JP6706701B1 - Information processing apparatus, information processing method, and information processing program - Google Patents
Information processing apparatus, information processing method, and information processing program Download PDFInfo
- Publication number
- JP6706701B1 JP6706701B1 JP2019020022A JP2019020022A JP6706701B1 JP 6706701 B1 JP6706701 B1 JP 6706701B1 JP 2019020022 A JP2019020022 A JP 2019020022A JP 2019020022 A JP2019020022 A JP 2019020022A JP 6706701 B1 JP6706701 B1 JP 6706701B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- access
- user
- destination
- access destination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 141
- 238000003672 processing method Methods 0.000 title claims description 9
- 230000007704 transition Effects 0.000 claims abstract description 173
- 238000000034 method Methods 0.000 claims description 45
- 238000010586 diagram Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 29
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000007796 conventional method Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
Images
Landscapes
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】ユーザ情報を高精度に推定すること。【解決手段】本願に係る情報処理装置は、取得部と、推定部とを有する。取得部は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。推定部は、取得部によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。【選択図】図２PROBLEM TO BE SOLVED: To estimate user information with high accuracy. An information processing apparatus according to the present application includes an acquisition unit and an estimation unit. The acquisition unit acquires access information that is information related to access by the user via the network. The estimation unit, based on the access information acquired by the acquisition unit, access information regarding the first access destination accessed by the user, and access information regarding the second access destination after the transition from the first access destination. The user information, which is information about the user, is estimated from the combination of. [Selection diagram] Figure 2
Description
本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。 The present invention relates to an information processing device, an information processing method, and an information processing program.
従来、ユーザの属性に関する属性情報を推定する技術が提供されている。例えば、ユーザの興味のある単語に基づいて、ユーザの年代を推定する技術が知られている。 Conventionally, a technique for estimating attribute information regarding a user's attribute has been provided. For example, a technique of estimating the age of a user based on a word in which the user is interested is known.
しかしながら、上記の従来技術では、ユーザに関する情報であるユーザ情報を高精度に推定することができるとは限らない。例えば、上記の従来技術では、ユーザの興味のある単語に基づいて、ユーザの年代を推定しているに過ぎず、ユーザ情報を高精度に推定することができるとは限らない。 However, in the above-mentioned conventional technique, it is not always possible to highly accurately estimate the user information, which is information about the user. For example, in the above-mentioned conventional technique, the user's age is merely estimated based on the word in which the user is interested, and the user information cannot always be estimated with high accuracy.
本願は、上記に鑑みてなされたものであって、ユーザ情報を高精度に推定することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することを目的とする。 The present application has been made in view of the above, and an object thereof is to provide an information processing device, an information processing method, and an information processing program capable of estimating user information with high accuracy.
本願に係る情報処理装置は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する取得部と、前記取得部によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザに関する情報であるユーザ情報を推定する推定部と、を備えたことを特徴とする。 An information processing apparatus according to the present application includes an acquisition unit that acquires access information, which is information regarding access by a user via a network, and a first access accessed by a user based on the access information acquired by the acquisition unit. An estimation unit that estimates user information, which is information about the user, from a combination of access information about the destination and access information about the second access destination that is a transition from the first access destination. Characterize.
実施形態の一態様によれば、ユーザ情報を高精度に推定することができるという効果を奏する。 According to the aspect of the embodiment, it is possible to estimate the user information with high accuracy.
以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムの実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。 Hereinafter, modes (hereinafter, referred to as “embodiments”) for implementing an information processing apparatus, an information processing method, and an information processing program according to the present application will be described in detail with reference to the drawings. Note that the information processing apparatus, the information processing method, and the information processing program according to the present application are not limited to this embodiment. Further, the respective embodiments can be appropriately combined within the range in which the processing content is not inconsistent. Also, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicate description will be omitted.
〔１．情報処理装置が示す推定処理の一例〕
図１を用いて、実施形態に係る情報処理装置が実行する推定処理の一例について説明する。図１は、実施形態に係る情報処理装置が実行する推定処理の一例を示す図である。具体的には、情報処理装置１００は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。なお、ここでいうコンテンツとは、端末装置等のブラウザに表示されるウェブページやアプリケーション用のコンテンツ等のコンテンツである。
[1. Example of estimation process shown by information processing device]
An example of the estimation process executed by the information processing apparatus according to the embodiment will be described with reference to FIG. FIG. 1 is a diagram illustrating an example of an estimation process executed by the information processing device according to the embodiment. Specifically, the
図１に示すように、情報処理システム１は、金融サーバ２０と、外部装置５０と、情報処理装置１００とを含む。金融サーバ２０、外部装置５０及び情報処理装置１００は、図示しない所定の通信網を介して、有線又は無線により通信可能に接続される。なお、図１に示す情報処理システム１には、複数台の金融サーバ２０や、複数台の外部装置５０や、複数台の情報処理装置１００が含まれてもよい。
As shown in FIG. 1, the information processing system 1 includes a
実施形態に係る金融サーバ２０は、ユーザに対して各種の金融サービスを提供する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、金融サーバ２０は、ユーザの与信に関する情報を提供する。
The
また、例えば、金融サーバ２０は、ネットワークバンキングや各種銀行がネットワークを介した決済に用いるサーバ装置である。また、例えば、金融サーバ２０は、ユーザの口座を管理しており、所定のネットワークを介してユーザからの操作に従い、預金額、入金履歴、出金履歴、および債務残高の通知、若しくは各種の振込等を実現する。
Further, for example, the
実施形態に係る外部装置５０は、ユーザによってネットワークをアクセス先に介してアクセスされた情報であるアクセス情報を提供する情報配信装置である。例えば、図１に示す例において、外部装置５０の記憶部は、ユーザのアクセス先に関するアクセス情報を記憶する。そして、外部装置５０は、かかるアクセス先に関するアクセス情報を情報処理装置１００に提供する。また、例えば、外部装置５０は、所定の期間（例えば、直近１週間）毎に、ユーザのアクセス先に関するアクセス情報を記憶部に格納する。
The
なお、ここでいうアクセス先とは、例えば、ユーザによってサーバ等にアクセスされたことを示す。この場合、サーバ等からユーザによって利用される端末装置へコンテンツ等が配信されなくともよい。例えば、決済ボタンを有するコンテンツが端末装置に配信されたものとする。この場合、端末装置は、ユーザによって決済ボタンが押下されたとき、決済サーバにユーザを識別する識別情報や、決済に関する情報等を送信する。このとき、端末装置は、決済サーバにアクセスする。このように、アクセス先は、ユーザによってサーバにアクセスされたことを示すものであればよい。なお、アクセス先のアクセス情報は、ユーザがアクセス先にアクセスした回数であるアクセス回数を含む。 The access destination here means that the user has accessed the server or the like, for example. In this case, the content or the like does not have to be distributed from the server or the like to the terminal device used by the user. For example, it is assumed that the content having the payment button is delivered to the terminal device. In this case, when the user presses the payment button, the terminal device transmits to the payment server identification information for identifying the user, information regarding payment, and the like. At this time, the terminal device accesses the payment server. In this way, the access destination may be any one that indicates that the user has accessed the server. The access information of the access destination includes the number of times of access, which is the number of times the user has accessed the access destination.
