JP6437053B1 - 算出装置、算出方法、算出プログラム及びモデル - Google Patents

Abstract

【課題】事業者同士の関係性を加味した信用度の算出を行うこと。
【解決手段】本願に係る算出装置は、取得部と、算出部とを有する。取得部は、各々の事業者の評価値を示した第１スコアを取得する。算出部は、前記取得部によって取得された第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを算出する。例えば、取得部は、各々の事業者の財務状況に関する情報に基づいて算出される第１スコアを取得する。
【選択図】図１

Description

本発明は、算出装置、算出方法、算出プログラム及びモデルに関する。

一般に、銀行などの金融機関が融資先を決定する際には、融資先となる事業者の信用度の判定が行われる。すなわち、金融機関は、事業者の財務状況等を調査し、事業者の信用度を測ることにより、当該事業者に対して融資を行うか否か、また、融資額をどのくらいに設定するかといった融資に関する情報を決定する。なお、事業者の信用度のような情報は、金融機関自らが判定するのではなく、企業情報の収集や分析を専門とする外部機関から提供される場合もある。

ここで、事業者の信用度を判定する技術の一例として、振込データを用いて資金トレースを計算する技術が知られている。この技術によれば、財務諸表や外部機関からの主要取引先の情報等によらずに、事業者の資金の流れをグラフ化することができる。また、財務情報のみならず、ユーザ行動に基づく種々の情報に基づいて事業者の信用度を算出する技術が知られている。

特開２０１５−８８０３７号公報 特許第５９６０８８７号公報

しかしながら、上記の従来技術では、事業者同士の関係性を加味した信用度の算出を行うことができるとは限らない。具体的には、従来技術は、振込データを用いて資金トレースを計算することで企業間取引を反映したグラフを作成するに過ぎない。このため、従来技術では、金融機関にとって有益な融資先になるか否か等を判定するための信用度を算出することができるとは限らない。

本願は、上記に鑑みてなされたものであって、事業者同士の関係性を加味した信用度の算出を行うことができる算出装置、算出方法、算出プログラム及びモデルを提供することを目的とする。

本願に係る算出装置は、各々の事業者の評価値を示した第１スコアを取得する取得部と、前記取得部によって取得された第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを算出する算出部と、を備えたことを特徴とする。

実施形態の一態様によれば、事業者同士の関係性を加味した信用度の算出を行うことができるという効果を奏する。

図１は、実施形態に係る算出処理の一例を示す図である。 図２は、実施形態に係る算出システムの構成例を示す図である。 図３は、実施形態に係る算出装置の構成例を示す図である。 図４は、実施形態に係る財務テーブルの一例を示す図である。 図５は、実施形態に係る株価為替テーブルの一例を示す図である。 図６は、実施形態に係る検索データテーブルの一例を示す図である。 図７は、実施形態に係る取引情報記憶部の一例を示す図である。 図８は、実施形態に係るモデル記憶部の一例を示す図である。 図９は、実施形態に係る処理手順を示すフローチャート（１）である。 図１０は、実施形態に係る処理手順を示すフローチャート（２）である。 図１１は、算出装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る算出装置、算出方法、算出プログラム及びモデル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算出装置、算出方法、算出プログラム及びモデルが限定されるものではない。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。

〔１．算出処理の一例〕
まず、図１を用いて、実施形態に係る算出処理の一例について説明する。図１は、実施形態に係る算出処理の一例を示す図である。図１では、実施形態に係る算出装置１００が、所定の事業者の信用度を算出する処理の一例について説明する。実施形態において、事業者の信用度とは、例えば、事業者の経営状況の良し悪しや事業者の事業安定性等に基づいて、当該事業者の信用を数値化したものである。なお、事業者とは、必ずしも企業に限らず、個人事業主や小規模な法人等、事業を営むあらゆる者を広く含む概念である。

図１に示す算出装置１００は、事業者の信用度を示すスコアを算出するサーバ装置である。なお、実施形態では、算出装置１００によって信用度を示すスコアが算出される対象となる事業者を「第１事業者」と表記し、第１事業者と取引関係を有する事業者を「第２事業者」と表記する。また、実施形態では、算出装置１００が信用度を算出する際に利用するスコアであって、各事業者の評価値を示すスコアを「第１スコア」と表記し、第１スコアを利用し算出されるスコアであって、算出装置１００によって最終的に算出される第１事業者の信用度を示すスコアを「第２スコア」と表記する。すなわち、実施形態に係る算出装置１００は、各事業者の評価値を示した第１スコアを取得し、取得した第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを算出する。

図１に示す事業者サーバ２０は、各事業者によって利用されるサーバ装置である。また、図１に示すコンテンツ配信サーバ４０は、例えばウェブサイト等のコンテンツを一般ユーザ（図１での図示は省略する）に配信するサーバ装置である。算出装置１００と、事業者サーバ２０及びコンテンツ配信サーバ４０とは、図１に図示しないネットワークＮ（例えばインターネット。図２参照）を介して、通信可能に接続される。

算出装置１００は、例えば、金融機関が事業者の与信を測るために用いる指数としての信用度（第２スコア）を算出し、算出した信用度を金融機関に提供する。一般に、金融機関は、事業者に対して独自に調査を行い、融資先としての信用度を判定する。例えば、金融機関は、事業者の財務状況等を専門に調査する調査会社等の外部機関と連携して、融資先としての信用度を判定する。

しかしながら、上記手法では、金融機関が融資先の与信を多角的に判定することができない場合がある。例えば、調査会社や金融機関は、上場を果たしているような比較的規模の大きい株式会社についての財務状況は取得できるものの、非上場の小規模な会社や、設立まもないベンチャー企業等についての財務状況を取得できるとは限らない。このため、調査会社や金融機関は、非上場の小規模な会社や、設立まもないベンチャー企業等の信用度を相対的に低く見積もる場合がある。しかし、かかる事業者の中には、大手企業等と取引を行い、着実に業績を伸ばすと推測される一部の事業者も混在する。しかし、金融機関は、これら小規模な事業者を正確に評価できず、あるいは、小規模な事業者の存在に気付かないことから、融資先として認識できない可能性がある。また、小規模な事業者も、自身が正当に評価されず、金融機関から融資を受けられない可能性がある。

そこで、実施形態に係る算出装置１００は、以下に説明する処理を用いて第１事業者の信用度を判定することで、第１事業者自体の財務状況や規模に捉われない、多角的な観点から第１事業者の信用度を算出する。これにより、算出装置１００は、金融機関の融資先を拡大させたり、第１事業者が金融機関から積極的に融資を受けたりすることができるような状況をもたらすことができる。

具体的には、算出装置１００は、融資先としての信用度判定の対象とする第１事業者について、第１事業者自体の情報のみならず、第１事業者と所定の関係性を有する第２事業者の情報を用いて、算出処理を行う。より具体的には、算出装置１００は、第１事業者と第２事業者との取引関係に関する情報に基づいて第１事業者の信用度を算出する。これにより、算出装置１００は、第１事業者が非上場であったりベンチャー企業等の小規模な事業者であったりして、第１事業者そのものの財務情報等で信用度を算出することが難しい場合でも、精度よく第１事業者の信用度を算出することができる。以下、図１を用いて、算出装置１００による算出処理の一例を流れに沿って説明する。

まず、算出装置１００は、各事業者自体の情報に基づいて、各事業者の第１スコアを算出する処理を行う。実施形態において、第１スコアとは、取引先の事業者のスコアを加味せずに算出した、各事業者の評価値を示すスコアである。例えば、第１スコアは、各事業者の財務状況等によって算出される。算出装置１００は、各事業者の第１スコアを算出するため、各事業者の評価に関する情報（以下、「評価情報」と表記する）をコンテンツ配信サーバ４０から取得する（ステップＳ１１）。

コンテンツ配信サーバ４０は、各事業者に関する種々の情報を保持するサーバであるものとする。また、コンテンツ配信サーバ４０には、金融機関が有するサーバや、企業を評価する事業を行う専門事業者のサーバ等が含まれてもよい。また、コンテンツ配信サーバ４０には、例えば、検索サービスを提供するウェブサーバ等が含まれてもよい。

算出装置１００は、コンテンツ配信サーバ４０から評価情報を取得し、事業者の第１スコアを算出する（ステップＳ１２）。なお、算出装置１００は、種々の従来技術に基づいて、第１スコアを算出してもよい。一例として、算出装置１００は、既知の任意の企業評価モデルを用いて第１スコアを算出してもよい。例えば、財務情報に基づいて事業者の倒産確率を示すスコアを求める企業評価モデルとして、アルトマン（Edward Altman）のＺ値等が広く知られている。算出装置１００は、このような既存モデルを用いて、事業者の倒産確率を示すスコアを第１スコアの一例として採用してもよい。あるいは、算出装置１００は、各事業者に対するユーザ行動（事業者を検索した行動等）に基づいて、各事業者の第１スコアを算出してもよい。

以下に、実施形態に係る第１スコア算出のために算出装置１００が生成するモデルの一例を示す。例えば、算出装置１００は、所定の正解データを利用した回帰分析によって事業者の第１スコアを算出するためのモデルを生成する。例えば、上場した事業者については、事業者の財務情報等に基づいて事業者を評価した数値等が外部機関（事業者を調査し、事業者を評価する機関）から公表される場合がある。算出装置１００は、かかる評価値を正解データ（目的変数）とし、財務データや為替データ等の財務状況、あるいは、ユーザ行動の一例である検索データ等の各々の情報を要素（説明変数）として回帰分析を行う。そして、算出装置１００は、回帰的に導出されたモデルを用いて各事業者の第１スコアを算出する。例えば、算出装置１００は、下記式（１）のような回帰式を生成する。

