JP2021168087A - 情報処理装置及びプログラム - Google Patents

Abstract

【課題】多数の事業者の個別単語ベクトルを格納する必要をなくすことによって、データ容量の大幅な削減を実現しつつ、推論精度の向上をも実現する情報処理装置及びプログラムを提供する。【解決手段】情報処理装置（会計情報管理装置１００）は、取引の内容を表す摘要と前記摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトルを格納する格納部１０４と、第１の個別取引データと前記全体単語ベクトルとを用いて、第１の個別取引データに対応する、摘要から勘定科目を推論するための第１の個別科目ベクトルを生成するベクトル生成部１０６とを備える。【選択図】図２

Description

本発明は、情報処理装置及びプログラムに関する。

支払元と支払先との取引を示す取引情報に対して、勘定科目等を自動的に対応付ける自動仕訳機能が知られていた（例えば、特許文献１、２参照）。
［先行技術文献］
［特許文献］
［特許文献１］特開２００６−２８５７１０号公報
［特許文献２］特開２０１９−１３９３８１号公報

本発明の第１の態様によれば、情報処理装置が提供される。情報処理装置は、取引の内容を表す摘要と摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトルを格納する格納部を備えてよい。情報処理装置は、第１の個別取引データと全体単語ベクトルとを用いて、第１の個別取引データに対応する、摘要から勘定科目を推論するための第１の個別科目ベクトルを生成するベクトル生成部を備えてよい。

上記ベクトル生成部は、上記第１の個別科目ベクトルを初期化し、上記第１の個別取引データ及び上記全体単語ベクトルを用いて上記第１の個別科目ベクトルを更新することにより上記第１の個別科目ベクトルを生成してよく、上記全体単語ベクトルは更新しなくてよい。上記ベクトル生成部は、上記全体取引データを用いて上記全体単語ベクトルを生成してよい。上記個別取引データは、事業者に関連する事業者関連情報をさらに含んでよく、上記ベクトル生成部は、上記第１の個別取引データに含まれる上記事業者関連情報をさらに用いて、上記第１の個別科目ベクトルを生成してよい。上記事業者関連情報は、上記事業者が個人事業主であるか法人であるかを示す情報を含んでよい。上記事業者関連情報は、上記事業者の業種を示す情報を含んでよい。上記ベクトル生成部は、上記摘要に基づいて生成した単語辞書に上記事業者関連情報を加えた辞書データを用いて、上記全体単語ベクトルを生成してよい。上記格納部は、上記全体取引データを用いて生成された全体科目ベクトルと、上記ベクトル生成部によって生成された上記第１の個別科目ベクトルとをさらに格納してよく、上記情報処理装置は、勘定科目を推論する対象となる摘要を取得する摘要取得部と、上記全体科目ベクトルを用いた全体推論を実行する場合、上記全体単語ベクトル及び上記全体科目ベクトルを用いて上記摘要に対する勘定科目を推論し、上記第１の個別科目ベクトルを用いた個別推論を実行する場合、上記全体単語ベクトル及び上記第１の個別科目ベクトルを用いて上記摘要に対する勘定科目を推論する推論部とをさらに備えてよい。

本発明の第２の態様によれば、情報処理装置が提供される。情報処理装置は、取引の内容を表す摘要と摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトルを格納する格納部を備えてよい。情報処理装置は、全体取引データに含まれる複数の個別取引データのうちの一部の個別取引データを含むグループ別取引データと全体単語ベクトルとを用いて、グループ別取引データに対応する、摘要から勘定科目を推論するためのグループ別科目ベクトルを生成するベクトル生成部を備えてよい。

本発明の第３の態様によれば、情報処理装置が提供される。情報処理装置は、取引の内容を表す摘要と摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトル及び全体科目ベクトルと、第１の個別取引データ及び全体単語ベクトルに基づいて生成された第１の個別科目ベクトルとを格納する格納部を備えてよい。情報処理装置は、勘定科目を推論する対象となる摘要を取得する摘要取得部を備えてよい。情報処理装置は、全体科目ベクトルを用いた全体推論を実行する場合、全体単語ベクトル及び全体科目ベクトルを用いて摘要に対する勘定科目を推論し、第１の個別科目ベクトルを用いた個別推論を実行する場合、全体単語ベクトル及び第１の個別科目ベクトルを用いて摘要に対する勘定科目を推論する推論部を備えてよい。

本発明の第４の態様によれば、情報処理装置が提供される。情報処理装置は、取引の内容を表す摘要と摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトル及び全体科目ベクトルと、全体取引データに含まれる複数の個別取引データのうちの一部の個別取引データを含むグループ取引データと全体単語ベクトルとを用いて生成されたグループ別科目ベクトルと格納する格納部を備えてよい。情報処理装置は、勘定科目を推論する対象となる摘要を取得する摘要取得部を備えてよい。情報処理装置は、全体科目ベクトルを用いた全体推論を実行する場合、全体単語ベクトル及び全体科目ベクトルを用いて摘要に対する勘定科目を推論し、グループ別科目ベクトルを用いたグループ別推論を実行する場合、全体単語ベクトル及びグループ別科目ベクトルを用いて摘要に対する勘定科目を推論する推論部を備えてよい。

本発明の第５の態様によれば、コンピュータを、上記情報処理装置として機能させるためのプログラムが提供される。

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

会計情報管理装置１００の通信環境の一例を概略的に示す。 会計情報管理装置１００の機能構成の一例を概略的に示す。 ベクトル生成部１０６による全体推論用の学習処理の流れの一例を概略的に示す。 ベクトル生成部１０６による個別推論用の学習処理の流れの一例を概略的に示す。 単語辞書１２０の具体例を概略的に示す。 初期化された全体単語ベクトル１３０の一例を概略的に示す。 初期化された全体科目ベクトル１４０の一例を概略的に示す。 初期化された個別科目ベクトル１５０の一例を概略的に示す。 推論部１１０による推論処理の流れの一例を概略的に示す。 単語辞書１２０の一例を概略的に示す。 全体単語ベクトル１６０の一例を概略的に示す。 会計情報管理装置１００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、会計情報管理装置１００の通信環境の一例を概略的に示す。会計情報管理装置１００は、取引を行う事業者等の会計情報を管理し、事業者等の会計業務を支援する。会計情報管理装置１００は、情報処理装置の一例であってよい。

会計情報管理装置１００は、複数の事業者のそれぞれについて、会計情報を管理する。会計情報は、複数の取引レコードを含む。取引レコードは、例えば、取引日、取引先、摘要、勘定科目、取引金額、及び税率等を含む。

また、会計情報管理装置１００は、複数の事業者のそれぞれについて、事業者に関連する事業者関連情報を管理する。事業者関連情報は、事業者が個人事業主であるか法人であるかを示す情報を含んでよい。事業者関連情報は、事業者の業種を示す情報を含んでよい。事業者関連情報は、事業者の業態を示す情報を含んでよい。事業者関連情報は、事業者に関連するその他の任意の情報を含んでよい。

会計情報管理装置１００は、例えば、ユーザ３５０によって通信端末３００を用いて入力された事業者の事業者関連情報及び取引情報を、ネットワーク１０を介して通信端末３００から受信する。そして、会計情報管理装置１００は、受信した取引情報に対応する会計情報を管理する。取引情報に対応する会計情報は、会計情報管理装置１００によって生成されてよい。また、取引情報に対応する会計情報は、ユーザ３５０によって生成されてもよい。会計情報管理装置１００は、例えば、ユーザ３５０によって通信端末３００を用いて入力された会計情報を、ネットワーク１０を介して通信端末３００から受信してもよい。

ユーザ３５０は、事業者であってよい。また、ユーザ３５０は、事業者の会計を管理する会計事務所等であってもよい。ユーザ３５０は、通信端末３００を用いて、会計情報管理装置１００が管理する情報にアクセス可能であってよい。

通信端末３００は、通信可能な端末であれば任意の端末であってよい。例えば、通信端末３００は、スマートフォン等の携帯電話、タブレット端末、及びＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等である。通信端末３００を用いたアクセスは、例えば、アプリケーションベースで行われる。通信端末３００を用いたアクセスは、Ｗｅｂベースで行われてもよい。

ネットワーク１０は、例えば、インターネットを含む。ネットワーク１０は、３Ｇ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ）通信システム、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）通信システム、５Ｇ（５ｔｈ Ｇｅｎｅｒａｔｉｏｎ）通信システム、及び６Ｇ（６ｔｈ Ｇｅｎｅｒａｔｉｏｎ）通信システム以降の通信システム等の移動体通信システムを含んでもよい。ネットワーク１０は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の専用網を含んでもよい。

会計情報管理装置１００は、事業者の取引情報を管理して提供するサービスを行う１又は複数の取引情報提供装置２００から、ネットワーク１０を介して、事業者の取引情報を受信してもよい。取引情報提供装置２００は、例えば、事業者の銀行口座の情報を管理して提供する。また、取引情報提供装置２００は、例えば、事業者のクレジットカード明細情報を管理して提供する。また、取引情報提供装置２００は、例えば、事業者のレジ情報を管理して提供する。レジ情報は、ＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅ）による情報であってよい。取引情報提供装置２００は、その他任意の情報を管理して提供してよい。

本実施形態に係る会計情報管理装置１００は、いわゆる自動仕訳処理を実行可能である。会計情報管理装置１００は、単語ベクトルと、摘要から勘定科目を推論するための科目ベクトルとを用いた自動仕訳処理を実行してよい。

会計情報管理装置１００は、例えば、ｆａｓｔＴｅｘｔを改修することによって生成されたライブラリを用いて、単語ベクトル及び科目ベクトルを生成する。会計情報管理装置１００は、ｆａｓｔＴｅｘｔとは関係なく生成されたライブラリを用いて、単語ベクトル及び科目ベクトルを生成してもよい。

従来、自動仕訳を行うにあたって、個別推論及び全体推論が実施されていた。従来の全体推論では、多数の事業者の会計情報を用いて生成した全体単語ベクトル及び全体科目ベクトルが用いられていた。また、従来の個別推論では、各事業者の会計情報を用いて生成した各事業者用の個別単語ベクトル及び個別科目ベクトルが用いられていた。従来のシステムでは、例えば、個別推論を実行して勘定科目を推論した場合の、推論確度が閾値より高い場合には、当該勘定科目を推論結果として出力し、推論確度が閾値より低い場合に、全体推論を実行する、等の処理が行われていた。

このような処理を実行すべく、従来のシステムでは、全体単語ベクトル及び全体科目ベクトルと、多数の事業者のそれぞれの個別単語ベクトル及び個別科目ベクトルを格納する必要があった。科目ベクトルについては、使用する勘定科目の総数が１００〜２００等の単位であり、そのデータ量はあまり多くないが、単語ベクトルは、単語の総数が勘定科目の総数と比較して桁違いに大きいことから、そのデータ量が膨大になり得る。特に、ｎ−ｇｒａｍを採用している場合、顕著となる。

本実施形態に係る会計情報管理装置１００は、個別推論において、単語ベクトルを学習せずに、全体推論において作成した単語ベクトルを用いて科目ベクトルのみを学習する。言い換えると、本実施形態に係る会計情報管理装置１００では、全体推論の単語ベクトルを、個別推論に流用する。

個別単語ベクトル及び個別科目ベクトルを用いた推論（第１の推論と記載する。）と、全体単語ベクトル及び個別科目ベクトルを用いた推論（第２の推論と記載する。）を比較してみたところ、第２の推論の精度は第１の推論の精度よりも高くなることがわかった。これは、科目ベクトルと比較して単語ベクトルは、個人毎、個人事業主毎、法人毎の違いが出にくい性質があるので、個別単語ベクトルよりも多くのデータに基づいて生成される全体単語ベクトルを用いた推論の方が有利になったことに起因すると考えられる。

このように、本実施形態に係る会計情報管理装置１００によれば、多数の事業者の個別単語ベクトルを格納する必要をなくすことによって、データ容量の大幅な削減を実現しつつ、推論精度の向上をも実現することができる。

図２は、会計情報管理装置１００の機能構成の一例を概略的に示す。会計情報管理装置１００は、登録部１０２、格納部１０４、ベクトル生成部１０６、摘要取得部１０８、及び推論部１１０を備える。

登録部１０２は、各種登録を受け付ける。登録部１０２は、ユーザ３５０による通信端末３００を用いた各種登録を受け付けてよい。登録部１０２は、取引情報提供装置２００による各種登録を受け付けてもよい。登録部１０２は、例えば、取引情報の登録を受け付ける。登録部１０２は、例えば、会計情報の登録を受け付ける。登録部１０２は、例えば、事業者関連情報の登録を受け付ける。登録部１０２は、登録を受け付けた各種情報を、事業者を識別する事業者識別情報に対応付けて格納部１０４に格納してよい。

ベクトル生成部１０６は、格納部１０４に格納されている情報を用いて、各種ベクトルを生成する。ベクトル生成部１０６は、例えば、全体取引データを用いて全体単語ベクトルを生成する。全体取引データは、複数の事業者の個別取引データを含む。個別取引データは、摘要と、当該摘要に対応する取引が仕訳された勘定科目とを含む。ベクトル生成部１０６は、生成した全体単語ベクトルを格納部１０４に格納する。

また、例えば、ベクトル生成部１０６は、全体取引データ及び全体単語ベクトルを用いて、全体推論用の全体科目ベクトルを生成する。ベクトル生成部１０６は、生成した全体科目ベクトルを格納部１０４に格納する。

また、例えば、ベクトル生成部１０６は、複数の事業者のそれぞれについて、個別取引データと、全体単語ベクトルとを用いて、個別推論用の、個別科目ベクトルを生成する。ベクトル生成部１０６は、生成した個別科目ベクトルを格納部１０４に格納する。

また、例えば、ベクトル生成部１０６は、全体取引データに含まれる複数の個別取引データのうちの一部の個別取引データを含むグループ別取引データと、全体単語ベクトルとを用いて、グループ別取引データに対応する、摘要から勘定科目を推論するためのグループ別科目ベクトルを生成する。グループ別取引データは、全体取引データよりも少ない、任意の数の個別取引データを含んでよい。

グループの数は、任意の数であってよい。グループは、業種別、業態別、取引関係等の属性に応じたグループであってよく、任意に選択された事業者によって構成されたグループであってもよい。ベクトル生成部１０６は、グループ毎に、グループ別科目ベクトルを生成してよい。ベクトル生成部１０６は、生成したグループ別科目ベクトルを格納部１０４に格納する。

摘要取得部１０８は、勘定科目を推論する対象となる摘要を取得する。摘要取得部１０８は、例えば、登録部１０２によって新たに登録され、格納部１０４に格納された取引情報に含まれる摘要を、勘定科目を推論する対象として取得する。摘要取得部１０８は、ユーザ３５０によって通信端末３００を介して指定された摘要を、勘定科目を推論する対象として取得してもよい。

推論部１１０は、摘要取得部１０８が取得した摘要に対して、勘定科目を推論する。推論部１１０は、例えば、全体推論を実行することにより、勘定科目を推論する。すなわち、推論部１１０は、格納部１０４に格納されている全体単語ベクトル及び全体科目ベクトルを用いて、勘定科目を推論する。

また、推論部１１０は、例えば、個別推論を実行することにより、勘定科目を推論する。すなわち推論部１１０は、格納部１０４に格納されている全体単語ベクトルと、対象となる事業者に対応する個別科目ベクトルとを用いて、勘定科目を推論する。

また、推論部１１０は、例えば、グループ別推論を実行することにより、勘定科目を推論する。すなわち推論部１１０は、格納部１０４に格納されている全体単語ベクトルと、対象となるグループに対応するグループ別科目ベクトルとを用いて、勘定科目を推論する。

図３は、ベクトル生成部１０６による全体推論用の学習処理の流れの一例を概略的に示す。ここでは、複数の事業者の会計情報が格納部１０４に格納されている状態を開始状態として説明する。

ステップ（ステップをＳと省略して記載する場合がある。）１０２では、ベクトル生成部１０６が、格納部１０４から全体取引データを取得する。ベクトル生成部１０６は、格納部１０４に格納されている全事業者の個別取引データを含む全体取引データを取得してよい。ベクトル生成部１０６は、格納部１０４に格納されている全事業者のうち、一部の事業者の個別取引データを含む全体取引データを取得してもよい。

Ｓ１０４では、ベクトル生成部１０６が、学習データを生成する。学習データは、例えば、全体取引データに含まれる複数の摘要と勘定科目との対を、１行ずつ並べたものであってよい。

Ｓ１０６では、ベクトル生成部１０６が、学習データに含まれる複数の摘要から、単語辞書を生成する。ベクトル生成部１０６は、複数の摘要から抽出した複数の単語のそれぞれに、単語を識別するためのＩＤを割り当てた単語辞書を生成してよい。ベクトル生成部１０６は、例えば、複数の摘要に存在する、スペース分割した単語と、単語をＷｏｒｄ−Ｎｇｒａｍで結合した単語とを単語辞書に含めてよい。ベクトル生成部１０６は、生成した単語辞書を格納部１０４に格納する。

Ｓ１０８では、ベクトル生成部１０６が、全体単語ベクトルの行列Ａを初期化する。ベクトル生成部１０６は、一様分布のランダム値によって、行列Ａを初期化してよい。ランダム値の生成方法は、ガウス分布を用いる等、公知の任意の手法を用いてよい。

Ｓ１１０では、ベクトル生成部１０６が、全体科目ベクトルを初期化する。ベクトル生成部１０６は、全体科目ベクトルとなる出力層Ｂを初期化してよい。ベクトル生成部１０６は、複数の勘定科目の各次元に対応する値をすべて０とすることによって、出力層Ｂを初期化してよい。

Ｓ１１２では、ベクトル生成部１０６が、学習データの一部を読み取る。ベクトル生成部１０６は、例えば、摘要と勘定科目との対が１行ずつ並べられている学習データから、１行分を読み取る。ベクトル生成部１０６は、読み取った行に含まれる摘要を、ｏｎｅ−ｈｏｔベクトルに変換してよい。

Ｓ１１４では、ベクトル生成部１０６が、隠れ層を算出する。ベクトル生成部１０６は、全体単語ベクトルの行列Ａと、Ｓ１１２で変換したｏｎｅ−ｈｏｔベクトルとの内積を計算することによって、隠れ層を算出する。

Ｓ１１６では、ベクトル生成部１０６が、スコアを計算する。ベクトル生成部１０６は、出力層Ｂのうちの、学習データに含まれる勘定科目に対応する行と、Ｓ１１４において計算した隠れ層との内積を計算することによって、スコアを計算する。

Ｓ１１８では、ベクトル生成部１０６が、更新量αを算出する。ベクトル生成部１０６は、下記数式１によって、更新量αを算出してよい。

スコアは、Ｓ１１６において算出されたスコアである。ｌｒは、学習率（ハイパーパラメータ）である。ｌｒは、学習の間、同じ値であってよい。ｌｒは、学習が進むにつれて変化してもよい。例えば、ｌｒは、学習が進むにつれて低減される。

Ｓ１２０では、ベクトル生成部１０６が、勾配ベクトルを算出する。ベクトル生成部１０６は、出力層Ｂのうちの、学習データに含まれる勘定科目に対応する行の転置行列と、Ｓ１１８において算出した更新量αとの内積を計算することによって、勾配ベクトルを算出してよい。

Ｓ１２２では、ベクトル生成部１０６が、全体科目ベクトルを更新する。ベクトル生成部１０６は、出力層Ｂに対して、Ｓ１１４において算出した隠れ層の転置行列に更新量αを乗じた値を加算することによって、全体科目ベクトルを更新してよい。

Ｓ１２４では、ベクトル生成部１０６が、全体単語ベクトルを更新する。ベクトル生成部１０６は、全体単語ベクトルの行列Ａに対して、Ｓ１２０において算出した勾配ベクトルを加算することによって、全体単語ベクトルを更新してよい。

Ｓ１２６では、ベクトル生成部１０６が、学習が終了したか否かを判定する。ベクトル生成部１０６は、Ｓ１０４において生成した学習データのすべてについて処理が完了した場合、学習が終了したと判定し、完了していない場合、学習が終了していないと判定してよい。学習が終了していないと判定した場合、Ｓ１１２に戻り、ベクトル生成部１０６が、次の学習データの一部を読み取る。

このように、ベクトル生成部１０６は、従来のｆａｓｔＴｅｘｔと同様の流れで、全体推論用の学習処理を実行してよい。

図４は、ベクトル生成部１０６による個別推論用の学習処理の流れの一例を概略的に示す。ここでは、図３に示す処理が実行されることによって、全体単語ベクトルの学習が終了した状態を開始状態として説明する。

Ｓ２０２では、ベクトル生成部１０６が、図３に示す処理が実行されることによって格納部１０４に格納されている単語辞書及び全体単語ベクトルを取得する。Ｓ２０４では、ベクトル生成部１０６が、格納部１０４に格納されている複数の個別取引データのうち、対象となる１つの個別取引データを取得する。

Ｓ２０６では、ベクトル生成部１０６が、学習データを生成する。学習データは、例えば、個別取引データに含まれる複数の摘要と勘定科目との対を、１行ずつ並べたものであってよい。

Ｓ２０８では、ベクトル生成部１０６が、個別科目ベクトルを初期化する。ベクトル生成部１０６は、個別科目ベクトルとなる出力層Ｂを初期化してよい。ベクトル生成部１０６は、複数の勘定科目の各次元に対応する値をすべて０とすることによって、出力層Ｂを初期化してよい。

Ｓ２１０では、ベクトル生成部１０６が、学習データの一部を読み取る。ベクトル生成部１０６は、例えば、摘要と勘定科目との対が１行ずつ並べられている学習データから、１行分を読み取る。ベクトル生成部１０６は、読み取った行に含まれる摘要を、ｏｎｅ−ｈｏｔベクトルに変換してよい。

Ｓ２１２では、ベクトル生成部１０６が、隠れ層を算出する。ベクトル生成部１０６は、全体単語ベクトルの行列Ａと、Ｓ２１０で変換したｏｎｅ−ｈｏｔベクトルとの内積を計算することによって、隠れ層を算出する。

Ｓ２１４では、ベクトル生成部１０６が、スコアを計算する。ベクトル生成部１０６は、出力層Ｂのうちの、学習データに含まれる勘定科目に対応する行と、Ｓ２１２において算出した隠れ層との内積を計算することによって、スコアを計算する。

Ｓ２１６では、ベクトル生成部１０６が、更新量αを算出する。ベクトル生成部１０６は、上記数式１によって、更新量αを算出してよい。

Ｓ２１８では、ベクトル生成部１０６が、個別科目ベクトルを更新する。ベクトル生成部１０６は、出力層Ｂに対して、Ｓ２１２において算出した隠れ層の転置行列に更新量αを乗じた値を加算することによって、全体科目ベクトルを更新してよい。

Ｓ２２０では、ベクトル生成部１０６が、学習が終了したか否かを判定する。ベクトル生成部１０６は、Ｓ２０６において生成した学習データのすべてについて処理が完了した場合、学習が終了したと判定し、完了していない場合、学習が終了していないと判定してよい。学習が終了していないと判定した場合、Ｓ２１０に戻り、ベクトル生成部１０６が、次の学習データの一部を読み取る。

上述したように、本実施形態に係るベクトル生成部１０６は、個別科目ベクトルを初期化し、個別取引データ及び全体単語ベクトルを用いて個別科目ベクトルを更新することにより、個別科目ベクトルを生成し、全体単語ベクトルは更新しない。全体単語ベクトルに対して、例えば、一つの個別取引データを用いて再学習をしてしまうと、個別に単語ベクトルを保持する必要が生じてしまい、記憶容量の増加という問題を招いてしまう。本実施形態に係る会計情報管理装置１００によれば、このような事態を防止することができる。

また、全体推論用に生成された全体単語ベクトルに対して、後から追加学習を実行すると、全体単語ベクトルの精度が低下し得る。なぜなら、ｆａｓｔＴｅｘｔのようなライブラリにおける学習は、より後のデータに対する依存度が高いので、追加学習をした場合、追加データの傾向がより強く表れてしまうためである。本実施形態に係るベクトル生成部１０６は、個別推論用の学習において、全体単語ベクトルを流用し、かつ、全体語ベクトルの更新を、あえて実行しないようにすることで、このような、全体単語ベクトルの精度の低下を防止することもできる。

図４に示す処理は、例えば、ｆａｓｔＴｅｘｔに対して、全体推論用の単語辞書と全体単語ベクトルとを読み込み、個別科目ベクトルの更新は行う一方、全体単語ベクトルの更新は行わないように改修を加えることによって生成したライブラリを用いることによって実現されてよい。また、図４に示す処理は、ｆａｓｔＴｅｘｔとは独立して生成されたライブラリを用いることによって実現されてもよい。

ベクトル生成部１０６は、図４に示した個別推論用の学習処理の流れと同様の流れで、グループ別推論用の学習処理を実行してよい。この場合、ベクトル生成部１０６は、Ｓ２０４において、格納部１０４に格納されている複数のグループ別取引データのうち、対象となる１つのグループ別取引データを取得する。また、ベクトル生成部１０６は、Ｓ２０８において、グループ別科目ベクトルを初期化する。

図５は、単語辞書１２０の一例を概略的に示す。ここでは、説明を簡単にすべく、全体取引データに、「あう」という摘要と勘定科目Ａとの対、及び「あいう」という摘要と勘定科目Ｂとの対のみが含まれる場合の、単語辞書１２０の一例を示す。図６は、初期化された全体単語ベクトル１３０の一例を概略的に示す。図７は、初期化された全体科目ベクトル１４０の一例を概略的に示す。

以下、全体推論のための学習と、個別推論のための学習について、単語辞書１２０、全体単語ベクトル１３０、及び全体科目ベクトル１４０を用いて、その概要を説明する。ベクトル生成部１０６は、全体推論のための学習をする場合に、まず、１つ目の取引データである「あう」及び勘定科目Ａを取得して、「あう」を勘定科目Ａで学習する。具体的に、まず、ベクトル生成部１０６は、下記数式２に示すように、全体単語ベクトル１３０と、「あう」のｏｎｅ−ｈｏｔベクトルとの内積を計算することによって、隠れ層を算出する。

次に、ベクトル生成部１０６は、下記数式３に示すように、全体科目ベクトル１４０の勘定科目Ａの行と、隠れ層との内積を計算することによって、スコアを算出する。

次に、ベクトル生成部１０６は、下記数式４に示すように、１からスコアを減算した値に、ｌｒを乗ずることによって、更新量αを算出する。

次に、ベクトル生成部１０６は、下記数式５に示すように、全体科目ベクトル１４０の勘定科目Ａの行の転置行列と、更新量αとの内積を計算することによって、勾配ベクトルを算出する。

次に、ベクトル生成部１０６は、下記数式６に示すように、全体科目ベクトル１４０に、隠れ層の転置行列に更新量αを乗じた値を加算することによって、全体科目ベクトル１４０を更新する。

次に、ベクトル生成部１０６は、下記数式７に示すように、全体単語ベクトル１３０に対して、勾配ベクトルを加算することによって、全体単語ベクトル１３０を更新する。

そして、ベクトル生成部１０６は、次の取引データである「あいう」及び勘定科目Ｂを取得して、同様に学習を実行する。全体取引データに、より多くの取引データが含まれる場合、ベクトル生成部１０６は、同様に学習を繰り返し実行することによって、学習済みの全体単語ベクトル及び全体科目ベクトルを生成してよい。

次に、ベクトル生成部１０６は、個別推論のための学習を実行する。ここでは、説明を簡単にすべく、個別取引データに、「あえ」という摘要と勘定科目Ａとの対、及び「いう」という摘要と勘定科目Ｄとの対のみが含まれる場合の、学習の流れを説明する。

ベクトル生成部１０６は、まず、単語辞書１２０と、学習済みの全体単語ベクトル１３０とを格納部１０４から取得する。ここでは、図６に示す全体単語ベクトル１３０が、学習済みの全体単語ベクトル１３０と仮定して説明する。

次に、ベクトル生成部１０６は、個別科目ベクトル１５０を初期化する。ベクトル生成部１０６は、複数の勘定科目の各次元に対応する値をすべて０とすることによって、個別科目ベクトル１５０を初期化してよい。図８は、初期化された個別科目ベクトル１５０の一例を示す。

次に、ベクトル生成部１０６は、下記数式８に示すように、全体単語ベクトル１３０と、「あえ」のｏｎｅ−ｈｏｔベクトルとの内積を計算することによって、隠れ層を算出する。

次に、ベクトル生成部１０６は、下記数式９に示すように、個別科目ベクトル１５０の勘定科目Ａの行と、隠れ層との内積を計算することによって、スコアを算出する。

次に、ベクトル生成部１０６は、下記数式１０に示すように、１からスコアを減算した値に、ｌｒを乗ずることによって更新量αを算出する。

次に、ベクトル生成部１０６は、下記数式１１に示すように、個別科目ベクトル１５０に、隠れ層の転置行列に更新量αを乗じた値を加算することによって、個別科目ベクトル１５０を更新する。

そして、ベクトル生成部１０６は、次の取引データである「いう」及び勘定科目Ｄを取得して、同様に学習を実行する。個別取引データに、より多くの取引データが含まれる場合、ベクトル生成部１０６は、同様に学習を繰り返し実行することによって、学習済みの個別科目ベクトルを生成してよい。ベクトル生成部１０６は、グループ別推論について、個別推論と同様に学習を実行してよい。

図９は、会計情報管理装置１００による推論処理の流れの一例を概略的に示す。ここでは、複数の摘要のそれぞれに対応する勘定科目を推論する推論処理の流れを説明する。

Ｓ３０２では、摘要取得部１０８が、勘定科目を推論する対象となる摘要を取得する。Ｓ３０４では、推論部１１０が、全体推論を実行するか、個別推論を実行するかを決定する。推論部１１０は、例えば、設定に従って、全体推論を実行するか、個別推論を実行するかを決定する。全体推論を実行すると決定した場合、Ｓ３０６に進み、個別推論を実行すると決定した場合、Ｓ３１０に進む。

Ｓ３０６では、推論部１１０が、格納部１０４から、全体単語ベクトル及び全体科目ベクトルを読み出す。Ｓ３０８では、推論部１１０が、Ｓ３０６において読み出した全体単語ベクトル及び全体科目ベクトルを用いて、複数の摘要のそれぞれに対する勘定科目を推論する。

Ｓ３１０では、推論部１１０が、格納部１０４から、全体単語ベクトル及び個別科目ベクトルを読み出す。Ｓ３１２では、推論部１１０が、Ｓ３１０において読み出した全体単語ベクトル及び個別科目ベクトルを用いて、複数の摘要のそれぞれに対する勘定科目を推論する。そして、処理を終了する。このように、推論部１１０は、設定に従って、全体推論を実行するか個別推論を実行するかを決定してよい。また、推論部１１０は、同様にして、設定に従って、全体推論を実行するかグループ別推論を実行するかを決定してもよい。

図９では、設定に従って、全体推論を実行するか個別推論を実行するかを決定する場合を例に挙げて説明したが、これに限らない。例えば、推論部１１０は、摘要取得部１０８が取得した摘要に対して、個別推論を実行して勘定科目を推論し、推論の確度が予め定められた閾値より高い場合には、当該勘定科目を推論結果とし、推論の確度が閾値より低い場合に、摘要に対して全体推論を実行する。また、例えば、推論部１１０は、摘要取得部１０８が取得した摘要に対して、グループ別推論を実行して勘定科目を推論し、推論の確度が予め定められた閾値より高い場合には、当該勘定科目を推論結果とし、推論の確度が閾値より低い場合に、摘要に対して全体推論を実行する。

図１０は、単語辞書１２２の一例を概略的に示す。本実施形態に係る会計情報管理装置１００は、単語辞書１２２に、複数の摘要から抽出した複数の単語に加えて、事業者関連情報を含めてもよい。図１０では、事業者関連情報として、パラメータＡ及びパラメータＢを含む単語辞書１２２を例示している。例えば、パラメータＡは、事業者が個人事業主であるか否かを示し、パラメータＢは、事業者が法人であるか否かを示す。

ベクトル生成部１０６は、単語辞書１２２を用いることによって、複数の摘要から抽出した複数の単語と、事業者関連情報とを用いて、全体単語ベクトルを生成し得る。ベクトル生成部１０６は、図１１に例示するような、全体単語ベクトル１６０を生成して、学習してよい。ベクトル生成部１０６は、全体単語ベクトル１６０を用いて、個別科目ベクトルや、グループ別科目ベクトルを生成してよい。このように、ベクトル生成部１０６は、事業者関連情報をさらに用いて、個別科目ベクトル及びグループ別科目ベクトルを生成してよい。

事業者が個人事業主であるか法人であるかを示す情報を含む事業者関連情報を用いることによって、個人事業主による仕訳の傾向と、法人による仕訳の傾向とを反映した学習を実現することができ、勘定科目の推論精度の向上に貢献することができる。

事業者関連情報は、事業者の業種を示す情報を含んでもよい。この場合、単語辞書１２２には、複数の業種のそれぞれに対応するパラメータが追加されてよい。事業者の業種を示す情報を含む事業者関連情報を用いることによって、業種毎の仕訳の傾向を反映した学習を実現することができ、勘定科目の推論精度の向上に貢献することができる。事業者関連情報は、事業者の業態等、事業者に関連する他の様々な情報を含んでもよい。

図１２は、会計情報管理装置１００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又はすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。

本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ１２２６、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブ１２２６は、ＤＶＤ−ＲＯＭドライブ及びＤＶＤ−ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのようなレガシの入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。

ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。

通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブ１２２６は、プログラム又はデータをＤＶＤ−ＲＯＭ１２２７等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。

ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。

プログラムは、ＤＶＤ−ＲＯＭ１２２７又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。

例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ−ＲＯＭ１２２７、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。

また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ１２２６（ＤＶＤ−ＲＯＭ１２２７）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。

様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

上で説明したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。

本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表わしてよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。

コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでよい。

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１０ ネットワーク、１００ 会計情報管理装置、１０２ 登録部、１０４ 格納部、１０６ ベクトル生成部、１０８ 摘要取得部、１１０ 推論部、１２０ 単語辞書、１２２ 単語辞書、１３０ 全体単語ベクトル、１４０ 全体科目ベクトル、１５０ 個別科目ベクトル、１６０ 全体単語ベクトル、２００ 取引情報提供装置、３００ 通信端末、３５０ ユーザ、１２００ コンピュータ、１２１０ ホストコントローラ、１２１２ ＣＰＵ、１２１４ ＲＡＭ、１２１６ グラフィックコントローラ、１２１８ ディスプレイデバイス、１２２０ 入出力コントローラ、１２２２ 通信インタフェース、１２２４ 記憶装置、１２２６ ＤＶＤドライブ、１２２７ ＤＶＤ−ＲＯＭ、１２３０ ＲＯＭ、１２４０ 入出力チップ

Claims (12)

1. 取引の内容を表す摘要と前記摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトルを格納する格納部と、
   第１の個別取引データと前記全体単語ベクトルとを用いて、前記第１の個別取引データに対応する、摘要から勘定科目を推論するための第１の個別科目ベクトルを生成するベクトル生成部と
   を備える情報処理装置。
2. 前記ベクトル生成部は、前記第１の個別科目ベクトルを初期化し、前記第１の個別取引データ及び前記全体単語ベクトルを用いて前記第１の個別科目ベクトルを更新することにより前記第１の個別科目ベクトルを生成し、前記全体単語ベクトルは更新しない、請求項１に記載の情報処理装置。
3. 前記ベクトル生成部は、前記全体取引データを用いて前記全体単語ベクトルを生成する、請求項１又は２に記載の情報処理装置。
4. 前記個別取引データは、事業者に関連する事業者関連情報をさらに含み、
   前記ベクトル生成部は、前記第１の個別取引データに含まれる前記事業者関連情報をさらに用いて、前記第１の個別科目ベクトルを生成する、請求項３に記載の情報処理装置。
5. 前記事業者関連情報は、前記事業者が個人事業主であるか法人であるかを示す情報を含む、請求項４に記載の情報処理装置。
6. 前記事業者関連情報は、前記事業者の業種を示す情報を含む、請求項４又は５に記載の情報処理装置。
7. 前記ベクトル生成部は、前記摘要に基づいて生成した単語辞書に前記事業者関連情報を加えた辞書データを用いて、前記第１の個別科目ベクトルを生成する、請求項４から６のいずれか一項に記載の情報処理装置。
8. 前記格納部は、前記全体取引データを用いて生成された全体科目ベクトルと、前記ベクトル生成部によって生成された前記第１の個別科目ベクトルとをさらに格納し、
   前記情報処理装置は、
   勘定科目を推論する対象となる摘要を取得する摘要取得部と、
   前記全体科目ベクトルを用いた全体推論を実行する場合、前記全体単語ベクトル及び前記全体科目ベクトルを用いて前記摘要に対する勘定科目を推論し、前記第１の個別科目ベクトルを用いた個別推論を実行する場合、前記全体単語ベクトル及び前記第１の個別科目ベクトルを用いて前記摘要に対する勘定科目を推論する推論部と
   をさらに備える、請求項１から７のいずれか一項に記載の情報処理装置。
9. 取引の内容を表す摘要と前記摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトルを格納する格納部と、
   前記全体取引データに含まれる複数の前記個別取引データのうちの一部の前記個別取引データを含むグループ別取引データと前記全体単語ベクトルとを用いて、前記グループ別取引データに対応する、摘要から勘定科目を推論するためのグループ別科目ベクトルを生成するベクトル生成部と
   を備える情報処理装置。
10. 取引の内容を表す摘要と前記摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトル及び全体科目ベクトルと、第１の個別取引データ及び前記全体単語ベクトルに基づいて生成された第１の個別科目ベクトルとを格納する格納部と、
    勘定科目を推論する対象となる摘要を取得する摘要取得部と、
    前記全体科目ベクトルを用いた全体推論を実行する場合、前記全体単語ベクトル及び前記全体科目ベクトルを用いて前記摘要に対する勘定科目を推論し、前記第１の個別科目ベクトルを用いた個別推論を実行する場合、前記全体単語ベクトル及び前記第１の個別科目ベクトルを用いて前記摘要に対する勘定科目を推論する推論部と
    を備える情報処理装置。
11. 取引の内容を表す摘要と前記摘要に対応する取引が仕訳された勘定科目とを含む事業者毎の個別取引データを複数含む全体取引データを用いて生成された全体単語ベクトル及び全体科目ベクトルと、前記全体取引データに含まれる複数の前記個別取引データのうちの一部の前記個別取引データを含むグループ取引データと前記全体単語ベクトルとを用いて生成されたグループ別科目ベクトルと格納する格納部と、
    勘定科目を推論する対象となる摘要を取得する摘要取得部と、
    前記全体科目ベクトルを用いた全体推論を実行する場合、前記全体単語ベクトル及び前記全体科目ベクトルを用いて前記摘要に対する勘定科目を推論し、前記グループ別科目ベクトルを用いたグループ別推論を実行する場合、前記全体単語ベクトル及び前記グループ別科目ベクトルを用いて前記摘要に対する勘定科目を推論する推論部と
    を備える情報処理装置。
12. コンピュータを、請求項１から１１のいずれか一項に記載の情報処理装置として機能させるためのプログラム。

Images