実施形態に係る情報処理装置１００は、例えば、サーバ装置等により実現される。具体的には、情報処理装置１００は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。そして、情報処理装置１００は、アクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。
The
ここでいうユーザ情報とは、ユーザの属性に関する属性情報、ユーザの趣味嗜好に関する情報、ユーザの金融サービスに対する信用度合いに関する情報等である。なお、以下には、ユーザ情報として、ユーザの金融サービスに関する信用度合いに関する情報である信用スコアを推定する例を挙げて説明する。 The user information referred to here is attribute information regarding the attributes of the user, information regarding the hobbies and preferences of the user, information regarding the degree of trust of the user with respect to financial services, and the like. It should be noted that an example of estimating a credit score, which is information regarding a user's credit level regarding financial services, will be described below as user information.
以下、図１を用いて、情報処理装置１００による推定処理の一例を流れに沿って説明する。
Hereinafter, with reference to FIG. 1, an example of the estimation process performed by the
まず、図１に示すように、情報処理装置１００は、ユーザの与信に関する情報を金融サーバ２０から取得する（ステップＳ１）。例えば、図１の例では、情報処理装置１００は、ユーザの与信に関する情報として、ユーザの信用スコアを金融サーバ２０から取得する。
First, as shown in FIG. 1, the
続いて、情報処理装置１００は、ユーザのアクセス先に関するアクセス情報を外部装置５０から取得する（ステップＳ２）。例えば、図１の例では、情報処理装置１００は、ユーザのアクセス先に関するアクセス情報として、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報（以下、遷移元アクセス先に関するアクセス情報と表記する場合がある）から遷移して、ユーザがアクセスした第２のアクセス先に関するアクセス情報（以下、遷移先アクセス先に関するアクセス情報と表記する場合がある）を外部装置５０から取得する。
Subsequently, the
そして、情報処理装置１００は、所定のユーザの与信に関する情報と、所定のユーザのアクセス先に関するアクセス情報とに基づいて、学習モデルＭ１を生成する（ステップＳ３）。具体的には、情報処理装置１００は、所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、ユーザ情報を予測するための学習モデルＭ１を生成する。
Then, the
例えば、情報処理装置１００は、機械学習等の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報と遷移先アクセス先に関するアクセス情報とに基づいて、学習モデルＭ１を生成する。例えば、情報処理装置１００は、ロジスティック回帰、ＳＶＭ（Support Vector Machine）、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とに基づいて、学習モデルＭ１を生成する。
For example, the
例えば、図１の例では、情報処理装置１００は、ユーザＩＤ「Ｕ１」により特定されるユーザ（以下では、ユーザＩＤ「ＵＮ」により特定されるユーザを「ユーザＵＮ（Ｎは任意の数値）」と表記する場合がある）の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ａ．ｃｏｍ」と、ユーザＵ１の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｄ．ｃｏｍ」との組み合わせと、ユーザＵ１の信用スコアである「０．９」との関係性を学習する。また、情報処理装置１００は、ユーザＵ２の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｃ．ｃｏｍ」と、ユーザＵ２の遷移先アクセス情報を示す第２のドメインである「Ｅ．ｃｏｍ」との組み合わせと、ユーザＵ２の信用スコアである「０．４」との関係性を学習する。
For example, in the example of FIG. 1, the
また、情報処理装置１００は、ユーザＵ３の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、ユーザＵ３の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｂ．ｃｏｍ」との組み合わせと、ユーザＵ３の信用スコアである「０．５」との関係性を学習する。このように、情報処理装置１００は、ユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報の組み合わせと、ユーザの信用スコアとの関係性を学習する。
In addition, the
また、上記処理の例に限られず、例えば、情報処理装置１００は、信用スコアが高いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを正例として信用スコアが「１．０」と学習する。また、情報処理装置１００は、信用スコアが低いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを負例として信用スコアが「０．０」と学習する。
In addition, the
そして、情報処理装置１００は、学習することで生成された学習モデルＭ１に基づいて、予測対象であるユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせが入力された場合に、予測対象であるユーザのスコアを出力する。そして、情報処理装置１００は、シグモイドフィッティング（Sigmoid fitting）等を用いて学習モデルＭ１から出力されたスコアを確率値に変換することで、ユーザの信用スコアを算出する。このように、情報処理装置１００は、学習モデルＭ１に基づいて、予測対象であるユーザの信用スコアを推定する。
Then, the
続いて、情報処理装置１００は、ユーザＵ１００の信用スコアの要求を金融サーバ２０から受け付ける（ステップＳ４）。そして、情報処理装置１００は、ユーザＵ１００のアクセス先に関するアクセス情報を外部装置５０から取得する（ステップＳ５）。例えば、情報処理装置１００は、ユーザＵ１００のアクセス先に関するアクセス情報として、ユーザＵ１００の遷移元アクセス先に関するアクセス情報と、遷移先アクセス先に関するアクセス情報とを外部装置５０から取得する。
Subsequently, the
続いて、情報処理装置１００は、ユーザＵ１００のアクセス先に関するアクセス情報を学習モデルＭ１に入力する（ステップＳ６）。例えば、図１の例では、情報処理装置１００は、ユーザＵ１００の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、ユーザＵ１００の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ａ．ｃｏｍ」との組み合わせを学習モデルＭ１に入力する。
Then, the
そして、情報処理装置１００は、ユーザＵ１００の信用スコアを推定する（ステップＳ７）。例えば、図１の例では、情報処理装置１００は、ユーザＵ１００の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ａ．ｃｏｍ」との組み合わせを学習モデルＭ１に入力することで、学習モデルＭ１からスコアが出力される。そして、情報処理装置１００は、シグモイドフィッティング等を用いて学習モデルＭ１によって出力されたスコアを確率値に変換することで、ユーザＵ１００の信用スコアを推定する。続いて、情報処理装置１００は、ユーザＵ１００の信用スコアを金融サーバ２０に送信する（ステップＳ８）。
Then, the
このように、実施形態に係る情報処理装置１００は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。そして、情報処理装置１００は、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせに基づいて、ユーザに関する情報であるユーザ情報を推定する。これにより、実施形態に係る情報処理装置１００は、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせに基づいて、ユーザに関する情報であるユーザ情報を推定することができるため、ユーザ情報を高精度に推定することができる。
As described above, the
この点について説明する。図１の例を用いて説明すると、情報処理装置１００は、ユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、ユーザの遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザの信用スコアとの関係性を学習する。そして、情報処理装置１００は、予測対象であるユーザの信用スコアを推定する学習モデルＭ１を生成する。このことから、情報処理装置１００は、信用スコアが高いユーザが頻繁にアクセスするアクセス先に関するアクセス情報や、信用スコアが低いユーザが頻繁にアクセスするアクセス先に関するアクセス情報を学習することができるため、先入観がより小さく、かつ、客観的にユーザの信用スコアを推定することができる。これにより、情報処理装置１００は、ユーザの信用スコアを高精度に推定することができる。
This point will be described. Explaining using the example of FIG. 1, the
〔２．情報処理装置の構成〕
次に、図２を用いて、実施形態に係る情報処理装置１００の構成について説明する。図２は、実施形態に係る情報処理装置１００の構成例を示す図である。図２に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。
[2. Configuration of information processing device]
Next, the configuration of the
（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線又は無線で接続され、金融サーバ２０と外部装置５０との間で情報の送受信を行う。
(About communication unit 110)
The
（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２０は、学習モデル１２１と、信用スコア記憶部１２２とを有する。
(About storage unit 120)
The
（信用スコア記憶部１２２について）