Ｙ ＝ ω_１・ｘ_１ ＋ ω_２・ｘ_２ ＋ ω_３・ｘ_３ ＋ ・・・ ＋ ω_ｎ・ｘ_ｎ ・・・ （１）

上記式（１）において、例えば、「Ｙ」には、外部機関によって算出された評価値や、算出装置１００の管理者によって予め設定された正解データが入力される。また、「ｘ_１〜ｘ_ｎ」には、例えば、財務状況（売上高や経常利益等）や株価や為替や検索データ等の各々を所定の基準で数値化した変数（例えば、財務状況や、株価や、為替や、事業者の検索数等を、相互に比較できるように数値化した情報）が、それぞれ入力される（なお、ｎは任意の数を示す）。上記式（１）を用いて学習を進める（すなわち、充分な数のサンプルを回帰的に計算する）ことで、算出装置１００は、各項目に対応する「ω_ｎ」の値を最適化する。すなわち、算出装置１００は、例えば、第１事業者の評価値を算出するにあたり、「株価」の高低等の素性がスコアに対してどのくらいの影響を与えるか、といった重み値「ω_ｎ」の値を求める。そして、算出装置１００は、求めた重み値を設定してモデルを生成する。算出装置１００は、生成したモデルに、対象とする事業者の情報を入力することで、当該事業者の第１スコアを得ることができる。すなわち、算出装置１００は、下記のような第１スコア出力モデルを生成する。

第１スコア ＝ ω_１・ｘ_１ ＋ ω_２・ｘ_２ ＋ ω_３・ｘ_３ ＋ ・・・ ＋ ω_ｎ・ｘ_ｎ ・・・ （２）

上記式（２）は、第１スコア出力モデルを示す。上記式（２）では、式（１）を回帰分析することにより求められた具体的な数値が各重み値ωに代入される。このため、算出装置１００は、上記式（２）に、第１事業者の評価情報を「ｘ_１」〜「ｘ_ｎ」に入力することにより、第１事業者の第１スコアを算出することができる。

なお、上記で説明したモデルは一例であり、算出装置１００が生成するモデルは上記の例に限られない。すなわち、算出装置１００は、評価情報を入力とし、事業者の評価値（第１スコア）を示す値を出力するモデルであれば、既知の手法を組み合わせることによって、上記例とは異なるモデルを適宜生成してもよい。例えば、上記の例では、回帰分析によってモデルを生成する例を示したが、算出装置１００は、他の統計的処理によりモデルを生成してもよい。

図１の例において、算出装置１００は、処理対象とする全ての事業者の第１スコアを算出したものとする。続けて、算出装置１００は、事業者サーバ２０から取引情報を取得する（ステップＳ１３）。

実施形態において、取引情報とは、第２スコアの算出対象である第１事業者の取引に関する情報を示す。具体的には、取引情報は、第１事業者と取引関係を有する第２事業者に関する情報や、各第２事業者との取引金額や、取引回数や、取引頻度や、取引を継続している年数等である。また、取引情報には、各第２事業者との取引金額の推移や、取引回数の推移や、取引頻度の推移等の情報が含まれてもよい。

算出装置１００は、事業者サーバ２０から取引情報を取得し、取得した取引情報に基づいて第２スコアを算出するためのモデルを生成する（ステップＳ１４）。具体的には、算出装置１００は、第１事業者の第１スコアと、第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、第１事業者の第２スコアを出力するモデルを生成する。

例えば、算出装置１００は、第１スコアを出力するために生成したモデルに、第２事業者と取引関係を有する第２事業者の第１スコアとに基づいて算出される素性を追加することで、生成したモデルを更新する。算出装置１００は、例えば、下記式（３）のような式に基づいてモデルの更新処理を行うための回帰式を得る。なお、説明を簡単にするために、下記式（３）では、取引情報のうち事業者間の所定期間における取引金額（入出金金額）のみを素性として利用するものとする。

Ｙ ＝ ω_１・ｘ_１ ＋ ・・・ ＋ ω_ｎ・ｘ_ｎ＋ ω_ＩＮ・ｘ_ＩＮ ＋ ω_ＯＵＴ・ｘ_ＯＵＴ ・・・ （３）

上記のように、上記式（３）は、上記式（１）と比較して、「ω_ＩＮ・ｘ_ＩＮ」と、「ω_ＯＵＴ・ｘ_ＯＵＴ」という要素を更に有する。「ｘ_ＩＮ」は、第２事業者から第１事業者に対する入金に関する素性を示す。「ω_ＩＮ」は、入金に関する素性の重み値を示す。「ｘ_ＯＵＴ」は、第１事業者から第２事業者に対する出金に関する素性を示す。「ω_ＯＵＴ」は、出金に関する素性の重み値を示す。

「ｘ_ＩＮ」は、例えば、第２事業者が第１事業者に対して入金した額と、当該入金を行った第２事業者の第１スコアとの関係によって求められる。例えば、図１では、算出装置１００が、第１事業者である事業者Ａの取引情報に基づいて回帰式を生成する際の例を示す。図１に示すように、事業者Ａは、事業者Ｂや事業者Ｃと取引関係を有する。この場合、事業者Ａから見て、事業者Ｂや事業者Ｃは第２事業者に該当する。

図１の例では、事業者Ｂの第１スコアは「９０」であり、事業者Ｃの第１スコアは「４０」であるものとする。また、事業者Ｂから事業者Ａへの所定期間（例えば１年間）における入金額は「８００万円」である。事業者Ｃから事業者Ａへの所定期間における入金額は「４００万円」である。また、事業者Ａの事業者Ｂへの所定期間における出金額は「３００万円」である。事業者Ａの事業者Ｃへの所定期間における出金額は「７００万円」である。

算出装置１００は、このような取引金額に関する情報と、各第２事業者の第１スコアとの関係性を示す素性を追加することで、新たな回帰式を生成する。例えば、算出装置１００は、各々の数値の加重平均を算出する。具体的には、算出装置１００は、第２事業者の第１スコアと入金額とをそれぞれ乗算した値の和を、入金額の合計で割ることで、事業者Ａの入金に関する素性を算出する。図１の例では、算出装置１００は、事業者Ａの入金に関する素性として、「約７３」という数値を算出する。かかる数値が、回帰式における「ｘ_ＩＮ」に対応する。同様に、算出装置１００は、第２事業者の第１スコアと出金額とをそれぞれ乗算した値の和を、出金額の合計で割ることで、事業者Ａの出金に関する素性を算出する。図１の例では、算出装置１００は、事業者Ａの出金に関する素性として、「５５」という数値を算出する。なお、上記の算出手法は一例であり、算出装置１００は、第１スコアと金額の大小の関係に基づいて数値が求められる手法であれば、いずれの手法を採用してもよい。

このようにして、算出装置１００は、算出した「ｘ_ＩＮ」と「ｘ_ＯＵＴ」を含めた回帰式（３）を利用して、第１スコアを出力するためのモデルを更新する。すなわち、算出装置１００は、新たに素性が追加された回帰式（３）に基づいて、モデルを更新し、新たなスコア（説明のため、「暫定スコア」と表記する）を得るためのモデルを生成する。

例えば、算出装置１００は、事業者Ａに限らず、各事業者において上記したような算出を行い、各事業者に対応する回帰式（３）を生成する。すなわち、算出装置１００は、各事業者に対応した多数の回帰式（サンプル）を生成し、生成した回帰式に基づいてモデルを更新する。具体的には、算出装置１００は、重み値「ω_ＩＮ」や「ω_ＯＵＴ」の値が追加された、下記式（４）のような回帰式を生成する。

暫定スコア ＝ ω_１・ｘ_１ ＋ ・・・ ＋ ω_ｎ・ｘ_ｎ＋ ω_ＩＮ・ｘ_ＩＮ ＋ ω_ＯＵＴ・ｘ_ＯＵＴ ・・・ （４）

このように、上記式（４）では、「ω_ＩＮ・ｘ_ＩＮ」と「ω_ＯＵＴ・ｘ_ＯＵＴ」とが要素として追加される。これにより、算出装置１００は、事業者Ａ自体の情報によって求められる第１スコアではなく、事業者Ａの取引関係を加味したスコアである暫定スコアを求めることができる。すなわち、算出装置１００は、取引の相手先の評価値（第１スコア）が、第１事業者に対して影響を与える態様で暫定スコアを算出することができる。このため、例えば小規模の第１事業者であっても、比較的第１スコアが高いと想定される大企業と多く取引していたり、第１事業者が安定している第２事業者と取引していたりする第１事業者は、暫定スコアが高く算出される。

