーザ情報と、第2のシステムで利用されるユーザを識別する第2のユーザ識別情報であって、所定の条件を満たす複数の第2のユーザ識別情報のそれぞれに対応する第2のユーザ情報を集約した集約ユーザ情報との組み合わせを、第2のユーザ識別情報が示すユーザに対応する学習データとして生成する。
Then, the
ここで、図2を用いて学習データを生成する生成処理について説明する。図2は、実施形態に係る情報処理装置100が実行する学習データを生成する生成処理の一例を示す図である。表TB1は、第1のユーザ識別情報と複数の第2のユーザ識別情報との関係性を示す表である。例えば、図2に示すように、第1のユーザ識別情報は、「U1」により特定されるユーザである。また、具体的には、第1のユーザ識別情報U1に対応するユーザ情報は、性別、婚姻歴、倒産履歴、信用スコアである。
Here, a generation process for generating learning data will be described with reference to FIG. FIG. 2 is a diagram showing an example of a generation process for generating learning data executed by the
また、例えば、第1のユーザ識別情報U1に対応する性別は、スコア1が男性を示し、スコア0が女性を示す。例えば、第1のユーザ識別情報U1に対応する性別のスコア「1」であるため、男性であることを示す。
Further, for example, in the gender corresponding to the first user identification information U1, the
また、例えば、第1のユーザ識別情報U1に対応する婚姻歴は、スコア1が婚姻歴有を示し、スコア0が婚姻歴無を示す。例えば、第1のユーザ識別情報U1に対応する婚姻歴のスコア「1」であるため、婚姻歴有であることを示す。 Further, for example, in the marriage history corresponding to the first user identification information U1, a score of 1 indicates a marriage history, and a score of 0 indicates no marriage history. For example, since the score of the marriage history corresponding to the first user identification information U1 is "1", it indicates that the person has a marriage history.
また、例えば、第1のユーザ識別情報U1に対応する倒産履歴は、スコア1が倒産履歴有を示し、スコア0が倒産履歴無を示す。例えば、第1のユーザ識別情報U1に対応する倒産履歴のスコア「0」であるため、倒産履歴無であることを示す。また、例えば、第1のユーザ識別情報U1に対応する信用スコアは、「0.9」である。
Further, for example, in the bankruptcy history corresponding to the first user identification information U1, a
また、例えば、図2に示すように、第2のユーザ識別情報は、「B1」により特定されるユーザである。また、第2のユーザ識別情報B1に対応するユーザ情報は、性別、婚姻歴、コンテンツの閲覧回数である。 Further, for example, as shown in FIG. 2, the second user identification information is the user specified by "B1". Further, the user information corresponding to the second user identification information B1 is the gender, the marriage history, and the number of times the content is viewed.
また、例えば、第2のユーザ識別情報B1に対応する性別は、スコア1が男性を示し、スコア0が女性を示す。例えば、第2のユーザ識別情報B1に対応する性別のスコア「1」であるため、男性であることを示す。
Further, for example, in the gender corresponding to the second user identification information B1, the
また、例えば、第2のユーザ識別情報B1に対応する婚姻歴は、スコア1が婚姻歴有を示し、スコア0が婚姻歴無を示す。例えば、第2のユーザ識別情報B1に対応する婚姻歴のスコア「1」であるため、婚姻歴有であることを示す。また、例えば、第2のユーザ識別情報B1に対応する閲覧回数は、「20」である。 Further, for example, in the marriage history corresponding to the second user identification information B1, a score of 1 indicates a marriage history, and a score of 0 indicates no marriage history. For example, since the score of the marriage history corresponding to the second user identification information B1 is "1", it indicates that the person has a marriage history. Further, for example, the number of views corresponding to the second user identification information B1 is "20".
また、図2に示すように、第2のユーザ識別情報は、「B2」により特定されるユーザである。また、具体的には、第2のユーザ識別情報B2に対応するユーザ情報は、性別、婚姻歴、コンテンツの閲覧回数である。 Further, as shown in FIG. 2, the second user identification information is the user specified by "B2". Specifically, the user information corresponding to the second user identification information B2 is the gender, the marriage history, and the number of times the content is viewed.
また、例えば、第2のユーザ識別情報B2に対応する性別は、スコア1が男性を示し、スコア0が女性を示す。例えば、第2のユーザ識別情報B2に対応する性別のスコア「0」であるため、女性であることを示す。 Further, for example, in the gender corresponding to the second user identification information B2, a score of 1 indicates a male and a score of 0 indicates a female. For example, since the gender score corresponding to the second user identification information B2 is "0", it indicates that the woman is a woman.
また、例えば、第2のユーザ識別情報B2に対応する婚姻歴は、スコア1が婚姻歴有を示し、スコア0が婚姻歴無を示す。例えば、第2のユーザ識別情報B2に対応する婚姻歴のスコア「1」であるため、婚姻歴有であることを示す。また、例えば、第2のユーザ識別情報B2に対応する閲覧回数は、「10」である。 Further, for example, in the marriage history corresponding to the second user identification information B2, a score of 1 indicates a marriage history, and a score of 0 indicates no marriage history. For example, since the score of the marriage history corresponding to the second user identification information B2 is "1", it indicates that the person has a marriage history. Further, for example, the number of views corresponding to the second user identification information B2 is "10".
また、図2に示すように、第2のユーザ識別情報は、「B3」により特定されるユーザである。また、具体的には、第2のユーザ識別情報B3に対応するユーザ情報は、性別、婚姻歴、コンテンツの閲覧回数である。 Further, as shown in FIG. 2, the second user identification information is the user specified by "B3". Specifically, the user information corresponding to the second user identification information B3 is the gender, the marriage history, and the number of times the content is viewed.
また、例えば、第2のユーザ識別情報B3に対応する性別は、スコア1が男性を示し、スコア0が女性を示す。例えば、第2のユーザ識別情報B3に対応する性別のスコア「1」であるため、男性であることを示す。 Further, for example, in the gender corresponding to the second user identification information B3, a score of 1 indicates a male and a score of 0 indicates a female. For example, since it has a gender score of "1" corresponding to the second user identification information B3, it indicates that it is a male.
また、例えば、第2のユーザ識別情報B3に対応する婚姻歴は、スコア1が婚姻歴有を示し、スコア0が婚姻歴無を示す。例えば、第2のユーザ識別情報B3に対応する婚姻歴のスコア「1」であるため、婚姻歴有であることを示す。また、例えば、第2のユーザ識別情報B3に対応する閲覧回数は、「20」である。 Further, for example, in the marriage history corresponding to the second user identification information B3, a score of 1 indicates a marriage history, and a score of 0 indicates no marriage history. For example, since the score of the marriage history corresponding to the second user identification information B3 is "1", it indicates that the person has a marriage history. Further, for example, the number of views corresponding to the second user identification information B3 is "20".