実施形態に係る信用スコア記憶部１２２は、ユーザの信用スコアに関する情報を記憶する。ここで、図３に、実施形態に係る信用スコア記憶部１２２の一例を示す。図３に示した例では、信用スコア記憶部１２２は、「ユーザＩＤ」、「信用スコア」といった項目を有する。
(About credit score storage unit 122)
The credit
「ユーザＩＤ」は、ユーザを識別する識別子である。「信用スコア」は、「ユーザＩＤ」に対応付けられた信用スコアであって、学習モデルに基づいて推定された信用スコアに関する情報である。例えば、図３では、ユーザＩＤによって識別された「Ｕ１」は、信用スコアが「０．７」である。 The "user ID" is an identifier that identifies a user. The “credit score” is a credit score associated with the “user ID”, and is information regarding the credit score estimated based on the learning model. For example, in FIG. 3, “U1” identified by the user ID has a credit score of “0.7”.
（制御部１３０について）
制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。
(Regarding the control unit 130)
The
図２に示すように、制御部１３０は、取得部１３１と、受付部１３２と、生成部１３３と、推定部１３４と、送信部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２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２に示した接続関係に限られず、他の接続関係であってもよい。
As illustrated in FIG. 2, the
（取得部１３１について）
取得部１３１は、各種情報を取得する。具体的には、取得部１３１は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。例えば、取得部１３１は、ユーザの与信に関する情報を金融サーバ２０から取得する。例えば、図１の例では、取得部１３１は、ユーザの与信に関する情報として、ユーザの信用スコアを金融サーバ２０から取得する。
(About the acquisition unit 131)
The acquisition unit 131 acquires various kinds of information. Specifically, the acquisition unit 131 acquires access information that is information related to access by the user via the network. For example, the acquisition unit 131 acquires information regarding the credit of the user from the
また、例えば、取得部１３１は、ユーザのアクセス先に関するアクセス情報を外部装置５０から取得する。例えば、図１の例では、取得部１３１は、ユーザのアクセス先に関するアクセス情報として、遷移元アクセス先に関するアクセス情報と、遷移先アクセス先に関するアクセス情報とを外部装置５０から取得する。
Further, for example, the acquisition unit 131 acquires access information regarding the access destination of the user from the
（受付部１３２について）
受付部１３２は、各種要求を受け付ける。具体的には、ユーザの信用スコアの要求を金融サーバ２０から受け付ける。例えば、図１の例では、受付部１３２は、予測対象のユーザであるユーザＵ１００の信用スコアを金融サーバ２０から受け付ける。
(About the reception unit 132)
The receiving
（生成部１３３について）
生成部１３３は、取得部１３１によって取得された所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するための学習モデルを生成する。具体的には、生成部１３３は、所定のユーザの与信に関する情報と、所定のユーザのアクセス先に関するアクセス情報とに基づいて、学習モデルＭ１を生成する。
(Regarding the generation unit 133)
The
例えば、生成部１３３は、機械学習等の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報と遷移先アクセス先に関するアクセス情報とに基づいて、学習モデルＭ１を生成する。例えば、生成部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とに基づいて、学習モデルＭ１を生成する。
For example, the
例えば、図１の例では、生成部１３３は、ユーザＵ１の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ａ．ｃｏｍ」と、ユーザＵ１の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｄ．ｃｏｍ」との組み合わせと、ユーザＵ１の信用スコアである「０．９」との関係性を学習する。また、生成部１３３は、ユーザＵ２の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｃ．ｃｏｍ」と、ユーザＵ２の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｅ．ｃｏｍ」との組み合わせと、ユーザＵ２の信用スコアである「０．４」との関係性を学習する。
For example, in the example of FIG. 1, the
また、生成部１３３は、ユーザＵ３の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、ユーザＵ３の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｂ．ｃｏｍ」との組み合わせと、ユーザＵ３の信用スコアである「０．５」との関係性を学習する。このように、生成部１３３は、ユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザの信用スコアとの関係性を学習する。
Further, the
また、上記処理の例に限られず、例えば、生成部１３３は、信用スコアが高いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを正例として信用スコアが「１．０」と学習する。また、生成部１３３は、信用スコアが低いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを負例として信用スコアが「０．０」と学習する。そして、生成部１３３は、学習することで生成された学習モデルＭ１を学習モデル１２１に格納する。
In addition, the
（推定部１３４について）
推定部１３４は、取得部１３１によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。具体的には、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。
(About the estimation unit 134)
The estimating
例えば、図１の例では、推定部１３４は、ユーザＵ１００の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ａ．ｃｏｍ」との組み合わせを学習モデルＭ１に入力することで、学習モデルＭ１からスコアが出力される。そして、推定部１３４は、シグモイドフィッティング等を用いて学習モデルＭ１によって出力されたスコアを確率値に変換することで、ユーザＵ１００の信用スコアを推定する。そして、推定部１３４は、ユーザＵ１００の信用スコアを信用スコア記憶部１２２に格納する。
For example, in the example of FIG. 1, the
（送信部１３５について）
送信部１３５は、各種情報を送信する。具体的には、送信部１３５は、信用スコア記憶部１２２に記憶されるユーザの信用スコアをユーザに送信する。例えば、図１の例では、送信部１３５は、ユーザＵ１００の信用スコアを金融サーバ２０に送信する。
(About the transmitter 135)
The transmission unit 135 transmits various kinds of information. Specifically, the transmission unit 135 transmits the user's credit score stored in the credit
〔３．処理手順（１）学習モデルを生成〕
次に、図４を用いて、実施形態に係る情報処理装置１００が実行する生成処理の手順について説明する。図４は、実施形態に係る情報処理装置が実行する生成処理の流れの一例を示すフローチャートである。
[3. Processing procedure (1) Generate learning model]
Next, the procedure of the generation process executed by the
図４に示すように、取得部１３１は、ユーザの与信に関する情報を金融サーバ２０から取得する（ステップＳ１０１）。そして、取得部１３１は、ユーザの与信に関する情報を取得していない場合（ステップＳ１０１；Ｎｏ）、ユーザの与信に関する情報を金融サーバ２０から取得するまで待機する。
As shown in FIG. 4, the acquisition unit 131 acquires information regarding the credit of the user from the financial server 20 (step S101). Then, when the acquisition unit 131 has not acquired the information regarding the credit of the user (step S101; No), the acquisition unit 131 waits until the information regarding the credit of the user is acquired from the
一方、取得部１３１は、ユーザの与信に関する情報を金融サーバ２０から取得した場合（ステップＳ１０１；Ｙｅｓ）、ユーザのアクセス先に関するアクセス情報を外部装置５０から取得する（ステップＳ１０２）。そして、生成部１３３は、取得部１３１がユーザのアクセス先に関するアクセス情報を取得していない場合（ステップＳ１０２；Ｎｏ）、ユーザのアクセス先に関するアクセス情報を外部装置５０から取得するまで待機する。
On the other hand, when the acquisition unit 131 acquires the information regarding the credit of the user from the financial server 20 (step S101; Yes), the acquisition unit 131 acquires the access information regarding the access destination of the user from the external device 50 (step S102). Then, when the acquisition unit 131 has not acquired the access information regarding the access destination of the user (step S102; No), the
一方、生成部１３３は、取得部１３１がユーザのアクセス先に関するアクセス情報を取得した場合（ステップＳ１０２；Ｙｅｓ）、所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、所定のユーザの信用スコアとに基づいて、学習モデルを生成する（ステップＳ１０３）。
On the other hand, when the acquisition unit 131 acquires the access information regarding the access destination of the user (step S102; Yes), the
例えば、生成部１３３は、機械学習等の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報と遷移先アクセス先に関するアクセス情報とに基づいて、学習モデルを生成する。例えば、生成部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とに基づいて、学習モデルを生成する。
For example, the
例えば、図１の例では、生成部１３３は、ユーザＵ１の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ａ．ｃｏｍ」と、ユーザＵ１の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｄ．ｃｏｍ」との組み合わせと、ユーザＵ１の信用スコアである「０．９」との関係性を学習する。また、生成部１３３は、ユーザＵ２の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｃ．ｃｏｍ」と、ユーザＵ２の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｅ．ｃｏｍ」との組み合わせと、ユーザＵ１の信用スコアである「０．４」との関係性を学習する。
For example, in the example of FIG. 1, the
また、生成部１３３は、ユーザＵ３の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、ユーザＵ３の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｂ．ｃｏｍ」との組み合わせと、ユーザＵ３の信用スコアである「０．５」との関係性を学習する。このように、生成部１３３は、ユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザの信用スコアとの関係性を学習する。
Further, the
また、上記処理の例に限られず、例えば、生成部１３３は、信用スコアが高いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを正例として信用スコアが「１．０」と学習する。また、生成部１３３は、信用スコアが低いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを負例として信用スコアが「０．０」と学習する。
In addition, the
そして、生成部１３３は、学習することで生成された学習モデルＭ１に基づいて、予測対象であるユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせが入力された場合に、予測対象であるユーザのスコアを出力する。
Then, the
〔４．処理手順（２）信用スコアを推定〕
次に、図５を用いて、実施形態に係る情報処理装置１００が実行する推定処理の手順について説明する。図５は、実施形態に係る情報処理装置が実行する推定処理の流れの一例を示すフローチャートである。
[4. Processing procedure (2) Estimating credit score]
Next, the procedure of the estimation process executed by the
図５に示すように、受付部１３２は、ユーザの信用スコアの要求を受け付ける（ステップＳ２０１）。そして、推定部１３４は、受付部１３１がユーザの信用スコアの要求を受け付けていない場合（ステップＳ２０１；Ｎｏ）、ユーザの信用スコアの要求を受け付けるまで待機する。
As shown in FIG. 5, the
一方、推定部１３４は、受付部１３２がユーザの信用スコアの要求を受け付けた場合（ステップＳ２０１；Ｙｅｓ）、学習モデルにユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、ユーザが第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせに関する情報を入力することで、ユーザの信用スコアを推定する（ステップＳ２０２）。
On the other hand, when the accepting
例えば、図１の例では、推定部１３４は、ユーザＵ１００の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ａ．ｃｏｍ」との組み合わせを学習モデルＭ１に入力することで、学習モデルＭ１からスコアが出力される。そして、情報処理装置１００は、シグモイドフィッティング等を用いて学習モデルＭ１によって出力されたスコアを確率値に変換することで、ユーザＵ１００の信用スコアを推定する。
For example, in the example of FIG. 1, the
そして、送信部１３５は、推定部１３３によって推定された信用スコアを金融サーバ２０に送信する（ステップＳ２０３）。例えば、図１の例では、送信部１３５は、ユーザＵ１００の信用スコアを金融サーバ２０に送信する。
Then, the transmission unit 135 transmits the credit score estimated by the
〔５．変形例〕
上述した情報処理装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理装置１００の他の実施形態について説明する。
[5. Modification example)
The
〔５−１．生成処理（１）３つ以上のドメイン〕
上記実施形態では、情報処理装置１００の生成部１３３が所定のユーザの遷移元アクセス先に関するアクセス情報と、遷移先アクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するための学習モデルを生成する生成処理の一例を説明したが、上記生成処理に限定されない。
[5-1. Generation processing (1) Three or more domains]
In the above-described embodiment, the
具体的には、生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせと、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。また、具体的には、生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせと、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。
Specifically, the
より具体的には、生成部１３３は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが遷移元アクセス先に遷移するより前にアクセスしたアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせと、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。また、より具体的には、生成部１３３は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが遷移先アクセス先に遷移した後にアクセスしたアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせと、所定のユーザに関する情報との組み合わせに基づいて、学習モデルを生成してもよい。
More specifically, the
これにより、実施形態に係る情報処理装置１００の生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報又はユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報のいずれかとの組み合わせと、所定のユーザに関する情報とに基づいて、学習モデルを生成するため、ユーザ情報を高精度に推定することができる。
Thereby, the
〔５−２．生成処理（２）ドメインとクエリ〕
上記実施形態では、情報処理装置１００の生成部１３３が所定のユーザの遷移元アクセス先に関するアクセス情報と、遷移先アクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するための学習モデルを生成する生成処理の一例を説明したが、上記生成処理に限定されない。具体的には、生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザによって入力されたクエリに関する情報と、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。
[5-2. Generation process (2) Domain and query]
In the above-described embodiment, the
より具体的には、生成部１３３は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザによって入力されたクエリに関する情報と、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。
More specifically, the
これにより、実施形態に係る情報処理装置１００の生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザによって入力されたクエリに関する情報と、所定のユーザに関する情報とに基づいて、学習モデルを生成するため、ユーザ情報を高精度に推定することができる。
Thereby, the
〔５−３．推定処理（１）閲覧回数〕
上記実施形態では、情報処理装置１００の推定部１３４が遷移元アクセス先に関するアクセス情報を示すドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示すドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定する推定処理の一例を説明したが、上記推定処理に限定されない。
[5-3. Estimation process (1) Number of views]
In the above-described embodiment, the