ところで、上記の処理では、事業者Ａの第１スコアが暫定スコアに更新されるとともに、それに伴い、事業者Ｂの第１スコアが暫定スコアに更新され、事業者Ｃの第１スコアが暫定スコアに更新される。すなわち、各事業者の暫定スコアの算出においては、互いに更新された第１スコアが影響を与え合うため、算出の順序によって誤差が生じる場合がある。このため、算出装置１００は、更新された暫定スコアが、更新前のモデルによって求められる暫定スコアとの間で所定の閾値を下回るまで、モデルの更新を繰り返す。すなわち、算出装置１００は、暫定スコアのぶれが収束するまで、モデルの更新を繰り返す。具体的には、算出装置１００は、全事業者の暫定スコアが、「|更新後のスコア−更新前スコア|≦所定の閾値（例えば１）」となるまで、更新を繰り返す。

そして、算出装置１００は、上記の条件を満たすまでモデルの更新を繰り返し、最終的に下記式（５）のようなモデルを生成する。

第２スコア ＝ ω_１・ｘ_１ ＋ ・・・ ＋ ω_ｎ・ｘ_ｎ＋ ω_ＩＮ・ｘ_ＩＮ ＋ ω_ＯＵＴ・ｘ_ＯＵＴ ・・・ （５）

上記式（５）は、第２スコア出力モデルを示す。上記式（５）では、回帰分析によって求められた具体的な数値が各重み値ωに代入される。このため、算出装置１００は、上記式（５）に、第１事業者の評価情報を「ｘ_１」〜「ｘ_ｎ」に入力し、さらに、第１事業者の取引情報を「ｘ_ＩＮ」や「ｘ_ＯＵＴ」に入力することで、第１事業者の第２スコアを出力させることができる。このようにして、算出装置１００は、第１事業者の第２スコア（すなわち信用度）を算出する（ステップＳ１５）。

上述してきたように、実施形態に係る算出装置１００は、各事業者の評価値を示した第１スコアを取得する。そして、算出装置１００は、取得した第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを算出する。

このように、実施形態に係る算出装置１００は、第１事業者自体の財務情報等のみならず、第１事業者と取引関係にある第２事業者の第１スコア（評価値）を利用して、第１事業者の信用度を示す第２スコアを算出する。これにより、算出装置１００は、より評価の高い第２事業者と付き合いのある第１事業者の第２スコアを相対的に高く算出することができる。すなわち、算出装置１００は、第１事業者単独の評価ではなく、事業者同士の関係性を加味した信用度の算出を行うことができる。具体的には、売上高や規模が小さいために、事業者単独の情報から求められる評価値（第１スコア）が高くない第１事業者であっても、実は大企業と取引のある事業者であったり、信頼のある企業との取引が増加している事業者であったりする場合には、算出装置１００は、当該第１事業者の信用度（第２スコア）を高く算出することができる。

以下、上記のような算出処理を行う算出装置１００及び算出装置１００を含む算出システム１について、さらに詳細に説明する。

〔２．算出システムの構成〕
次に、図２を用いて、実施形態に係る算出システム１の構成について説明する。図２は、実施形態に係る算出システム１の構成例を示す図である。図２に示すように、算出システム１は、ユーザ端末１０と、事業者サーバ２０と、コンテンツ配信サーバ４０と、算出装置１００とを含む。算出システム１に含まれる各装置は、通信ネットワークであるネットワークＮ（例えば、インターネット）を介して有線または無線により通信可能に接続される。なお、図２に示す算出システム１に含まれる各装置の数は図示したものに限られない。例えば、算出システム１には、複数台のユーザ端末１０が含まれてもよい。

ユーザ端末１０は、ウェブページ等のコンテンツを閲覧するユーザによって利用される情報処理装置である。例えば、ユーザ端末１０は、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣや、スマートフォン等の携帯電話機や、タブレット端末や、ＰＤＡ（Personal Digital Assistant）等である。例えば、ユーザ端末１０は、ユーザによる操作に従って、コンテンツ配信サーバ４０からウェブページを取得し、取得したウェブページを表示する。

また、ユーザ端末１０は、コンテンツ配信サーバ４０に所定の情報を送信する。例えば、ユーザ端末１０は、検索サービスにおいて、事業者の名称をクエリとしてコンテンツ配信サーバ４０に送信する。また、ユーザ端末１０は、レビューサイト等において、事業者が提供する製品に関するレビューをコンテンツ配信サーバ４０に送信してもよい。

事業者サーバ２０は、事業者によって利用されるサーバ装置である。例えば、事業者サーバ２０は、事業者間の取引に関する情報を保持する。事業者サーバ２０は、算出装置１００の要求に応じて、事業者間の取引に関する情報を提供する。具体的には、事業者サーバ２０は、保持する口座情報等を算出装置１００に提供することで、かかる口座情報に含まれる取引情報を算出装置１００に提供する。

コンテンツ配信サーバ４０は、各種サービスを提供するウェブサイトが含むウェブページをユーザ端末１０に配信するウェブサーバである。例えば、コンテンツ配信サーバ４０は、ポータルサイト、ニュースサイト、オークションサイト、天気予報サイト、ショッピングサイト、ファイナンス（株価）サイト、路線検索サイト、地図提供サイト、旅行サイト、飲食店紹介サイト、ＳＮＳ（Social Networking Service）サービスサイト、ウェブブログなどに関連する各種情報を含むウェブページをユーザ端末１０に配信する。

なお、コンテンツ配信サーバ４０からユーザ端末１０に配信される各種データは、実際にはウェブページを形成するＨＴＭＬ（HyperText Markup Language）ファイルや画像等であるが、以下では、コンテンツ配信サーバ４０からユーザ端末１０に配信される各種データをコンテンツと表記する場合がある。

また、コンテンツ配信サーバ４０は、ネットワークＮ上におけるユーザ行動を記憶する。ここで、ネットワークＮ上におけるユーザ行動とは、各種ウェブサイトから提供されるサービスの利用に際して、ユーザの操作に従いユーザ端末１０から発信される情報を意味する。例えば、ネットワークＮ上におけるユーザ行動は、検索サイトにおける検索クエリの入力や、ショッピングサイトにおける購買行動や、製品評価サイトにおけるユーザからのレビューの投稿などである。また、ユーザ行動には、例えば、ＳＮＳ（Social Networking Service）サイトにおけるメッセージのやりとりや、他者に対するフォロー行動なども含まれる。

また、コンテンツ配信サーバ４０は、算出装置１００からの取得要求に従って、事業者の評価情報として、上述したネットワークＮ上におけるユーザ行動に関する情報や、事業に影響を与える指標値（例えば、株価や為替）の情報を算出装置１００に送信してもよい。

算出装置１００は、上述のように、事業者の評価値を示した第１スコアを取得し、取得した第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを算出するサーバ装置である。

〔３．算出装置の構成〕
次に、図３を用いて、実施形態に係る算出装置１００の構成について説明する。図３は、実施形態に係る算出装置１００の構成例を示す図である。図３に示すように、算出装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、算出装置１００は、算出装置１００を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を出力するための出力部（例えば、液晶ディスプレイ等）を有してもよい。

（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。かかる通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、ユーザ端末１０や、事業者サーバ２０や、コンテンツ配信サーバ４０との間で情報の送受信を行う。

（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。実施形態に係る記憶部１２０は、評価情報記憶部１２１と、取引情報記憶部１２５と、モデル記憶部１２６とを有する。以下、各記憶部について順に説明する。

（評価情報記憶部１２１について）
評価情報記憶部１２１は、事業者の評価に関する情報を記憶する。評価情報記憶部１２１には、情報を記憶するデータテーブルとして、財務テーブル１２２と、株価為替テーブル１２３と、検索データテーブル１２４とが含まれる。以下、各データテーブルについて、順に説明する。

（財務テーブル１２２について）
財務テーブル１２２は、事業者の財務に関する情報を記憶する。ここで、図４に、実施形態に係る財務テーブル１２２の一例を示す。図４は、実施形態に係る財務テーブル１２２の一例を示す図である。図４に示すように、財務テーブル１２２は、「事業者」、「財務情報」といった項目を有する。また、「財務情報」は、「総資産」、「総負債」、「売上高」、「営業利益」、「時価総額」といった小項目を有する。

「事業者」は、事業者の名称を示す。「財務情報」は、事業者の財務状況に関する情報を示す。例えば、財務情報は、四半期ごとに事業者から公表されるデータ等に基づいて更新される。また、図４の例では、財務情報の小項目として、「総資産」、「総負債」、「売上高」、「営業利益」、「時価総額」を例示しているが、財務テーブル１２２に記憶される財務情報は、図４に示した例に限られない。例えば、財務情報には、事業者の自己資本比率や、担保余力や、決済状況などの各種情報が含まれてもよい。

また、図４に示す例では、「総資産」などの項目を「ａａａ」といった概念で表記しているが、実際には、各項目には、総資産に対応する金額などの具体的な情報が記憶される。

すなわち、図４では、財務テーブル１２２が記憶する情報の一例として、「事業者Ａ」の財務情報は、総資産が「ａａａ」であり、総負債が「ｂｂｂ」であり、売上高が「ｃｃｃ」であり、営業利益が「ｄｄｄ」であり、時価総額が「ｅｅｅ」であることを示している。

（株価為替テーブル１２３について）
株価為替テーブル１２３は、株価や為替に関する情報を記憶する。ここで、図５に、実施形態に係る株価為替テーブル１２３の一例を示す。図５は、実施形態に係る株価為替テーブル１２３の一例を示す図である。図５に示すように、株価為替テーブル１２３は、「事業者」、「業界」、「株価」、「株価推移情報」、「為替連動情報」といった項目を有する。