図2の例では、情報処理装置100は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。より具体的には、情報処理装置100は、複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成する。
In the example of FIG. 2, the
例えば、性別、婚姻歴及び倒産履歴は、個数が多いものをユーザ情報とするものとする。また、閲覧回数は、ユーザ識別情報毎の閲覧回数の総和をユーザ情報とするものとする。この場合、図2の例では、情報処理装置100は、第2のユーザ識別情報に対応するユーザ情報では、男性が多いため、性別が男性であるとする。
For example, as for gender, marriage history, and bankruptcy history, a large number of them shall be used as user information. Further, the number of views shall be the sum of the number of views for each user identification information as the user information. In this case, in the example of FIG. 2, since the
また、情報処理装置100は、第2のユーザ識別情報に対応するユーザ情報では、婚姻歴有が多いので、婚姻歴が有であるとする。また、情報処理装置100は、第2のユーザ識別情報に対応するユーザ情報では、閲覧回数の総和である「50」を閲覧回数とする。このように、情報処置装置100は、第1のユーザ識別情報に対応する第1のユーザ情報と、第2のユーザ識別情報に対応する第2のユーザ情報を集約した集約ユーザ情報との組み合わせである表TB2を学習データとして生成する。
Further, it is assumed that the
図1に戻り、実施形態に係る生成処理の一例を説明する。情報処理装置100は、所定のユーザの信用スコアと、所定のユーザの学習データとに基づいて、学習モデルM1を生成する(ステップS4)。例えば、情報処理装置100は、ロジスティック回帰、SVM(Support Vector Machine)、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの学習データとに基づいて、学習モデルM1を生成する。
Returning to FIG. 1, an example of the generation process according to the embodiment will be described. The
また、上記処理の例に限られず、具体的には、情報処理装置100は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた正例の数に基づいて、正例に対応する学習データを生成する。また、具体的には、情報処理装置100は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた負例の数に基づいて、負例に対応する学習データを生成する。
Further, the
例えば、情報処理装置100は、正例に対応する学習データを信用スコアが「1.0」と学習する。また、情報処理装置100は、負例に対応する学習データを信用スコアが「0.0」と学習する。
For example, the
そして、情報処理装置100は、学習モデルM1に基づいて、予測対象であるユーザの学習データが入力された場合に、予測対象であるユーザのスコアを出力する。そして、情報処理装置100は、シグモイドフィッティング(Sigmoid fitting)等を用いて学習モデルM1から出力されたスコアを確率値に変換することで、ユーザの信用スコアを算出する。このように、情報処理装置100は、学習モデルM1に基づいて、予測対象であるユーザの信用スコアを推定する。
Then, the
そして、情報処理装置100は、第1のユーザ識別情報「U100」により特定されるユーザ(以下では、第1のユーザ識別情報「UN」により特定されるユーザを「ユーザUN(Nは任意の数値)」と表記する場合がある)の信用スコアの取得要求を金融サーバ20から受け付ける(ステップS5)。
Then, the
続いて、情報処理装置100は、ユーザU100のユーザ識別情報とユーザ情報とを金融サーバ20から取得する(ステップS6)。例えば、図1の例では、情報処理装置100は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、倒産履歴を金融サーバ20から取得する。
Subsequently, the
そして、情報処理装置100は、ユーザU100の複数のユーザ識別情報と複数のユーザ識別情報のそれぞれに対応するユーザ情報とを取得する(ステップS7)。例えば、図1の例では、情報処理装置100は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、閲覧回数をサービスサーバ30から取得する。
Then, the
続いて、情報処理装置100は、ユーザU100に対応する学習データRC1を生成する(ステップS8)。例えば、情報処理装置100は、図2に示した学習データ生成処理に基づいて、学習データRC1を生成する。
Subsequently, the
続いて、情報処理装置100は、学習モデルM1にユーザU100に対応する学習データRC1を入力することで、ユーザU100の信用スコアを推定する(ステップS9)。例えば、図1の例では、情報処理装置100は、ユーザU100に対応する学習データRC1を学習モデルM1に入力することで、学習モデルM1からスコアが出力される。そして、情報処理装置100は、シグモイドフィッティング等を用いて学習モデルM1によって出力されたスコアを確率値に変換することで、ユーザU100の信用スコアを推定する。そして、情報処理装置100は、ユーザU100の信用スコアを金融サーバ20に送信する(ステップS10)。
Subsequently, the
このように、実施形態に係る情報処理装置100は、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。そして、情報処理装置100は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。これにより、実施形態に係る情報処理装置100は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成するため、複数の情報を効率的に利用することができる。
As described above, the
この点について説明する。図1の例を用いて説明すると、情報処理装置100は、第1のユーザ識別情報に対応するユーザ情報と、複数の第2のユーザ識別情報に対応するユーザ情報を集約した集約ユーザ情報との組み合わせに基づいて、学習データを生成する。これにより、情報処理装置100は、同一ユーザによって利用される第1のユーザ識別情報に対応するユーザ情報と、第2のユーザ識別情報に対応するユーザ情報とを対応付けて処理することができる。このように、情報処理装置100は、重複した学習データを学習する必要が無くなり、効率的に学習モデルを生成することができる。
This point will be described. Explaining with reference to the example of FIG. 1, the
また、情報処理装置100は、各ユーザに適切にユーザ情報を関連付けて学習モデルを生成することができるため、高精度な信用スコアを出力することができる学習モデルを生成することができる。また、情報処理装置100は、複数のユーザ識別情報に対応付いた大量のユーザ情報を学習することができるため、高精度な信用スコアを出力することができる学習モデルを生成することができる。また、情報処理装置100は、重複した学習データを学習することがなくなるため、データの偏りの影響を低減した学習モデルを生成することができる。したがって、情報処理装置100は、ユーザに対して適切なスコアを付与することができるため、ユーザの信用スコアを高精度に推定することができる。
Further, since the
〔2.情報処理装置の構成〕
次に、図3を用いて、実施形態に係る情報処理装置100の構成について説明する。図3は、実施形態に係る情報処理装置100の構成例を示す図である。図3に示すように、情報処理装置100は、通信部110と、記憶部120と、制御部130とを有する。
[2. Information processing device configuration]
Next, the configuration of the
(通信部110について)
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークと有線又は無線で接続され、金融サーバ20とサービスサーバ30との間で情報の送受信を行う。
(About communication unit 110)
The
(記憶部120について)
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部120は、学習モデル121と、信用スコア記憶部122とを有する。
(About storage unit 120)
The
(信用スコア記憶部122について)
実施形態に係る信用スコア記憶部122は、ユーザの信用スコアに関する情報を記憶する。ここで、図4に、実施形態に係る信用スコア記憶部122の一例を示す。図4に示した例では、信用スコア記憶部122は、「第2のユーザ識別情報」、「信用スコア」といった項目を有する。
(About credit score storage unit 122)
The credit
「第2のユーザ識別情報」は、ユーザを識別する識別子である。「信用スコア」は、「第1のユーザ識別情報」に対応付けられた信用スコアであって、学習モデルに基づいて推定された信用スコアに関する情報である。例えば、図4では、第2のユーザ識別情報によって識別された「BC1」は、信用スコアが「0.7」である。 The "second user identification information" is an identifier that identifies a user. The "credit score" is a credit score associated with the "first user identification information", and is information regarding the credit score estimated based on the learning model. For example, in FIG. 4, the credit score of "BC1" identified by the second user identification information is "0.7".
(制御部130について)
制御部130は、コントローラ(Controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、情報処理装置100内部の記憶装置に記憶されている各種プログラム(情報処理プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
(About control unit 130)
The
図3に示すように、制御部130は、取得部131と、受付部132と、生成部133と、学習部134と、推定部135と、送信部136とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部130の内部構成は、図3に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部130が有する各処理部の接続関係は、図3に示した接続関係に限られず、他の接続関係であってもよい。
As shown in FIG. 3, the
(取得部131について)
取得部131は、各種情報を取得する。具体的には、取得部131は、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。例えば、図1の例では、取得部131は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、倒産履歴、ユーザの信用スコアを金融サーバ20から取得する。また、例えば、図1の例では、取得部131は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、閲覧回数をサービスサーバ30から取得する。
(About acquisition unit 131)
The
(受付部132について)
受付部131は、各種要求を受け付ける。具体的には、ユーザの信用スコアの取得要求を金融サーバ20から受け付ける。例えば、図1の例では、受付部131は、予測対象のユーザであるユーザU100の信用スコアを金融サーバ20から受け付ける。
(About reception desk 132)
The
(生成部133について)
生成部133は、取得部131によって取得された複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。具体的には、生成部133は、第1のシステムで利用されるユーザを識別する第1のユーザ識別情報に対応する第1のユーザ情報と、第2のシステムで利用されるユーザを識別する第2のユーザ識別情報であって、所定の条件を満たす複数の第2のユーザ識別情報のそれぞれに対応する第2のユーザ情報を集約した集約ユーザ情報との組み合わせを、第2のユーザ識別情報が示すユーザに対応する学習データとして生成する。
(About generator 133)
The
より具体的には、生成部133は、取得部131によって取得された複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成する。例えば、性別、婚姻歴及び倒産履歴は、個数が多いものをユーザ情報とするものとする。また、閲覧回数は、ユーザ識別情報毎の閲覧回数の総和をユーザ情報とするものとする。この場合、図2の例では、生成部133は、第2のユーザ識別情報に対応するユーザ情報では、男性が多いため、性別が男性であるとする。
More specifically, the
また、生成部133は、第2のユーザ識別情報に対応するユーザ情報では、婚姻歴有が多いので、婚姻歴が有であるとする。また、生成部133は、第2のユーザ識別情報に対応するユーザ情報では、閲覧回数の総和である「50」を閲覧回数とする。このように、生成部133は、第1のユーザ識別情報に対応する第1のユーザ情報と、第2のユーザ識別情報に対応する第2のユーザ情報を集約した集約ユーザ情報との組み合わせである表TB2を学習データとして生成する。
Further, the
(学習部134について)
学習部134は、所定のユーザの与信に関する情報と、所定のユーザの学習データとに基づいて、学習モデルM1を生成する。例えば、図1の例では、学習部134は、ロジスティック回帰、SVM、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの学習データとに基づいて、学習モデルM1を生成する。
(About learning unit 134)
The
また、例えば、学習部134は、正例に対応する学習データを信用スコアが「1.0」と学習する。また、学習部134は、負例に対応する学習データを信用スコアが「0.0」と学習する。
Further, for example, the
(推定部135について)
推定部135は、取得部131によって取得された所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する。
(About estimation unit 135)
The
例えば、図1の例では、推定部135は、学習モデルM1にユーザU100に対応する学習データRC1を入力することで、ユーザU100の信用スコアを推定する。例えば、図1の例では、推定部135は、ユーザU100に対応する学習データRC1を学習モデルM1に入力することで、学習モデルM1からスコアが出力される。そして、推定部135は、シグモイドフィッティング等を用いて学習モデルM1によって出力されたスコアを確率値に変換することで、ユーザU100の信用スコアを推定する。そして、推定部135は、ユーザU100の信用スコアを信用スコア記憶部122に格納する。
For example, in the example of FIG. 1, the
(送信部136について)
送信部136は、各種情報を送信する。具体的には、送信部136は、信用スコア記憶部122に記憶されるユーザの信用スコアをユーザに送信する。例えば、図1の例では、送信部136は、ユーザU100の信用スコアを金融サーバ20に送信する。
(About transmitter 136)
The
〔3.処理手順(1)学習モデルを生成〕
次に、図5を用いて、実施形態に係る情報処理装置100が実行する学習モデルの生成処理の手順について説明する。図5は、実施形態に係る情報処理装置100が実行する学習モデルの生成処理の流れの一例を示すフローチャートである。
[3. Processing procedure (1) Generate learning model]
Next, the procedure of the learning model generation process executed by the
図5に示すように、取得部131は、ユーザ識別情報とユーザ情報とを金融サーバ20から取得する(ステップS101)。そして、取得部131は、ユーザ識別情報とユーザ情報とを取得していない場合(ステップS101;No)、ユーザ識別情報とユーザ情報とを金融サーバ20から取得するまで待機する。
As shown in FIG. 5, the
一方、取得部131は、ユーザ識別情報とユーザ情報とを金融サーバ20から取得した場合(ステップS101;Yes)、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ30から取得する(ステップS102)。そして、生成部133は、取得部131が複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とを取得していない場合(ステップS102;No)、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ30からから取得するまで待機する。
On the other hand, when the user identification information and the user information are acquired from the financial server 20 (step S101; Yes), the
一方、生成部133は、取得部131が複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ30からから取得した場合(ステップS102;Yes)、複数のユーザ情報を集約することで、複数のユーザ識別情報が示す所定のユーザに対応する学習データを生成する(ステップS103)。
On the other hand, when the
例えば、性別、婚姻歴及び倒産履歴は、個数が多いものをユーザ情報とするものとする。また、閲覧回数は、ユーザ識別情報毎の閲覧回数の総和をユーザ情報とするものとする。この場合、図2の例では、生成部133は、第2のユーザ識別情報に対応するユーザ情報では、男性が多いため、性別が男性であるとする。
For example, as for gender, marriage history, and bankruptcy history, a large number of them shall be used as user information. Further, the number of views shall be the sum of the number of views for each user identification information as the user information. In this case, in the example of FIG. 2, the
また、生成部133は、第2のユーザ識別情報に対応するユーザ情報では、婚姻歴有が多いので、婚姻歴が有であるとする。また、生成部133は、第2のユーザ識別情報に対応するユーザ情報では、閲覧回数の総和である「50」を閲覧回数とする。このように、生成部133は、第1のユーザ識別情報に対応する第1のユーザ情報と、第2のユーザ識別情報に対応する第2のユーザ情報を集約した集約ユーザ情報との組み合わせである表TB2を学習データとして生成する。
Further, the
そして、学習部134は、所定のユーザに対応する学習データと、所定のユーザの信用スコアとの組み合わせに基づいて、学習モデルを生成する(ステップS104)。例えば、図1の例では、学習部134は、ロジスティック回帰、SVM、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの学習データとに基づいて、学習モデルM1を生成する。
Then, the
また、例えば、学習部134は、正例に対応する学習データを信用スコアが「1.0」と学習する。また、学習部134は、負例に対応する学習データを信用スコアが「0.0」と学習する。
Further, for example, the
〔4.処理手順(2)信用スコアを推定〕
次に、図5を用いて、実施形態に係る情報処理装置100が実行する推定処理の手順について説明する。図5は、実施形態に係る情報処理装置100が実行する推定処理の流れの一例を示すフローチャートである。
[4. Processing procedure (2) Estimate credit score]
Next, the procedure of the estimation process executed by the
図5に示すように、受付部132は、ユーザU100の信用スコアの取得要求を受け付ける(ステップS201)。そして、取得部131は、受付部131がユーザの信用スコアの取得要求を受け付けていない場合(ステップS201;No)、ユーザの信用スコアの取得要求を受け付けるまで待機する。
As shown in FIG. 5, the
一方、取得部131は、受付部131がユーザの信用スコアの取得要求を受け付けた場合(ステップS201;Yes)、ユーザU100のユーザ識別情報と、ユーザ情報とを金融サーバ20から取得する(ステップS202)。そして、取得部131は、ユーザU100のユーザ識別情報と、ユーザ情報とを金融サーバ20から取得していない場合(ステップS202;No)、ユーザU100のユーザ識別情報と、ユーザ情報とを金融サーバ20から取得するまで待機する。
On the other hand, when the
一方、取得部131は、ユーザU100のユーザ識別情報と、ユーザ情報とを金融サーバ20から取得した場合(ステップS202;Yes)、ユーザU100の複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ30から取得する(ステップS203)。そして、生成部133は、取得部131がユーザU100の複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ30から取得していない場合(ステップS203;No)、ユーザU100の複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ30から取得するまで待機する。
On the other hand, when the
一方、生成部133は、取得部131がユーザU100の複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ30から取得した場合(ステップS203;Yes)、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザU100に対応する学習データを生成する(ステップS204)。
On the other hand, when the
そして、推定部135は、生成部133によって生成された学習データを、学習モデルに入力することで、ユーザの信用スコアを推定する(ステップS205)。例えば、図1の例では、推定部135は、学習モデルM1にユーザU100に対応する学習データRC1を入力することで、ユーザU100の信用スコアを推定する。
Then, the
例えば、図1の例では、推定部135は、ユーザU100に対応する学習データRC1を学習モデルM1に入力することで、学習モデルM1からスコアが出力される。そして、推定部135は、シグモイドフィッティング等を用いて学習モデルM1によって出力されたスコアを確率値に変換することで、ユーザU100の信用スコアを推定する。
For example, in the example of FIG. 1, the
そして、送信部136は、推定部135によって推定された信用スコアを金融サーバ20に送信する(ステップS206)。例えば、図1の例では、送信部136は、ユーザU100の信用スコアを金融サーバ20に送信する。
Then, the
〔5.変形例〕
上述した情報処理装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理装置100の他の実施形態について説明する。
[5. Modification example]
The
〔5−1.異なるサービス及びシステム〕
上記実施形態では、ユーザが有する複数のユーザ識別情報が第1のシステムが金融サービスであり、第2のシステムがポータルサイトであるものとして例を挙げて説明したが、上記実施形態に限定されない。
[5-1. Different services and systems]
In the above embodiment, the plurality of user identification information possessed by the user has been described by way of example assuming that the first system is a financial service and the second system is a portal site, but the present invention is not limited to the above embodiment.
例えば、ユーザが有する複数のユーザ識別情報は、ゲームサイトで利用される第1のユーザ識別情報であり、ポータルサイトで利用される第2のユーザ識別情報であってもよい。また、例えば、ユーザが有する複数のユーザ識別情報は、インターネットショッピングサイトで利用される第1のユーザ識別情報であり、ポータルサイトで利用される第2のユーザ識別情報であってもよい。また、例えば、ユーザが有する複数のユーザ識別情報は、インターネットショッピングサイトで利用される第1のユーザ識別情報であり、旅行予約サイトで利用される第2のユーザ識別情報であってもよい。 For example, the plurality of user identification information held by the user may be the first user identification information used on the game site and the second user identification information used on the portal site. Further, for example, the plurality of user identification information possessed by the user may be the first user identification information used on the Internet shopping site and the second user identification information used on the portal site. Further, for example, the plurality of user identification information possessed by the user may be the first user identification information used on the Internet shopping site and the second user identification information used on the travel reservation site.
〔5−2.ユーザ識別情報〕
上記実施形態では、ユーザが有する複数のユーザ識別情報が金融サービスで利用される第1のユーザ識別情報が1つであり、ポータルサイトで利用される第2のユーザ識別情報が複数であるものとして例を挙げて説明したが、上記実施形態に限定されない。
[5-2. User identification information]
In the above embodiment, it is assumed that the plurality of user identification information possessed by the user is one first user identification information used in the financial service and the second plurality of user identification information used in the portal site. Although the description has been given with an example, the present invention is not limited to the above embodiment.
例えば、ユーザが有する複数のユーザ識別情報は、金融サービスで利用される第1のユーザ識別情報が複数であり、ポータルサイトで利用される第2のユーザ識別情報が1つであってもよい。また、例えば、ユーザが有する複数のユーザ識別情報は、金融サービスで利用される第1のユーザ識別情報が複数であり、ポータルサイトで利用される第2のユーザ識別情報が複数であってもよい。 For example, the plurality of user identification information possessed by the user may include a plurality of first user identification information used in the financial service and one second user identification information used in the portal site. Further, for example, the plurality of user identification information possessed by the user may include a plurality of first user identification information used in the financial service and a plurality of second user identification information used in the portal site. ..
〔5−3.ユーザ情報(1)〕
上記実施形態では、情報処理装置100の生成部133が性別及び婚姻歴の個数が多いものをユーザ情報とするものとした例と、生成部133がユーザ識別情報毎の閲覧回数の総和をユーザ情報とするものとした例とを説明したが、上記実施形態に限定されない。
[5-3. User information (1)]
In the above embodiment, there is an example in which the
例えば、婚姻歴を高精度に予測する場合であるものとする。この場合、生成部133は、婚姻歴が1つでも無があった場合に、婚姻歴を無と判定してもよい。また、例えば、生成部133は、閲覧回数として、各閲覧回数の統計値(例えば、平均値等)や、最大値又は最小値であってもよい。また、例えば、生成部133は、10回刻みとして、各閲覧回数の統計量(例えば、平均値等)や、最大値又は最小値等を閲覧回数としてもよい。
For example, suppose that the marriage history is predicted with high accuracy. In this case, the
また、具体的には、取得部131は、複数のユーザ識別情報のそれぞれに対応するユーザ情報として、複数の項目に対応する情報を含むユーザ情報を取得し、生成部133は、項目毎に、項目に対応する情報を集約することで、学習データを生成する。より具体的には、生成部133は、項目毎に、項目に対応する情報を集約することで、学習データを生成してもよい。例えば、性別の例では、生成部133が性別の数に基づいて集約した集約ユーザ情報から学習データを生成した場合、本来の性別ではない可能性がある。この場合、生成部133は、男性の場合の学習データと、女性の場合の学習データとをそれぞれ生成してもよい。
Further, specifically, the
〔5−4.ユーザ情報(2)〕
上記実施形態では、情報処理装置100の取得部131がユーザ情報として、性別、婚姻歴、倒産履歴又は閲覧回数を取得する取得処理の一例を説明したが、上記取得処理に限定されない。具体的には、取得部131は、ユーザの年齢を取得してもよい。そして、生成部133は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成してもよい。また、以下では、複数の第2のユーザ情報を集約することで学習データを生成する例を挙げて説明する。
[5-4. User information (2)]
In the above embodiment, an example of the acquisition process in which the
例えば、ユーザの年齢のカテゴリが20歳未満、20〜30歳代、40〜50歳代、60歳以上であるものとする。また、ユーザの年齢のカテゴリの個数が多いものをユーザ情報とするものとする。この場合、図7の例では、生成部133は、20〜30歳代の個数が多いため、ユーザの年齢を20〜30歳代であるものとする。
For example, it is assumed that the age category of the user is less than 20 years old, 20 to 30 years old, 40 to 50 years old, and 60 years old or older. In addition, it is assumed that the user information has a large number of age categories of the user. In this case, in the example of FIG. 7, since the number of
例えば、ユーザの年齢のカテゴリが20歳未満、20〜30歳代、40〜50歳代、60歳以上であるものとする。また、中間値をユーザ情報とするものとする。この場合、図7の例では、生成部133は、20〜30歳代と、40〜50歳代と、60歳以上とにデータがあるため、中間値である40〜50歳代をユーザの年齢であるものとする。
For example, it is assumed that the age category of the user is less than 20 years old, 20 to 30 years old, 40 to 50 years old, and 60 years old or older. In addition, it is assumed that the intermediate value is the user information. In this case, in the example of FIG. 7, since the
例えば、ユーザの年齢のカテゴリが20歳未満、20〜30歳代、40〜50歳代、60歳以上であるものとする。また、平均値をユーザ情報とするものとする。また、20歳未満のスコアが1であり、20〜30歳代のスコアが2であり、40〜50歳代のスコアが3であり、60歳以上のスコアが4であるものとする。この場合、図7の例では、生成部133は、20〜30歳代と、40〜50歳代と、60歳以上とにデータがあるため、平均値を(2×2+3×1+4×1)/4=2.75と算出する。このとき、生成部133は、平均値を四捨五入して整数にすることで、平均値を3と算出する。このことから、生成部133は、40〜50歳代をユーザの年齢であるものとする。
For example, it is assumed that the age category of the user is less than 20 years old, 20 to 30 years old, 40 to 50 years old, and 60 years old or older. In addition, the average value shall be the user information. Further, it is assumed that the score of under 20 years old is 1, the score of 20 to 30 years old is 2, the score of 40 to 50 years old is 3, and the score of 60 years old or older is 4. In this case, in the example of FIG. 7, since the
例えば、ユーザの年齢のカテゴリが20歳未満、20〜30歳代、40〜50歳代、60歳以上であるものとする。また、重みを考慮した平均値をユーザ情報とするものとする。また、20歳未満のスコアが1であり、20〜30歳代のスコアが2であり、40〜50歳代のスコアが3であり、60歳以上のスコアが4であるものとする。また、40〜50歳代と、60歳以上との重みを0.5であるものとする。この場合、図7の例では、生成部133は、20〜30歳代と、40〜50歳代と、60歳以上とにデータがあるため、重み付き平均値を(2×2+3×1×0.5+4×1×0.5)/4=2.5と算出する。このとき、生成部133は、平均値を四捨五入して整数にすることで、平均値を3と算出する。このことから、生成部133は、40〜50歳代をユーザの年齢であるものとする。