具体的には、推定部１３４は、ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報と、第１のコンテンツから遷移した先の第２のコンテンツに関する情報との組み合わせに基づいて、ユーザ情報を推定する。
Specifically, the
より具体的には、推定部１３４は、ユーザによる閲覧の回数である閲覧回数が所定の閾値以上である第１のコンテンツを示す第１のドメインに関する情報と、ユーザによる閲覧回数が所定の閾値以上である第２のコンテンツを示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。
More specifically, the
また、より具体的には、取得部１３１は、所定のユーザによる閲覧回数が所定の閾値以上である遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、閲覧回数が所定の閾値以上である遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とを取得する。そして、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定してもよい。
In addition, more specifically, the acquisition unit 131 includes information regarding the first domain indicating access information regarding a transition source access destination whose number of times of browsing by a predetermined user is a predetermined threshold or more, and the number of times of browsing is a predetermined threshold or more. And the information about the second domain indicating the access information about the transition destination access destination. Then, the
例えば、所定の閾値が１万回であるものとする。この場合、取得部１３１は、所定のユーザによる閲覧回数が１万回以上である遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、閲覧回数が１万回以上である遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とを取得する。そして、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定してもよい。
For example, assume that the predetermined threshold is 10,000 times. In this case, the acquisition unit 131 uses the information about the first domain indicating the access information about the transition source access destination that has been viewed 10,000 times or more by a predetermined user, and the transition destination access that has been viewed 10,000 times or more. And information regarding the second domain indicating access information regarding the destination. Then, the
これにより、実施形態に係る情報処理装置１００の推定部１３４は、ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツを示す第１のドメインに関する情報と、ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツを示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
〔５−４．推定処理（２）ドメイン配下の所定の階層情報〕
上記実施形態では、情報処理装置１００の推定部１３４が遷移元アクセス先に関するアクセス情報を示すドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示すドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定する推定処理の一例を説明したが、上記推定処理に限定されない。具体的には、推定部１３４は、第１のドメインに関する情報及び第１のドメインの配下の所定の階層情報と、第２のドメインに関する情報及び第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定してもよい。
[5-4. Estimating process (2) Predetermined hierarchical information under domain]
In the above-described embodiment, the
より具体的には、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報及び遷移元アクセス先に関するアクセス情報を示すＵＲＬ（Uniform Resource Locator）のうち、第１のドメインの配下の所定の階層情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報及び遷移先アクセス先に関するアクセス情報を示すＵＲＬのうち、第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定してもよい。
More specifically, the
例えば、図６の例では、取得部１３１は、遷移元アクセス先に関するアクセス情報である「Ａ．ｃｏｍ」に関する情報と、遷移先アクセス先に関するアクセス情報である「Ｂ．ｃｏｍ」に関する情報とを取得する。このとき、遷移元アクセス先に関するアクセス情報のアクセス回数は「１０万回」であり、遷移先アクセス先に関するアクセス情報のアクセス回数は「１０００万回」である。また、遷移先アクセス先に関するアクセス情報のＵＲＬのうち、ドメインの下位の階層を示す「Ｂ．Ｃｏｍ／ＡＡＡ」のアクセス回数は、「１００万回」であり、ドメインの下位の階層を示す「Ｂ．Ｃｏｍ／ＡＡＡ／ＢＢＢ」のアクセス回数は、「１０万回」である。この場合、推定部１３４は、遷移元アクセス先に関するアクセス情報である「Ａ．ｃｏｍ」に関する情報と、遷移元アクセス先に関するアクセス情報を示す「Ａ．ｃｏｍ」と同一のアクセス回数を有する遷移先アクセス先に関するアクセス情報を示す「Ｂ．Ｃｏｍ／ＡＡＡ／ＢＢＢ」に関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。
For example, in the example of FIG. 6, the acquisition unit 131 acquires information regarding “A.com”, which is access information regarding the transition source access destination, and information regarding “B.com”, which is access information regarding the transition destination access destination. To do. At this time, the access count of the access information regarding the transition source access destination is “100,000 times”, and the access count of the access information regarding the transition destination access destination is “10 million times”. Further, in the URL of the access information regarding the transition destination access destination, the number of accesses of “B.Com/AAA” indicating the lower layer of the domain is “1 million times”, and “B.Com/AAA” indicating the lower layer of the domain. .Com/AAA/BBB” is “100,000 times”. In this case, the
これにより、実施形態に係る情報処理装置１００の推定部１３４は、第１のドメインに関する情報及び第１のドメインの配下の所定の階層情報と、第２のドメインに関する情報及び第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
〔５−５．推定処理（３）３つ以上のドメイン〕
上記実施形態では、情報処理装置１００の推定部１３４が遷移元アクセス先に関するアクセス情報を示すドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示すドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定する推定処理の一例を説明したが、上記推定処理に限定されない。具体的には、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。また、具体的には、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。
[5-5. Estimation process (3) Three or more domains]
In the above-described embodiment, the
より具体的には、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが遷移元アクセス先に遷移するより前にアクセスしたアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。また、より具体的には、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが遷移先アクセス先に遷移した後にアクセスしたアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。
More specifically, the
これにより、実施形態に係る情報処理装置１００の推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報又はユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報のいずれかとの組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
〔５−６．推定処理（４）ドメインとクエリ〕
上記実施形態では、情報処理装置１００の推定部１３４が遷移元アクセス先に関するアクセス情報を示すドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示すドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定する推定処理の一例を説明したが、上記推定処理に限定されない。具体的には、取得部１３１は、ユーザによって入力されたクエリに関する情報をさらに取得し、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定してもよい。
[5-6. Estimating process (4) Domain and query]
In the above-described embodiment, the
より具体的には、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定してもよい。
More specifically, the
これにより、実施形態に係る情報処理装置１００の推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
〔６．ハードウェア構成〕
また、上述してきた実施形態に係る金融サーバ２０、外部装置５０及び情報処理装置１００は、例えば図７に示すような構成のコンピュータ１０００によって実現される。以下、情報処理装置１００を例に挙げて説明する。図７は、情報処理装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。
[6. Hardware configuration]
Further, the
ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
The
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００がネットワークＮを介して生成したデータを他の機器へ送信する。
The
ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。
The
メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
The
例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。
For example, when the
〔７．その他〕
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
[7. Other]
Further, of the processes described in the above-described embodiment and modified examples, all or part of the processes described as being automatically performed may be manually performed, or described as manually performed. It is also possible to automatically carry out all or part of the processing performed by a known method. In addition, the processing procedures, specific names, information including various data and parameters shown in the above-mentioned documents and drawings can be arbitrarily changed unless otherwise specified. For example, the various kinds of information shown in each drawing are not limited to the illustrated information.
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。 Further, each constituent element of each illustrated device is functionally conceptual, and does not necessarily have to be physically configured as illustrated. That is, the specific form of distribution/integration of each device is not limited to that shown in the figure, and all or a part of the device may be functionally or physically distributed/arranged in arbitrary units according to various loads or usage conditions. It can be integrated and configured.
また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。 Further, the above-described embodiments and modified examples can be appropriately combined within a range in which the processing content is not inconsistent.
また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、推定部は、推定手段や推定回路に読み替えることができる。 Also, the above-mentioned "section (module, unit)" can be read as "means" or "circuit". For example, the estimation unit can be read as an estimation unit or an estimation circuit.
〔８．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、推定部１３４とを有する。取得部１３１は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。推定部１３４は、取得部１３１によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。
[8. effect〕
As described above, the
これにより、実施形態に係る情報処理装置１００は、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。
Further, in the
これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のドメインに関する情報及び第１のドメインの配下の所定の階層情報と、第２のドメインに関する情報及び第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定する。
In addition, in the
これにより、実施形態に係る情報処理装置１００は、第１のドメインに関する情報及び第１のドメインの配下の所定の階層情報と、第２のドメインに関する情報及び第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。
Further, in the
これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。
Further, in the
これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザによって入力されたクエリに関する情報をさらに取得し、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定する。
Further, in the
これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報と、第１のコンテンツから遷移した先の第２のコンテンツに関する情報との組み合わせに基づいて、ユーザ情報を推定する。
In addition, in the
これにより、実施形態に係る情報処理装置１００は、ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報と、第１のコンテンツから遷移した先の第２のコンテンツに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。
In addition, in the
これにより、実施形態に係る情報処理装置１００は、ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定する。
Further, in the
これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定するため、ユーザの信用スコアを高精度に推定することができる。
As a result, the
また、実施形態に係る情報処理装置１００において、所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するための学習モデルを生成する生成部１３３をさらに備え、推定部１３４は、生成部１３３によって生成された学習モデルに基づいて、遷移前のアクセス先に関するアクセス情報と遷移後のアクセス先に関するアクセス情報との組み合わせからユーザ情報を推定する。
Further, in the
これにより、実施形態に係る情報処理装置１００は、所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するために生成された学習モデルに基づいて、遷移前のアクセス先に関するアクセス情報と遷移後のアクセス先に関するアクセス情報との組み合わせからユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。
As a result, the
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。 As described above, some of the embodiments of the present application have been described in detail based on the drawings, but these are examples, and various modifications based on the knowledge of those skilled in the art, including the modes described in the section of the disclosure of the invention, It is possible to implement the present invention in other forms with improvements.
１ 情報処理システム
２０ 金融サーバ
５０ 外部装置
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 学習モデル
１２２ 信用スコア記憶部
１３０ 制御部
１３１ 取得部
１３２ 受付部
１３３ 生成部
１３４ 推定部
１３５ 送信部
1
Claims (14)
前記取得部によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定する推定部と、
を備えたことを特徴とする情報処理装置。 An acquisition unit that acquires access information, which is information regarding access by the user via the network,
A combination of access information regarding the first access destination accessed by the user and access information regarding the second access destination after the transition from the first access destination, based on the access information obtained by the obtaining unit. From, an estimation unit that estimates a credit score , which is information regarding the degree of credit of the user with respect to the financial service ,
An information processing apparatus comprising:
前記第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、前記第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
ことを特徴とする請求項１に記載の情報処理装置。 The estimation unit is
Estimating the credit score based on a combination of information about a first domain showing access information about the first access destination and information about a second domain showing access information about the second access destination;
The information processing apparatus according to claim 1, wherein:
前記第１のドメインに関する情報及び前記第１のドメインの配下の所定の階層情報と、前記第２のドメインに関する情報及び前記第２のドメインの配下の所定の階層情報との組み合わせに基づいて、前記信用スコアを推定する、
ことを特徴とする請求項２に記載の情報処理装置。 The estimation unit is
Based on a combination of information about the first domain and predetermined hierarchical information under the first domain, and information about the second domain and predetermined hierarchical information under the second domain, Estimate credit score ,
The information processing apparatus according to claim 2, wherein:
前記第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、前記第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、前記ユーザが前記第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
ことを特徴とする請求項１〜３のいずれか１つに記載の情報処理装置。 The estimation unit is
Information about a first domain showing access information about the first access destination, information about a second domain showing access information about the second access destination, and the user transitioning to the first access destination. Estimating the credit score based on a combination with information about a third domain indicating access information about a third access destination accessed earlier;
The information processing apparatus according to any one of claims 1 to 3, characterized in that:
前記第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、前記第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、前記ユーザが前記第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
ことを特徴とする請求項１〜３のいずれか１つに記載の情報処理装置。 The estimation unit is
Information about a first domain showing access information about the first access destination, information about a second domain showing access information about the second access destination, and the user transitioned to the second access destination. Estimating the credit score based on a combination with information regarding a third domain indicating access information regarding a third access destination accessed later;
The information processing apparatus according to any one of claims 1 to 3, characterized in that:
前記ユーザによって入力されたクエリに関する情報をさらに取得し、
前記推定部は、
前記第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、前記第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、前記クエリに関する情報とに基づいて、前記信用スコアを推定する、
ことを特徴とする請求項１〜５のいずれか１つに記載の情報処理装置。 The acquisition unit is
Further obtaining information about the query entered by the user,
The estimation unit is
Based on a combination of information about a first domain showing access information about the first access destination and information about a second domain showing access information about the second access destination, and information about the query, Estimating the credit score ,
The information processing apparatus according to any one of claims 1 to 5, characterized in that.
前記ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報と、当該第１のコンテンツから遷移した先の第２のコンテンツに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
ことを特徴とする請求項１〜６のいずれか１つに記載の情報処理装置。 The estimation unit is
Estimating the credit score based on a combination of information regarding a first content as a first access destination browsed by the user and information regarding a second content that is a transition destination from the first content;
The information processing apparatus according to any one of claims 1 to 6, characterized in that.
前記ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、前記ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
ことを特徴とする請求項７に記載の情報処理装置。 The estimation unit is
Shows information about the first domain indicating information about the first content whose number of times of browsing by the user is a predetermined threshold value or more, and information about second content about which the number of times of browsing of the user is more than a predetermined threshold value. Estimating the credit score based on a combination with information about a second domain;
The information processing apparatus according to claim 7, wherein:
前記推定部は、
前記生成部によって生成された学習モデルに基づいて、前記遷移前のアクセス先に関するアクセス情報と前記遷移後のアクセス先に関するアクセス情報との組み合わせから前記信用スコアを推定する、
ことを特徴とする請求項１〜８のいずれか１つに記載の情報処理装置。 Of access information about an access destination before transition accessed by a predetermined user acquired by the acquisition unit, and access information about an access destination after transition of the access destination before the transition by the predetermined user Further comprising a generation unit that generates a learning model for predicting the credit score based on a combination and the credit score of the predetermined user.
The estimation unit is
Estimating the credit score from a combination of access information regarding the access destination before the transition and access information regarding the access destination after the transition, based on the learning model generated by the generation unit,
The information processing apparatus according to any one of claims 1-8, characterized in that.
前記取得部によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザに関する情報であるユーザ情報を推定する推定部と、A combination of access information regarding the first access destination accessed by the user and access information regarding the second access destination after the transition from the first access destination, based on the access information obtained by the obtaining unit. From, an estimation unit that estimates user information, which is information about the user,
を備え、Equipped with
前記推定部は、The estimation unit is
前記ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、当該第１のコンテンツから遷移した先の第２のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記ユーザ情報を推定する、Information on a first domain showing information on a first content whose number of times of browsing by the user is a predetermined threshold value or more among information on a first content as a first access destination browsed by the user, Of the information about the second content after the transition from the first content, a combination with the information about the second domain indicating the information about the second content whose number of times of browsing by the user is a predetermined threshold value or more. Estimating the user information based on:
ことを特徴とする情報処理装置。An information processing device characterized by the above.
ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する取得工程と、
前記取得工程によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定する推定工程と、
を含むことを特徴とする情報処理方法。 An information processing method executed by a computer,
An acquisition step of acquiring access information that is information related to access by the user via the network;
A combination of access information regarding the first access destination accessed by the user and access information regarding the second access destination after the transition from the first access destination based on the access information obtained by the obtaining step. From this, an estimation step of estimating a credit score , which is information regarding the degree of credit of the user with respect to the financial service ,
An information processing method comprising:
前記取得手順によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先に関するアクセス情報から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定する推定手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。 An acquisition procedure for acquiring access information, which is information about access by the user through the network,
Based on the access information acquired by the acquisition procedure, access information regarding the first access destination accessed by the user, and access information regarding the second access destination after the transition from the access information regarding the first access destination. An estimation procedure for estimating a credit score , which is information regarding the credit degree of the user with respect to the financial service , in combination with
An information processing program that causes a computer to execute.
ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する取得工程と、An acquisition step of acquiring access information that is information related to access by the user via the network;
前記取得工程によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザに関する情報であるユーザ情報を推定する推定工程と、A combination of access information regarding the first access destination accessed by the user and access information regarding the second access destination after the transition from the first access destination based on the access information obtained by the obtaining step. From the estimation step of estimating user information, which is information about the user,
を含み、Including,
前記推定工程は、The estimation step is
前記ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、当該第１のコンテンツから遷移した先の第２のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記ユーザ情報を推定する、Information on a first domain showing information on a first content whose number of times of browsing by the user is a predetermined threshold value or more among information on a first content as a first access destination browsed by the user, Of the information on the second content after the transition from the first content, the combination with the information on the second domain indicating the information on the second content whose number of times of browsing by the user is equal to or more than a predetermined threshold value. Estimating the user information based on:
ことを特徴とする情報処理方法。An information processing method characterized by the above.
前記取得手順によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザに関する情報であるユーザ情報を推定する推定手順と、A combination of access information regarding a first access destination accessed by a user and access information regarding a second access destination after the transition from the first access destination, based on the access information obtained by the obtaining procedure. From, an estimation procedure for estimating user information, which is information about the user,
をコンピュータに実行させ、To run on your computer,
前記推定手順は、The estimation procedure is
前記ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、当該第１のコンテンツから遷移した先の第２のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記ユーザ情報を推定する、Information on a first domain showing information on a first content whose number of times of browsing by the user is a predetermined threshold value or more among information on a first content as a first access destination browsed by the user, Of the information about the second content after the transition from the first content, a combination with the information about the second domain indicating the information about the second content whose number of times of browsing by the user is a predetermined threshold value or more. Estimating the user information based on:
ことを特徴とする情報処理プログラム。An information processing program characterized by the above.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019020022A JP6706701B1 (en) | 2019-02-06 | 2019-02-06 | Information processing apparatus, information processing method, and information processing program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019020022A JP6706701B1 (en) | 2019-02-06 | 2019-02-06 | Information processing apparatus, information processing method, and information processing program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6706701B1 true JP6706701B1 (en) | 2020-06-10 |
| JP2020126550A JP2020126550A (en) | 2020-08-20 |
Family
ID=70976356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019020022A Active JP6706701B1 (en) | 2019-02-06 | 2019-02-06 | Information processing apparatus, information processing method, and information processing program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6706701B1 (en) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7162522B2 (en) * | 2001-11-02 | 2007-01-09 | Xerox Corporation | User profile classification by web usage analysis |
| JP2006127321A (en) * | 2004-10-29 | 2006-05-18 | Solid Technology Kk | Terminal attribute addition device and terminal attribute addition method |
| JP5481242B2 (en) * | 2010-03-17 | 2014-04-23 | エヌ・ティ・ティ・コムウェア株式会社 | User characteristics and usage trend analysis system, and processing method and program thereof |
| JP6423529B2 (en) * | 2015-06-05 | 2018-11-14 | 日本電信電話株式会社 | User estimation device, user estimation method, and user estimation program |
| JP6767824B2 (en) * | 2016-09-16 | 2020-10-14 | ヤフー株式会社 | Judgment device, judgment method and judgment program |
| JP6419263B1 (en) * | 2017-07-12 | 2018-11-07 | ヤフー株式会社 | Providing device, providing method, and providing program |
-
2019
- 2019-02-06 JP JP2019020022A patent/JP6706701B1/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020126550A (en) | 2020-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11269962B2 (en) | Inductive matrix completion and graph proximity for content item recommendation | |
| US10917489B2 (en) | User subscription to content | |
| JP6408014B2 (en) | Selecting content items for presentation to social networking system users in news feeds | |
| US9628582B2 (en) | Social-driven precaching of accessible objects | |
| RU2693637C2 (en) | Service integration client platform | |
| US20170250930A1 (en) | Interactive content recommendation personalization assistant | |
| CN112292675A (en) | Assisting a computer to interpret native language input with prominence ranking of entities and tasks | |
| US20210241152A1 (en) | System and method for a personalized machine learning pipeline selection and result interpretation | |
| CN106104626A (en) | Renewal based on the digital content analyzed | |
| JP2017515199A (en) | Build user trust in profile creation and recommendations based on managed interactions with users | |
| US10460082B2 (en) | Digital rights management progressive control and background processing | |
| US20170278205A1 (en) | Digital Rights Management using Organizational Associations | |
| US20170032109A1 (en) | Digital Rights Management and Behavioral Traits | |
| JP6706701B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP7073557B2 (en) | Generator, generation method, and generation program | |
| JP6738926B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| US11243669B2 (en) | Transmitting response content items | |
| Plumbaum et al. | My personal user interface: A semantic user-centric approach to manage and share user information | |
| JP5996747B1 (en) | Generating device, generating method, and generating program | |
| US20190130443A1 (en) | Usable interferences based on a user's updated digital profile | |
| US20230259815A1 (en) | Machine learning techniques for user group based content distribution | |
| JP6998341B2 (en) | Management equipment, management methods, and management programs | |
| US20240257167A1 (en) | Crowd-sourced research relevance tracking and analytics | |
| JP6590880B2 (en) | Extraction apparatus, extraction method, and extraction program | |
| JP6599126B2 (en) | Segment management system and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190415 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190415 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190515 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190806 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190813 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191008 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200421 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200518 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6706701 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
| R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
| R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
| R371 | Transfer withdrawn |
Free format text: JAPANESE INTERMEDIATE CODE: R371 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |