JP6469230B2 - マーチャントのビジネスサークル情報の確定 - Google Patents

Description

本発明は、データ処理技術分野に属し、消費取引データの処理に基づいてマーチャント（merchant）のビジネスサークル（business circle）情報を確定することに関し、特に消費取引データに対して関連ルールの採掘計算処理を行うことにより、マーチャントの関連関係情報を取得し、かつ該関連関係情報に基づいてマーチャントのビジネスサークル情報を確定することに関する。

都市では、通常、商業地域範囲によってビジネスサークルを定め、各レベルのビジネスサークル、例えばビジネスサークル核心ビジネスサークル、二次ビジネスサークル及びビジネスサークル辺縁ビジネスサークルなどが存在する。マーチャントの位置情報は、通常、ビジネスサークル情報の形式により示され、例えば、通常、あるマーチャントをあるビジネスサークルに帰属させることにより、該マーチャントのビジネスサークル情報を確定する。

マーチャントのビジネスサークル情報は、マーチャントに対するの分析を行うこと及びマーチャントに対するサービスを提供することに対しての重要な根拠であり、かつ現在のビジネス社会では重要になっていく。しかし、実際には、マーチャントに関する大半のデータ集合には、多くのマーチャントのビジネスサークル情報は不完全であり、ひいては間違いである結果、これらの欠如するビジネスサークル情報を確定することは必要な作業になってくる。

現在、多くのマーチャントデータの所有者たちは、マーチャント情報を建立する場合には、人工記入という方法を採用して実現することが多い。このような人工によってマーチャントのビジネスサークル情報を記入する方法は、もっとも顕著な欠点は、作業量が煩雑で莫大であり、大量な人工及び時間コストがかかる必要があるということである。2番目の欠点は、ビジネスサークル情報の記入基準をコントロールできないということである。異なる人が異なる基準に基づいてビジネスサークル情報を記入するが、これは、それ以降のプロセスにおいてデータに対する選択及び分析に困難をもたらす。3番目の欠点は、マーチャント位置情報の記入品質をコントロールできないということである。人工記入の背景では、多くのマーチャントが間違ったビジネスサークル情報を提供するという現象が現れ、かつ記入者のミス又は主観的な間違いによってマーチャントのビジネスサークル情報を間違えたり漏らしたりすることも現れる。

これに鑑み、自動的、高効率、精確にマーチャントのビジネスサークル情報を確定するか又は漏らされたマーチャントのビジネスサークル情報を確定するか又はマーチャントの間違ったビジネスサークル情報を訂正する方法を提供する必要がある。

本発明は、マーチャントのビジネスサークル情報を自動的に確定することの実現を一つの目的とする。

本発明は、マーチャントのビジネスサークル情報に対する確定の精確性の向上をもう一つの目的とする。

本発明は、マーチャントのビジネスサークル情報に対する確定の効率の向上をもう一つの目的とする。

以上の目的又は他の目的を実現するために、本発明は、以下の技術方案を提供する。

本発明の一つの形態によると、マーチャントのビジネスサークル情報の確定方法では、
消費ユーザーの消費取引データに対して関連ルールの採掘計算処理を行うことにより、マーチャントの間の関連関係情報を取得するステップと、
前記関連関係情報及び前記マーチャントにおける少なくとも一部のマーチャントの確定済みのビジネスサークル情報に基づき、前記マーチャントにおいてビジネスサークル情報の未確定のマーチャントが若干のビジネスサークルに対する従属率を計算するステップと、
各前記マーチャントの従属率に基づき、そのビジネスサークル情報を確定するステップと、を含む。

本発明の一つの実施例のマーチャントのビジネスサークル情報の確定方法であって、前記関連関係情報を取得するステップは、
同一消費ユーザーに対応して属する消費取引データを合併し、合併した消費取引データにおける全てのマーチャントを羅列することにより、該消費ユーザーに対応するマーチャントグループデータを形成することと、
各前記マーチャントグループデータをアイテムセットとし、全てのアイテムセットに対して前記関連ルールの採掘計算処理を行い、前記マーチャントの間の1-頻出アイテムセット、2-頻出アイテムセットおよび各前記1-頻出アイテムセットと2-頻出アイテムセットがそれぞれ出現する頻度（f）を取得することと、
少なくとも前記2-頻出アイテムセットに基づいてマーチャントに関する関連関係ネットワークを構成し、かつ辺集合組が示す前記関連関係ネットワークにおける「辺」に対応する第1マーチャント（A）と第2マーチャント（B）の間の関連関係情報を保存することと、を含むマーチャントのビジネスサークル情報の確定方法を提供するものである。

選択的には、前記第1マーチャント（A）と第2マーチャント（B）の間に対応する前記辺集合組は、
<第1マーチャント（A）、第2マーチャント（B）、関連強度w_AB>及び/又は<第2マーチャント（B）、第1マーチャント（A）、関連強度w_AB>であり、
その中、関連強度w_ABは、以下の関係式（1）によって計算され、

f_ABは前記第1マーチャントA及び第2マーチャントB に対応する2-頻出アイテムセットが出現する頻度であり、f_Aとf_Bはそれぞれ第1マーチャントAと第2マーチャントBに対応する1-頻出アイテムセットが出現する頻度であり、Nは全てのマーチャントグループデータの総数である。

前記関連ルールの採掘計算は、Apriori又はFP-Growth計算法に基づいて行われる。

本発明のもう一つの実施例のマーチャントのビジネスサークル情報の確定方法では、前記従属率を計算するステップでは、独立カスケードモデルを使用して計算される。

この前の前記いずれか一つの実施例の方法では、前記従属率を計算するステップは、
仮に前記第1マーチャント（A）がビジネスサークル情報の確定済みのマーチャントであり、かつ前記第1マーチャントがその確定されたビジネスサークルに対する従属率がA₁であるとし、前記第2マーチャント（B）が該ビジネスサークルに対する従属率B₁を計算し、従属率B₁は、以下の関係式（2）によって計算され、

その中、pは該ビジネスサークル従属伝播概率であり、A₁は前記第1マーチャントがその確定されたビジネスサークルに対する従属率であり、w_ABは前記第1マーチャント（A）と前記第2マーチャント（B）の間の関連強度であるというステップを含む。

この前の前記いずれか一つの実施例の方法では、前記マーチャントにおける少なくとも一部のマーチャントのビジネスサークル情報が確定されたマーチャントは、前記関連関係ネットワークにおけるシードノードであると定義される。

好ましくは、各ビジネスサークルにおける核心の知名なマーチャントを該ビジネスサークルの前記シードノードとして選択する。

本発明のもう一つのマーチャントのビジネスサークル情報の確定方法によると、各前記マーチャントの従属率に基づいてそのビジネスサークル情報を確定するステップは、
各ビジネスサークル情報が確定されていないマーチャントに対応する複数の前記従属率について、その最大の従属率を取り、
前記最大の従属率が予定閾値より大きいか又は等しいかと判断し、
前記最大の従属率が予定閾値より大きいか又は等しい場合、前記最大の従属率に対応するビジネスサークルは、該マーチャントのビジネスサークル情報として確定され、
前記最大の従属率が予定閾値より小さい場合、該マーチャントが顕著なビジネスサークル従属性を有しないと判断し、該マーチャントのビジネスサークル情報への確定を放棄する。

本発明のもう一つの形態によると、マーチャントのビジネスサークル情報の確定装置であって、消費ユーザーの消費取引データに対して関連ルールの採掘計算処理を行うことにより、マーチャントの間の関連関係情報を取得するのに用いられる第1部品と、
前記関連関係情報及び前記マーチャントにおける少なくとも一部のマーチャントの確定済みのビジネスサークル情報に基づき、前記マーチャントにおいてビジネスサークル情報の未確定のマーチャントが、若干のビジネスサークルに対する従属率を計算するのに用いられる第2部品と、
各前記マーチャントの従属率に基づき、そのビジネスサークル情報を確定するのに用いられる第3部品と、を含むマーチャントのビジネスサークル情報の確定装置を提供する。

本発明のもう一つの実施例のマーチャントのビジネスサークル情報の確定装置によると、前記第1部品は、
同一消費ユーザーに対応して属する消費取引データを合併し、合併された消費取引データにおける全てのマーチャントを羅列することにより、該消費ユーザーに対応するマーチャントグループデータを形成するのに用いられる第1子部品と、
各前記マーチャントグループデータをアイテムセットとし、全てのアイテムセットに対して前記関連ルールの採掘計算処理を行い、前記マーチャントの間の1-頻出アイテムセット、2-頻出アイテムセット及び各前記1-頻出アイテムセットと2-頻出アイテムセットがそれぞれ出現する頻度（f）を取得するのに用いられる第2子部品と、
少なくとも前記2-頻出アイテムセットに基づいてマーチャントに関する関連関係ネットワークを構成し、かつ辺集合組が示す前記関連関係ネットワークにおける「辺」に対応する第1マーチャント（A）と第2マーチャント（B）の間の関連関係情報を保存するのに用いられる第3子部品と、を含む。

選択的には、前記第3子部品では、前記第1マーチャント（A）と第2マーチャント（B）の間に対応する前記辺集合組は、
<第1マーチャント（A）、第2マーチャント（B）、関連強度w_AB>及び/又は<第2マーチャント（B）、第1マーチャント（A）、関連強度w_AB>であり、
その中、関連強度w_ABは、以下の関係式（1）によって計算され、

f_ABは前記第1マーチャントA及び第2マーチャントB に対応する2-頻出アイテムセットが出現する頻度であり、f_Aとf_Bはそれぞれ第1マーチャントAと第2マーチャントBに対応する1-頻出アイテムセットが出現する頻度であり、Nは全てのマーチャントグループデータの総数である。

本発明のもう一つのマーチャントのビジネスサークル情報の確定装置によると、前記第2部品は、独立カスケードモデルを使用して計算されるように配置される。

この前の前記いずれか一つの実施例の装置では、前記第2部品は、
仮に前記第1マーチャント（A）がビジネスサークル情報の確定済みのマーチャントであり、かつ前記第1マーチャントがその確定されたビジネスサークルに対する従属率がA₁であるとし、前記第2マーチャント（B）が該ビジネスサークルに対する従属率B₁を計算し、従属率B₁は、以下の関係式（2）によって計算され、

その中、pは該ビジネスサークルの従属伝播概率であり、A₁は前記第1マーチャントがその確定されたビジネスサークルの従属率であり、w_ABは前記第1マーチャント（A）と前記第2マーチャント（B）の間の関連強度であることを実行するように配置される。

本発明のさらにもう一つの実施例のマーチャントのビジネスサークル情報の確定装置によると、前記第3部品は、
各ビジネスサークル情報が確定されていないマーチャントに対応する複数の前記従属率について、その最大の従属率を取り、
前記最大の従属率が予定閾値より大きいか又は等しいかと判断し、
前記最大の従属率が予定閾値より大きいか又は等しい場合、前記最大の従属率に対応するビジネスサークルは、該マーチャントのビジネスサークル情報として確定され、
前記最大の従属率が予定閾値より小さい場合、該マーチャントが顕著なビジネスサークル従属性を有しないと判断し、該マーチャントのビジネスサークル情報への確定を放棄することを実行するように配置される。

本発明のさらなる形態によると、コンピュータプログラムコード装置を含むコンピュータプログラム製品を提供し、前記コンピュータプログラムコード装置がコンピュータ能力を有する電子設備によって運行される際に、上述のリスクコントロール方法を実行するのに用いられる。

本発明のこれら及び他のメリット及び特徴は、図面を参照した以下の説明からもっと明らかになってくる。

図面を参照した以下の詳しい説明では、本発明の上述及び他の目的及びメリットが一層完全で明確になり、同じ又は類似する要素は同じ符号によって表示される。

図1は本発明の一つの実施例に基づくマーチャントのビジネスサークル情報を確定する方法のプロセス概念図である。

下面は本発明の複数の可能な実施例の一部を紹介するが、本発明を大概的な理解に資するためのものであり、本発明の重要もしくは決定的な要素を確定するか又は保護範囲を限定するためのものではない。本発明の技術方案に基づき、本発明の実質的精神を変更しない限り、当業者は代替可能な他の形態を提供できると理解しやすい。したがって、以下の実施の形態及び図面は、本発明の技術方案に対する例示的な説明に過ぎず、本発明の全部であるか又は本発明の技術方案に対する限定又は制限であると見なしてはならない。

以下の説明では、都市における「ビジネスサークル」の定義は既知である。例えば、ビジネスサークルに対応する地域範囲はいずれも既知であり、下記記載されるビジネスサークル情報を確定する方案の目的は、あるマーチャントの所属するビジネスサークルを取得し、かつそれを確定又は訂正することにあり、マーチャントの種類、位置などは限られたものではない。

本文では、k個アイテム（item）を含むアイテムセットはk-アイテムセットと呼ばれ、kは1より大きいか又は等しい整数であり、例えば1-アイテムセット、2-アイテムセットが挙げられる。k-アイテムセットに含まれる各アイテムはk-アイテムと呼ばれ、k-アイテムセットの支持度を計算してその支持度が対応する支持度の閾値より大きいか又は等しいかを対比することにより、該k-アイテムセットがk-頻出アイテムセットであるかを確定する。支持度の閾値は具体的な状況によって設定されることができ、k値の大きさが異なる場合、それに対応する支持度の閾値は同じでも同じでなくてもよい。

図1には、本発明の一つの実施例に基づくマーチャントのビジネスサークル情報を確定する方法のプロセス概念図が示されている。以下は図1を参照し、本発明の実施例のマーチャントビジネスサークル情報の確定方法について詳しく説明する。

まず、ステップS110では、同一消費ユーザーの消費取引データを合併し、マーチャントグループデータを形成する。本発明の実施例では、マーチャントの間の関連関係の建立は、消費取引記録（つまり消費取引データ）に基づいて実現され、消費取引データの内容は、通常少なくとも消費ユーザー情報とマーチャント情報を含み、消費ユーザーはつまり消費個体であり、消費ユーザーとマーチャントが消費取引データにおける標識又は表示形式は限られたものではなく、例えば、消費ユーザーの標識は銀行カード番号、決済番号、物理的人間の標識などが挙げられ、マーチャントの標識は、マーチャント名称、マーチャント番号などが挙げられる。

該ステップのデータ処理では、たくさんの消費取引データに基づき、同一个消費ユーザーに属する取引消費取引データを合併し、合併された取引消費取引データにおける全てのマーチャントを羅列することにより、これらのマーチャントを一つのマーチャントグループデータを形成し、つまり、それは該消費ユーザーに対応するマーチャントグループデータである。

さらに、ステップS120では、各前記マーチャントグループデータをアイテムセットとし、関連ルールの採掘計算処理を行う。具体的には、該ステップでは、以上のステップにおいて各消費ユーザーに対応するマーチャントグループデータを得ることができ、各マーチャントグループデータは、関連ルールの採掘処理で用いられるアイテムセットとして定義され、アイテムセットに含まれるアイテムの数はマーチャントの数を反映し、限られたものではなく、例えば、k-アイテムセットはk個マーチャントを含むことに対応する。該実施例では、関連ルールの採掘算法を利用し、たくさんのアイテムセットに対して関連ルールの採掘計算処理を行うことによりマーチャントの間の1-頻出アイテムセット、2-頻出アイテムセット及び1-頻出アイテムセットと2-頻出アイテムセットがそれぞれ出現する頻度を得ることができる。具体的には、関連ルールの採掘計算は、Apriori或FP-Growthに基づく算法によって行うことができるが、この限りではない。関連ルールの採掘計算が採用する算法は、関連ルールの採掘計算の発展に応じて更新することができる。

1-アイテムセットと2-アイテムセットがそれぞれ1-頻出アイテムセットと2-頻出アイテムセットであるかを判断する場合、その支持度を計算し、かつその支持度が対応する支持度の閾値より大きいか又は等しいかを計算することによって実現する。ここで詳しく説明しない。

さらに、ステップS130では、2-頻出アイテムセット基づいてマーチャントに関する関連関係ネットワークを構成し、かつ辺集合組が示す前記関連関係を保存する。該ステップでは、ステップS120によって採掘して得られた2-頻出アイテムセットを保存し、2-頻出アイテムセットにおける2-頻出アイテムは、つまり二つのマーチャントに対応し、一つの2-頻出アイテムセットにおける二つの対応するマーチャントは、つまり関連関係が存在する。このように、マーチャントを「ノード」とし、各2-頻出アイテムセットに対応する二つのマーチャントの関連関係を「辺」とし、全ての2-頻出アイテムセットにかかる全てのマーチャントに、一つのネットワーク状の関連構造を構成し、つまり関連関係ネットワークを構成する。該関連関係ネットワークは、辺集合組の形によって全ての辺集合組を表示かつ保存でき、辺集合組は、該関連関係ネットワークにおける「辺」に対応する始点のマーチャントAと終点のマーチャントBの間の関連関係情報を示し、例として、マーチャントAとマーチャントBの間の辺集合組は以下のとおり示されることができる。

<マーチャントA、マーチャントB、関連強度w_AB>及び/又は<マーチャントB、マーチャントA、関連強度w_AB>、
マーチャントAはソースノード/ターゲットノードであり、マーチャントBはターゲットノード/ソースノードであり、関連強度w_ABは、辺集合組のエッジウェイトに対応する。

具体的には、マーチャント関連関係は無向であり、つまり各2-頻出アイテムセットに対応する辺も無項である。全ての2-頻出アイテムセットは二つの辺を保存でき、つまり二つ以上の辺集合組を保存できる。関連強度w_ABは、以下の関係式（1）によって計算される。

f_ABは該マーチャントAとBに対応する2-頻出アイテムセットの出現する頻度であり、f_AはマーチャントAに対応する1-頻出アイテムセットの出現する頻度であり、f_BはマーチャントAに対応する1-頻出アイテムセットの出現する頻度であり、NはステップS110によって得られるマーチャントグループデータの総数である。

以上のステップS110〜ステップS130は、マーチャント関連関係の建立を基本的に実現した。以下のビジネスサークル情報の確定は、上述の得られた関連関係情報によって実現されるものである。

さらに、ステップS140では、マーチャントにおけるビジネスサークル情報の確定されていないマーチャントが若干ビジネスサークルに対する従属率を計算する。

本発明では、ビジネスサークル情報の確定されていないマーチャントのビジネスサークル情報を確定する一つの前提要求としては、少なくとも一部のマーチャントのビジネスサークル情報が確定済みであるということである（つまり、既知かつ正確であると確認したもの）。一般的に、あるビジネスサークルについて、含まれた主なマーチャント（例えば、核心の知名なマーチャント）のビジネスサークル情報は既知かつ確定であり、これらの知名なマーチャントを該ビジネスサークルの確定済みのマーチャントとする。確定済みのマーチャントは、それが属するビジネスサークルのシードノードとして定義できる。例えば、これらの知名マーチャントが上述の関連関係ネットワークに出現する場合、これらの知名マーチャントを属するビジネスサークルのシードノードとして定義できる。説明すべきのは、各ビジネスサークルのシードノードの数は限られているわけではないが、各ビジネスサークルのシードノードの数が多ければ多いほど、本発明の確定結果の精確性の向上に資するということである。同時に、シードノードは、該ビジネスサークルの最も代表的なマーチャントを選択すべきであり、これも発明の確定結果の精確性の向上に役立つ。また、好ましくは、異なるビジネスサークルの間のシードノードの数が大きく差異してはならない。例えば、異なるビジネスサークルの間のシードノードの数の差は20個以下であるべきであり、異なるビジネスサークルの間のシードノードの数の差の範囲値は、確定されたマーチャントのビジネスサークル情報のモデルトレーニング過程において、実際のデータ状況に応じて調整することができる。

該実施例では、これらのシードノードから出発し、マーチャントの間の関連関係ネットワークにおいて、他のマーチャントの若干ビジネスサークルに対する従属率を計算できる。

説明しやすくするために、仮に全てのマーチャントが二つのビジネスサークルに属するとし（他の数のビジネスサークルは本発明の実施例の記載に基づいて類推できる）、初始条件で全てのシードノードがそれの属するビジネスサークルに対する従属率が1であると認定するとし、以下は、他のマーチャントが異なるビジネスサークルに対する従属率を計算することを説明する。本発明の実施例では、「独立カスケードモデル（Independent Cascade Model）」を利用して従属率の計算を実現する。具体的な操作過程は以下のとおりである。

まず、説明すべきのは、あるビジネスサークルについて、マーチャントは「従属率確定済み」と「従属率未確定」という2種類に分けられる。初始情况では、シードノードのみが従属率が確定されたものであるが、全てのマーチャントはあるビジネスサークルに対する従属率が確定されたら、それが該ビジネスサークルに対する従属率は変更できなくなるということである。

次に、対応するビジネスサークルの従属率が確定済みの各マーチャントについて、該マーチャントに関連しかつ従属率が確定されていないマーチャントの従属率を計算する。例として、仮にマーチャントAは、ビジネスサークル1に対する従属率A₁が確定されたか、又はA同時にビジネスサークル1とビジネスサークル2に対する従属率がそれぞれA₁とA₂（A₁>A₂）であると確定された一方、マーチャントBとAは関連関係が存在し、つまりマーチャントBとマーチャントAは、関連関係ネットワークにおける一つの辺の両端点に対応し、さらにマーチャントBは、ビジネスサークル1に対する従属率が確定されていなかった場合、以下の関係式（2）によってマーチャントBのビジネスサークル1に対する従属率を計算する。

pは該ビジネスサークルの従属伝播概率であり、該概率は、予め定義された一つの確定の数値であってもよい。例えば0.1である。あるいは、一つのあるルールに従って変化する数値であってもよい。例えば、一つのマーチャントが該ビジネスサークルに対する従属率が確定される度に、pの数値は小さくなる。A₁は確定済みのマーチャントAのビジネスサークル1に対する従属率であり、それが既知である。w_ABはマーチャントAとマーチャントBの間の関連強度であり、それは以上の関係式（1）によって計算され、かつ保存したものである。

以上の関係式（2）では、マーチャントBのビジネスサークル1に対する従属率B₁は、(p×A₁×w_AB)と数値1の両者から最小値を取り、その数値1は、最大の概率1、つまり従属率の最大の可能値を反映する。

該マーチャントの多く他のマーチャントに対する従属率が計算して確定されるまで、以上のステップをさらに重複する。例えば、マーチャントBのビジネスサークル2に対するB₁従属率B₂を計算する。

説明すべきのは、以上の実施例では、独立カスケードモデルに基づいて未確定のマーチャントが若干ビジネスサークルに対する従属率を計算することの例示に過ぎず、当業者なら、以上の記載及び示唆に基づきほかの種類の伝播モデル（例えば、線形閾値モデルなど）を適用することにより、未確定のマーチャントが確定済みのマーチャントに対応するビジネスサークルに対する従属率を計算できるということである。

さらに、ステップS150では、各ビジネスサークル情報の確定されていないマーチャントの若干従属率から、最大の従属率を取る。マーチャントBを例とすると、従属率B₁とB₂の中の最大値を取り、該最大値つまり対応するビジネスサークルであり、つまりマーチャントBの候補従属ビジネスサークルである。

さらに、ステップS160では、該最大の従属率が予定閾値より大きいか又は等しいかを判断する。

マーチャントが候補従属ビジネスサークルに対する従属率が予定閾値σに達するなら、該候補従属ビジネスサークルがマーチャントの従属ビジネスサークルであると判断し、該最大の従属率に対応するビジネスサークルは該マーチャントのビジネスサークル情報と確定し、つまりステップS180に対応する。該最大の従属率が予定閾値σより小さい場合、該マーチャントは顕著なビジネスサークル従属性を有しないと判断し、該マーチャントのビジネスサークル情報への確定を放棄し、つまりステップS170に対応する。

説明すべきのは、ステップS150で複数の値が同じである最大の従属率が出現し、かつステップS160において比較が行われた後、該複数の最大の従属率がいずれも予定閾値σより大きいか又は等しいなら、該マーチャントは、複数のビジネスサークルに従属すると表明するが、ステップS160において比較が行われた後、該複数の最大の従属率がいずれも予定閾値σより小さいなら、該マーチャントは明らかなビジネスサークル従属性を有しないと表明するということである。

このように、以上のステップS140〜S180を順次に実行することにより、各マーチャントのビジネスサークル情報に対する確定を完成できる。説明すべきのは、以上のステップでビジネスサークル情報の確定が実現されたマーチャントは、ビジネスサークル情報の確定済みのマーチャントとして認可でき、これにより該マーチャントに関連するマーチャントのビジネスサークル情報の確定に対して、基礎を提供する。このように引き続き伝播することにより、全てのマーチャントのビジネスサークル情報はいずれも確定を実現できる。

理解すべきのは、以上の実施例に記載されたマーチャントのビジネスサークル情報を確定する方法は、ビジネスサークル情報の未確定のマーチャントに対してビジネスサークル情報の確定を行うだけではない。ビジネスサークル情報が既知である某マーチャントがビジネスサークル情報に間違いがあると判断された場合、以上の方法によって改めて確定を行うことできる。この場合、間違いの存在するビジネスサークル情報のユーザーは、「ビジネスサークル情報の未確定のマーチャント」とみなす。

本発明の実施例は、マーチャントのビジネスサークル情報を確定することを自動的に実現することにより、人工確定による煩雑さ及び不足を解消でき、ビジネスサークル情報の確定が正確で高効率であるという特徴を有する。

以上のプロセス図及び/又はブロック図並びに対応するプロセス図及び/又はブロック図の説明は、コンピュータプログラム指令によって実現できると理解できる。これらのコンピュータプログラム指令を通用コンピュータ、専用コンピュータ又は他のプログラミング可能なデータ処理設備の処理器に提供して機械を構成することにより、コンピュータ又は他のプログラミングデータ処理設備の処理器によってこれらの指令を実行し、これらのプロセス図及び/又はブロック図の一つ又は複数のブロックに指定される機能/操作を実現する部品を設立する。

また、これらのコンピュータプログラム指令をコンピュータの可読記憶媒体に保存することできる。これらの指令は、コンピュータ又は他のプログラミング可能な処理器が特定の方式によって機能を実現するように指示することにより、コンピュータの可読記憶媒体に保存されたこれらの指令をもってプロセス図及び/又はブロック図の一つ又は複数のブロックに指定された機能/操作を含む指令部品を構成して製品を製造する。

また、これらのコンピュータプログラム指令をコンピュータ又は他のプログラミング可能なデータ処理器にロードすることにより、一連の操作ステップがコンピュータ又は他のプログラミング可能な処理器において実行され、コンピュータ実現の過程を構成するためであり、コンピュータ又は他のプログラミング可能なデータ処理器で実行されたこれらの指令が、プロセス図及び/又はブロック図の一つ又は複数のブロックに指定された功能又は操作を実現するのに用いられるステップを提供するためである。さらに注意すべきのは、一部の予備の実現形態では、ブロックに示された機能/操作は、プロセス図に示す順番に従って行わなくてもよい。例えば、順番に示される二つのブロックは、実際に基本的に同時に実行できるか又はこれらのブロックは場合によって逆の順番に従って実行することができる、詳細はかかる機能/操作によって決める。

以上の実施例の確定方法では、集合はデータ採掘方法を利用したので、自動化の手段によってビジネスサークル情報の確定を実現できる。例えば、マーチャント情報データ集合における欠如したビジネスサークル情報に対して確定し、かつ手動でマーチャント情報を記入する欠点を解消し、高効率で正確であるというメリットを有し、マーチャントに基づくデータ分析及びサービスの展開に便利を提供する。

また、複雑なネットワーク理論での情報伝播モデル――独立カスケードモデルを参照してマーチャントのビジネスサークル情報を確定する。このステップは、ビジネスサークルの従属を基本情報として、この情報量をマーチャントの関連関係ネットワークにおいて伝播させることにより、ビジネスサークル従属の有しないマーチャントも対応するビジネスサークル従属を取得させる。独立カスケードモデルは、伝播モデルの1種として、信頼できる数学的基礎を有し、最終的に取得するビジネスサークル情報の精確性を確保するのに資する。

以上の例は主に本発明のマーチャントのビジネスサークル情報の確定方法を説明した。本発明の一部の実施の形態のみについて記載するが、当業者なら、本発明は、その趣旨及び範囲を逸らしない場合、他の多くの形で実施できると理解できる。したがって、記載された例及び実施の形態は、例示的なものであり、限定的なものではないと見なされ、各請求項で定義された本発明の精神及び範囲を超えない場合、本発明は各種の修正及び代替したものをカバーできる。

Claims (16)

1. マーチャントのビジネスサークル情報を確定する方法であって、前記方法は、コンピュータによって実行され、
   消費ユーザーの消費取引データに対して関連ルールの採掘計算処理を行うことにより、前記マーチャントの間の関連関係情報を取得するステップであって、
   同一消費ユーザーの前記消費取引データを合併し、マーチャントグループデータを形成するステップと、
   各前記マーチャントグループデータをアイテムセットとして、前記関連ルールの前記採掘計算処理を行うステップと、
   2-頻出アイテムセットに基づいて前記マーチャントに関する関連関係ネットワークを構成し、かつ辺集合組が示す前記関連関係を保存するステップを含む、ステップと、
   前記関連関係情報及び前記マーチャントにおける少なくとも一部のマーチャントの確定済みのビジネスサークル情報に基づき、前記マーチャントにおいてビジネスサークル情報の未確定のマーチャントのビジネスサークルに対する従属率を計算するステップであって、前記従属率は、前記ビジネスサークルの従属伝播概率、前記確定済みの前記マーチャントの前記ビジネスサークルに対する従属率および前記確定済みの前記マーチャントと前記未確定の前記マーチャントとの間の関連強度の積と数値1のうちの最小値であり、前記確定済みの前記マーチャントの前記ビジネスサークル情報が間違いであると判断された場合、前記確定済みの前記マーチャントは未確定のマーチャントとみなされる、ステップと、
   各前記マーチャントの従属率に基づき、そのビジネスサークル情報を確定するステップであって、前記マーチャントの前記従属率が予定閾値に達する場合、前記ビジネスサークルが前記マーチャントの従属ビジネスサークルであると決定される、ステップとを含むことを特徴とするマーチャントのビジネスサークル情報を確定する方法。
2. 前記関連関係情報を取得するステップは、
   同一消費ユーザーに対応して属する消費取引データを合併し、合併された消費取引データにおける全てのマーチャントを羅列することにより、該消費ユーザーに対応するマーチャントグループデータを形成することと、
   各前記マーチャントグループデータをアイテムセットとし、全てのアイテムセットに対して前記関連ルールの採掘計算処理を行い、前記マーチャントの間の1-頻出アイテムセット、2-頻出アイテムセット、および各前記1-頻出アイテムセットと2-頻出アイテムセットがそれぞれ出現する頻度（f）を取得することと、
   少なくとも前記2-頻出アイテムセットに基づいて、マーチャントに関する関連関係ネットワークを構成し、かつ辺集合組が示す前記関連関係ネットワークにおける「辺」に対応する第1マーチャント（A）と第2マーチャント（B）の間の関連関係情報を保存することと、を含むことを特徴とする請求項1に記載の方法。
3. 前記第1マーチャント（A）と第2マーチャント（B）の間に対応する前記辺集合組は、
   <第1マーチャント（A）、第2マーチャント（B）、関連強度w_AB>及び/又は<第2マーチャント（B）、第1マーチャント（A）、関連強度w_AB>であり、
   関連強度w_ABは、以下の関係式（1）によって計算され、
   f_ABは前記第1マーチャントA及び第2マーチャントB に対応する2-頻出アイテムセットが出現する頻度であり、f_Aとf_Bはそれぞれ第1マーチャントAと第2マーチャントBに対応する1-頻出アイテムセットが出現する頻度であり、Nは全てのマーチャントグループデータの総数であることを特徴とする請求項2に記載の方法。
4. 前記関連ルールの採掘計算は、Apriori又はFP-Growth計算法に基づいて行われることを特徴とする請求項1に記載の方法。
5. 前記従属率を計算するステップでは、独立カスケードモデルを使用して計算されることを特徴とする請求項1に記載の方法。
6. 前記従属率を計算するステップは、
   仮に前記第1マーチャント（A）がビジネスサークル情報の確定済みのマーチャントであり、かつ前記第1マーチャントがその確定されたビジネスサークルに対する従属率がA₁であるとし、前記第2マーチャント（B）が該ビジネスサークルに対する従属率B₁を計算し、従属率B₁は、以下の関係式（2）によって計算され、
   pは該ビジネスサークルの従属伝播概率であり、A₁は前記第1マーチャントがその確定されたビジネスサークルに対する従属率であり、w_ABは前記第1マーチャント（A）と前記第2マーチャント（B）の間の関連強度であるというステップを含むことを特徴とする請求項3に記載の方法。
7. 前記マーチャントにおける少なくとも一部のマーチャントのビジネスサークル情報が確定されたマーチャントは、前記関連関係ネットワークにおけるシードノードであると定義されることを特徴とする請求項3に記載の方法。
8. 各ビジネスサークルにおける核心的かつ知名なマーチャントを該ビジネスサークルの前記シードノードとして選択することを特徴とする請求項7に記載の方法。
9. 各前記マーチャントの従属率に基づいて、そのビジネスサークル情報を確定するステップは、
   ビジネスサークル情報が確定されていない各マーチャントに対応する複数の前記従属率について、その最大の従属率を取り、
   前記最大の従属率が予定閾値より大きいか又は等しいかと判断し、
   前記最大の従属率が予定閾値より大きいか又は等しい場合、前記最大の従属率に対応するビジネスサークルは、該マーチャントのビジネスサークル情報として確定され、
   前記最大の従属率が予定閾値より小さい場合、該マーチャントが顕著なビジネスサークル従属性を有しないと判断し、該マーチャントのビジネスサークル情報への確定を放棄することを含むことを特徴とする請求項1に記載の方法。
10. 消費ユーザーの消費取引データに対して関連ルールの採掘計算処理を行うことにより、マーチャントの間の関連関係情報を取得するための第1部品であって、前記第1部品は、
    同一消費ユーザーの前記消費取引データを合併し、マーチャントグループデータを形成し、
    各前記マーチャントグループデータをアイテムセットとして、前記関連ルールの前記採掘計算処理を行い、
    2-頻出アイテムセットに基づいて前記マーチャントに関する関連関係ネットワークを構成し、かつ辺集合組が示す前記関連関係を保存する、第1部品と、
    前記関連関係情報及び前記マーチャントにおける少なくとも一部のマーチャントの確定済みのビジネスサークル情報に基づき、前記マーチャントにおいてビジネスサークル情報の未確定のマーチャントがビジネスサークルに対する従属率を計算するための第2部品であって、前記従属率は、前記ビジネスサークルの従属伝播概率、前記確定済みの前記マーチャントの前記ビジネスサークルに対する従属率および前記確定済みの前記マーチャントと前記未確定の前記マーチャントとの間の関連強度の積と数値1のうちの最小値であり、前記確定済みの前記マーチャントの前記ビジネスサークル情報が間違いであると判断された場合、前記確定済みの前記マーチャントは未確定のマーチャントとみなされる、第2部品と、
    各前記マーチャントの従属率に基づき、そのビジネスサークル情報を確定するための第3部品であって、前記マーチャントの前記従属率が予定閾値に達する場合、前記ビジネスサークルが前記マーチャントの従属ビジネスサークルであると決定される、第3部品と、を含むことを特徴とするマーチャントのビジネスサークル情報を確定する装置。
11. 前記第1部品は、
    同一消費ユーザーに対応して属する消費取引データを合併し、合併された消費取引データにおける全てのマーチャントを羅列することにより、該消費ユーザーに対応するマーチャントグループデータを形成するための第1子部品と、
    各前記マーチャントグループデータをアイテムセットとし、全てのアイテムセットに対して前記関連ルールの採掘計算処理を行い、前記マーチャントの間の1-頻出アイテムセット、2-頻出アイテムセットおよび各前記1-頻出アイテムセットと2-頻出アイテムセットがそれぞれ出現する頻度（f）を取得するための第2子部品と、
    少なくとも前記2-頻出アイテムセットに基づいてマーチャントに関する関連関係ネットワークを構成し、かつ辺集合組が示す前記関連関係ネットワークにおける「辺」に対応する第1マーチャント（A）と第2マーチャント（B）の間の関連関係情報を保存するための第3子部品と、を含むことを特徴とする請求項10に記載の装置。
12. 前記第3子部品では、前記第1マーチャント（A）と第2マーチャント（B）の間に対応する前記辺集合組は、
    <第1マーチャント（A）、第2マーチャント（B）、関連強度w_AB>及び/又は<第2マーチャント（B）、第1マーチャント（A）、関連強度w_AB>であり、
    関連強度w_ABは、以下の関係式（1）によって計算され、
    f_ABは前記第1マーチャントA及び第2マーチャントB に対応する2-頻出アイテムセットが出現する頻度であり、f_Aとf_Bはそれぞれ第1マーチャントAと第2マーチャントBに対応する1-頻出アイテムセットが出現する頻度であり、Nは全てのマーチャントグループデータの総数であることを特徴とする請求項11に記載の装置。
13. 前記第2部品は、独立カスケードモデルを使用して計算されるように配置されることを特徴とする請求項10に記載の装置。
14. 前記第2部品は、
    仮に前記第1マーチャント（A）がビジネスサークル情報の確定済みのマーチャントであり、かつ前記第1マーチャントがその確定されたビジネスサークルに対する従属率がA₁であるとし、前記第2マーチャント（B）が該ビジネスサークルに対する従属率B₁を計算し、従属率B₁は、以下の関係式（2）によって計算され、
    pは該ビジネスサークルの従属伝播概率であり、A₁は前記第1マーチャントがその確定されたビジネスサークルの従属率であり、w_ABは前記第1マーチャント（A）と前記第2マーチャント（B）の間の関連強度であることを実行するように配置されることを特徴とする請求項12に記載の装置。
15. 前記第3部品は、
    ビジネスサークル情報が確定されていない各マーチャントに対応する複数の前記従属率について、その最大の従属率を取り、
    前記最大の従属率が予定閾値より大きいか又は等しいかと判断し、
    前記最大の従属率が予定閾値より大きいか又は等しい場合、前記最大の従属率に対応するビジネスサークルは、該マーチャントのビジネスサークル情報として確定され、
    前記最大の従属率が予定閾値より小さい場合、該マーチャントが顕著なビジネスサークル従属性を有しないと判断し、該マーチャントのビジネスサークル情報への確定を放棄することを実行するように配置されることを特徴とする請求項10に記載の装置。
16. コンピュータの可読記憶媒体に保存されたコンピュータプログラムであって、前記コンピュータによって実行されると、請求項1〜9のいずれか1項に記載の方法を実行するのに用いられるコンピュータプログラム。