For example, it is assumed that the age category of the user is less than 20 years old, 20 to 30 years old, 40 to 50 years old, and 60 years old or older. Further, it is assumed that the average value considering the weight is used as the user information. Further, it is assumed that the score of under 20 years old is 1, the score of 20 to 30 years old is 2, the score of 40 to 50 years old is 3, and the score of 60 years old or older is 4. Further, it is assumed that the weight between the 40s to 50s and the 60s and over is 0.5. In this case, in the example of FIG. 7, since the
〔5−5.ユーザ情報の更新日時を考慮する場合〕
上記実施形態では、情報処理装置100の生成部133が複数のユーザ識別情報毎に対応するユーザ情報を集約したユーザ情報に基づいて、学習データを生成する生成処理の一例を説明したが、上記生成処理に限定されない。具体的には、生成部133は、複数のユーザ情報のそれぞれに対応する更新日時に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成してもよい。また、以下では、複数の第2のユーザ情報を集約することで学習データを生成する例を挙げて説明する。
[5-5. When considering the update date and time of user information]
In the above embodiment, an example of the generation process in which the
より具体的には、生成部133は、複数のユーザ情報のそれぞれに対応するスコアと、複数のユーザ情報のそれぞれに対応する更新日時から算出される重みとに基づいて集約されるユーザ情報から学習データとして生成してもよい。
More specifically, the
例えば、図8の例では、スコアとともに更新された日時が表TB4に記憶されるものとする。また、更新日時の1月、2月、3月・・・を重み「1」、「2」、「3」・・・とするものとする。この場合、図8の例では、生成部133は、ユーザ情報1の重み付き平均値を(0×6+1×12+1×10)/(6+12+10)=0.58と算出する。このとき、生成部133は、ユーザ情報1のスコアを四捨五入して整数にすることで、1と算出する。また、生成部133は、ユーザ情報2の重み付き平均値を(0×6+0×5+0×12)/(6+5+12)=0と算出する。
For example, in the example of FIG. 8, it is assumed that the date and time updated together with the score are stored in Table TB4. Further, it is assumed that the update date and time of January, February, March ... Are weights "1", "2", "3" ... In this case, in the example of FIG. 8, the
また、生成部133は、ユーザ情報3の重み付き平均値を(1×6+0×6+0×7)/(6+6+7)=0.32と算出する。このとき、生成部133は、ユーザ情報3のスコアを四捨五入して整数にすることで、0と算出する。また、生成部133は、ユーザ情報4の重み付き平均値を(1×6+1×7+0×12)/(6+7+12)=0.52と算出する。このとき、生成部133は、ユーザ情報4のスコアを四捨五入して整数にすることで、1と算出する。このように、生成部133は、スコアを集約することで、学習データを生成してもよい。
Further, the
これにより、実施形態に係る情報処理装置100の生成部133は、複数のユーザ情報のいずれかのユーザ情報の更新日時に基づいて、複数のユーザ情報を集約したユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
なお、図8の例では、更新日時を月としたが、年、日、時、分、秒又はこれらの組み合わせであってもよい。また、上記例では、生成部133が表TB4を基づいて学習データを生成する例を挙げたが、上記例に限定されなくともよい。例えば、生成部133は、最も直近の更新日時のスコアを採用して学習データを生成してもよい。
In the example of FIG. 8, the update date and time is set to month, but it may be year, day, hour, minute, second, or a combination thereof. Further, in the above example, the
〔5−6.ユーザ情報の推定精度を考慮する場合〕
上記実施形態では、情報処理装置100の生成部133が複数のユーザ識別情報毎に対応するユーザ情報を集約したユーザ情報に基づいて、学習データを生成する生成処理の一例を説明したが、上記生成処理に限定されない。具体的には、生成部133は、取得部131によって取得された複数のユーザ情報のそれぞれに対応する推定精度に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成してもよい。また、以下では、複数の第2のユーザ情報を集約することで学習データを生成する例を挙げて説明する。
[5-6. When considering the estimation accuracy of user information]
In the above embodiment, an example of the generation process in which the
より具体的には、生成部133は、複数のユーザ情報のそれぞれに対応するスコアと、複数のユーザ情報のそれぞれに対応するスコアの推定精度から算出される重みとに基づいて集約されるユーザ情報から学習データとして生成してもよい。
してもよい。
More specifically, the
You may.
例えば、図9の例では、ユーザ情報を示すスコアとともにスコアの推定精度が表TB5に記憶されるものとする。この場合、図9の例では、生成部133は、ユーザ情報1の重み付き平均値を(0×0.7+1×0.8+1×0.6)/(0.7+0.8+0.6)=0.66と算出する。このとき、生成部133は、ユーザ情報1のスコアを四捨五入して整数にすることで、1と算出する。また、生成部133は、ユーザ情報2の重み付き平均値を(0×0.5+0×0.5+0×0.6)/(0.5+0.5+0.6)=0と算出する。
For example, in the example of FIG. 9, it is assumed that the estimation accuracy of the score is stored in Table TB5 together with the score indicating the user information. In this case, in the example of FIG. 9, the
また、生成部133は、ユーザ情報3の重み付き平均値を(1×1+0×0.9+0×0.7)/(1+0.9+0.7)=0.38と算出する。このとき、生成部133は、ユーザ情報3のスコアを四捨五入して整数にすることで、0と算出する。また、生成部133は、ユーザ情報4の重み付き平均値を(1×0.5+1×0.8+0×0.7)/(0.5+0.8+0.7)=0.65と算出する。このとき、生成部133は、ユーザ情報4のスコアを四捨五入して整数にすることで、1と算出する。このように、生成部133は、スコアを集約することで、学習データを生成してもよい。
Further, the
これにより、実施形態に係る情報処理装置100の生成部133は、複数のユーザ情報のいずれかのユーザ情報に関する推定精度に基づいて、複数のユーザ情報を集約したユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
なお、上記例では、生成部133が表TB5を基づいて学習データを生成する例を挙げたが、上記例に限定されなくともよい。例えば、生成部133は、最も推定精度が高いスコアを採用して学習データを生成してもよい。
In the above example, the
〔5−7.その他の学習データ〕
上記実施形態では、情報処理装置100の生成部133が、正解データが正例又は負例の2値に分類される学習データを集約する例を示したが、正解データが3値以上の複数の値を取り得る学習データを集約してもよい。具体的には、生成部133は、正解データであるユーザ情報であって、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成してもよい。例えば、生成部133は、正解データとして収入金額に関する情報を含むユーザ情報であって、複数のユーザ情報のうち、同一である収入金額の数に基づいて集約した集約ユーザ情報から学習データを生成してもよい。
[5-7. Other learning data]
In the above embodiment, the
例えば、ユーザ情報にはユーザ性別、婚姻歴、倒産履歴、収入金額が含まれるものとする。また、ユーザAに対応するユーザ情報がユーザ情報Aであるものとする。また、ユーザBに対応するユーザ情報がユーザ情報Bであるものとする。また、ユーザCに対応するユーザ情報がユーザ情報Cであるものとする。また、ユーザ情報Aに含まれる収入金額が「25万円」であるものとする。また、ユーザ情報Bに含まれる収入金額が「20万円」であるものとする。また、ユーザ情報Cに含まれる収入金額が「25万円」であるものとする。この場合、生成部133は、収入金額「25万円」の数が多いため、集約ユーザ情報に含まれる収入金額が「25万円」であるものとして学習データを生成してもよい。
For example, it is assumed that the user information includes the user gender, marriage history, bankruptcy history, and income amount. Further, it is assumed that the user information corresponding to the user A is the user information A. Further, it is assumed that the user information corresponding to the user B is the user information B. Further, it is assumed that the user information corresponding to the user C is the user information C. Further, it is assumed that the income amount included in the user information A is "250,000 yen". Further, it is assumed that the income amount included in the user information B is "200,000 yen". Further, it is assumed that the amount of income included in the user information C is "250,000 yen". In this case, since the
また、上記例では、生成部133が同一である収入金額の数に基づいて集約した集約ユーザ情報から学習データを生成する例を挙げたが、上記生成処理に限定されない。例えば、生成部133は、複数のユーザ情報のそれぞれに含まれる収入金額の平均値に基づいて集約した集約ユーザ情報から学習データを生成してもよい。また、例えば、生成部133は、複数のユーザ情報のそれぞれに含まれる収入金額のうち、最大値に基づいて集約した集約ユーザ情報から学習データを生成してもよい。また、例えば、生成部133は、複数のユーザ情報のそれぞれに含まれる収入金額のうち、最小値に基づいて集約した集約ユーザ情報から学習データを生成してもよい。
Further, in the above example, the
これにより、実施形態に係る情報処理装置100の学習部134は、複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
なお、上記処理例では、生成部133が正解データであるユーザ情報であって、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成する例を示したが、上記処理に限定されなくともよい。具体的には、生成部133は、複数のユーザ情報のそれぞれに対応付けられたクラスを集約することで、各クラスに対応する学習データを生成してもよい。より具体的には、生成部133は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられたクラスのうち、同一であるクラスの数に基づいて、各クラスに対応する学習データを生成してもよい。
In the above processing example, the
例えば、ユーザ情報A〜Dは、父、母、子の3人によって構成される家族に対応するユーザ情報であるものとする。また、ユーザ情報Aに対応するクラスが「0」であるものとする。ここで、クラス「0」は父を示す。また、ユーザ情報Bに対応するクラスが「0」であるものとする。また、ユーザ情報Cに対応するクラスが「1」であるものとする。ここで、クラス「1」は母を示す。また、ユーザ情報Dに対応するクラスが「2」であるものとする。ここで、クラス「2」は子を示す。また、同一のクラスの個数が多いものを集約ユーザ情報に対応するクラスとするものとする。この場合、生成部133は、ユーザ情報A〜Dのうち、クラス「0」の個数が多いため、ユーザ情報A〜Dを集約した集約ユーザ情報に対応するクラスが「0」であるとして学習データを生成する。また、上記例のユーザ情報とクラスの対応付けは、例えば、ナイーブベイズ等の従来技術による多クラス分類等によって実現される。
For example, the user information A to D are assumed to be user information corresponding to a family composed of three people, a father, a mother, and a child. Further, it is assumed that the class corresponding to the user information A is "0". Here, class "0" indicates a father. Further, it is assumed that the class corresponding to the user information B is "0". Further, it is assumed that the class corresponding to the user information C is "1". Here, class "1" indicates a mother. Further, it is assumed that the class corresponding to the user information D is "2". Here, the class "2" indicates a child. In addition, it is assumed that a class having a large number of the same classes is a class corresponding to aggregated user information. In this case, since the
〔5−8.正例又は負例〕
上記実施形態では、情報処理装置100の学習部134が第1のユーザ識別情報と第2のユーザ識別情報との組み合わせに対応付いた正例又は負例の数が多い場合に、第1のユーザ識別情報と第2のユーザ識別情報との組み合わせに対応する学習データを正例又は負例として学習する学習処理の一例を説明したが、上記学習処理に限定されない。
[5-8. Positive or negative example]
In the above embodiment, when the
例えば、学習部134は、特徴的な組み合わせであって、第1のユーザ識別情報と第2のユーザ識別情報との組み合わせに対応付いた正例又は負例に基づいて、第1のユーザ識別情報と第2のユーザ識別情報との組み合わせに対応する学習データを正例又は負例として学習してもよい。
For example, the
また、例えば、学習部134は、ユーザ情報の更新情報又はユーザ情報の推定精度を考慮した正例又は負例であって、第1のユーザ識別情報と第2のユーザ識別情報との組み合わせに対応付いた正例又は負例に基づいて、第1のユーザ識別情報と第2のユーザ識別情報との組み合わせに対応する学習データを正例又は負例として学習してもよい。
Further, for example, the
〔6.ハードウェア構成〕
また、上述してきた実施形態に係る金融サーバ20、サービスサーバ30及び情報処理装置100は、例えば図10に示すような構成のコンピュータ1000によって実現される。以下、情報処理装置100を例に挙げて説明する。図10は、情報処理装置100の機能を実現するコンピュータ1000の一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM(Read Only Memory)1300、HDD(Hard Disk Drive)1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
[6. Hardware configuration]
Further, the
CPU1100は、ROM1300又はHDD1400に格納されたプログラムに基づいて動作し、各部の制御を行う。ROM1300は、コンピュータ1000の起動時にCPU1100によって実行されるブートプログラムや、コンピュータ1000のハードウェアに依存するプログラム等を格納する。
The
HDD1400は、CPU1100によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス1500は、ネットワークNを介して他の機器からデータを受信してCPU1100へ送り、CPU1100がネットワークNを介して生成したデータを他の機器へ送信する。
The
CPU1100は、入出力インターフェイス1600を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。CPU1100は、入出力インターフェイス1600を介して、入力装置からデータを取得する。また、CPU1100は、入出力インターフェイス1600を介して生成したデータを出力装置へ出力する。
The
メディアインターフェイス1700は、記録媒体1800に格納されたプログラム又はデータを読み取り、RAM1200を介してCPU1100に提供する。CPU1100は、かかるプログラムを、メディアインターフェイス1700を介して記録媒体1800からRAM1200上にロードし、ロードしたプログラムを実行する。記録媒体1800は、例えばDVD(Digital Versatile Disc)、PD(Phase change rewritable Disk)等の光学記録媒体、MO(Magneto-Optical disk)等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
The
例えば、コンピュータ1000が実施形態に係る情報処理装置100として機能する場合、コンピュータ1000のCPU1100は、RAM1200上にロードされたプログラムを実行することにより、制御部130の機能を実現する。また、HDD1400には、記憶部120内のデータが格納される。コンピュータ1000のCPU1100は、これらのプログラムを記録媒体1800から読み取って実行するが、他の例として、他の装置からネットワークNを介してこれらのプログラムを取得してもよい。
For example, when the
〔7.その他〕
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
[7. Others]
Further, among the processes described in the above-described embodiments and modifications, all or part of the processes described as being automatically performed can be manually performed, or the processes described as being manually performed. It is also possible to automatically perform all or part of the processed processing by a known method. In addition, the processing procedure, specific name, and information including various data and parameters shown in the above document and drawings can be arbitrarily changed unless otherwise specified. For example, the various information shown in each figure is not limited to the illustrated information.
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。 Further, each component of each of the illustrated devices is a functional concept, and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of the device is functionally or physically distributed / physically in arbitrary units according to various loads and usage conditions. It can be integrated and configured.
また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。 In addition, the above-described embodiments and modifications can be appropriately combined as long as the processing contents do not contradict each other.
また、上述してきた「部(section、module、unit)」は、「手段」や「回路」などに読み替えることができる。例えば、生成部は、生成手段や生成回路に読み替えることができる。 Further, the above-mentioned "section, module, unit" can be read as "means" or "circuit". For example, the generation unit can be read as a generation means or a generation circuit.
〔8.効果〕
上述してきたように、実施形態に係る情報処理装置100は、取得部131と、生成部133とを有する。取得部131は、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。生成部133は、取得部131によって取得された複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。
[8. effect〕
As described above, the
これにより、実施形態に係る情報処理装置100は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、取得部131は、第1のシステムで利用されるユーザを識別する第1のユーザ識別情報に対応する第1のユーザ情報と、第2のシステムで利用されるユーザを識別する第2のユーザ識別情報であって、所定の条件を満たす複数の第2のユーザ識別情報のそれぞれに対応する第2のユーザ情報とを取得し、生成部133は、取得部131によって取得された第1のユーザ情報と、複数の第2のユーザ情報を集約した集約ユーザ情報との組み合わせを、第2のユーザ識別情報が示すユーザに対応する学習データとして生成する。
Further, in the
これにより、実施形態に係る情報処理装置100は、第1のユーザ情報と、複数の第2のユーザ情報を集約した集約ユーザ情報との組み合わせを、第2のユーザ識別情報が示すユーザに対応する学習データとして生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、生成部133は、生成部133は、取得部131によって取得された複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成する。
Further, in the
これにより、実施形態に係る情報処理装置100は、複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、生成部133は、取得部131によって取得された複数のユーザ情報のそれぞれに対応する更新日時に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成する。
Further, in the
これにより、実施形態に係る情報処理装置100は、複数のユーザ情報のそれぞれに対応する更新日時に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、生成部133は、取得部131によって取得された複数のユーザ情報のそれぞれに対応する推定精度に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成する。
Further, in the
これにより、実施形態に係る情報処理装置100は、複数のユーザ情報のそれぞれに対応する推定精度に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、生成部133は、取得部131によって取得された複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた正例の数に基づいて、正例に対応する学習データを生成する。
Further, in the
これにより、実施形態に係る情報処理装置100は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた正例の数に基づいて、正例に対応する学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、生成部133は、取得部131によって取得された複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた負例の数に基づいて、負例に対応する学習データを生成する。
Further, in the
これにより、実施形態に係る情報処理装置100は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた負例の数に基づいて、負例に対応する学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、取得部131は、複数のユーザ識別情報のそれぞれに対応するユーザ情報として、複数の項目に対応する情報を含むユーザ情報を取得し、生成部133は、項目毎に、項目に対応する情報を集約することで、学習データを生成する。
Further, in the
これにより、実施形態に係る情報処理装置100は、項目毎に、項目に対応する情報を集約することで、学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、生成部133は、取得部131によって取得された複数の項目のうち、特定の項目に対応する情報が同一であるユーザ情報毎に集約した集約ユーザ情報から学習データを生成する。
Further, in the
これにより、実施形態に係る情報処理装置100は、複数の項目のうち、特定の項目に対応する情報が同一であるユーザ情報毎に集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。
As a result, the
また、実施形態に係る情報処理装置100において、取得部131は、所定の条件として、複数のユーザ識別情報が示すユーザが同一ユーザ、同一又は類似の属性を有する複数のユーザが属するユーザ群、家族又は事業会社である条件を満たす場合に、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。
Further, in the
これにより、実施形態に係る情報処理装置100は、所定の条件として、複数のユーザ識別情報が示すユーザが同一ユーザ、同一又は類似の属性を有する複数のユーザが属するユーザ群、家族又は事業会社である条件を満たす場合に、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得するため、複数の情報を効率的に利用することができる。
As a result, the
また、上述してきたように、実施形態に係る情報処理装置100は、取得部131と、推定部135とを有する。取得部131は、所定の条件を満たす複数のユーザ識別情報と、前記複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。推定部135は、取得部131によって取得された複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する。
Further, as described above, the
これにより、実施形態に係る情報処理装置100は、複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定するため、複数の情報を効率的に利用することができる。
As a result, the
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。 Although some of the embodiments of the present application have been described in detail with reference to the drawings, these are examples, and various modifications are made based on the knowledge of those skilled in the art, including the embodiments described in the disclosure column of the invention. It is possible to carry out the present invention in other improved forms.
1 情報処理システム
20 金融サーバ
30 サービスサーバ
100 情報処理装置
110 通信部
120 記憶部
121 学習モデル
122 信用スコア記憶部
130 制御部
131 取得部
132 受付部
133 生成部
134 学習部
135 推定部
136 送信部
1
Claims (15)
前記取得部によって取得された複数のユーザ情報を集約することで、前記複数のユーザ識別情報が示すユーザに対応する学習データを生成する生成部と、
を備えたことを特徴とする情報処理装置。 A plurality of user identification information satisfying a predetermined condition, an acquisition unit for acquiring user information corresponding to each of the plurality of user identification information, and an acquisition unit.
A generation unit that generates learning data corresponding to a user indicated by the plurality of user identification information by aggregating a plurality of user information acquired by the acquisition unit.
An information processing device characterized by being equipped with.
第1のシステムで利用されるユーザを識別する第1のユーザ識別情報に対応する第1のユーザ情報と、第2のシステムで利用されるユーザを識別する第2のユーザ識別情報であって、所定の条件を満たす複数の第2のユーザ識別情報のそれぞれに対応する第2のユーザ情報とを取得し、
前記生成部は、
前記取得部によって取得された第1のユーザ情報と、前記複数の第2のユーザ情報を集約した集約ユーザ情報との組み合わせを、前記第2のユーザ識別情報が示すユーザに対応する学習データとして生成する、
ことを特徴とする請求項1に記載の情報処理装置。 The acquisition unit
The first user information corresponding to the first user identification information for identifying the user used in the first system and the second user identification information for identifying the user used in the second system. Acquire the second user information corresponding to each of the plurality of second user identification information satisfying a predetermined condition, and obtain the second user information.
The generator
A combination of the first user information acquired by the acquisition unit and the aggregated user information obtained by aggregating the plurality of second user information is generated as learning data corresponding to the user indicated by the second user identification information. To do,
The information processing apparatus according to claim 1.
前記取得部によって取得された複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から前記学習データを生成する、
ことを特徴とする請求項1又は2に記載の情報処理装置。 The generator
The learning data is generated from the aggregated user information aggregated based on the number of the same user information among the plurality of user information acquired by the acquisition unit.
The information processing apparatus according to claim 1 or 2.
前記取得部によって取得された複数のユーザ情報のそれぞれに対応する更新日時に基づいて、前記複数のユーザ情報を集約した集約ユーザ情報から前記学習データを生成する、
ことを特徴とする請求項1〜3のいずれか1つに記載の情報処理装置。 The generator
The learning data is generated from the aggregated user information that aggregates the plurality of user information based on the update date and time corresponding to each of the plurality of user information acquired by the acquisition unit.
The information processing apparatus according to any one of claims 1 to 3.
前記取得部によって取得された複数のユーザ情報のそれぞれに対応する推定精度に基づいて、前記複数のユーザ情報を集約した集約ユーザ情報から前記学習データを生成する、
ことを特徴とする請求項1〜4のいずれか1つに記載の情報処理装置。 The generator
The learning data is generated from the aggregated user information that aggregates the plurality of user information based on the estimation accuracy corresponding to each of the plurality of user information acquired by the acquisition unit.
The information processing device according to any one of claims 1 to 4, wherein the information processing device is characterized.
前記取得部によって取得された複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた正例の数に基づいて、正例に対応する前記学習データを生成する、
ことを特徴とする請求項1〜5のいずれか1つに記載の情報処理装置。 The generator
The learning data corresponding to the positive example is generated based on the number of positive examples associated with the user information corresponding to each of the plurality of user identification information acquired by the acquisition unit.
The information processing device according to any one of claims 1 to 5, wherein the information processing device is characterized.
前記取得部によって取得された複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた負例の数に基づいて、負例に対応する前記学習データを生成する、
ことを特徴とする請求項1〜6のいずれか1つに記載の情報処理装置。 The generator
The learning data corresponding to the negative example is generated based on the number of negative examples associated with the user information corresponding to each of the plurality of user identification information acquired by the acquisition unit.
The information processing device according to any one of claims 1 to 6, wherein the information processing device is characterized.
前記複数のユーザ識別情報のそれぞれに対応するユーザ情報として、複数の項目に対応する情報を含むユーザ情報を取得し、
前記生成部は、
前記項目毎に、前記項目に対応する情報を集約することで、前記学習データを生成する、
ことを特徴とする請求項1〜7のいずれか1つに記載の情報処理装置。 The acquisition unit
As user information corresponding to each of the plurality of user identification information, user information including information corresponding to a plurality of items is acquired.
The generator
The learning data is generated by aggregating the information corresponding to the item for each item.
The information processing device according to any one of claims 1 to 7, wherein the information processing device is characterized.
前記取得部によって取得された複数の項目のうち、特定の項目に対応する情報が同一であるユーザ情報毎に集約した集約ユーザ情報から前記学習データを生成する、
ことを特徴とする請求項8に記載の情報処理装置。 The generator
Among the plurality of items acquired by the acquisition unit, the learning data is generated from the aggregated user information aggregated for each user information in which the information corresponding to the specific item is the same.
The information processing apparatus according to claim 8.
前記所定の条件として、前記複数のユーザ識別情報が示すユーザが同一ユーザ、同一又は類似の属性を有する複数のユーザが属するユーザ群、家族又は事業会社である条件を満たす場合に、前記複数のユーザ識別情報と、前記複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する、
ことを特徴とする請求項1〜9のいずれか1つに記載の情報処理装置。 The acquisition unit
When the predetermined condition is that the user indicated by the plurality of user identification information is the same user, a user group to which a plurality of users having the same or similar attributes belong, a family member, or a business company, the plurality of users. Acquire the identification information and the user information corresponding to each of the plurality of user identification information.
The information processing device according to any one of claims 1 to 9, wherein the information processing device is characterized.
前記取得部によって取得された複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する推定部と、
を備えたことを特徴とする情報処理装置。 A plurality of user identification information satisfying a predetermined condition, an acquisition unit for acquiring user information corresponding to each of the plurality of user identification information, and an acquisition unit.
An estimation unit that estimates user information of a predetermined user based on aggregated user information that aggregates a plurality of user information acquired by the acquisition unit.
An information processing device characterized by being equipped with.
所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する取得工程と、
前記取得工程によって取得された複数のユーザ情報を集約することで、前記複数のユーザ識別情報が示すユーザに対応する学習データを生成する生成工程と、
を含むことを特徴とする情報処理方法。 Information processing method executed by a computer
A plurality of user identification information satisfying a predetermined condition, an acquisition process for acquiring user information corresponding to each of the plurality of user identification information, and an acquisition process.
A generation step of generating learning data corresponding to a user indicated by the plurality of user identification information by aggregating a plurality of user information acquired by the acquisition step, and a generation step.
An information processing method characterized by including.
前記取得手順によって取得された複数のユーザ情報を集約することで、前記複数のユーザ識別情報が示すユーザに対応する学習データを生成する生成手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。 A plurality of user identification information satisfying a predetermined condition, an acquisition procedure for acquiring user information corresponding to each of the plurality of user identification information, and an acquisition procedure.
A generation procedure for generating learning data corresponding to a user indicated by the plurality of user identification information by aggregating a plurality of user information acquired by the acquisition procedure, and a generation procedure.
An information processing program characterized by having a computer execute.
所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する取得工程と、
前記取得工程によって取得された複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する推定工程と、
を含むことを特徴とする情報処理方法。 Information processing method executed by a computer
A plurality of user identification information satisfying a predetermined condition, an acquisition process for acquiring user information corresponding to each of the plurality of user identification information, and an acquisition process.
An estimation process that estimates user information of a predetermined user based on aggregated user information that aggregates a plurality of user information acquired by the acquisition process, and an estimation process.
An information processing method characterized by including.
前記取得手順によって取得された複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する推定手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。 A plurality of user identification information satisfying a predetermined condition, an acquisition procedure for acquiring user information corresponding to each of the plurality of user identification information, and an acquisition procedure.
An estimation procedure for estimating user information of a predetermined user based on aggregated user information obtained by aggregating a plurality of user information acquired by the acquisition procedure, and an estimation procedure.
An information processing program characterized by having a computer execute.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019046403A JP6738926B1 (en) | 2019-03-13 | 2019-03-13 | Information processing apparatus, information processing method, and information processing program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019046403A JP6738926B1 (en) | 2019-03-13 | 2019-03-13 | Information processing apparatus, information processing method, and information processing program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6738926B1 JP6738926B1 (en) | 2020-08-12 |
JP2020149363A true JP2020149363A (en) | 2020-09-17 |
Family
ID=71949314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019046403A Active JP6738926B1 (en) | 2019-03-13 | 2019-03-13 | Information processing apparatus, information processing method, and information processing program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6738926B1 (en) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008269166A (en) * | 2007-04-18 | 2008-11-06 | Toshiba Corp | Customer information management device |
JP2014206792A (en) * | 2013-04-10 | 2014-10-30 | テンソル・コンサルティング株式会社 | Social network information processor, processing method, and processing program |
JP5960887B1 (en) * | 2015-07-02 | 2016-08-02 | ヤフー株式会社 | Calculation device, calculation method, and calculation program |
JP6194092B1 (en) * | 2016-11-18 | 2017-09-06 | ヤフー株式会社 | Calculation device, calculation method, and calculation program |
JP2018045570A (en) * | 2016-09-16 | 2018-03-22 | ヤフー株式会社 | Generation device, generation method, and generation program |
JP6312913B1 (en) * | 2017-09-01 | 2018-04-18 | ヤフー株式会社 | Information processing apparatus, information processing method, and information processing program |
JP6397098B1 (en) * | 2017-09-01 | 2018-09-26 | ヤフー株式会社 | Information processing apparatus, information processing method, and information processing program |
-
2019
- 2019-03-13 JP JP2019046403A patent/JP6738926B1/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008269166A (en) * | 2007-04-18 | 2008-11-06 | Toshiba Corp | Customer information management device |
JP2014206792A (en) * | 2013-04-10 | 2014-10-30 | テンソル・コンサルティング株式会社 | Social network information processor, processing method, and processing program |
JP5960887B1 (en) * | 2015-07-02 | 2016-08-02 | ヤフー株式会社 | Calculation device, calculation method, and calculation program |
JP2018045570A (en) * | 2016-09-16 | 2018-03-22 | ヤフー株式会社 | Generation device, generation method, and generation program |
JP6194092B1 (en) * | 2016-11-18 | 2017-09-06 | ヤフー株式会社 | Calculation device, calculation method, and calculation program |
JP6312913B1 (en) * | 2017-09-01 | 2018-04-18 | ヤフー株式会社 | Information processing apparatus, information processing method, and information processing program |
JP6397098B1 (en) * | 2017-09-01 | 2018-09-26 | ヤフー株式会社 | Information processing apparatus, information processing method, and information processing program |
Also Published As
Publication number | Publication date |
---|---|
JP6738926B1 (en) | 2020-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10997638B1 (en) | Industry review benchmarking | |
US20160191450A1 (en) | Recommendations Engine in a Layered Social Media Webpage | |
US10509837B2 (en) | Modeling actions for entity-centric search | |
US20160063560A1 (en) | Accelerating engagement of potential buyers based on big data analytics | |
US20180150914A1 (en) | Identity mapping between commerce customers and social media users | |
US9064212B2 (en) | Automatic event categorization for event ticket network systems | |
JP6767824B2 (en) | Judgment device, judgment method and judgment program | |
US20210295270A1 (en) | Machine-learning-based application for improving digital content delivery | |
JP2019527874A (en) | Predict psychometric profiles from behavioral data using machine learning while maintaining user anonymity | |
US8732015B1 (en) | Social media pricing engine | |
US20130218687A1 (en) | Methods, systems and devices for determining a user interest and/or characteristic by employing a personalization engine | |
US11341516B2 (en) | Optimization of send time of messages | |
JP2021103542A (en) | Information providing device, information providing method, and program | |
US20230025641A1 (en) | Training a machine learning model to determine a predicted time distribution related to electronic communications | |
Kang et al. | Task recommendation in crowdsourcing based on learning preferences and reliabilities | |
US20100217668A1 (en) | Optimizing Delivery of Online Advertisements | |
US20240177184A1 (en) | Self-learning valuation and access to digital content | |
Tan et al. | Comparing hypothetical and realistic privacy valuations | |
CN112335205B (en) | Method, apparatus, and storage medium for determining a set of activity instances for a group of users | |
US20190251581A1 (en) | System and method for client application user acquisition | |
JP6738926B1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6883065B2 (en) | Estimator, estimation method and estimation program | |
JP4962950B2 (en) | Recommendation method, recommendation server and program for users on network | |
JP7351887B2 (en) | Information processing device, information processing system, and information processing method | |
JP7370435B1 (en) | Information processing device, method and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190415 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190415 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190416 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190822 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190910 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191111 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200424 |
|
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: 20200707 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200720 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6738926 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |