JP2021028854A - 見守りシステム、情報処理装置、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】対象ユーザの資産の履歴に基づいて、家族などの関係者による見守りを勧めることができる見守りシステム、情報処理装置、情報処理方法、及びプログラムを提供する。【解決手段】ユーザの資産の履歴を示す資産履歴情報と、当該ユーザの認知程度が判定された実績情報と、を取得する学習情報取得部と、教示データとしての前記実績情報と前記資産履歴情報に基づいて、前記資産履歴情報と前記認知程度との関係を学習し、学習結果を示す認知推定情報を記憶部に出力する学習部と、対象ユーザの前記資産履歴情報を取得する情報取得部と、前記対象ユーザの資産履歴情報と前記認知推定情報とに基づいて、前記対象ユーザの認知程度を推定する推定部と、前記推定された対象ユーザの認知程度に基づいて、登録ユーザ端末に前記対象ユーザの見守りが必要か否かを判定した判定結果を出力する出力部と、を備える。【選択図】図１２

Description

本発明は、見守りシステム、情報処理装置、情報処理方法、及びプログラムに関する。

認知能力が低下すると、金融詐欺被害にあう、特定の物を必要以上に購入してしまう等、顧客が望まない取引が発生する恐れがある。例えば、特許文献１には、日常生活の中のありふれた行動（例えば買い物）から、認知機能を測定する技術が開示されている。また、特許文献２には、買い物についての障害に関する情報に基づいて認知症の可能性があるか否かの判定を簡易にかつ正確に行うことができる技術が開示されている。

特開２０１５−２２１２０３号公報 特開２０１７−１２１４６０号公報

しながら低下が判定された場合の対応を、どのように行えばよいかは様々である。認知の低下を本人に告知したとしても受け入れられない場合が多い。日頃から、家族など周囲の関係者が情報を共有して見守りが行われることが望ましい。

本発明は、このような状況に鑑みてなされたもので、対象ユーザの資産の履歴に基づいて、家族などの関係者による見守りを勧めることができる見守りシステム、情報処理装置、情報処理方法、及びプログラムを提供する。

本発明の上述した課題を解決するために、本発明は、ユーザの資産の履歴を示す資産履歴情報と、当該ユーザの認知程度が判定された実績情報と、を取得する学習情報取得部と、教示データとしての前記実績情報と前記資産履歴情報に基づいて、前記資産履歴情報と前記認知程度との関係を学習し、学習結果を示す認知推定情報を記憶部に出力する学習部と、対象ユーザの前記資産履歴情報を取得する情報取得部と、前記対象ユーザの資産履歴情報と前記認知推定情報とに基づいて、前記対象ユーザの認知程度を推定する推定部と、前記推定された対象ユーザの認知程度に基づいて、登録ユーザ端末に前記対象ユーザの見守りが必要か否かを判定した判定結果を出力する出力部と、を備える見守りシステムである。

本発明によれば、対象ユーザの資産の履歴に基づいて、家族などの関係者による見守りを勧めることができる。

第１の実施形態に係る見守りシステム１の概要を示すである。 第１の実施形態に係る見守りシステム１の構成の例を示すブロック図である。 第１の実施形態に係る見守りシステム１が行う処理の流れを示すシーケンス図である。 第１の実施形態に係る見守りシステム１が行う処理の流れを示すシーケンス図である。 第１の実施形態に係る登録ユーザ情報のデータ構成の例を示す図である。 第１の実施形態に係る口座情報のデータ構成の例を示す図である。 第１の実施形態に係る見守りフラグ情報のデータ構成の例を示す図である。 第１の実施形態に係る判定閾値のデータ構成の例を示す図である。 第１の実施形態に係る出力先情報のデータ構成の例を示す図である。 第１の実施形態に係るコンピュータシステム１００の構成の例を示す図である。 第１の実施形態に係る銀行端末１０の構成の例を示す図である。 第１の実施形態に係る学習サーバ２０の構成の例を示す図である。 第１の実施形態に係る見守り判定サーバ３０の構成の例を示す図である。 第１の実施形態に係る登録ユーザ端末４０の構成の例を示す図である。 第１の実施形態に係る資産情報と認知判定の相関を示す図である。

以下、発明の実施形態について、図面を参照しながら説明する。

〔見守りシステム１の概要〕
本発明における第１の実施形態の見守りシステム１の概要について説明する。見守りシステム１は、対象ユーザにおける、家族などの関係者による見守りを勧めるか否かを判定した結果を、予め登録した関係者に通知するサービスを提供する。以下では、一例として、対象ユーザの金融口座における資金移動の履歴に基づいて対象ユーザにおける見守りが必要な程度を推定し、推定した推定結果を用いて、家族などの関係者による見守りを勧めるか否かを判定する場合について説明する。

見守りシステム１が提供するサービスについて説明する。
図１は、本実施形態に係る見守りシステム１の概要を示す図である。
図１の前提として、金融機関において、口座を持つ顧客に対するサービスの一環として「見守りサービス」が提案される。「見守りサービス」では、お年寄りなど見守りが必要になる顧客の家族に、必要に応じて見守り対象とする顧客の口座情報を通知する。ここでの口座情報は、金融機関の口座を介して行われる資金の移動の履歴である。

「見守りサービス」は、見守り判定サーバ３０を介して提供される。具体的に、「見守りサービス」を希望する家族Ｆは、見守り判定サーバ３０が配信する「見守りサービス」のアプリケーションプログラム（以下、アプリという）を、自身の端末（登録ユーザ端末４０）にインストールして、アカウントを作成することにより、サービスを受けられるようになる。

「見守りサービス」を希望する家族Ｆは、見守り対象としたい本人を伴って金融機関を訪れ、「見守りサービス」を利用したい旨を金融機関に伝える。金融機関では、家族Ｆと本人とに同意を得た上で、サービスを受ける上で必要な事項を見守り判定サーバ３０に通知する。サービスを受ける上で必要な事項とは、見守り判定サーバ３０が見守り対象者の口座情報にアクセスするための情報であって、例えば、見守り対象者の口座番号とパスワード等の情報である。

見守り判定サーバ３０は、「見守りサービス」に登録された内容を用いて、銀行端末（不図示）にアクセスし、ユーザＵの口座情報を取得する。ユーザＵは、「見守りサービス」に登録された口座番号に対応する不特定多数の見守り対象者である。具体的に、見守り判定サーバ３０は、銀行端末が提供するインターネットバンキングにネットワーク経由でアクセスし、口座番号とパスワードを入力することにより、ユーザＵの口座情報を取得する。

なお、金融機関からＡＰＩ（Application Programming Interface）が提供されている場合、見守り判定サーバ３０は、口座番号のみを通知すれば、ユーザＵの口座情報を取得することが可能である。つまり、金融機関と見守り判定サーバ３０とがＡＰＩ連携されている場合には、口座番号へのアクセスについて家族Ｆと本人とから同意が得られていれば、口座情報を取得する際のパスワードを必要としない。

見守り判定サーバ３０は、「見守りサービス」に登録した家族Ｆ、或いは本人に、見守りに関する事項をヒアリングする。ヒアリングの内容は、通知する通知先や、通知のタイミング、見守りを希望した経緯や、見守り対象者本人の状況などである。本人の状況は、見守り対象者本人の見守りが必要な程度がどの程度であるかを把握し得るものを含み、本人の健康状態、外出の頻度、身の回りの世話ができているか、周囲の人とのコミュニケーションが取れているかなどである。なお、ヒアリングは、アプリを介して行われてもよいし、電話や訪問等により行われてもよい。また、家族Ｆや本人の同意が得られれば、本人がかかりつけの医療機関からヒアリングを行うようにしてもよい。

見守り判定サーバ３０は、「見守りサービス」に登録された家族Ｆ等に行ったヒアリングの内容に応じて、見守り対象者ごとの見守りフラグを設定する。見守りフラグは、「見守りサービス」の一環として、家族など関係者による本人への見守りを勧めるか否かを判定するための情報である。見守りフラグにおいて、例えば、「１」はヒアリング時において家族等による見守りを必要とする状況、「０」はヒアリング時においては家族等による見守りは必要としない状況、と判定されたことを示す。見守りフラグは、見守り対象者へのヒアリングなどにより把握される、本人への見守りが必要な程度に応じて設定される。

見守り判定サーバ３０は、教示データを作成する。見守り判定サーバ３０は、見守り対象者の口座情報に、当該見守り対象者に設定された見守りフラグを対応付けたデータセットを作成する。見守り判定サーバ３０は、不特定多数の見守り対象者におけるデータセットを作成し、作成したデータセットの集合を教示データとする。見守り判定サーバ３０は、作成した教示データを学習サーバ２０に送信する。

学習サーバ２０は、見守り判定サーバ３０から教示データを取得し、取得した教示データを学習モデルに学習させることにより、学習済モデルを作成する。学習サーバ２０は、学習モデルに、教示データに示されるユーザＵの口座情報と見守りフラグとの関係を学習させる。学習サーバ２０は、学習モデルが学習した学習結果として、口座情報から見守りを必要とする程度を推測する学習済モデルを作成する。学習サーバ２０は、作成した学習済モデルを示す情報を見守り判定サーバ３０に送信する。

見守り判定サーバ３０は、学習サーバ２０から学習済モデルを示す情報を取得し、取得した学習済モデルを記憶させる。
見守り判定サーバ３０は、学習済モデルを用いて、対象ユーザＴＵの口座情報を学習済モデルに入力することにより、対象ユーザＴＵに対する見守りの要否を推定する。学習済モデルは、対象ユーザＴＵの口座情報が、見守りフラグが「１」に設定されたユーザＵの口座情報とよく似た傾向を示している場合、その似た傾向の度合いに応じて見守りが必要な程度を推定する。例えば、対象ユーザＴＵの口座情報が、見守りフラグが「１」に設定されたユーザＵの口座情報とほとんど一致する場合には、見守りが必要な程度が大きく（例えば、８０％以上で）推定される。一方、対象ユーザＴＵの口座情報が、見守りフラグが「１」に設定されたユーザＵの口座情報の傾向とは似ていない場合、見守りが必要な程度は小さく（例えば、２０％未満に）推定される。
見守り判定サーバ３０は、推定結果に基づいて、家族に対象ユーザＴＵの見守りを勧めるか否か（見守りの要否）を判定し、判定結果を登録ユーザ端末４０に出力する。

登録ユーザ端末４０は、見守り判定サーバ３０から通知された判定結果を表示する。図１では、家族に対象ユーザＴＵの見守りを勧める場合の例が示されており、家族Ｆのスマートフォンの画面に「○○さんの出金額が増えています」「声を掛けてみてください」などと表示される例が示されている。

このように、見守りシステム１は、機械学習により学習した学習結果と、対象ユーザＴＵの口座情報に基づいて、対象ユーザＴＵに対する見守りが必要な程度を推定する。また、見守りシステム１は、対象ユーザＴＵの見守りが必要な程度に基づいて、家族による見守りを勧めると判定した場合、その旨を家族Ｆに登録ユーザ端末４０を介して通知する。これにより、対象ユーザＴＵが周囲の見守りが必要となってきている状況であることを、家族Ｆなどの関係者が把握することができる。
以上が、見守りシステム１の概要についての説明である。

〔見守りシステム１の構成〕
次に、見守りシステム１の構成について説明する。
図２は、見守りシステム１の構成の例を示すブロック図である。
見守りシステム１は、例えば、銀行端末１０と、学習サーバ２０と、見守り判定サーバ３０と、登録ユーザ端末４０とを備える。これら見守りシステム１の構成要素は、無線又は有線の通信ネットワークＮＷに接続し、互いに通信を行うことができる。なお、これら見守りシステム１の構成要素のそれぞれは、複数であってもよい。例えば、見守りシステム１が、銀行端末１０を複数備えていてもよい。

銀行端末１０は、コンピュータシステム１００（図９参照）を備える電子機器である。例えば、銀行端末１０は、パーソナルコンピュータ、タブレット端末、サーバ装置等であってよい。銀行端末１０は、銀行に口座を持つ顧客の口座番号や資金移動の履歴など各種情報を記憶したり、提示したりする。

学習サーバ２０は、コンピュータシステム１００を備える電子機器である。例えば、学習サーバ２０は、サーバ装置、パーソナルコンピュータ等である。学習サーバ２０は、口座情報と見守りフラグとを対応付けた教示データに基づいて、口座情報と見守りフラグとの関係を学習モデルに学習させる。学習サーバ２０は、学習結果として、口座情報から見守りが必要な程度を推測する学習済モデルを生成する。

見守り判定サーバ３０は、コンピュータシステム１００を備える電子機器である。例えば、見守り判定サーバ３０は、サーバ装置、パーソナルコンピュータ等である。見守り判定サーバ３０は、学習サーバ２０により生成された学習済モデルを用いて、対象ユーザＴＵの口座情報から、その対象ユーザＴＵにおける見守りが必要な程度を推定する。見守り判定サーバ３０は、推定結果に基づいて対象ユーザＴＵの要否を判定する。見守り判定サーバ３０は、判定結果を登録ユーザ端末４０に通知する。

登録ユーザ端末４０は、コンピュータシステム１００を備える電子機器である。例えば、登録ユーザ端末４０は、スマートフォン、パーソナルコンピュータ、携帯電話、ＰＨＳ（Ｐｅｒｓｏｎａｒｌ Ｈａｎｄｙｐｈｏｎｅ Ｓｙｓｔｅｍ）端末、ウェアラブル端末等であってよい。登録ユーザ端末４０は、見守り判定サーバ３０から通知された対象ユーザＴＵの資金移動の状況、及び家族による見守りを勧めるか否かに関する情報を表示する。なお、見守りを勧めるか否かを判定した判定結果は、少なくとも人間が認識できるように提示されればよい。登録ユーザ端末４０は、表示画面を備えないデバイスであってもよい。例えば、登録ユーザ端末４０は、無線通信機能を備えるカードや、スマートリング、或いは脳波により操作することが可能なデバイスなどであってよい。脳波による操作とは、予め定められたサービスに対応する電気信号を、ユーザの脳にセット（埋め込み）した、或いは、ユーザの頭部に装着させた通信チップに送信する方法などが考えられる。
以上が、見守りシステム１の構成についての説明である。

〔見守りシステム１の動作〕
次に、見守りシステム１の動作について説明する。
図３Ａ、及び図３Ｂは、見守りシステム１が行う処理の流れを示すシーケンス図である。図３Ａは、口座情報と見守りフラグとの関係を学習する学習段階の処理の流れを示している。

（ステップＳ１０）
登録ユーザ端末４０は、見守りサービスに登録する。見守りサービスを希望する家族Ｆが金融機関に出向いて申請書類を提出するなど必要な手続きを行う。この手続きにより、銀行端末１０は、見守り対象者の口座番号及びパスワード（ＰＷ）等を見守り判定サーバ３０に通知する。或いは、見守りサービスへの登録が、オンラインで行われてもよい。この場合、登録ユーザ端末４０から銀行端末１０に見守りサービスを希望する旨の申請がなされる。銀行端末１０は、登録ユーザ端末４０から通知された通知内容に応じて見守りサービスの提供の可否を審査する。審査は、例えば、口座番号の照合や、申請者の本人確認等により行われる。銀行端末１０は、見守りサービスの提供をすると判定した場合、見守り対象者の口座番号及びパスワード（ＰＷ）等を、見守り判定サーバ３０に通知する。また、登録ユーザ端末４０には、見守りサービスのアプリがインストールされ、当該アプリのアカウントが作成されると、アカウント情報（アカウントＩＤ、及びパスワード等）が見守り判定サーバ３０に通知される。これにより、見守り判定サーバ３０は、見守り対象者の口座番号、及びそのパスワード、見守りのサービスを希望する家族のアカウントＩＤ、及びそのパスワードなどを取得する。

（ステップＳ１１）
見守り判定サーバ３０は、ヒアリングを実施する。見守り判定サーバ３０は、例えば、アプリを介して、或いは電話連絡や訪問をする等して、見守り対象者の健康状態、外出の頻度などをヒアリングする。これにより、見守り判定サーバ３０は、ヒアリング情報を取得する。ヒアリング情報は、見守り対象者の日頃の行動等をヒアリングした結果を示す情報であり、見守り対象者の見守り要否を判定するための情報である。

（ステップＳ１２）
見守り判定サーバ３０は、見守りフラグを設定する。見守り判定サーバ３０は、ヒアリングした内容に基づき、見守り対象者について、家族等による見守りが必要な状態であるか否かを判定する。例えば、見守り判定サーバ３０は、ヒアリングの結果、見守り対象者が、生年月日、氏名や住所を問われて答えられなかった場合や、書くことができなかった場合、すでに要介護認定を受けている場合などに、見守りフラグを１に設定する。或いは、要介護認定を受けているが、ヒアリングの結果、家族等による見守りが必要な状態ではないと判定した場合には、ヒアリングの結果を優先し、見守りフラグを０に設定するようにしてもよい。

（ステップＳ１３）
見守り判定サーバ３０は、口座情報を取得する。見守り判定サーバ３０は、銀行端末１０にアクセスし、見守り対象者の口座番号、及びそのパスワードを用いて、見守り対象者の口座情報を取得する。見守り判定サーバ３０は、取得した口座情報に見守りフラグを対応付ける。

（ステップＳ１４）
見守り判定サーバ３０は、教示データを作成する。教示データは、学習モデルに学習させるデータであって、学習モデルへの入力とその入力に対する期待値（出力）とが対応付けられた組合せ（データセット）である。ここでの教示データの入力は、見守り対象者の口座番号である。教示データの出力は、見守り対象者の見守りフラグである。見守り判定サーバ３０は、「見守りサービス」に登録された見守り対象者ごとにステップＳ１２、Ｓ１３の処理を繰返すことにより不特定多数のデータセットを作成し、これを教示データとする。見守り判定サーバ３０は、作成した教示データを学習サーバ２０に送信する。

（ステップＳ１５）
学習サーバ２０は、教示データを用いて学習済モデルを作成する。学習サーバ２０は、学習モデルに、教示データを学習させることにより学習済モデルを作成する。学習モデルは、任意の機械学習の手法を用いた構成であってよいが、例えば、リカレントニューラルネットワーク（以下、ＲＮＮと称する）である。一般的に、ＲＮＮは、入力層、隠れ層（中間層）、出力層の３つの階層により構成される。入力層には、ＲＮＮに推定させる対象の入力（口座情報）が入力される。出力層からは、ＲＮＮによって推定された結果を示すデータ（見守りフラグ）が出力される。隠れ層は、推定の核となる処理を行う。例えば、隠れ層は、入力を、活性化関数（伝達関数）と呼ばれる関数により表現される値に変換して出力する。例えば、活性化関数は、正規化線形関数や、シグモイド関数、ステップ関数などであるが、これに限定されず、任意の関数が用いられてよい。

ここで、ＲＮＮの構成について簡単に説明する。ＲＮＮは、入力層のユニットから、隠れ層のｎ層のうち、最も浅い層の複数のユニットの各々に対してノードが接続される。ここで、ｎは任意の自然数である。また、最も浅い層とは隠れ層のｎ層のうち、最も入力層に近い層であり、この例では第１層である。第１層のユニットから、隠れ層のｎ層のうち、第１層の次に浅い層（この例では第２層）の複数のユニットの各々に対してノードが接続される。ユニット同士を接続するノードの各々には、結合係数よる重みづけＷ及びバイアス成分ｂが適用される。これにより、ある層のユニットから、より深い層のユニットにデータが出力される際に、ユニット同士を接続するノードの結合係数に応じた重みＷ及びバイアス成分ｂが付与されたデータが出力される。

ＲＮＮにおいては、中間層が各層の１時点前のユニットからの帰還路を有しており、第１層の個々のユニットから、第１層の個々のユニットに対してノードが接続される。第２層以降の層についても同様に、各層の複数のユニットの各々に対してノードが接続される。また、第２層以降の層における個々のユニットから、同じ第２層以降の層の個々のユニットに対してノードが接続される。このようなネットワーク構造とすることにより、ＲＮＮの入力層に時系列のデータを入力させた場合において、前の時点の中間層の値と今の時点の入力とにより出力が決定され、時系列のデータの推移の特徴を出力に反映させることが可能となる。例えば、学習モデルは、見守りフラグが「１」に設定されたユーザは、過去においてインフラ料金以外の出金の金額がほとんど一定であった状態から、増えたり減ったりを繰り返し、徐々に増加する傾向がある等といった、時系列に特有の特徴を学習することができる。

学習サーバ２０は、学習モデルの入力層に教示データのデータセットの入力に対応するデータを入力させる学習サーバ２０は、学習モデルに入力させたデータに対して、出力層から出力されたデータが、当該距時データの期待値に近づくように、学習モデルを学習させる。学習サーバ２０は、例えば、誤差逆伝搬法を用いて学習モデルを学習させる。具体的に、学習サーバ２０は、誤差と学習モデルに設定したパラメータ（重みづけＷ及びバイアス成分ｂ）との関係を、損失関数として導出する。ここでの誤差は、学習モデルの出力層から出力されるデータと、教示データの期待値との乖離度合いである。乖離度合いには、任意の指標が用いられてよいが、例えば、誤差の二乗（二乗誤差）やクロスエントロピー等が用いられる。学習サーバ２０は、損失関数が最小となるように、学習モデルにおけるパラメータ（重みＷとバイアス成分ｂの組み合わせ）を決定する。学習サーバ２０は、すべての教示データについて、このような損失関数が最小となるパラメータを決定する学習を繰り返す。学習サーバ２０は、学習結果として、何れの教示データの入力に対しても、学習モデルの出力の誤差が最小となるように、学習モデルにおけるパラメータ（重みＷとバイアス成分ｂの組み合わせ）を決定したモデルを、学習済モデルとする。学習サーバ２０は、決定（更新）した学習済モデルの重みＷとバイアス成分ｂとを、ノードやユニットと対応付け、対応付けた情報を記憶させる。

（ステップＳ１６）
見守り判定サーバ３０は、学習済モデルを取得する。例えば、見守り判定サーバ３０は、学習サーバ２０に、学習済モデルに関する情報を要求する。学習サーバ２０は、見守り判定サーバ３０からの要求に応じて、ＲＮＮの各階層の重みＷとバイアス成分ｂ、及び、ＲＮＮの構成を示す情報を通知する。ＲＮＮの構成を示す情報には、例えば、ＲＮＮの隠れ層の層数や、各層のユニット数、活性化関数、などを示す情報が含まれる。

図３Ｂは、口座情報から家族等による見守り対象者本人への見守りを勧めるか否かを判定する実行段階の処理の流れを示している。
（ステップＳ２０）
見守り判定サーバ３０は、対象ユーザＴＵの口座情報を取得する。見守り判定サーバ３０は、見守りサービスに登録された対象ユーザＴＵの口座情報、及びパスワードを用いて銀行端末１０にアクセスし、対象ユーザＴＵの口座情報を要求する。銀行端末１０は、見守り判定サーバ３０からの要求に応じて、対象ユーザＴＵの口座情報を、見守り判定サーバ３０に送信する。

（ステップＳ２１）
見守り判定サーバ３０は、対象ユーザの見守りを勧めるか否か判定する。見守り判定サーバ３０は、対象ユーザＴＵの口座情報を学習済モデルに入力する。見守り判定サーバ３０は、入力に対する学習済モデルからの出力、つまり、対象ユーザＴＵの口座情報から推定される、見守りを必要とする程度を取得する。ここで推定される見守りを必要とする程度は、例えば、１００％〜０％までの確立により示され、見守りを必要とする程度が大きい程、大きな値で示されるものである。

見守り判定サーバ３０は、学習済モデルにより推定された対象ユーザＴＵの見守りを必要とする程度に基づいて、家族に本人への見守りを勧めるか否かを判定する。見守り判定サーバ３０は、例えば、見守りを必要とする程度が所定の閾値以上である場合に、見守りを勧めると判定する。見守り判定サーバ３０は、見守りを必要とする程度が所定の閾値未満である場合に、見守りを勧めないと判定する。所定の閾値は、予め定められた任意の値であってよいが、例えば、性別や年齢に応じて設定される値であってもよい。また所定の閾値は、見守り対象者ごとに、家族Ｆからの希望などに応じて個別に設定される値であってもよい。見守り判定サーバ３０は、判定結果を通知する。通知先は、予め登録された通知先であって、例えば、対象ユーザＴＵの家族Ｆの端末である。また、見守り判定サーバ３０は、判定結果を対象ユーザＴＵの関係者に通知するようにしてもよい。関係者には、対象ユーザＴＵの親族、後見人、口座を持つ金融機関、管財人、かかりつけの医療機関、保険会社、証券会社、不動産業者などが含まれていてもよい。

（ステップＳ１７）
登録ユーザ端末４０は、見守り判定サーバ３０からの判定結果を受信し、受信した判定結果を、表画面に表示する。
以上が、見守りシステム１の動作についての説明である。

〔データ構成〕
次に、見守りシステム１が処理に用いる各種のデータの構成について説明する。
まず、登録ユーザ情報について説明する。登録ユーザ情報は、「見守りサービス」に登録された個々のユーザに関する情報を記述したデータである。
図４は、登録ユーザ情報のデータ構成の例を示す図である。登録ユーザ情報は、登録したユーザの登録ユーザＩＤ（ＩＤｅｎｔｉｆｉｅｒ）に対して、「見守りサービス」アプリ、見守り対象者、及び見守り対象口座の各々に関する情報を対応付けたデータとして記述される。登録ユーザ情報は、「見守りサービス」に登録した登録ユーザごとに作成される。
登録ユーザＩＤには、登録ユーザを一意に識別するための情報が記述される。
「見守りサービス」アプリには、登録ユーザが当該アプリにログインするためのアカウント情報が記述される。アカウント情報には、例えば、アカウント名称、及びパスワードを示す情報が記述される。
見守り対象者には、見守り対象者の属性情報が記述される。属性情報は見守り対象者に関する情報であって、例えば、見守り対象者の氏名、年齢、性別、ヒアリング情報などが記述される。ヒアリング情報には、ヒアリング時の見守り対象者における、健康状態、外出の頻度、会話の状況などが記述される。
見守り対象口座には、見守り対象とする見守り対象者の口座に関する情報が記述される。口座に関する情報は、当該口座における口座情報を取得するための情報であって、例えば、口座番号と、その口座番号にアクセスするためのパスワードを示す情報が記述される。

次に、口座情報について説明する。口座情報は、金融口座を持つ個々のユーザの資産の履歴を記述したデータである。
図５は、口座情報のデータ構成の例を示す図である。口座情報は、見守り対象とする口座のＩＤ（ＩＤｅｎｔｉｆｉｅｒ）に対して、当該口座の口座番号、及びその口座における資金移動の履歴などの情報を対応付けたデータとして記述される。口座情報は、見守り対象とする口座ごとに作成される。
見守り対象口座ＩＤには、見守り対象とする口座を一意に識別するための情報が記述される。
口座番号には、見守り対象口座ＩＤにより識別される口座の口座番号を示す情報が記述される。
履歴には、口座の資金を移動させた際の移動の内容を示す情報が記述される。例えば、履歴には、資金を移動させた年月日、入金か出金かを示す種別（入出金種別）、移動させた金額、資金を移動させた後の残高などを示す情報が記述される。履歴は、資金移動の都度、作成され、履歴１、履歴２、…のように時系列に沿って記述される。

次に、見守りフラグ情報について説明する。見守りフラグ情報は、見守り判定サーバ３０により判定された、見守り対象者における見守りの要否を示す情報を記述したデータである。
図６は、見守りフラグ情報のデータ構成の例を示す図である。見守りフラグ情報は、見守り対象者のＩＤ（ＩＤｅｎｔｉｆｉｅｒ）に対して、見守り判定サーバ３０により判定された見守りが必要な程度を示す情報を対応付けたデータとして記述される。
見守り対象者ＩＤには、見守り対象者を一意に識別するための情報が記述される。
見守りフラグには、見守り対象者ＩＤにより識別される見守り対象者に設定された見守りフラグを示す情報が記述される。
更新日時には、見守りフラグを設定（更新）した日時を示す情報が記述される。

次に、判定閾値について説明する。判定閾値は、学習済モデルにより推定された見守りが必要な程度から、家族等に対し本人の見守りを勧めるか否かを判定する閾値を記述したデータである。
図７は、判定閾値のデータ構成の例を示す図である。判定閾値は、見守り対象者のＩＤ（ＩＤｅｎｔｉｆｉｅｒ）に対して、当該見守り対象者の口座情報に基づいて推定された見守りを勧めるか否かを判定する判定レベルを対応付けたデータとして記載される。判定閾値は、見守り対象者ごとに作成される。
見守り対象者ＩＤには、見守り対象者を一意に識別するための情報が記述される。
判定レベルには、見守り対象者ＩＤにより識別される見守り対象者に推定された見守りが必要な程度における、家族等に対し本人の見守りを勧めると判定する閾値（判定レベル）が記述される。判定レベルは、判定レベル１、判定レベル２、というように、複数設定されてよい。例えば、判定レベル１として、見守りが必要な程度が３０％以上とする旨が記述される。この場合、推定された見守りが必要な程度が３０％以上である場合に、見守り対象者と同居する家族に見守りを勧める通知が行われる。判定レベル２として、見守りが必要な程度が５０％以上とする旨が記述される。この場合、推定された見守りが必要な程度が５０％以上である場合に、遠方に住む見守り対象者と親族に見守りを勧める通知が行われる。このように、見守りを勧める通知先と、見守り対象者との関係に応じて、見守りを勧める通知が行われるレベルを異なるように設定されてよい。

次に、出力先情報について説明する。出力先情報は、見守りを勧めると判定した場合における、判定結果の通知先を記述したデータである。
図８は、出力先情報のデータ構成の例を示す図である。出力先情報は、登録ユーザのＩＤ（ＩＤｅｎｔｉｆｉｅｒ）に対して、当該登録ユーザが登録した見守り対象者の見守りを勧める旨を通知する通知先を示す情報を対応付けたデータとして記載される。出力先情報は、登録ユーザごとに作成される。
登録ユーザＩＤには、登録ユーザを一意に識別するための情報が記述される。
判定レベル通知先には、判定レベルに応じた通知先が記述される。通知先は、登録ユーザ（家族Ｆなど）から設定された通知先である。通知先は、「見守りサービス」のアプリのアカウント名称であってもよいし、他のアプリのアカウント名称であってもよいし、電子メールアドレスや、携帯電話の電話番号、固定電話の電話番号などであってもよい。また、通知先は、「見守りサービス」のアプリを介して更新できる設計であってもよい。 以上が、データの構成についての説明である。

〔コンピュータシステム１００の構成〕
次に、見守りシステム１が備える各装置のコンピュータシステム１００の構成について説明する。
図９は、コンピュータシステム１００の構成を示すブロック図である。
コンピュータシステム１００は、通信部１０１と、入力部１０２と、出力部１０３と、記憶部１０４と、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０５と、を備える。これらの構成要素は、バスＢを介して相互に通信可能に接続されている。

通信部１０１は、通信用ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等の通信用モジュールである。
入力部１０２は、例えば、マウス、タッチパッド等のポインティングデバイス、キーボード、マイクロホン、カメラ、その他の各種センサ（例えば、加速度センサ、ジャイロセンサ、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）センサ、近接センサ）を含む入力用モジュールである。入力部１０２は、タッチパネルとして、ディスプレイと一体に構成されてもよい。
出力部１０３は、ディスプレイパネル、スピーカ、ウーファー等の出力用モジュールである。

記憶部１０４は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等を含む記憶用モジュールである。なお、記憶部１０４は、内蔵されるものに限らず、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉｕｌ Ｂｕｓ）等のデジタル入出力ポート等によって接続された外付け型の記憶用モジュールであってもよい。
ＣＰＵ１０５は、記憶部１０４に記憶された各種プログラムを実行し、コンピュータシステム１００が備える各構成を制御する。
以上が、コンピュータシステム１００の構成についての説明である。

〔銀行端末１０の構成〕
次に、銀行端末１０の構成について説明する。
図１０は、銀行端末１０の構成を示すブロック図である。
銀行端末１０は、通信部１１と、記憶部１２と、制御部１３と、入力部１４と、を備える。

通信部１１は、学習サーバ２０、見守り判定サーバ３０、登録ユーザ端末４０等の通信ネットワークＮＷに接続する他の装置と通信する。なお、ユーザの個人情報を保護するために、銀行端末１０と登録ユーザ端末４０とは、直接通信できないように構成してもよい。この場合、通信部１１は、見守り判定サーバ３０等を介して、間接的に登録ユーザ端末４０と通信可能としてもよい。

記憶部１２は、銀行端末１０の機能を実現するために必要な変数、各種データ、プログラム等を記憶する。記憶部１２は、登録ユーザ情報１２０と、口座情報１２１とを記憶する。
登録ユーザ情報１２０は、上述した登録ユーザ情報の全部又は一部を示す情報である。
口座情報１２１は、上述した口座情報の全部又は一部を示す情報である。

制御部１３は、銀行端末１０の各構成を制御する。制御部１３は、例えば銀行端末１０のＣＰＵが記憶部１２に予め記憶されたプログラムを実行することにより実現される。また、制御部１３は、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等の集積回路として実現されてもよい。制御部１３は、要求取得部１３０と、要求判定部１３１と、出力部１３２と、を備える。

要求取得部１３０は、学習サーバ２０からのデータの要求（ユーザＵの口座情報）に関する情報を、通信部１１を介して取得する。データの要求に関する情報には、例えば、要求する口座情報に関する情報、例えば、要求する履歴の期間、データの数等が含まれる。また、データの要求に対して、要求元のアカウント情報やパスワードが要求される場合には、要求取得部１３０は、当該アカウント情報、及びパスワードの組合せを取得する。要求取得部１３０は、取得した情報を要求判定部１３１に出力する。

また、要求取得部１３０は、見守り判定サーバ３０からのデータの要求（対象ユーザＴＵの口座情報）に関する情報を、通信部１１を介して取得する。データの要求に関する情報には、例えば、対象ユーザＴＵの金融口座の口座番号、インターネットバンキングにより口座情報を取得するためのパスワード、要求する履歴の期間等が含まれる。要求取得部１３０は、取得した情報を要求判定部１３１に出力する。

要求判定部１３１は、学習サーバ２０からのデータの要求に対応する。具体的に、要求判定部１３１は、学習サーバ２０からのデータの要求に対して、まず、要求元の学習サーバ２０が正当な装置であるか否かを判定する。要求判定部１３１は、学習サーバ２０が正当な装置である場合には要求に応じたデータを送信し、学習サーバ２０が正当な装置でない場合には、その旨を通知して、要求に応じたデータを送信しない。要求判定部１３１は、学習サーバ２０が正当な装置であるか否かを、例えば、アカウント情報とパスワードの組合せが予め登録されたものか否かに応じて判定する。或いは、電子証明書を用いた認証処理により、要求判定部１３１は、学習サーバ２０が正当な装置であるか否かを判定してもよい。要求判定部１３１は、学習サーバ２０が正当な装置であると判定した場合、記憶部１２を参照し、要求に応じた登録ユーザ情報１２０、及び口座情報１２１を取得し、取得した情報（データ）を、出力部１３２に出力する。

また、要求判定部１３１は、見守り判定サーバ３０からのデータの要求に対応する。具体的に、要求判定部１３１は、見守り判定サーバ３０からのデータの要求に対して、まず、要求元の見守り判定サーバ３０が正当な装置であるか否かを判定する。要求判定部１３１は、見守り判定サーバ３０が正当な装置である場合には要求に応じたデータを送信し、見守り判定サーバ３０が正当な装置でない場合には、その旨を通知して、要求に応じたデータを送信しない。要求判定部１３１は、見守り判定サーバ３０が正当な装置であるか否かを、例えば、インターネットバンキングに設定されたとパスワードが予め登録されたものか否かに応じて判定する。或いは、電子証明書を用いた認証処理により、要求判定部１３１は、見守り判定サーバ３０が正当な装置であるか否かを判定してもよい。要求判定部１３１は、見守り判定サーバ３０が正当な装置であると判定した場合、記憶部１２を参照し、要求に応じた登録ユーザ情報１２０、及び口座情報１２１を取得し、取得した情報（データ）を出力部１３２に出力する。

出力部１３２は、要求判定部１３１が記憶部１２から取得したデータを、通信部１１を介して、要求元（学習サーバ２０、或いは見守り判定サーバ３０）に通知する。

入力部１４は、マウス等のポインティングデバイス、キーボードの入力デバイス等を介した文字列の選択及び入力、データの編集操作、表示の切り替え操作等の各種操作を受け付ける。なお、入力部１４は、タッチパネルを介したタッチ操作を受け付けるものであってもよい。また、銀行端末１０は表示部（不図示）を備えていてもよい。表示部は、ディスプレイを介した表示出力を行う。表示部は、例えば入力部１４が受け付けた入力内容、検索結果等の各種情報を表示する。
以上が、銀行端末１０の構成についての説明である。

〔学習サーバ２０の構成〕
次に、学習サーバ２０の構成について説明する。
図１１は、学習サーバ２０の構成を示すブロック図である。
学習サーバ２０は、通信部２１と、記憶部２２と、制御部２３と、を備える。

通信部２１は、銀行端末１０、学習サーバ２０、及び登録ユーザ端末４０等の通信ネットワークＮＷに接続する他の装置と通信する。
記憶部２２は、学習サーバ２０の機能を実現するために必要な変数、各種データ、プログラム等を記憶する。記憶部２２は、教示データ２２０と、学習済モデル２２１と、を記憶する。

教示データ２２０は、見守り判定サーバ３０により作成された教示データを示す情報である。教示データ２２０は、学習モデルに学習させるデータであって、入力とその期待値とが対応付けられたデータセットを示す情報である。
学習済モデル２２１は、学習サーバ２０により作成された学習済モデルに関する情報である。学習済モデル２２１は、例えば、学習モデルとしてのＲＮＮの各階層の重みＷとバイアス成分ｂ、及び、ＲＮＮの構成を示す情報である。ＲＮＮの構成を示す情報には、例えば、ＲＮＮの隠れ層の層数や、各層のユニット数、活性化関数、などを示す情報が含まれる。

制御部２３は、学習サーバ２０の各構成を制御する。制御部２３は、例えば学習サーバ２０のＣＰＵが記憶部２２に予め記憶されたプログラムを実行することにより実現される。また、制御部２３は、ＡＳＩＣ等の集積回路として実現されてもよい。制御部２３は、教示データ取得部２３０と、学習済モデル作成部２３１と、を備える。

教示データ取得部２３０は、教示データを取得する。教示データ取得部２３０は、見守り判定サーバ３０から送信された教示データを、通信部２１を介して取得し、取得した教示データを記憶部２２の教示データ２２０として記憶させる。
学習済モデル作成部２３１は、学習済モデルを作成する。学習済モデル作成部２３１は、所定の構成（例えば、ＲＮＮ）を備える学習モデルに、記憶部１２に記憶された教示データ２２０を学習させることにより、学習済みモデルを作成する。学習済モデル作成部２３１は、作成した学習済モデルに関する情報を記憶部１２の学習済モデル２２１として記憶させる。
以上が、学習サーバ２０の構成についての説明である。

〔見守り判定サーバ３０の構成〕
次に、見守り判定サーバ３０の構成について説明する。
図１２は、見守り判定サーバ３０の構成の例を示す図である。
見守り判定サーバ３０は、通信部３１と、記憶部３２と、制御部３３とを備える。
通信部３１は、銀行端末１０、学習サーバ２０、登録ユーザ端末４０等の通信ネットワークＮＷに接続する他の装置と通信する。
記憶部３２は、見守り判定サーバ３０の機能を実現するために必要な変数、各種データ、プログラム等を記憶する。記憶部３２は、登録ユーザ情報３２０と、口座情報３２１と、見守りフラグ３２２と、教示データ３２３と、学習済モデル３２４と、判定閾値３２５と、出力先情報３２６と、を記憶する。

登録ユーザ情報３２０は、上述した登録ユーザ情報の全部又は一部を示す情報である。
口座情報３２１は、上述した口座情報の全部又は一部を示す情報である。
見守りフラグ３２２は、見守り対象者ごとに設定された、ヒアリング時における見守りフラグを示す情報である。
教示データ３２３は、見守り判定サーバ３０の教示データ作成部３３２により作成された教示データである。教示データ３２３は、不特定多数のユーザＵの口座情報に、その口座情報を持つユーザＵの見守りフラグが対応付けられたデータセットである。教示データ３２３は、教示データ２２０と同等の情報である。
学習済モデル３２４は、学習サーバ２０により作成された学習済モデルに関する情報である。学習済モデル３２４は、学習済モデル２２１と同等の情報である。
判定閾値３２５は、上述した判定閾値の全部又は一部を示す情報である。
出力先情報３２６は、上述した出力先情報の全部又は一部を示す情報である。

制御部３３は、見守り判定サーバ３０の各構成を制御する。制御部３３は、例えば見守り判定サーバ３０のＣＰＵが記憶部３２に予め記憶されたプログラムを実行することにより実現される。また、制御部３３は、ＡＳＩＣ等の集積回路として実現されてもよい。制御部３３は、口座情報取得部３３０と、見守りフラグ設定部３３１と、教示データ作成部３３２と、見守り必要程度推定部３３３と、見守り判定部３３４と、判定結果出力部３３５とを備える。

口座情報取得部３３０は、見守り対象者である不特定多数のユーザＵの口座情報を、通信部３１を介して取得し、取得したユーザＵの口座情報を、記憶部３２の口座情報３２１に記憶させると共に、教示データ作成部３３２に出力する。また、口座情報取得部３３０は、見守り対象者である対象ユーザＴＵの口座情報を、通信部３１を介して取得し、取得した対象ユーザＴＵの口座情報を見守り必要程度推定部３３３に出力する。

見守りフラグ設定部３３１は、見守り対象者に対する見守りフラグを設定する。見守りフラグ設定部３３１は、記憶部３２を参照することにより、登録ユーザ情報３２０に含まれるヒアリング情報を取得する。見守りフラグ設定部３３１は、ヒアリング情報に示された見守り対象者の健康状態や、外出の頻度、会話の状況などから、見守り対象者が、家族等による見守りを必要とする状況か否かを判定する。見守りフラグ設定部３３１は、判定結果を見守り対象者に対応づけて、記憶部１２の見守りフラグ３２２に記憶させることにより、見守りフラグを設定する。

教示データ作成部３３２は、教示データを作成する。教示データ作成部３３２は、見守り対象者ＩＤに基づいて、登録ユーザ情報３２０、及び口座情報３２１を参照する。教示データ作成部３３２は、見守り対象者ＩＤにより特定される見守り対象者の登録ユーザ情報３２０と見守りフラグ３２２とを対応付けることによりデータセットを作成する。教示データ作成部３３２は、登録ユーザ情報３２０に記憶された見守り対象者ＩＤにより特定される不特定多数のユーザＵにおけるデータセットを作成することにより、教示データを作成する。教示データ作成部３３２は、作成した教示データを、記憶部３２の教示データ３２３に記憶させる。

見守り必要程度推定部３３３は、対象ユーザＴＵに家族による見守りが必要な程度を推定する。見守り必要程度推定部３３３は、学習済モデルに、対象ユーザＴＵにおける口座情報を入力することにより、対象ユーザＴＵに家族による見守りが必要な程度を推定する。
見守り判定部３３４は、対象ユーザＴＵの見守りを勧めるか否かを判定する。見守り判定部３３４は、記憶部３２の判定閾値３２５を参照し、判定レベルを取得する。見守り判定部３３４は、取得した判定レベルと、学習済モデルが推定した推定結果とに基づいて、対象ユーザＴＵにおける見守りの要否を判定する。見守り判定部３３４は、判定結果を判定結果出力部３３５に出力する。
判定結果出力部３３５は、対象ユーザＴＵの見守りを勧めるか否かを判定した判定結果を、通信部３１を介して、登録ユーザ端末４０に送信する。
以上が、見守り判定サーバ３０の構成についての説明である。

〔登録ユーザ端末４０の構成〕
次に、登録ユーザ端末４０の構成について説明する。
図１３は、登録ユーザ端末４０の構成を示すブロック図である。
登録ユーザ端末４０は、通信部４１と、記憶部４２と、制御部４３と、表示部４４と、を備える。

通信部４１は、銀行端末１０、学習サーバ２０、見守り判定サーバ３０等の通信ネットワークＮＷに接続する他の装置と通信する。
記憶部４２は、登録ユーザ端末４０の機能を実現するために必要な変数、各種データ、プログラム等を記憶する。記憶部４２は、表示設定情報４２０を記憶する。
表示設定情報４２０は、見守り判定サーバ３０から通知される内容（通知内容）の表示を制御するための情報であって、例えば、通知内容を判定レベルに応じた図形や記号、アイコン画像などで表示するか否かを示す情報、或いは、見守り判定サーバ３０からの通知を一日一回、或いは一週間に一回などまとめて表示するか否かを示す情報である。或いは、表示設定情報４２０は、通知内容を画面に表示させるか否か、音声やアラームにて通知するか否かを示す情報が含まれていてもよい。表示設定情報４２０は、通知される判定レベルごとに設定されてもよい。

制御部４３は、登録ユーザ端末４０の各構成を制御する。制御部４３は、例えば登録ユーザ端末４０のＣＰＵが記憶部４２に予め記憶されたプログラムを実行することにより実現される。また、制御部４３は、ＡＳＩＣ等の集積回路として実現されてもよい。制御部４３は、判定結果取得部４３０と、表示制御部４３１とを備える。
判定結果取得部４３０は、対象ユーザＴＵの見守りの要否が判定された判定結果を取得する。判定結果取得部４３０は、見守り判定サーバ３０からの通知内容を、通信部４１を介して取得することにより、判定結果を取得する。判定結果取得部４３０は、取得した判定結果を表示制御部４３１に出力する。
表示制御部４３１は、判定結果を表示部４４に表示させる。表示制御部４３１は、判定結果に応じて記憶部４２の表示設定情報４２０を参照し、判定レベルに応じた表示の設定内容を取得する。表示制御部４３１は、取得した表示の設定内容に応じて、判定結果を表示させる。
以上が、登録ユーザ端末４０の構成についての説明である。

〔口座情報と見守りフラグとの相関〕
次に、口座情報と見守りフラグとの相関について説明する。
図１４は、口座情報と、見守りが必要な程度との相関を示す図である。図１４には、口座情報に基づいて算出された、残高と、残高に対する出金額の比率との関係が示されている。図１４の横軸は残高、縦軸は残高に対する出金額の比率である。

図１４に示すように、残高と、残高に対する出金額の比率との関係は、グループＧ１〜Ｇ４に分類される。
グループＧ１は、残高がＺ１未満であり、且つ、残高に対する出金額の比率がＰ２未満であるグループである。グループＧ１には、残高が多くないが、残高に対する出金額の比率も比較的小さいユーザ、例えば、毎回一定の小額の出金をするユーザの資金移動の履歴が含まれている。
グループＧ２は、残高に関わらず、残高に対する出金額の比率がＰ２以上１００％以下であるグループである。グループＧ２には、残高に対する出金額の比率が大きいユーザ、例えば、毎回残高のほぼ全額の出金をするユーザの資金移動の履歴が含まれている。
グループＧ３は、残高がＺ１以上であり、且つ、残高に対する出金額の比率がＰ１以上Ｐ２未満であるグループである。グループＧ３には、残高が多く、残高に対する出金額の比率も比較的大きいユーザ、例えば、毎回の出金額が大きいユーザの資金移動の履歴が含まれている。
グループＧ４は、残高がＺ２以上であり、且つ、残高に対する出金額の比率がＰ１未満であるグループである。グループＧ４には、残高が多く、残高に対する出金額の比率は比較的小さいユーザ、例えば、残高が大きいが毎回の出金額も大きいユーザの資金移動の履歴が含まれている。

一般に、残高が比較的少ないユーザであって、見守りが不要な、認知能力が低下していないユーザの場合、毎回一定の小額の出金をする場合が多いと考えられる。毎回、３万円とか５万円などの一定の金額を出金し、その中で日用品や娯楽品、通販で購入した商品の支払いを行うのが健全な消費行動と考えられるためである。

グループＧ１に属していたユーザの口座情報が、グループＧ１とは異なるグループ（グループＧ２〜Ｇ４）に属するようになった場合、認知能力の低下が疑われ、見守りが必要となる。例えば、毎回の出金額が増え、残高に対する出金額の比率が上昇した場合には、既に購入した商品と同じ商品を何度も購入していたり、よく理解しないまま投資の契約をしてしまったりして、高額な出費が発生している可能性がある。このような考え方に基づき、グループＧ１からグループＧ２等に移動する傾向がみられたユーザは、見守りが必要と判定されてよい。同様に、元々グループＧ１に属していないユーザであっても、残高に対する出金額の比率が上昇した場合、つまり毎回の出金額が高額に変化した場合には、見守りが必要と判定されてよい。このように、口座情報と見守りフラグとは相関がある。 以上が、口座情報と見守りフラグとの相関についての説明である。

〔本実施形態のまとめ〕
以上説明してきたように、第１の実施形態に係る見守りシステム１は、ユーザＵの口座情報を取得する口座情報取得部３３０と、ユーザＵに対するヒアリングの結果判定された見守りフラグを設定する見守りフラグ設定部３３１と、教示データとしての見守りフラグと口座情報に基づいて、口座情報と、見守りフラグとの関係を学習し、学習結果を示す学習済モデルを記憶部３２に出力する学習済モデル作成部２３１と、対象ユーザＴＵの口座情報を取得する口座情報取得部３３０と、対象ユーザＴＵの口座情報と学習済モデルとに基づいて、対象ユーザＴＵの見守りが必要な程度を推定する見守り必要程度推定部３３３と、推定された対象ユーザＴＵの見守りが必要な程度に基づいて、登録ユーザ端末４０に対象ユーザＴＵの見守りを勧めるか否かを判定した判定結果を出力する判定結果出力部３３５とを備える。これにより、第１の実施形態に係る見守りシステム１は、対象ユーザＴＵの口座情報に示される資金の移動の履歴に基づいて、対象ユーザＴＵの見守りが必要な程度を推定することができ、推定した見守りが必要な程度に応じて、見守りの要否を判定することができる。

ここで、口座情報は、資産の履歴を示すものであり「資産履歴情報」の一例である。「資産履歴情報」は、口座情報に限定されることはなく、例えば、電子マネーによるチャージ金額の履歴を示す情報であってもよいし、クレジットカードの明細や、投資口座の取引の履歴を示す情報であってもよい。

また、口座情報は、口座情報に所定の処理（前処理）を行ったものであってもよい。前処理は、学習モデルが、出力（見守りフラグ）に関係する特徴を抽出し易くなるように、入力（口座情報）に対して事前に行う処理である。例えば、前処理として、口座情報から定期的なインフラ料金の支払いを除いた出金を抽出する処理を行うようにしてもよい。この場合、前処理により抽出したインフラ料金以外の出金の履歴と、見守りフラグとを組み合わせたデータセットが教示データとなる。

ここでのインフラ料金とは、例えば、毎月の電気料金や水道料金、家賃など支払いである。インフラ料金以外の出金は、例えば、ＡＴＭ操作による出金であり、日用品や娯楽品、通販の支払いなどに充てられるものである。このようなインフラ料金以外の出金が急激に増加した場合、認知能力の低下が疑われ、見守りをする必要性が高まる。例えば、物忘れにより、同じ商品を何度も購入してしまったり、勧められるままに高額な商品を購入してしまっていたりすることが考えられる。つまり、インフラ料金以外の出金の履歴は、見守りが必要な程度と相関があると考えられる。このように、口座情報に前処理を行うことにより、見守りが必要な度合いと関連する事項を抽出することにより、学習モデルが入力と出力との関係を学習し易くなり、その学習結果として、見守りが必要な程度を精度よく推定することができる学習済モデルを作成することが可能となる。

また、教示データ取得部２３０は、「学習情報取得部」の一例である。

また、見守りフラグは、見守りの要否が判定された結果を示すものであり「認知程度」が判定された「実績情報」の一例である。「実績情報」は、見守りフラグに限定されることはなく、例えば、病院の診断結果であってもよいし、通院記録や処方された薬であってもよい。また、「実績情報」は、体力や知力を測定した結果であってもよいし、要介護認定の結果であってもよいし、金融機関により判定された結果であってもよいし、アンケートなどを行った結果であってもよい。
また、見守りフラグ設定部３３１は、「学習情報取得部」の一例である。

また、学習済モデルは、資産履歴情報と見守りフラグとの関係を学習した学習結果であり、「認知推定情報」の一例である。上記では、学習モデルにＲＮＮが適用された場合を例示して説明したが、これに限定されない。例えば、学習モデルとして、ＲＮＮ以外の再帰型ニューラルネットワークであるＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）が適用されてもよいし、順伝搬型のニューラルネットワークが適用されてもよい。順伝搬型の場合、学習モデルとして多層パーセプトロンが適用されてもよい。また、学習モデルとしてニューラルネットワーク以外の他の機械学習が用いられてもよい。
学習済モデル作成部２３１は、「学習部」の一例である。

また、第１の実施形態の見守りシステム１では、教示データ作成部３３２が、口座情報に前処理を行うことにより、残高と出金額に、見守りフラグを対応づけた教示データを作成するようにしてもよい。この場合、学習モデルは、口座情報における残高と出金額と関係を示す関数と、見守りフラグとの関係を学習する。
教示データ作成部３３２は、「学習部」の一例である。

また、第１の実施形態の見守りシステム１では、教示データ作成部３３２が、口座情報における残高が金額Ｚ１未満のユーザにおいて、口座情報における残高に対する出金額の比率が所定の比率Ｐ２以上である履歴の有無と、見守りフラグとを対応づけた教示データを作成するようにしてもよい。
また、第１の実施形態の見守りシステム１では、教示データ作成部３３２が、口座情報における出金額が所定の金額以上のユーザにおいて、口座情報における残高に対する出金額の比率が所定の金額Ｚ１以上である履歴の有無と、見守りフラグとを対応づけた教示データを作成するようにしてもよい。
また、第１の実施形態の見守りシステム１では、教示データ作成部３３２が、口座情報における残高が所定の金額Ｚ２以上のユーザにおいて、口座情報における出金額が所定の閾値金額以上である履歴の有無と、見守りフラグとを対応づけた教示データを作成するようにしてもよい。
また、第１の実施形態の見守りシステム１では、教示データ作成部３３２が、口座情報の履歴から特定の履歴を除いた情報と、見守りフラグとを対応づけた教示データを作成するようにしてもよい。
これにより、口座情報から見守りフラグと強い相関関係にある因子を抽出して学習させることができ、見守りが必要な程度を推定する精度をより高めることが可能となる。

また、第１の実施形態の学習サーバ２０は、教示データ取得部２３０と、学習済モデル作成部２３１とを備えることにより、上述した効果と同様の硬化を奏する。
学習サーバ２０は、「情報処理装置」の一例である。
また、第１の実施形態の見守り判定サーバ３０は、口座情報取得部３３０と、見守り必要程度推定部３３３と、見守り判定部３３４と、判定結果出力部３３５とを備えることにより、上述した効果と同様の硬化を奏する。
見守り判定サーバ３０は、「情報処理装置」の一例である。

［変形例］
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成は上述の実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。例えば上述の実施形態において説明した各構成は、任意に組み合わせることができる。また、例えば上述の実施形態において説明した各構成は、特定の機能を発揮するのに不要である場合には、省略することができる。また、例えば上述の実施形態において説明した各構成は、別体の装置に備えることができる。例えば、学習サーバ２０の構成を、見守り判定サーバ３０に備えてもよいし、銀行端末１０の一部又は全部の構成を、学習サーバ２０に備えてもよい。

上述した実施形態では、学習済モデルを用いて見守りが必要な程度を推定する場合について説明したが、これに限定されることはない。見守りが必要な程度は任意の処理により推定されてよく、例えば、口座情報と見守りが必要な程度とが対応付けられたテーブルを用いて見守りが必要な程度が推定されてもよい。この場合、見守りフラグ設定部３３１は、口座情報に応じてテーブルを参照し、口座情報に対応する見守りが必要な程度を取得する。見守りフラグ設定部３３１は、取得した見守りが必要な程度を、口座情報に対応付けられた対象ユーザＴＵの見守りが必要な程度して推定する。この場合において、教示データを作成する際の前処理と同様に、口座情報から、見守りが必要な程度と相関がある特徴が導出され、導出した特徴と見守りが必要な程度とが対応付けられたテーブルが作成されてもよい。この場合、見守りフラグ設定部３３１は、対象ユーザＴＵの口座情報から導出した特徴に基づいてテーブルを参照し、特徴に対応づけられた見守りが必要な程度を取得する。ここでの特徴とは、例えば、残高に対する出金額の比率等である。
テーブルは、「認知推定情報」の一例である。

また、上述した実施形態では、口座情報と見守りが必要な程度との関係を学習する場合について説明したが、これに限定されることはない。見守りが必要な程度は、少なくとも見守りが必要な程度と相関がある資金の履歴に関する任意のデータと対応づけられて、その関係が学習されればよい。例えば、家計簿に記載される家計（消費行動）の履歴と見守りが必要な程度との関係が学習されてもよい。
この場合の家計簿は、例えば、家計簿をつける利用者がもつ金融口座と連携して登録されるアプリケーションプログラムにより実現され、必要に応じて利用者の金融口座にアクセスして口座情報を取得することができる、いわゆる家計簿アプリである。
例えば、口座情報取得部３３０は、ユーザＵの家計簿に記載される家計（消費行動）の履歴を取得する。見守りフラグ設定部３３１は、ユーザＵの家計簿に連携された金融口座に対応する見守り対象者のヒアリングの結果に基づき見守りフラグを設定する。教示データ作成部３３２は、家計簿アプリに記録された家計の履歴と、見守りフラグとを、口座番号等を介して対応づけることにより、教示データを作成する。
家計（消費行動）の履歴は、「資産履歴情報」の一例である。

また、ユーザが保有するポイントの履歴と見守りが必要な程度との関係が学習されてもよい。ポイントは、商品を購入した金額や、支払方法等に応じて付与される特典であり、現金に代えて代金の支払いに充てたり、商品やサービスと交換したりすることが可能な特典である。
例えば、口座情報取得部３３０は、見守り対象者であるユーザＵのポイントの履歴を取得する。見守りフラグ設定部３３１は、ユーザＵのポイントに含まれるユーザ情報（例えば、見守り対象者ＩＤに対応するもの）に紐づく金融口座に対応する見守り対象者のヒアリングの結果に基づき見守りフラグを設定する。教示データ作成部３３２は、ポイントの履歴と、見守りフラグを、口座番号等を介して対応づけることにより、教示データを作成する。
ポイントの履歴は、「資産履歴情報」の一例である。

また、上述した実施形態では、前処理として、残高に対する出金額の比率を導出する場合について説明したが、これに限定されることはない。前処理は、少なくとも口座情報から、見守りが必要な程度と相関する任意の因子が導出されればよい。例えば、不特定多数のユーザＵの口座情報から、ユーザの性別や、年代、居住地域、家族構成等によるクラスタリング（分類）が行われてもよい。
この場合、例えば、教示データ作成部３３２は、銀行端末１０から取得した口座情報を、ユーザの性別等により分類する。教示データ作成部３３２は、分類した口座情報ごとに、その口座情報と見守りが必要な程度とを対応付けた教示データを作成する。学習済モデル作成部２３１は、作成された教示データごとに、学習を行い、学習結果としての学習済みモデルを、性別などに対応させて複数作成する。

また、上述した実施形態では、見守りを勧めるか否かを判定した判定結果が、登録ユーザ端末４０に表示される場合について説明したが、これに限定されることはない。見守りを勧めるか否かを判定した判定結果は、少なくとも人間が認識できるように提示されればよい。例えば、登録ユーザ端末４０は、アラームや音声で、見守りを勧めるか否かの判定結果を通知してもよいし、登録ユーザ端末４０の筐体を振動させたり、光を発光させたりすることにより判定結果を通知するものであってもよい。
この場合、登録ユーザ端末４０は音声再生部（不図示）を備えるか、または音声再生装置と接続する。或いは、登録ユーザ端末４０は、発光部（不図示）や振動部（不図示）を備えるか、またはＬＥＤなどの発光装置等と接続する。表示制御部４３１は、判定結果をアラームや音声により出力する。或いは、表示制御部４３１は、判定結果を発光や点滅、或いは筐体を振動させることにより、判定結果を通知する。

また、上述の見守りシステム１、学習サーバ２０、見守り判定サーバ３０、登録ユーザ端末４０の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより学習サーバ２０、見守り判定サーバ３０、登録ユーザ端末４０としての処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部または外部に設けられた記録媒体も含まれる。配信サーバの記録媒体に記憶されるプログラムのコードは、端末装置で実行可能な形式のプログラムのコードと異なるものでもよい。すなわち、配信サーバからダウンロードされて端末装置で実行可能な形でインストールができるものであれば、配信サーバで記憶される形式は問わない。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に端末装置で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

また、上述した見守りシステム１、学習サーバ２０、見守り判定サーバ３０、登録ユーザ端末４０の機能の一部または全部を、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、または全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

１…見守りシステム、１０…銀行端末、１１…通信部、１２…記憶部、１３…制御部、１４…入力部、１２０…登録ユーザ情報、１２１…口座情報、１３０…要求取得部、１３１…要求判定部、１３２…出力部、２０…学習サーバ、２１…通信部、２２…記憶部、２３…制御部、２２０…教示データ、２２１…学習済モデル、２３０…教示データ取得部、２３１…学習済モデル作成部、３０…見守り判定サーバ、３１…通信部、３２…記憶部、３３…制御部、３２０…登録ユーザ情報、３２１…口座情報、３２２…見守りフラグ、３２３…教示データ、３２４…学習済モデル、３２５…判定閾値、３２６…出力先情報、３３０…口座情報取得部、３３１…見守りフラグ設定部、３３２…教示データ作成部、３３３…見守り必要程度推定部、３３４…見守り判定部、３３５…判定結果出力部、４０…登録ユーザ端末、４１…通信部、４２…記憶部、４３…制御部、４２０…表示設定情報、４３０…判定結果取得部、４３１…表示制御部

Claims (14)

1. ユーザの資産の履歴を示す資産履歴情報と、当該ユーザの認知程度が判定された実績情報と、を取得する学習情報取得部と、
   教示データとしての前記実績情報と前記資産履歴情報に基づいて、前記資産履歴情報と前記認知程度との関係を学習し、学習結果を示す認知推定情報を記憶部に出力する学習部と、
   対象ユーザの前記資産履歴情報を取得する情報取得部と、
   前記対象ユーザの資産履歴情報と前記認知推定情報とに基づいて、前記対象ユーザの認知程度を推定する推定部と、
   前記推定された対象ユーザの認知程度に基づいて、登録ユーザ端末に前記対象ユーザの見守りが必要か否かを判定した判定結果を出力する出力部と、
   を備える見守りシステム。
2. 前記学習情報取得部は、ユーザの金融口座における資金移動の履歴を含む前記資産履歴情報と、金融機関において当該ユーザの認知程度が判定された実績情報と、を取得し、 前記情報取得部は、対象ユーザの金融口座における資金移動の履歴を含む前記資産履歴情報を取得する、
   請求項１に記載の見守りシステム。
3. 前記学習部は、前記資産履歴情報から導出される前記資金移動における残高と出金額と関係と前記認知程度との関係を学習する、
   請求項２に記載の見守りシステム。
4. 前記学習部は、前記資金移動における残高が所定の閾値金額未満のユーザにおいて、前記資金移動における残高に対する出金額の比率が所定の比率以上である履歴の有無と前記認知程度との関係を学習する、
   請求項３に記載の見守りシステム。
5. 前記学習部は、前記資金移動における出金額が所定の閾値金額以上のユーザにおいて、前記資金移動における残高に対する出金額の比率が所定の比率以上である履歴の有無と前記認知程度との関係を学習する、
   請求項３又は請求項４に記載の見守りシステム。
6. 前記学習部は、前記資金移動における残高が所定の閾値金額以上のユーザにおいて、前記資金移動における出金額が所定の閾値金額以上である履歴の有無と前記認知程度との関係を学習する、
   請求項３から請求項５のいずれか一項に記載の見守りシステム。
7. 前記学習情報取得部は、ユーザの金融口座における資金移動の履歴を含む前記資産履歴情報と、当該ユーザの認知程度が判定された実績情報と、を取得し、
   前記学習部は、前記実績情報と、前記資金移動の履歴から特定の履歴を除いた前記資産履歴情報とに基づいて、前記資産履歴情報と前記認知程度との関係を学習する、
   請求項１に記載の見守りシステム。
8. 前記学習情報取得部は、ユーザの家計簿における消費行動の履歴、及び家計簿に対応付けられたユーザの金融口座における資金移動の履歴を含む前記資産履歴情報と、金融機関において当該ユーザの認知程度が判定された実績情報と、を取得し、
   前記情報取得部は、対象ユーザの家計簿における消費行動の履歴、及び家計簿に対応付けられたユーザの金融口座における資金移動の履歴を含む前記資産履歴情報を取得する、
   請求項１に記載の見守りシステム。
9. ユーザの資産の履歴を示す資産履歴情報と、当該ユーザの認知程度が判定された実績情報と、を取得する学習情報取得部と、
   教示データとしての前記実績情報と前記資産履歴情報に基づいて、前記資産履歴情報と前記認知程度との関係を学習し、学習結果を示す認知推定情報を記憶部に出力する学習部と、
   を備える情報処理装置。
10. 対象ユーザの資産の履歴を示す資産履歴情報を取得する情報取得部と、
    前記資産履歴情報と認知程度との関係を示す認知推定情報を記憶部から読み出し、前記対象ユーザの資産履歴情報と前記認知推定情報とに基づいて、前記対象ユーザの認知程度を推定する推定部と、
    前記推定された対象ユーザの認知程度に基づいて、登録ユーザ端末に前記対象ユーザの見守りが必要か否かを判定した判定結果を出力する出力部と、
    を備える情報処理装置。
11. 情報処理装置が、ユーザの資産の履歴を示す資産履歴情報と、当該ユーザの認知程度が判定された実績情報と、を取得する学習情報取得過程と、
    情報処理装置が、教示データとしての前記実績情報と前記資産履歴情報に基づいて、前記資産履歴情報と前記認知程度との関係を学習し、学習結果を示す認知推定情報を記憶部に出力する学習過程と、
    を有する情報処理方法。
12. 情報処理装置が、対象ユーザの資産の履歴を示す資産履歴情報を取得する情報取得過程と、
    情報処理装置が、前記資産履歴情報と認知程度との関係を示す認知推定情報を記憶部から読み出し、前記対象ユーザの資産履歴情報と前記認知推定情報とに基づいて、前記対象ユーザの認知程度を推定する推定過程と、
    情報処理装置が、前記推定された対象ユーザの認知程度に基づいて、登録ユーザ端末に前記対象ユーザの見守りが必要か否かを判定した判定結果を出力する出力過程と、
    を有する情報処理方法。
13. 情報処理装置のコンピュータに、
    ユーザの資産の履歴を示す資産履歴情報と、当該ユーザの認知程度が判定された実績情報と、を取得する学習情報取得手段、
    教示データとしての前記実績情報と前記資産履歴情報に基づいて、前記資産履歴情報と前記認知程度との関係を学習し、学習結果を示す認知推定情報を記憶部に出力する学習手段、
    を実行させるためのプログラム。
14. 情報処理装置のコンピュータに、
    対象ユーザの資産の履歴を示す資産履歴情報を取得する情報取得手段、
    前記資産履歴情報と認知程度との関係を示す認知推定情報を記憶部から読み出し、前記対象ユーザの資産履歴情報と前記認知推定情報とに基づいて、前記対象ユーザの認知程度を推定する推定手段、
    前記推定された対象ユーザの認知程度に基づいて、登録ユーザ端末に前記対象ユーザの見守りが必要か否かを判定した判定結果を出力する出力手段、
    を実行させるためのプログラム。

Images