「事業者」は、図４で示した同一の項目に対応する。「業界」は、事業者が属する業界を示す。図５に示す例では、「業界」の項目を「Ｂ０１」といった概念で表記しているが、実際には、「業界」の項目には、鉄鋼業界や、家電業界や、通信業界など、具体的な業界を示す情報が記憶される。

「株価」は、事業者の株価を示す。「株価推移情報」は、株価の推移を示す。なお、図５に示す例では、「株価」や「株価推移情報」の項目を「Ｅ０１」や「Ｆ０１」といった概念で表記しているが、実際には、「株価」の項目には、株価の具体的な数値が記憶される。また、「株価推移情報」の項目には、具体的な株価の数値の他に、所定期間において株価がどのくらいの割合で上昇または下降したかといった情報や、市場との動きの相違（市場全体が値下がりする中で、当該事業者の株が値上がりしたなどの推移情報）等が記憶される。なお、事業者が非上場企業等で、株価が取得できない場合や株価の情報が存在しない場合には、「株価」や「株価推移情報」の項目は空欄となる。

「為替連動情報」には、為替の動きに連動した業績の推移に関する情報が記憶される。図５に示す例では、「為替連動情報」の項目を「Ｇ０１」といった概念で表記しているが、実際には、「為替連動情報」の項目には、為替がいくら動いた場合に当該事業者の事業や業界全体にどのような影響を与えるかといった具体的な数値や、例えば円高の方が有利な事業者（業界）であるか否かといった、事業者が営む事業と為替との一般的な連動関係を示す情報等が記憶される。

すなわち、図５では、株価為替テーブル１２３が記憶する情報の一例として、「事業者Ａ」は、属する業界が「Ｂ０１」であり、株価が「Ｅ０１」であり、株価推移情報が「Ｆ０１」であり、為替連動情報が「Ｇ０１」であることを示している。

（検索データテーブル１２４について）
検索データテーブル１２４は、ユーザが事業者を検索した検索履歴に関する情報を記憶する。ここで、図６に、実施形態に係る検索データテーブル１２４の一例を示す。図６は、実施形態に係る検索データテーブル１２４の一例を示す図である。図６に示すように、検索データテーブル１２４は、「事業者」、「集計期間」、「検索数」、「上昇度」、「対象ワード」といった項目を有する。

「事業者」は、図４に示した同一の項目に対応する。「集計期間」は、ユーザが行った検索に関する情報を集計した期間を示す。図６の例では、集計期間は一週間単位としているが、集計期間は異なる期間であってもよい。

「検索数」は、例えば、所定の検索サイトにおいて、検索エンジンによって事業者が検索された回数を示す。なお、検索数として計数される検索クエリには、事業者の名称そのものに限られず、事業者が提供する製品名や、事業者の経営者の氏名などが含まれてもよい。

「上昇度」は、直前の集計期間における検索数に対する検索数の増減値を示す。「対象ワード」は、記載されたワードが検索クエリとして送信された場合に、事業者に関する検索数として計数されるワードを示す。例えば、事業者の名称そのものよりも、事業者が提供する製品名の知名度が高い場合、ユーザは、かかる製品名で検索行動をすることが考えられる。この場合、製品名を検索クエリとして検索が行われた場合であっても、当該製品名が対象ワードに設定されていれば、当該製品を提供する事業者に対する検索数が計数される。対象ワードは、算出装置１００の管理者や、事業者の申請によって人為的に設定されてもよいし、例えば、検索結果に基づくウェブサイトのリンクを分析すること等により、自動で設定されてもよい。具体的には、「製品Ｐ０１」をユーザが検索した場合に、検索結果として「事業者Ａ」に関連するウェブサイトが比較的多く表示されるような場合には、事業者Ａとともに「製品Ｐ０１」が対象ワードに自動で設定される。

すなわち、図６では、検索データテーブル１２４が記憶する情報の一例として、「事業者Ａ」は、集計期間「２０１７年６月２６日〜２０１７年７月２日」の間に、「２０００回」検索され、直前の検索数からの上昇度は「１０００回」であることを示している。また、事業者Ａには、検索における対象ワードとして、「事業者Ａ」、「製品Ｐ０１」、「経営者Ｑ０１」等が設定されていることを示している。

なお、検索データテーブル１２４には、図６で図示した情報以外の情報が適宜記憶されてもよい。例えば、検索データテーブル１２４には、同一の業界内における各事業者の検索数に基づく検索ランキングの情報や、検索数の上昇度や検索数の上昇度の割合に基づく検索ランキングの情報等が記憶されてもよい。例えば、検索ランキングの順位が上昇している事業者ほど、事業が好調であったり、ユーザからの注目度が高かったりする事業者であると評価される。

（取引情報記憶部１２５について）
取引情報記憶部１２５は、事業者の取引に関する情報を記憶する。ここで、図７に、実施形態に係る取引情報記憶部１２５の一例を示す。図７は、実施形態に係る取引情報記憶部１２５の一例を示す図である。図７に示すように、取引情報記憶部１２５は、「事業者」、「取引履歴」といった項目を有する。また、「取引履歴」は、「取引日」、「取引先」、「取引種別」、「金額」といった小項目を有する。

「事業者」は、図４で示した同一の項目に対応する。「取引履歴」は、事業者の取引に関する履歴を示す。「取引日」は、取引が行われた日付を示す。「取引先」は、取引の相手先を示す。「取引種別」は、入金や出金等の取引の種別を示す。「金額」は、取引の金額を示す。図７に示す例では、「金額」の項目を「Ｃ０１」といった概念で表記しているが、実際には、「金額」の項目には取引された具体的な金額が記憶される。

すなわち、図７では、取引情報記憶部１２５が記憶する情報の一例として、「事業者Ａ」の取引履歴には、一例として、取引日「２０１７年６月５日」において、取引先「事業者Ｂ」から、金額「Ｃ０１」の「入金」があったことを示している。

（モデル記憶部１２６について）
モデル記憶部１２６は、算出装置１００が生成するモデルに関する情報を記憶する。ここで、図８に、実施形態に係るモデル記憶部１２６の一例を示す。図８は、実施形態に係るモデル記憶部１２６の一例を示す図である。図８に示すように、モデル記憶部１２６は、「モデルＩＤ」、「更新日」、「業界」といった項目を有する。

「モデルＩＤ」は、モデルを識別する識別情報を示す。「更新日」は、モデルが更新された日付を示す。「業界」は、図５に示した同一の項目に対応する。

すなわち、図８では、モデル記憶部１２６が記憶する情報の一例として、モデルＩＤ「Ｍ０１」で識別されるモデルは、更新日が「２０１７年７月１日」であり、業界「Ｂ０１」に対応するモデルであることを示している。

なお、図８での図示は省略しているが、モデル記憶部１２６に記憶される情報は、モデルを構成する具体的なモデルデータ（ω_ｉに設定された重み値等）が含まれる。また、モデル記憶部１２６に記憶されるモデルとは、図１で示した式（５）のような第２スコア出力モデルに対応するが、モデル記憶部１２６には、第２スコア出力モデルを学習するための学習データや、第２スコア出力モデルが生成されるまでの過程で利用される第１スコア等が記憶されてもよい。

なお、実施形態に係るモデルとは、事業者の評価値を示した第１スコアのうち、第１事業者と取引関係を有する第２事業者の第１スコアと、第２事業者と第１事業者との入出金に関する情報と、の関係性を示した値が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素とを含む。また、モデルは、入力層に入力された情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、第１事業者における信用度を示す第２スコアの値を出力層から出力するよう、コンピュータを機能させる。なお、実施形態で示した例では、算出装置１００は、ディープラーニング（deep learning）のような多層構造の学習を行っていないため、上記の「入力層から出力層までのいずれかの層であって出力層以外の層」や、「出力層以外の各層」とは、入力層を示す。

例えば、実施形態に係るモデルが上述した式（２）や式（５）で示す回帰モデルで実現される場合、モデルが含む第１要素とは、ｘ_１やｘ_２等といった入力データ（ｘ_ｉ（ｉは任意の数））に対応し、第１要素の重みとは、ｘ_ｉに対応する係数ω_ｉに対応する。一般に、回帰モデルは入力層と出力層とを有する単純パーセプトロンとみなすことができるが、モデルを単純パーセプトロンとみなした場合、第１要素は、入力層が有するいずれかのノードに対応し、第２要素は、出力層が有するノードとみなすことができる。

さらに、各モデルがＤＮＮ（Deep Neural Network）等、１つまたは複数の中間層を有するニューラルネットワークで実現される場合、各モデルが含む第１要素とは、入力層または中間層が有するいずれかのノードとみなすことができ、第２要素とは、第１要素と対応するノードから値が伝達されるノード、すなわち、次段のノードと対応し、第１要素の重みとは、第１要素と対応するノードから第２要素と対応するノードに伝達される値に対して考慮される重み、すなわち、接続係数である。

算出装置１００は、上述した回帰モデルやＤＮＮ等、任意の構造を有するモデルを用いて第２スコアの算出を行う。より具体的には、算出装置１００は、第１事業者と取引を有する第２事業者の第１スコアと、当該第２事業者との取引金額との関係性を要素として追加した回帰式を再帰的に学習することで、第１事業者のスコアを更新する処理を繰り返す。そして、算出装置１００は、各事業者の更新前のスコアと更新後のスコアとの差が所定の閾値になった場合に、スコアが収束したとみなし、学習が終了した（モデルが生成された）と判定する。

（制御部１３０について）
図３に戻って説明を続ける。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、算出装置１００内部の記憶装置に記憶されている各種プログラム（算出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。

また、制御部１３０は、記憶部１２０に記憶されるモデルに従った情報処理により、モデルの入力層に入力された、第２事業者の第１スコア（かかる値は、「暫定スコア」である場合がある）と第２事業者と第１事業者との入出金に関する情報との関係性を示した値と、モデルが有する係数（すなわち、モデルが学習した特徴に対応する重み値）に基づく演算を行い、モデルの出力層から、第１事業者の信用度を示す値、すなわち第２スコアを出力する。

実施形態に係る制御部１３０は、図３に示すように、取得部１３１と、第１生成部１３２と、第１算出部１３３と、第２生成部１３４と、第２算出部１３５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。

（取得部１３１について）
取得部１３１は、各事業者の評価値を示した第１スコアを取得する。例えば、取得部１３１は、後述する第１算出部１３３によって算出された、各々の事業者の第１スコアを取得する。

例えば、取得部１３１は、コンテンツ配信サーバ４０から事業者ごとの評価情報を取得する。例えば、取得部１３１は、各々の事業者の財務状況に関する情報を取得する。そして、取得部１３１は、取得した評価情報を第１生成部１３２に送る。後述する第１生成部１３２及び第１算出部１３３は、取得部１３１によって取得された評価情報に基づいて、各々の事業者の第１スコアを算出する。すなわち、取得部１３１は、各々の事業者の財務状況に関する情報に基づいて算出される第１スコアを取得する。

なお、取得部１３１は、必ずしも第１算出部１３３によって算出された第１スコアを取得することを要しない。例えば、取得部１３１は、事業者を評価する外部機関が存在する場合には、当該外部機関から示された評価値に基づいて予め算定された第１スコアを取得してもよい。

また、取得部１３１は、事業者サーバ２０から、各々の事業者の取引情報を取得してもよい。また、取得部１３１は、評価情報として、財務状況等の情報のみならず、種々の情報を取得してもよい。例えば、取得部１３１は、評価情報の一例として、事業者に関する株価情報を取得する。例えば、取得部１３１は、事業者が上場している株式市場の情報を有するコンテンツ配信サーバ４０から株価情報を取得する。また、取得部１３１は、事業者に関する株価情報として、事業者と関連する事業者の株価情報を取得してもよい。例えば、取得部１３１は、処理対象とする第１事業者と資本関係を有する事業者の株価情報を取得する。

また、取得部１３１は、事業者が属する経済圏における為替情報を取得する。事業者が属する経済圏とは、例えば、円で事業を行う事業者であれば、円が流通する国と、その他の各国との関係における為替情報が該当する。また、取得部１３１は、為替情報と関連して事業者の業績が変化する可能性があるか否かを示す為替推移情報を取得する。例えば、取得部１３１は、予め算出装置１００の管理者等から、円高で業績が上がる事業者や業界、あるいは円安で業績が上がる事業者や業界の情報の設定を受け付ける。そして、取得部１３１は、設定された情報に基づいて、処理対象とする第１事業者や第２事業者が属する業界や業種を取得する。

また、取得部１３１は、評価情報として、事業者に関する検索データを取得してもよい。例えば、取得部１３１は、検索サービスを提供するコンテンツ配信サーバ４０に対して、ユーザ端末１０から送信された検索クエリの種類や、送信された数等を取得する。

なお、図１の例では、取得部１３１は、コンテンツ配信サーバ４０から各種情報を取得する例を示したが、情報の取得先はコンテンツ配信サーバ４０に限らなくてもよい。例えば、取得部１３１は、ユーザ端末１０から評価情報を取得してもよい。また、取得部１３１は、ユーザ端末１０やコンテンツ配信サーバ４０からのみならず、所定の外部サーバから評価情報を取得してもよい。例えば、取得部１３１は、ユーザ端末１０やコンテンツ配信サーバ４０に関する情報を蓄積するクラウドサーバ等から情報を取得してもよい。

取得部１３１は、取得した情報を記憶部１２０内に適宜格納する。例えば、取得部１３１は、取得した評価情報を評価情報記憶部１２１内に格納する。

（第１生成部１３２について）
第１生成部１３２は、各々の事業者の評価情報に基づいて、事業者の第１スコアを算出するためのモデルを生成する。具体的には、第１生成部１３２は、図１で示した上記式（１）のような回帰式を生成し、生成した回帰式を回帰分析することによって、第１スコアを出力させるためのモデルを生成する。

なお、第１生成部１３２は、モデルの生成にあたり、種々の既知の手法を利用してもよい。例えば、第１生成部１３２は、取得した評価情報のうち、財務状況を示す値を事業者間で正規化したり、株価情報を事業者間で正規化したり、為替情報を事業者間で正規化したりする。そして、第１生成部１３２は、各々の事業者の評価情報に基づいて、事業者ごとに回帰式を生成する。

（第１算出部１３３について）
第１算出部１３３は、第１生成部１３２によって生成されたモデルを用いて、各々の事業者の第１スコアを算出する。具体的には、第１算出部１３３は、第１生成部１３２によって生成されたモデルに、処理対象とする第１事業者の評価情報を入力し、第１事業者に対応する第１スコアを出力させることによって、第１スコアを算出する。

例えば、第１算出部１３３は、第１事業者に関する株価情報に基づいて、第１事業者の第１スコアを算出する。例えば、第１算出部１３３は、第１事業者に関する株価の絶対的な価格や、業界内での相対的な価格や、株価が上昇傾向にあるか否かに基づいて、モデルにおける「ｘ_ｉ」に入力する数値を調整する。これにより、第１算出部１３３は、例えば株価が他の事業者よりも好調である第１事業者について、第１スコア、すなわち評価値を比較的高く算出することができる。

なお、第１算出部１３３は、財務状況や、為替や、検索データ等についても、上記のような手法を用いることで、各々の事業者の財務状況等に応じた第１スコアを算出することができる。かかる手法は、例えば既知の算出手法が適宜利用されてもよい。例えば、第１算出部１３３は、種々の既知の手法に基づいて、評価情報を数値化したり、検索数等を数値化したりして、第１スコアの算出処理を行ってもよい。例えば、第１算出部１３３は、検索数については、全体の統計データとの関係性に基づいて正規化した数値を用いてもよい。また、第１算出部１３３は、例えば、株価がいくら上昇した場合に、いくらの値を加算するといった設定を、算出装置１００の管理者から予め受け付けていてもよい。この場合、第１算出部１３３は、取得部１３１によって取得された事象（第２事業者の株価の上昇など）と、当該事象が発生した場合に加算される数値とに基づいて、モデルに入力する情報（「ｘ_ｉ」）を調整する。

なお、第１算出部１３３は、第１生成部１３２によって生成されたモデルを用いずに、所定の外部機関から取得した事業者の評価値に基づいて、第１スコアを算出してもよい。例えば、第１算出部１３３は、所定の外部機関から取得した事業者の評価値を、そのまま第１スコアとして取り扱ってもよい。すなわち、算出装置１００は、第１スコアとして、事業者自体の情報に基づいて任意の対象によって求められる値であって、各々の事業者の評価値を比較して示すことのできる値であれば、どのような値を採用してもよい。

（第２生成部１３４について）
第２生成部１３４は、取得部１３１によって取得された各々の事業者の第１スコアのうち、第２事業者の第１スコアと、当該第２事業者と第１事業者との入出金に関する情報との関係性に基づいて、モデルを生成する。なお、第２生成部１３４によるモデルの生成とは、第１生成部１３２によって生成されたモデルを更新する意味を含む。

例えば、第２生成部１３４は、第２事業者の第１スコアと当該第２事業者と第１事業者との入出金に関する情報との関係性を示す値として、相対的に高い値が入力された場合にスコアが上昇し、相対的に低い値が入力された場合にスコアが下降するように、各要素に対する係数（重み値）が設定されるよう、モデルを学習する。

第２生成部１３４は、例えば、第２事業者の第１スコアと、当該第２事業者と第１事業者との入出金の関係性を示す値を用いてモデルを生成する。具体的には、第２生成部１３４は、図１で示したように、第１事業者にとっての第２事業者の第１スコアと、各々の第２事業者に対する入金額や支出額を加重平均した値を用いてモデルを生成する。

また、第２生成部１３４は、入出金に関する情報として、第１事業者と第２事業者との間の取引における入出金の金額のみならず、第１事業者と第２事業者との間の取引回数、取引頻度等に基づいて、モデルを生成してもよい。また、第２生成部１３４は、所定期間における取引の入出金の金額の推移、所定期間における取引回数の推移、又は取引頻度の推移の少なくともいずれか一つを用いて、モデルを生成してもよい。すなわち、第２生成部１３４は、取引金額の多寡のみならず、取引回数等を指標値として求めた値を用いて、モデルを生成してもよい。

また、第２生成部１３４は、モデルによって出力された暫定的なスコアである暫定スコアを、当該暫定スコアを出力する際に用いられた第１スコアの値と置き換えた回帰式を学習することにより、当該モデルを更新する。図１で示したように、第２生成部１３４によって生成されるモデルは、素性として第１スコア（もしくは暫定スコア）を含むため、いずれかの事業者の第１スコアが更新された場合には、他の事業者の第１スコアも影響を受ける。このため、第２生成部１３４は、各々の事業者について、直前の算出に用いた第１スコア（暫定スコア）を更新して、モデルの学習（例えば回帰式による回帰分析）を繰り返す。

そして、第２生成部１３４は、更新されたモデルによって出力された暫定スコアと、更新前のモデルによって出力された暫定スコアとが所定の閾値以内となるまで、当該モデルを更新することを繰り返す。そして、第２生成部１３４は、更新されたモデルによって出力された暫定スコアと、更新前のモデルによって出力された暫定スコアとが所定の閾値以内となった場合に、更新後のモデルを、各々の事業者の第２スコアを出力するためのモデルと決定する。

第２生成部１３４は、生成したモデルをモデル記憶部１２６に格納する。なお、第２生成部１３４は、事業者が属する業界ごとや、事業者の事業規模ごと等、種々のカテゴリ別にモデルを生成してもよい。

なお、第２生成部１３４は、上述したような回帰式による機械学習に限らず、いかなる学習アルゴリズムを用いてモデルを生成してもよい。例えば、第２生成部１３４は、ニューラルネットワーク、サポートベクターマシン（support vector machine）、クラスタリング、強化学習等の学習アルゴリズムを用いてモデルを生成してもよい。一例として、第２生成部１３４がニューラルネットワークを用いてモデルを生成する場合、実施形態に係るモデルは、一以上のニューロンを含む入力層と、一以上のニューロンを含む中間層と、一以上のニューロンを含む出力層とを有する。また、第２算出部１３５がＧＡＮ（Generative Adversarial Networks）を用いた算出処理を行う場合、第２生成部１３４が生成するモデルは、ＧＡＮの一部を構成するモデルであってもよい。

（第２算出部１３５について）
第２算出部１３５は、取得部１３１によって取得された第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを算出する。

例えば、第２算出部１３５は、第２生成部１３４によって生成されたモデルを用いて、第１事業者の第２スコアを算出する。具体的には、第２算出部１３５は、第２生成部１３４によって更新されたモデルによって出力された暫定スコアと、更新前のモデルによって出力された暫定スコアとが所定の閾値以内となった場合に、当該モデルを用いて、第１事業者の第２スコアを算出する。

例えば、第２算出部１３５は、モデルから出力された値をそのまま第２スコアとして用いてもよいし、所定の演算処理（第１事業者同士の比較をしやすくするために数字をまるめるための演算等）を行った後の値を第２スコアとしてもよい。

〔４．処理手順〕
次に、図９及び図１０を用いて、実施形態に係る算出装置１００による処理の手順について説明する。まず、図９を用いて、実施形態に係る算出処理の手順のうち、第１スコアを記憶するまでの処理の手順について説明する。図９は、実施形態に係る処理手順を示すフローチャート（１）である。

図９に示すように、算出装置１００は、コンテンツ配信サーバ４０から評価情報を取得する（ステップＳ１０１）。算出装置１００は、取得した評価情報に基づいて、第１スコアを算出するためのモデルを生成する（ステップＳ１０２）。

そして、算出装置１００は、生成したモデルを用いて、各々の事業者の第１スコアを算出する（ステップＳ１０３）。算出装置１００は、算出した第１スコアを記憶部１２０内に記憶する（ステップＳ１０４）。

次に、図１０を用いて、実施形態に係る提供処理の手順のうち、第２スコアを算出するまでの処理の手順について説明する。図１０は、実施形態に係る処理手順を示すフローチャート（２）である。

図１０に示すように、算出装置１００は、各々の事業者が備える事業者サーバ２０から取引情報を取得する（ステップＳ２０１）。算出装置１００は、取得した取引情報と、各々の第２事業者の第１スコアとに基づいて、事業者間の関係性を示す値を算出する（ステップＳ２０２）一例として、算出装置１００は、第２事業者の第１スコアと第１事業者への取引の入出金額に基づいて、事業者間の関係性を示す値を算出する。

そして、算出装置１００は、事業者間の関係性を示す値を素性として、第１スコアの算出のために生成されたモデルを更新する（ステップＳ２０３）。続けて、算出装置１００は、更新後のモデルを用いて、各々の事業者のスコア（暫定スコア）を算出する（ステップＳ２０４）。

このとき、算出装置１００は、更新前のスコアと更新後のスコアが所定の閾値以内であるか否かを判定する（ステップＳ２０５）。更新前のスコアと更新後のスコアが所定の閾値以内でない場合（ステップＳ２０５；Ｎｏ）、算出装置１００は、出力された値（新たな暫定スコア）に基づいて、さらにモデルを更新する（ステップＳ２０６）。さらに、算出装置１００は、更新後のモデルを用いてスコアを算出する処理（ステップＳ２０４）と、更新前のスコアと更新後のスコアが所定の閾値以内であるか否かを判定する処理（ステップＳ２０５）を繰り返す。

更新前のスコアと更新後のスコアが所定の閾値以内となった場合（ステップＳ２０５；Ｙｅｓ）、算出装置１００は、更新されたモデルを記憶部１２０内に記憶する（ステップＳ２０７）。最終的に更新されたモデルは、第２スコアを出力させるためのモデルとなる。算出装置１００は、かかるモデルを用いて、処理対象となる第１事業者の第２スコアを算出する（ステップＳ２０８）。

〔５．変形例〕
上述した実施形態に係る算出システム１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、上記の算出システム１に含まれる各装置の他の実施形態について説明する。

〔５−１．季節要因を含む算出〕
上記実施形態では、算出装置１００が、第１事業者と第２事業者の取引金額等に基づいて第２スコアを算出する例を示した。ここで、算出装置１００は、第１事業者と第２事業者の取引金額等以外の情報に基づいて第２スコアを算出してもよい。

例えば、算出装置１００は、第１事業者と第２事業者との取引における季節要因に基づいてモデルを生成してもよい。例えば、事業者間の取引には、季節ごとに取引量が増大したり、減少したりする場合がある。このため、算出装置１００は、季節要因をモデルに組み込むことにより、例えば、第１事業者の信用度を算出しようとした際のタイミングにおいて適切な信用度（第２スコア）を算出することができる場合がある。例えば、季節要因を加味した第２スコアを用いることによって、金融機関等は、第１事業者に融資するタイミングを計ることができる。

例えば、算出装置１００は、取引情報として、第１事業者と任意の第２事業者との年間の取引金額のうち１ヶ月ごと等の取引金額の割合に基づき、どの時期に取引が増大するか等の情報を取得する。具体的には、算出装置１００は、第１事業者と任意の第２事業者との取引は、夏季（例えば、７〜９月期）に比較的増大し、冬季（例えば、１〜３月期）に比較的減少するといった情報を取得する。

そして、算出装置１００は、例えば、季節要因の度合いを示す指標値（以下、「季節要因指数」と表記する）を任意の手法で設定する。例えば、算出装置１００は、年間の取引金額の割合に基づいて、第１事業者と任意の第２事業者との季節要因指数を設定する。具体的には、算出装置１００は、第２事業者のうち第２事業者Ｄの季節要因指数を「２０」、第２事業者のうち第２事業者Ｅの季節要因指数を「８０」と設定したものとする。そして、第２事業者Ｄの第１スコアが「９０」であり、第２事業者Ｅの第１スコアが「４０」であるとすると、算出装置１００は、第１事業者と第２事業者との関係性を示す値を（２０＊９０＋８０＊４０）／（２０＋８０）＝５０、といったように算出する。

このように、算出装置１００は、各々の事業者の季節要因に関する情報を取得し、第２事業者の第１スコアと、当該第２事業者と第１事業者との季節要因に関する情報との関係性に基づいて、モデルを生成してもよい。すなわち、算出装置１００は、取引金額のみならず、種々の情報を用いて事業者間の関係性を示す値を設定することができる。そして、算出装置１００は、そのような種々の情報を用いて事業者の第２スコアを算出することで、より多角的な観点から事業者の信用度を数値化することができる。

〔５−２．評価情報の例〕
上記実施形態では、評価情報の一例として、事業者の財務状況や、ユーザ行動のうち検索行動等を例に挙げたが、評価情報の例はこれに限られない。例えば、算出装置１００は、コンテンツ配信サーバ４０がニュースデータを扱うサーバであれば、ニュースデータを評価情報の一例として取得してもよい。そして、算出装置１００は、事業者に対してポジティブなニュースデータが取得された場合には、当該事業者の事業者が好調であると判定して当該事業者の第１スコアを高く算出するようなモデルを生成してもよい。あるいは、算出装置１００は、事業者に対してネガティブなニュースデータが取得された場合には、当該事業者の事業者が不調であると判定して当該事業者の第１スコアを低く算出するようなモデルを生成してもよい。

あるいは、算出装置１００は、コンテンツ配信サーバ４０が広告を配信するサーバであれば、広告に係るデータを評価情報の一例として取得してもよい。例えば、算出装置１００は、事業者が広告を出稿させた数や、広告に費やした広告料金等の情報を取得する。そして、算出装置１００は、事業者が広告を出稿させた数や、事業者が支払う広告料金等が多いほど、当該事業者の事業者が好調であると判定して当該事業者の第１スコアを高く算出するようなモデルを生成してもよい。あるいは、算出装置１００は、事業者が広告を出稿させた数や、事業者が支払う広告料金等が低いほど、当該事業者の事業者が不調であると判定して当該事業者の第１スコアを低く算出するようなモデルを生成してもよい。

また、算出装置１００は、コンテンツ配信サーバ４０から取得可能なあらゆる情報を評価情報として用いてもよい。例えば、算出装置１００は、レビューサイトにユーザが投稿したテキストデータの内容（例えば事業者に対して好意的なレビューであるか否か等）や、ＳＮＳにユーザが投稿したテキストデータの内容等を評価情報として取得してもよい。

〔５−３．算出システムの各装置〕
算出システム１に含まれる各装置は、様々な変形例により実現されてもよい。例えば、算出装置１００は、コンテンツ配信サーバ４０が実行する処理を兼ねてもよい。また、算出装置１００は、コンテンツ配信サーバ４０が提供するウェブページに第２スコアを提供するような処理を行ってもよい。また、算出装置１００は、事業者サーバ２０以外の外部サーバから取引情報を取得してもよい。

〔５−４．外部機関データ〕
上記実施形態では、第１事業者の信用度を判定するにあたり、第２事業者の評価に関する指標値である第１スコアを算出する例を示した。ここで、算出装置１００は、第２事業者の第１スコアについて、外部機関のデータを利用してもよい。すなわち、算出装置１００は、第１スコアとして、第２事業者を外部機関が評価した際の所定の評価値を取得し、取得した所定の評価値に基づいて、第１事業者の第１スコアを算出してもよい。

例えば、算出装置１００は、上場企業等を対象として事業者を評価する外部機関が公表する評価値を第２事業者の第１スコアとして利用する。すなわち、算出装置１００は、一般に公表される企業価値データや企業資産データ等の評価値を利用した算出処理を行ってもよい。このように、算出装置１００は、外部機関のデータを採りいれることで、データの信頼性に客観的な信頼性を与えることができるとともに、算出処理を簡略化することができる。

〔５−５．第２事業者〕
上記実施形態では、第１事業者と取引を有する事業者を第２事業者として取り扱い、実施形態に係る算出処理を行う例を示した。ここで、算出装置１００は、第１事業者と取引を有する事業者のうち、所定の条件を満たす事業者のみを第２事業者として取り扱ってもよい。

例えば、算出装置１００は、第１事業者に対する年間の取引額において、上位の所定数の事業者のみを第２事業者として取り扱ってもよい。また、算出装置１００は、第１事業者に対して資本関係を有する事業者（すなわち親会社や子会社等）は第２事業者から除外してもよい。

また、算出装置１００は、第１事業者と取引を有していない事業者を第２事業者として取り扱ってもよい。例えば、算出装置１００は、ファイナンスサイト等において、同一ユーザが組んだポートフォリオで共起する事業者同士を第１事業者と第２事業者として取り扱ってもよい。すなわち、算出装置１００は、同一のユーザが株式を購入するような関係にある事業者同士は、何らかの関係性を有する事業者同士である可能性が高いとして、第１事業者と第２事業者の関係として取り扱うようにしてもよい。

なお、算出装置１００は、第１事業者がいずれの事業者と関係を有しているかを、例えばベクトル表記により示すようにしてもよい。例えば、算出装置１００は、第１事業者と関係を有する事業者に対応する次元を「１」とし、第１事業者と関係を有しない事業者に対応する次元を「０」としたベクトルを用いて、第１事業者と第２事業者との関係性を有する値を算出してもよい。

〔５−６．収束〕
上記実施形態では、更新後のモデルによって算出された暫定スコアと、更新前のモデルによって算出された暫定スコアとが所定の閾値内になるまで演算を繰り返す例を示した。ここで、算出装置１００は、予め更新の回数を設定しておき、設定した回数の更新を経た段階で、モデル生成が完了したと判定するようにしてもよい。かかる処理により、算出装置１００は、半永久的にスコアが収束しないような回帰式が発生すること等を予め防止することができる。

〔６．その他〕
また、上記実施形態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。

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。

例えば、図３に示した評価情報記憶部１２１や、取引情報記憶部１２５や、モデル記憶部１２６は、算出装置１００が保持せずに、外部のストレージサーバ等に保持されてもよい。この場合、算出装置１００は、ストレージサーバにアクセスすることで、評価情報や取引情報等を取得する。

また、例えば、上述してきた算出装置１００は、コンテンツ配信サーバ４０から評価情報を取得したり、事業者サーバ２０から取引情報を取得したりといった、外部装置とのやりとりを中心に実行するフロントエンドサーバ側と、モデルを生成したり第２スコアを算出したりする処理を中心に実行するバックエンドサーバ側とに分散されてもよい。

〔７．ハードウェア構成〕
また、上述してきた実施形態に係る算出装置１００や、ユーザ端末１０や、事業者サーバ２０や、コンテンツ配信サーバ４０等は、例えば図１１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、算出装置１００を例として説明する。図１１は、算出装置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。

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。

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記憶する。通信インターフェイス１５００は、通信網５００（図２に示すネットワークＮに対応する）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、また、通信網５００を介してＣＰＵ１１００が生成したデータを他の機器へ送信する。

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。

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。

例えば、コンピュータ１０００が算出装置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内の各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、他の装置から通信網５００を介してこれらのプログラムを取得してもよい。

〔８．効果〕
上述してきたように、実施形態に係る算出装置１００は、取得部１３１と、第２算出部１３５（算出部の一例）とを有する。取得部１３１は、各々の事業者の評価値を示した第１スコアを取得する。第２算出部１３５は、取得部１３１によって取得された第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを算出する。

このように、実施形態に係る算出装置１００は、第１事業者と取引関係を有する第２事業者に関する情報に基づいて第１事業者の信用度を算出する。これにより、算出装置１００は、より評価の高い第２事業者と付き合いのある第１事業者の第２スコアを相対的に高く算出したり、取引先である第２事業者の評価値の高低に応じて変動する第１事業者の第２スコアを算出したりすることができる。すなわち、算出装置１００は、第１事業者単独の評価ではなく、事業者同士の関係性を加味した信用度の算出を行うことができる。

また、実施形態に係る算出装置１００は、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の第２スコアを出力するモデルを生成する第２生成部１３４（生成部の一例）をさらに備える。第２算出部１３５は、第２生成部１３４によって生成されたモデルを用いて、第１事業者の第２スコアを算出する。

このように、実施形態に係る算出装置１００は、第１事業者の第１スコアのみならず、第２事業者の第１スコアを素性とするモデルを生成し、当該モデルを利用して第２スコアを算出する。これにより、算出装置１００は、取引先である第２事業者の評価値を加味しつつ、第１事業者の第２スコアを精度よく算出することができる。

また、取得部１３１は、各々の事業者の財務状況に関する情報に基づいて算出される第１スコアを取得する。第２生成部１３４は、取得部１３１によって取得された第１スコアを用いてモデルを生成する。

このように、実施形態に係る算出装置１００は、第１事業者の財務状況に基づく第１スコアを用いてモデルを生成する。これにより、算出装置１００は、現状の第１事業者の財務状況を反映させたモデルを生成することができる。

また、第２生成部１３４は、第２事業者の第１スコアと、当該第２事業者と第１事業者との入出金の関係性を示す値を用いて、モデルを生成する。

このように、実施形態に係る算出装置１００は、取引先である第２事業者の入出金に関する情報を素性とするモデルを生成する。これにより、算出装置１００は、信用の高い第２事業者と取引のある第１事業者に対しては信用度を高く算出するなど、事業者間の取引の実情に沿った信用度の算出を行うことができる。

また、第２生成部１３４は、入出金に関する情報として、第１事業者と第２事業者との間の取引における入出金の金額、取引回数、取引頻度、所定期間における取引の入出金の金額の推移、所定期間における取引回数の推移、又は取引頻度の推移の少なくともいずれか一つを用いて、モデルを生成する。

このように、実施形態に係る算出装置１００は、入出金の金額や取引回数等、実情の取引の状況を示す種々の情報を用いてモデルを生成してもよい。これにより、算出装置１００は、具体的な取引の実情に沿った信用度の算出を行うことができる。

また、第２生成部１３４は、モデルによって出力された暫定的なスコアである暫定スコアを、当該暫定スコアを出力する際に当該モデルにおいて用いられた第１スコアの値と置き換えた回帰式を学習することにより、当該モデルを更新する。

このように、実施形態に係る算出装置１００は、生成したモデルから出力されるスコアを再帰的に利用してモデルを更新する。これにより、算出装置１００は、第１事業者と第２事業者との関係性を加味してスコアを出力するモデルにおいて、出力する数値の精度を向上させることができる。

また、第２生成部１３４は、更新されたモデルによって出力された暫定スコアと、更新前のモデルによって出力された暫定スコアとが所定の閾値以内となるまで、当該モデルを更新することを繰り返す。第２算出部１３５は、更新されたモデルによって出力された暫定スコアと、更新前のモデルによって出力された暫定スコアとが所定の閾値以内となった場合に、当該モデルを用いて、第１事業者の第２スコアを算出する。

このように、実施形態に係る算出装置１００は、モデルから出力されるスコアが収束するまで更新を繰り返すことによって生成されたモデルを用いて、第２スコアを算出する。これにより、算出装置１００は、演算順序等の要因による揺らぎが抑制された、適切な第２スコアを算出することができる。

また、取得部１３１は、事業者を評価する外部機関から示された評価値に基づいて算定される第１スコアを取得する。第２生成部１３４は、第２事業者の第１スコアと、当該第２事業者と第１事業者との入出金に関する情報との関係性に基づいて、モデルを生成する。

このように、実施形態に係る算出装置１００は、第１スコアについては外部機関が算定した第１スコアを利用してもよい。これにより、算出装置１００は、第１スコアを算出する処理を省くことができるため、情報処理の負荷を軽減させたり、処理の高速化を図ったりすることができる。

また、取得部１３１は、各事業者の季節要因に関する情報を取得する。第２生成部１３４は、第２事業者の第１スコアと、当該第２事業者と第１事業者との季節要因に関する情報との関係性に基づいて、モデルを生成する。

このように、実施形態に係る算出装置１００は、入出金の額等によらず、季節要因を利用してモデルを生成してもよい。これにより、算出装置１００は、季節によって業績が上向く事業者に対して積極的な融資を金融機関が行うことができるような、季節に応じた信用度の算出を行うことができる。

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。

また、上述した算出装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。

また、特許請求の範囲に記載した「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、取得部は、取得手段や取得回路に読み替えることができる。

１ 算出システム
１０ ユーザ端末
２０ 事業者サーバ
４０ コンテンツ配信サーバ
１００ 算出装置
１１０ 通信部
１２０ 記憶部
１２１ 評価情報記憶部
１２２ 財務テーブル
１２３ 株価為替テーブル
１２４ 検索データテーブル
１２５ 取引情報記憶部
１２６ モデル記憶部
１３０ 制御部
１３１ 取得部
１３２ 第１生成部
１３３ 第１算出部
１３４ 第２生成部
１３５ 第２算出部

Claims (13)

1. 各々の事業者の評価値を示した第１スコアを取得する取得部と、
   前記取得部によって取得された第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを出力するモデルを生成する生成部と、
   前記生成部によって生成されたモデルを用いて、前記第１事業者の第２スコアを算出する算出部と、
   を備え、
   前記生成部は、
   前記モデルによって出力された暫定的なスコアである暫定スコアを、当該暫定スコアを出力する際に当該モデルにおいて用いられた前記第１スコアの値と置き換えた回帰式を学習することにより、当該モデルを更新する、
   ことを特徴とする算出装置。
2. 前記取得部は、
   各々の事業者の財務状況に関する情報に基づいて算出される前記第１スコアを取得し、
   前記生成部は、
   前記取得部によって取得された第１スコアを用いて前記モデルを生成する、
   ことを特徴とする請求項１に記載の算出装置。
3. 前記生成部は、
   前記第２事業者の第１スコアと、当該第２事業者と前記第１事業者との入出金の関係性を示す値を用いて、前記モデルを生成する、
   ことを特徴とする請求項１又は２に記載の算出装置。
4. 前記生成部は、
   前記入出金に関する情報として、前記第１事業者と前記第２事業者との間の取引における入出金の金額、取引回数、取引頻度、所定期間における取引の入出金の金額の推移、取引回数の推移、又は取引頻度の推移の少なくともいずれか一つを用いて、前記モデルを生成する、
   ことを特徴とする請求項３に記載の算出装置。
5. 前記取得部は、
   事業者を評価する外部機関から示された評価値に基づいて算定される第１スコアを取得し、
   前記生成部は、
   前記第２事業者の第１スコアと、当該第２事業者と前記第１事業者との入出金に関する情報との関係性に基づいて、前記モデルを生成する、
   ことを特徴とする請求項１〜４のいずれか一つに記載の算出装置。
6. 前記生成部は、
   更新されたモデルによって出力された暫定スコアと、更新前のモデルによって出力された暫定スコアとが所定の閾値以内となるまで、当該モデルを更新することを繰り返し、
   前記算出部は、
   更新されたモデルによって出力された暫定スコアと、更新前のモデルによって出力された暫定スコアとが所定の閾値以内となった場合に、当該モデルを用いて、前記第１事業者の第２スコアを算出する、
   ことを特徴とする請求項１に記載の算出装置。
7. 各々の事業者の評価値を示した第１スコアを取得する取得部と、
   前記取得部によって取得された第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアに基づき算出される素性との関係性を学習することにより、当該第１事業者の信用度を示す第２スコアを出力するモデルを生成する生成部と、
   前記生成部によって生成されたモデルを用いて、前記第１事業者の第２スコアを算出する算出部と、
   を備え、
   前記取得部は、
   各々の事業者の季節要因に関する情報を取得し、
   前記生成部は、
   前記第２事業者の第１スコアと、当該第２事業者と前記第１事業者との季節要因に関する情報に基づき算出される素性との関係を学習することにより、前記モデルを生成する、
   ことを特徴とする算出装置。
8. コンピュータが実行する算出方法であって、
   各々の事業者の評価値を示した第１スコア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第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを出力するモデルを生成する生成工程と、
   前記生成工程によって生成されたモデルを用いて、前記第１事業者の第２スコアを算出する算出工程と、
   を含み、
   前記生成工程は、
   前記モデルによって出力された暫定的なスコアである暫定スコアを、当該暫定スコアを出力する際に当該モデルにおいて用いられた前記第１スコアの値と置き換えた回帰式を学習することにより、当該モデルを更新する、
   ことを特徴とする算出方法。
9. 各々の事業者の評価値を示した第１スコアを取得する取得手順と、
   前記取得手順によって取得された第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアとに基づいて、当該第１事業者の信用度を示す第２スコアを出力するモデルを生成する生成手順と、
   前記生成手順によって生成されたモデルを用いて、前記第１事業者の第２スコアを算出する算出手順と、
   をコンピュータに実行させ、
   前記生成手順は、
   前記モデルによって出力された暫定的なスコアである暫定スコアを、当該暫定スコアを出力する際に当該モデルにおいて用いられた前記第１スコアの値と置き換えた回帰式を学習することにより、当該モデルを更新する、
   ことを特徴とする算出プログラム。
10. 各々の事業者の評価値を示した第１スコアのうち、第１事業者と取引関係を有する事業者であって、当該第１事業者との年間の取引額が上位の所定数の事業者又は当該第１事業者と資本関係を有さない事業者である第２事業者の第１スコアと、当該第２事業者と前記第１事業者との入出金に関する情報と、の関係性を示した値が入力される入力層と、
    出力層と、
    前記入力層から前記出力層までのいずれかの層であって前記出力層以外の層に属する第１要素と、
    前記第１要素と前記第１要素の重みとに基づいて値が算出される第２要素と、を含み、
    前記入力層に入力された情報に対し、前記出力層以外の各層に属する各要素を前記第１要素として、前記第１要素と前記第１要素の重みとに基づく演算を行うことにより、前記第１事業者における信用度を示す第２スコアの値を前記出力層から出力するよう、
    コンピュータを機能させるためのモデル。
11. コンピュータが実行する算出方法であって、
    各々の事業者の評価値を示した第１スコア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第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアに基づき算出される素性との関係性を学習することにより、当該第１事業者の信用度を示す第２スコアを出力するモデルを生成する生成工程と、
    前記生成工程によって生成されたモデルを用いて、前記第１事業者の第２スコアを算出する算出工程と、
    を含み、
    前記取得工程は、
    各々の事業者の季節要因に関する情報を取得し、
    前記生成工程は、
    前記第２事業者の第１スコアと、当該第２事業者と前記第１事業者との季節要因に関する情報に基づき算出される素性との関係を学習することにより、前記モデルを生成する、
    ことを特徴とする算出方法。
12. 各々の事業者の評価値を示した第１スコアを取得する取得手順と、
    前記取得手順によって取得された第１スコアのうち、第１事業者の第１スコアと、当該第１事業者と取引関係を有する第２事業者の第１スコアに基づき算出される素性との関係性を学習することにより、当該第１事業者の信用度を示す第２スコアを出力するモデルを生成する生成手順と、
    前記生成手順によって生成されたモデルを用いて、前記第１事業者の第２スコアを算出する算出手順と、
    をコンピュータに実行させ、
    前記取得手順は、
    各々の事業者の季節要因に関する情報を取得し、
    前記生成手順は、
    前記第２事業者の第１スコアと、当該第２事業者と前記第１事業者との季節要因に関する情報に基づき算出される素性との関係を学習することにより、前記モデルを生成する、
    ことを特徴とする算出プログラム。
13. 各々の事業者の評価値を示した第１スコアのうち第１事業者と取引関係を有する第２事業者の第１スコアと、当該第２事業者と前記第１事業者との入出金に関する情報と、の関係性を示した値、及び、当該第２事業者の第１スコアと、当該第２事業者と前記第１事業者との季節要因に関する情報と、の関係性を示した値が入力される入力層と、
    出力層と、
    前記入力層から前記出力層までのいずれかの層であって前記出力層以外の層に属する第１要素と、
    前記第１要素と前記第１要素の重みとに基づいて値が算出される第２要素と、を含み、
    前記入力層に入力された情報に対し、前記出力層以外の各層に属する各要素を前記第１要素として、前記第１要素と前記第１要素の重みとに基づく演算を行うことにより、前記第１事業者における信用度を示す第２スコアの値を前記出力層から出力するよう、
    コンピュータを機能させるためのモデル。

Images