JP6738926B1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】複数の情報を効率的に利用すること。【解決手段】本願に係る情報処理装置は、取得部と、生成部とを有する。取得部は、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。生成部は、取得部によって取得された複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。【選択図】図３

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。

従来、複数の情報を用いてユーザの認証を行う技術が提供されている。例えば、ユーザの行動履歴に基づいて学習された学習結果と、ユーザの行動に関する入力情報とに基づいてユーザの認証を行う技術が知られている。

特開２０１７−１３４７５０号公報

しかしながら、上記の従来技術では、複数の情報を効率的に利用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、ユーザの行動履歴に基づいて学習された学習結果と、ユーザの行動に関する入力情報とに基づいてユーザの認証を行っているに過ぎず、複数の情報を効率的に利用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、複数の情報を効率的に利用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。

本願に係る情報処理装置は、所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ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複数のユーザ情報を集約することで、前記複数のユーザ識別情報が示すユーザに対応する学習データを生成する生成部と、を備えたことを特徴とする。

実施形態の一態様によれば、複数の情報を効率的に利用することができるという効果を奏する。

図１は、実施形態に係る情報処理装置が実行する生成処理の一例を示す図である。 図２は、実施形態に係る情報処理装置が実行する学習データを生成する生成処理の一例を示す図である。 図３は、実施形態に係る情報処理装置の構成例を示す図である。 図４は、実施形態に係る信用スコア記憶部の一例を示す図である。 図５は、実施形態に係る情報処理装置が実行する学習モデルの生成処理の流れの一例を示すフローチャートである。 図６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。 図７は、変形例に係る情報処理装置が実行する学習データを生成する生成処理の一例を示す図である。 図８は、変形例に係る情報処理装置が実行する学習データを生成する生成処理の一例を示す図である。 図９は、変形例に係る情報処理装置が実行する学習データを生成する生成処理の一例を示す図である。 図１０は、情報処理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、本願に係る情報処理装置、情報処理方法及び情報処理プログラム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。

〔１．情報処理装置が示す生成処理の一例〕
図１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１００が実行する生成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、所定の条件を満たす複数のユーザ識別情報のそれぞれに対応するユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。

ここでいう所定の条件とは、複数のユーザ識別情報が示すユーザが同一ユーザ、同一又は類似の属性を有する複数のユーザが属するユーザ群、家族又は事業会社等である条件である。また、以下には、所定の条件が同一ユーザである条件を満たした場合として例を挙げて説明する。

また、ここでいうユーザ識別情報は、サービス及びシステム等を利用するユーザを識別するユーザ識別情報である。また、ここでいうサービス及びシステムとは、如何なるサービスや、如何なるシステムであってもよい。例えば、サービス及びシステムとは、金融サービス、検索エンジン等のポータルサイト、ゲームサイト、旅行予約サイト又はインターネットショッピングサイト等である。

また、ここでいう複数のユーザ識別情報は、同一ユーザによって同一システムで利用される複数のユーザ識別情報を含む。また、ここでいう複数のユーザ識別情報は、同一ユーザによって異なるシステムで利用される複数のユーザ識別情報を含む。例えば、第１のシステムがシステムＡであるものとする。また、第１のシステムで利用されるユーザ識別情報が第１のユーザ識別情報であるものとする。また、第２のシステムがシステムＢであるものとする。第２のシステムで利用されるユーザ識別情報が第２のユーザ識別情報であるものとする。この場合、ユーザはシステムＡに対応する第１のユーザ識別情報と、システムＢに対応する第２のユーザ識別情報とを有する。また、ここでいう複数のユーザ識別情報は、同一ユーザによって同一システムや、異なるシステムを含む複数のシステムで利用される複数のユーザ識別情報を含む。

また、例えば、第１のシステムが金融サービスであるものとする。また、第１のシステムで利用されるユーザ識別情報が第１のユーザ識別情報であるものとする。第２のシステムがポータルサイトであるものとする。また、第２のシステムで利用されるユーザ識別情報が第２のユーザ識別情報であるものとする。この場合、ユーザは、金融サービスで利用できる第１のユーザ識別情報と、ポータルサイトで利用できる第２のユーザ識別情報とを有する。

また、以下には、第１のシステムが金融サービスであり、第２のシステムがポータルサイトであるものとして例を挙げて説明する。また、以下には、金融サービスで利用される第１のユーザ識別情報が１つであり、ポータルサイトで利用される第２のユーザ識別情報が複数であるものとして例を挙げて説明する。

なお、ここでいうユーザとは、一のユーザ（自然人）、家族、同一又は類似の属性を有する複数のユーザが属するユーザ群又は事業会社等の法人等を含む概念である。また、以下では、ユーザとは、一のユーザを指すものとする。

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、サービスサーバ３０と、情報処理装置１００とを含む。金融サーバ２０、サービスサーバ３０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、複数台のサービスサーバ３０や、複数台の情報処理装置１００が含まれてもよい。

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、ユーザの登録情報や、ユーザの与信に関する情報を提供する。

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。

実施形態に係るサービスサーバ３０は、ユーザに各種サービスを提供するサーバ装置である。例えば、サービスサーバ３０は、ユーザからログインを受け付けた場合に、ユーザ向けにカスタマイズされたポータルサイトを提供するポータルサービスを提供する。また、例えば、サービスサーバ３０は、検索サービスや、ショッピングサービスや、オークションサービスや、情報提供サービス（例えば、地図情報サービスや、ナビゲーションサービスや、ニュースサービスや、天気予報サービス）や、タスク設定やスケジュールを登録するカレンダーサービス等の各種サービスを提供してもよい。

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、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。そして、情報処理装置１００は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。

ここでいうユーザ情報とは、例えば、ユーザの氏名、ユーザの年齢、ユーザの性別、ユーザの電話番号、ユーザの住所、ユーザのメールアドレス、ユーザの年収、ユーザの婚姻履歴、ユーザの倒産履歴、ユーザの体重又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を閲覧した回数である閲覧回数等である。

また、ここでいうユーザ情報とは、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又はユーザの収入金額等である。なお、以下には、情報処理装置１００が、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。

なお、情報処理装置１００は、第１のシステムで利用される第１のユーザ識別情報と、第２のシステムで利用される第２のユーザ識別情報とが同一のユーザによって利用されているか否かを、各ユーザ識別情報に対応付けられて登録される住所、電話番号又はメールアドレス等によって同一ユーザであるものと判定する。

また、情報処理装置１００は、第１のシステムで利用される第１のユーザ識別情報と、第２のシステムで利用される第２のユーザ識別情報とが同一のユーザによって利用されているか否かを、サービスを利用した際のクッキー（Cookie）情報や、端末固有の端末ＩＤ等によって同一ユーザであるものと判定する。

また、以下では、金融サービスで利用される第１のユーザ識別情報と、ポータルサイトで利用される複数の第２のユーザ識別情報とが同一のユーザによって利用されているものとして例を挙げて説明する。

以下、図１を用いて、情報処理装置１００による生成処理の一例を流れに沿って説明する。

まず、図１に示すように、情報処理装置１００は、ユーザ識別情報とユーザ情報とを金融サーバ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、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、倒産履歴、ユーザの信用スコアを金融サーバ２０から取得する。

続いて、情報処理装置１００は、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とを取得する（ステップＳ２）。例えば、図１の例では、情報処理装置１００は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、閲覧回数をサービスサーバ３０から取得する。

そして、情報処理装置１００は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する（ステップＳ３）。具体的には、情報処理装置１００は、第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報を集約した集約ユーザ情報との組み合わせを、第２のユーザ識別情報が示すユーザに対応する学習データとして生成する。

ここで、図２を用いて学習データを生成する生成処理について説明する。図２は、実施形態に係る情報処理装置１００が実行する学習データを生成する生成処理の一例を示す図である。表ＴＢ１は、第１のユーザ識別情報と複数の第２のユーザ識別情報との関係性を示す表である。例えば、図２に示すように、第１のユーザ識別情報は、「Ｕ１」により特定されるユーザである。また、具体的には、第１のユーザ識別情報Ｕ１に対応するユーザ情報は、性別、婚姻歴、倒産履歴、信用スコアである。

また、例えば、第１のユーザ識別情報Ｕ１に対応する性別は、スコア１が男性を示し、スコア０が女性を示す。例えば、第１のユーザ識別情報Ｕ１に対応する性別のスコア「１」であるため、男性であることを示す。

また、例えば、第１のユーザ識別情報Ｕ１に対応する婚姻歴は、スコア１が婚姻歴有を示し、スコア０が婚姻歴無を示す。例えば、第１のユーザ識別情報Ｕ１に対応する婚姻歴のスコア「１」であるため、婚姻歴有であることを示す。

また、例えば、第１のユーザ識別情報Ｕ１に対応する倒産履歴は、スコア１が倒産履歴有を示し、スコア０が倒産履歴無を示す。例えば、第１のユーザ識別情報Ｕ１に対応する倒産履歴のスコア「０」であるため、倒産履歴無であることを示す。また、例えば、第１のユーザ識別情報Ｕ１に対応する信用スコアは、「０．９」である。

また、例えば、図２に示すように、第２のユーザ識別情報は、「Ｂ１」により特定されるユーザである。また、第２のユーザ識別情報Ｂ１に対応するユーザ情報は、性別、婚姻歴、コンテンツの閲覧回数である。

また、例えば、第２のユーザ識別情報Ｂ１に対応する性別は、スコア１が男性を示し、スコア０が女性を示す。例えば、第２のユーザ識別情報Ｂ１に対応する性別のスコア「１」であるため、男性であることを示す。

また、例えば、第２のユーザ識別情報Ｂ１に対応する婚姻歴は、スコア１が婚姻歴有を示し、スコア０が婚姻歴無を示す。例えば、第２のユーザ識別情報Ｂ１に対応する婚姻歴のスコア「１」であるため、婚姻歴有であることを示す。また、例えば、第２のユーザ識別情報Ｂ１に対応する閲覧回数は、「２０」である。

また、図２に示すように、第２のユーザ識別情報は、「Ｂ２」により特定されるユーザである。また、具体的には、第２のユーザ識別情報Ｂ２に対応するユーザ情報は、性別、婚姻歴、コンテンツの閲覧回数である。

また、例えば、第２のユーザ識別情報Ｂ２に対応する性別は、スコア１が男性を示し、スコア０が女性を示す。例えば、第２のユーザ識別情報Ｂ２に対応する性別のスコア「０」であるため、女性であることを示す。

また、例えば、第２のユーザ識別情報Ｂ２に対応する婚姻歴は、スコア１が婚姻歴有を示し、スコア０が婚姻歴無を示す。例えば、第２のユーザ識別情報Ｂ２に対応する婚姻歴のスコア「１」であるため、婚姻歴有であることを示す。また、例えば、第２のユーザ識別情報Ｂ２に対応する閲覧回数は、「１０」である。

また、図２に示すように、第２のユーザ識別情報は、「Ｂ３」により特定されるユーザである。また、具体的には、第２のユーザ識別情報Ｂ３に対応するユーザ情報は、性別、婚姻歴、コンテンツの閲覧回数である。

また、例えば、第２のユーザ識別情報Ｂ３に対応する性別は、スコア１が男性を示し、スコア０が女性を示す。例えば、第２のユーザ識別情報Ｂ３に対応する性別のスコア「１」であるため、男性であることを示す。

また、例えば、第２のユーザ識別情報Ｂ３に対応する婚姻歴は、スコア１が婚姻歴有を示し、スコア０が婚姻歴無を示す。例えば、第２のユーザ識別情報Ｂ３に対応する婚姻歴のスコア「１」であるため、婚姻歴有であることを示す。また、例えば、第２のユーザ識別情報Ｂ３に対応する閲覧回数は、「２０」である。

図２の例では、情報処理装置１００は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。より具体的には、情報処理装置１００は、複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成する。

例えば、性別、婚姻歴及び倒産履歴は、個数が多いものをユーザ情報とするものとする。また、閲覧回数は、ユーザ識別情報毎の閲覧回数の総和をユーザ情報とするものとする。この場合、図２の例では、情報処理装置１００は、第２のユーザ識別情報に対応するユーザ情報では、男性が多いため、性別が男性であるとする。

また、情報処理装置１００は、第２のユーザ識別情報に対応するユーザ情報では、婚姻歴有が多いので、婚姻歴が有であるとする。また、情報処理装置１００は、第２のユーザ識別情報に対応するユーザ情報では、閲覧回数の総和である「５０」を閲覧回数とする。このように、情報処置装置１００は、第１のユーザ識別情報に対応する第１のユーザ情報と、第２のユーザ識別情報に対応する第２のユーザ情報を集約した集約ユーザ情報との組み合わせである表ＴＢ２を学習データとして生成する。

図１に戻り、実施形態に係る生成処理の一例を説明する。情報処理装置１００は、所定のユーザの信用スコアと、所定のユーザの学習データとに基づいて、学習モデルＭ１を生成する（ステップＳ４）。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、所定のユーザの学習データとに基づいて、学習モデルＭ１を生成する。

また、上記処理の例に限られず、具体的には、情報処理装置１００は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた正例の数に基づいて、正例に対応する学習データを生成する。また、具体的には、情報処理装置１００は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた負例の数に基づいて、負例に対応する学習データを生成する。

例えば、情報処理装置１００は、正例に対応する学習データを信用スコアが「１．０」と学習する。また、情報処理装置１００は、負例に対応する学習データを信用スコアが「０．０」と学習する。

そして、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学習データ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。

そして、情報処理装置１００は、第１のユーザ識別情報「Ｕ１００」により特定されるユーザ（以下では、第１のユーザ識別情報「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）の信用スコアの取得要求を金融サーバ２０から受け付ける（ステップＳ５）。

続いて、情報処理装置１００は、ユーザＵ１００のユーザ識別情報とユーザ情報とを金融サーバ２０から取得する（ステップＳ６）。例えば、図１の例では、情報処理装置１００は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、倒産履歴を金融サーバ２０から取得する。

そして、情報処理装置１００は、ユーザＵ１００の複数のユーザ識別情報と複数のユーザ識別情報のそれぞれに対応するユーザ情報とを取得する（ステップＳ７）。例えば、図１の例では、情報処理装置１００は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、閲覧回数をサービスサーバ３０から取得する。

続いて、情報処理装置１００は、ユーザＵ１００に対応する学習データＲＣ１を生成する（ステップＳ８）。例えば、情報処理装置１００は、図２に示した学習データ生成処理に基づいて、学習データＲＣ１を生成する。

続いて、情報処理装置１００は、学習モデルＭ１にユーザＵ１００に対応する学習データＲＣ１を入力することで、ユーザＵ１００の信用スコアを推定する（ステップＳ９）。例えば、図１の例では、情報処理装置１００は、ユーザＵ１００に対応する学習データＲＣ１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。そして、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Ｓ１０）。

このように、実施形態に係る情報処理装置１００は、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。そして、情報処理装置１００は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。これにより、実施形態に係る情報処理装置１００は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成するため、複数の情報を効率的に利用することができる。

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、第１のユーザ識別情報に対応するユーザ情報と、複数の第２のユーザ識別情報に対応するユーザ情報を集約した集約ユーザ情報との組み合わせに基づいて、学習データを生成する。これにより、情報処理装置１００は、同一ユーザによって利用される第１のユーザ識別情報に対応するユーザ情報と、第２のユーザ識別情報に対応するユーザ情報とを対応付けて処理することができる。このように、情報処理装置１００は、重複した学習データを学習する必要が無くなり、効率的に学習モデルを生成することができる。

また、情報処理装置１００は、各ユーザに適切にユーザ情報を関連付けて学習モデルを生成することができるため、高精度な信用スコアを出力することができる学習モデルを生成することができる。また、情報処理装置１００は、複数のユーザ識別情報に対応付いた大量のユーザ情報を学習することができるため、高精度な信用スコアを出力することができる学習モデルを生成することができる。また、情報処理装置１００は、重複した学習データを学習することがなくなるため、データの偏りの影響を低減した学習モデルを生成することができる。したがって、情報処理装置１００は、ユーザに対して適切なスコアを付与することができるため、ユーザの信用スコアを高精度に推定することができる。

〔２．情報処理装置の構成〕
次に、図３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３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３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。

（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とサービスサーバ３０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。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。

（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４に、実施形態に係る信用スコア記憶部１２２の一例を示す。図４に示した例では、信用スコア記憶部１２２は、「第２のユーザ識別情報」、「信用スコア」といった項目を有する。

「第２のユーザ識別情報」は、ユーザを識別する識別子である。「信用スコア」は、「第１のユーザ識別情報」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４では、第２のユーザ識別情報によって識別された「ＢＣ１」は、信用スコアが「０．７」である。

（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。

図３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、学習部１３４と、推定部１３５と、送信部１３６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、各種情報を取得する。具体的には、取得部１３１は、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。例えば、図１の例では、取得部１３１は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、倒産履歴、ユーザの信用スコアを金融サーバ２０から取得する。また、例えば、図１の例では、取得部１３１は、ユーザ情報として、ユーザの性別、ユーザの婚姻歴、閲覧回数をサービスサーバ３０から取得する。

（受付部１３２について）
受付部１３１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取得要求を金融サーバ２０から受け付ける。例えば、図１の例では、受付部１３１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。

（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複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。具体的には、生成部１３３は、第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報を集約した集約ユーザ情報との組み合わせを、第２のユーザ識別情報が示すユーザに対応する学習データとして生成する。

より具体的には、生成部１３３は、取得部１３１によって取得された複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成する。例えば、性別、婚姻歴及び倒産履歴は、個数が多いものをユーザ情報とするものとする。また、閲覧回数は、ユーザ識別情報毎の閲覧回数の総和をユーザ情報とするものとする。この場合、図２の例では、生成部１３３は、第２のユーザ識別情報に対応するユーザ情報では、男性が多いため、性別が男性であるとする。

また、生成部１３３は、第２のユーザ識別情報に対応するユーザ情報では、婚姻歴有が多いので、婚姻歴が有であるとする。また、生成部１３３は、第２のユーザ識別情報に対応するユーザ情報では、閲覧回数の総和である「５０」を閲覧回数とする。このように、生成部１３３は、第１のユーザ識別情報に対応する第１のユーザ情報と、第２のユーザ識別情報に対応する第２のユーザ情報を集約した集約ユーザ情報との組み合わせである表ＴＢ２を学習データとして生成する。

（学習部１３４について）
学習部１３４は、所定のユーザの与信に関する情報と、所定のユーザの学習データとに基づいて、学習モデルＭ１を生成する。例えば、図１の例では、学習部１３４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、所定のユーザの学習データとに基づいて、学習モデルＭ１を生成する。

また、例えば、学習部１３４は、正例に対応する学習データを信用スコアが「１．０」と学習する。また、学習部１３４は、負例に対応する学習データを信用スコアが「０．０」と学習する。

（推定部１３５について）
推定部１３５は、取得部１３１によって取得された所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する。

例えば、図１の例では、推定部１３５は、学習モデルＭ１にユーザＵ１００に対応する学習データＲＣ１を入力することで、ユーザＵ１００の信用スコアを推定する。例えば、図１の例では、推定部１３５は、ユーザＵ１００に対応する学習データＲＣ１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１３５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１３５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。

（送信部１３６について）
送信部１３６は、各種情報を送信する。具体的には、送信部１３６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１３６は、ユーザＵ１００の信用スコアを金融サーバ２０に送信する。

〔３．処理手順（１）学習モデルを生成〕
次に、図５を用いて、実施形態に係る情報処理装置１００が実行する学習モデルの生成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１００が実行する学習モデルの生成処理の流れの一例を示すフローチャートである。

図５に示すように、取得部１３１は、ユーザ識別情報とユーザ情報とを金融サーバ２０から取得する（ステップＳ１０１）。そして、取得部１３１は、ユーザ識別情報とユーザ情報とを取得していない場合（ステップＳ１０１；Ｎｏ）、ユーザ識別情報とユーザ情報とを金融サーバ２０から取得するまで待機する。

一方、取得部１３１は、ユーザ識別情報とユーザ情報とを金融サーバ２０から取得した場合（ステップＳ１０１；Ｙｅｓ）、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ３０から取得する（ステップＳ１０２）。そして、生成部１３３は、取得部１３１が複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とを取得していない場合（ステップＳ１０２；Ｎｏ）、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ３０からから取得するまで待機する。

一方、生成部１３３は、取得部１３１が複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ３０からから取得した場合（ステップＳ１０２；Ｙｅｓ）、複数のユーザ情報を集約することで、複数のユーザ識別情報が示す所定のユーザに対応する学習データを生成する（ステップＳ１０３）。

例えば、性別、婚姻歴及び倒産履歴は、個数が多いものをユーザ情報とするものとする。また、閲覧回数は、ユーザ識別情報毎の閲覧回数の総和をユーザ情報とするものとする。この場合、図２の例では、生成部１３３は、第２のユーザ識別情報に対応するユーザ情報では、男性が多いため、性別が男性であるとする。

また、生成部１３３は、第２のユーザ識別情報に対応するユーザ情報では、婚姻歴有が多いので、婚姻歴が有であるとする。また、生成部１３３は、第２のユーザ識別情報に対応するユーザ情報では、閲覧回数の総和である「５０」を閲覧回数とする。このように、生成部１３３は、第１のユーザ識別情報に対応する第１のユーザ情報と、第２のユーザ識別情報に対応する第２のユーザ情報を集約した集約ユーザ情報との組み合わせである表ＴＢ２を学習データとして生成する。

そして、学習部１３４は、所定のユーザに対応する学習データと、所定のユーザの信用スコアとの組み合わせに基づいて、学習モデルを生成する（ステップＳ１０４）。例えば、図１の例では、学習部１３４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、所定のユーザの学習データとに基づいて、学習モデルＭ１を生成する。

また、例えば、学習部１３４は、正例に対応する学習データを信用スコアが「１．０」と学習する。また、学習部１３４は、負例に対応する学習データを信用スコアが「０．０」と学習する。

〔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１００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。

図５に示すように、受付部１３２は、ユーザＵ１００の信用スコアの取得要求を受け付ける（ステップＳ２０１）。そして、取得部１３１は、受付部１３１がユーザの信用スコアの取得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取得要求を受け付けるまで待機する。

一方、取得部１３１は、受付部１３１がユーザの信用スコアの取得要求を受け付けた場合（ステップＳ２０１；Ｙｅｓ）、ユーザＵ１００のユーザ識別情報と、ユーザ情報とを金融サーバ２０から取得する（ステップＳ２０２）。そして、取得部１３１は、ユーザＵ１００のユーザ識別情報と、ユーザ情報とを金融サーバ２０から取得していない場合（ステップＳ２０２；Ｎｏ）、ユーザＵ１００のユーザ識別情報と、ユーザ情報とを金融サーバ２０から取得するまで待機する。

一方、取得部１３１は、ユーザＵ１００のユーザ識別情報と、ユーザ情報とを金融サーバ２０から取得した場合（ステップＳ２０２；Ｙｅｓ）、ユーザＵ１００の複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ３０から取得する（ステップＳ２０３）。そして、生成部１３３は、取得部１３１がユーザＵ１００の複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ３０から取得していない場合（ステップＳ２０３；Ｎｏ）、ユーザＵ１００の複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ３０から取得するまで待機する。

一方、生成部１３３は、取得部１３１がユーザＵ１００の複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報とをサービスサーバ３０から取得した場合（ステップＳ２０３；Ｙｅｓ）、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザＵ１００に対応する学習データを生成する（ステップＳ２０４）。

そして、推定部１３５は、生成部１３３によって生成された学習データを、学習モデルに入力することで、ユーザの信用スコアを推定する（ステップＳ２０５）。例えば、図１の例では、推定部１３５は、学習モデルＭ１にユーザＵ１００に対応する学習データＲＣ１を入力することで、ユーザＵ１００の信用スコアを推定する。

例えば、図１の例では、推定部１３５は、ユーザＵ１００に対応する学習データＲＣ１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１３５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、送信部１３６は、推定部１３５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Ｓ２０６）。例えば、図１の例では、送信部１３６は、ユーザＵ１００の信用スコアを金融サーバ２０に送信する。

〔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。

〔５−１．異なるサービス及びシステム〕
上記実施形態では、ユーザが有する複数のユーザ識別情報が第１のシステムが金融サービスであり、第２のシステムがポータルサイトであるものとして例を挙げて説明したが、上記実施形態に限定されない。

例えば、ユーザが有する複数のユーザ識別情報は、ゲームサイトで利用される第１のユーザ識別情報であり、ポータルサイトで利用される第２のユーザ識別情報であってもよい。また、例えば、ユーザが有する複数のユーザ識別情報は、インターネットショッピングサイトで利用される第１のユーザ識別情報であり、ポータルサイトで利用される第２のユーザ識別情報であってもよい。また、例えば、ユーザが有する複数のユーザ識別情報は、インターネットショッピングサイトで利用される第１のユーザ識別情報であり、旅行予約サイトで利用される第２のユーザ識別情報であってもよい。

〔５−２．ユーザ識別情報〕
上記実施形態では、ユーザが有する複数のユーザ識別情報が金融サービスで利用される第１のユーザ識別情報が１つであり、ポータルサイトで利用される第２のユーザ識別情報が複数であるものとして例を挙げて説明したが、上記実施形態に限定されない。

例えば、ユーザが有する複数のユーザ識別情報は、金融サービスで利用される第１のユーザ識別情報が複数であり、ポータルサイトで利用される第２のユーザ識別情報が１つであってもよい。また、例えば、ユーザが有する複数のユーザ識別情報は、金融サービスで利用される第１のユーザ識別情報が複数であり、ポータルサイトで利用される第２のユーザ識別情報が複数であってもよい。

〔５−３．ユーザ情報（１）〕
上記実施形態では、情報処理装置１００の生成部１３３が性別及び婚姻歴の個数が多いものをユーザ情報とするものとした例と、生成部１３３がユーザ識別情報毎の閲覧回数の総和をユーザ情報とするものとした例とを説明したが、上記実施形態に限定されない。

例えば、婚姻歴を高精度に予測する場合であるものとする。この場合、生成部１３３は、婚姻歴が１つでも無があった場合に、婚姻歴を無と判定してもよい。また、例えば、生成部１３３は、閲覧回数として、各閲覧回数の統計値（例えば、平均値等）や、最大値又は最小値であってもよい。また、例えば、生成部１３３は、１０回刻みとして、各閲覧回数の統計量（例えば、平均値等）や、最大値又は最小値等を閲覧回数としてもよい。

また、具体的には、取得部１３１は、複数のユーザ識別情報のそれぞれに対応するユーザ情報として、複数の項目に対応する情報を含むユーザ情報を取得し、生成部１３３は、項目毎に、項目に対応する情報を集約することで、学習データを生成する。より具体的には、生成部１３３は、項目毎に、項目に対応する情報を集約することで、学習データを生成してもよい。例えば、性別の例では、生成部１３３が性別の数に基づいて集約した集約ユーザ情報から学習データを生成した場合、本来の性別ではない可能性がある。この場合、生成部１３３は、男性の場合の学習データと、女性の場合の学習データとをそれぞれ生成してもよい。

〔５−４．ユーザ情報（２）〕
上記実施形態では、情報処理装置１００の取得部１３１がユーザ情報として、性別、婚姻歴、倒産履歴又は閲覧回数を取得する取得処理の一例を説明したが、上記取得処理に限定されない。具体的には、取得部１３１は、ユーザの年齢を取得してもよい。そして、生成部１３３は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成してもよい。また、以下では、複数の第２のユーザ情報を集約することで学習データを生成する例を挙げて説明する。

例えば、ユーザの年齢のカテゴリが２０歳未満、２０〜３０歳代、４０〜５０歳代、６０歳以上であるものとする。また、ユーザの年齢のカテゴリの個数が多いものをユーザ情報とするものとする。この場合、図７の例では、生成部１３３は、２０〜３０歳代の個数が多いため、ユーザの年齢を２０〜３０歳代であるものとする。

例えば、ユーザの年齢のカテゴリが２０歳未満、２０〜３０歳代、４０〜５０歳代、６０歳以上であるものとする。また、中間値をユーザ情報とするものとする。この場合、図７の例では、生成部１３３は、２０〜３０歳代と、４０〜５０歳代と、６０歳以上とにデータがあるため、中間値である４０〜５０歳代をユーザの年齢であるものとする。

例えば、ユーザの年齢のカテゴリが２０歳未満、２０〜３０歳代、４０〜５０歳代、６０歳以上であるものとする。また、平均値をユーザ情報とするものとする。また、２０歳未満のスコアが１であり、２０〜３０歳代のスコアが２であり、４０〜５０歳代のスコアが３であり、６０歳以上のスコアが４であるものとする。この場合、図７の例では、生成部１３３は、２０〜３０歳代と、４０〜５０歳代と、６０歳以上とにデータがあるため、平均値を（２×２＋３×１＋４×１）／４＝２．７５と算出する。このとき、生成部１３３は、平均値を四捨五入して整数にすることで、平均値を３と算出する。このことから、生成部１３３は、４０〜５０歳代をユーザの年齢であるものとする。

例えば、ユーザの年齢のカテゴリが２０歳未満、２０〜３０歳代、４０〜５０歳代、６０歳以上であるものとする。また、重みを考慮した平均値をユーザ情報とするものとする。また、２０歳未満のスコアが１であり、２０〜３０歳代のスコアが２であり、４０〜５０歳代のスコアが３であり、６０歳以上のスコアが４であるものとする。また、４０〜５０歳代と、６０歳以上との重みを０．５であるものとする。この場合、図７の例では、生成部１３３は、２０〜３０歳代と、４０〜５０歳代と、６０歳以上とにデータがあるため、重み付き平均値を（２×２＋３×１×０．５＋４×１×０．５）／４＝２．５と算出する。このとき、生成部１３３は、平均値を四捨五入して整数にすることで、平均値を３と算出する。このことから、生成部１３３は、４０〜５０歳代をユーザの年齢であるものとする。

〔５−５．ユーザ情報の更新日時を考慮する場合〕
上記実施形態では、情報処理装置１００の生成部１３３が複数のユーザ識別情報毎に対応するユーザ情報を集約したユーザ情報に基づいて、学習データ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、複数のユーザ情報のそれぞれに対応する更新日時に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成してもよい。また、以下では、複数の第２のユーザ情報を集約することで学習データを生成する例を挙げて説明する。

より具体的には、生成部１３３は、複数のユーザ情報のそれぞれに対応するスコアと、複数のユーザ情報のそれぞれに対応する更新日時から算出される重みとに基づいて集約されるユーザ情報から学習データとして生成してもよい。

例えば、図８の例では、スコアとともに更新された日時が表ＴＢ４に記憶されるものとする。また、更新日時の１月、２月、３月・・・を重み「１」、「２」、「３」・・・とするものとする。この場合、図８の例では、生成部１３３は、ユーザ情報１の重み付き平均値を（０×６＋１×１２＋１×１０）／（６＋１２＋１０）＝０．５８と算出する。このとき、生成部１３３は、ユーザ情報１のスコアを四捨五入して整数にすることで、１と算出する。また、生成部１３３は、ユーザ情報２の重み付き平均値を（０×６＋０×５＋０×１２）／（６＋５＋１２）＝０と算出する。

また、生成部１３３は、ユーザ情報３の重み付き平均値を（１×６＋０×６＋０×７）／（６＋６＋７）＝０．３２と算出する。このとき、生成部１３３は、ユーザ情報３のスコアを四捨五入して整数にすることで、０と算出する。また、生成部１３３は、ユーザ情報４の重み付き平均値を（１×６＋１×７＋０×１２）／（６＋７＋１２）＝０．５２と算出する。このとき、生成部１３３は、ユーザ情報４のスコアを四捨五入して整数にすることで、１と算出する。このように、生成部１３３は、スコアを集約することで、学習データを生成してもよい。

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、複数のユーザ情報のいずれかのユーザ情報の更新日時に基づいて、複数のユーザ情報を集約したユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。

なお、図８の例では、更新日時を月としたが、年、日、時、分、秒又はこれらの組み合わせであってもよい。また、上記例では、生成部１３３が表ＴＢ４を基づいて学習データを生成する例を挙げたが、上記例に限定されなくともよい。例えば、生成部１３３は、最も直近の更新日時のスコアを採用して学習データを生成してもよい。

〔５−６．ユーザ情報の推定精度を考慮する場合〕
上記実施形態では、情報処理装置１００の生成部１３３が複数のユーザ識別情報毎に対応するユーザ情報を集約したユーザ情報に基づいて、学習データ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、取得部１３１によって取得された複数のユーザ情報のそれぞれに対応する推定精度に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成してもよい。また、以下では、複数の第２のユーザ情報を集約することで学習データを生成する例を挙げて説明する。

より具体的には、生成部１３３は、複数のユーザ情報のそれぞれに対応するスコアと、複数のユーザ情報のそれぞれに対応するスコアの推定精度から算出される重みとに基づいて集約されるユーザ情報から学習データとして生成してもよい。
してもよい。

例えば、図９の例では、ユーザ情報を示すスコアとともにスコアの推定精度が表ＴＢ５に記憶されるものとする。この場合、図９の例では、生成部１３３は、ユーザ情報１の重み付き平均値を（０×０．７＋１×０．８＋１×０．６）／（０．７＋０．８＋０．６）＝０．６６と算出する。このとき、生成部１３３は、ユーザ情報１のスコアを四捨五入して整数にすることで、１と算出する。また、生成部１３３は、ユーザ情報２の重み付き平均値を（０×０．５＋０×０．５＋０×０．６）／（０．５＋０．５＋０．６）＝０と算出する。

また、生成部１３３は、ユーザ情報３の重み付き平均値を（１×１＋０×０．９＋０×０．７）／（１＋０．９＋０．７）＝０．３８と算出する。このとき、生成部１３３は、ユーザ情報３のスコアを四捨五入して整数にすることで、０と算出する。また、生成部１３３は、ユーザ情報４の重み付き平均値を（１×０．５＋１×０．８＋０×０．７）／（０．５＋０．８＋０．７）＝０．６５と算出する。このとき、生成部１３３は、ユーザ情報４のスコアを四捨五入して整数にすることで、１と算出する。このように、生成部１３３は、スコアを集約することで、学習データを生成してもよい。

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、複数のユーザ情報のいずれかのユーザ情報に関する推定精度に基づいて、複数のユーザ情報を集約したユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。

なお、上記例では、生成部１３３が表ＴＢ５を基づいて学習データを生成する例を挙げたが、上記例に限定されなくともよい。例えば、生成部１３３は、最も推定精度が高いスコアを採用して学習データを生成してもよい。

〔５−７．その他の学習データ〕
上記実施形態では、情報処理装置１００の生成部１３３が、正解データが正例又は負例の２値に分類される学習データを集約する例を示したが、正解データが３値以上の複数の値を取り得る学習データを集約してもよい。具体的には、生成部１３３は、正解データであるユーザ情報であって、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成してもよい。例えば、生成部１３３は、正解データとして収入金額に関する情報を含むユーザ情報であって、複数のユーザ情報のうち、同一である収入金額の数に基づいて集約した集約ユーザ情報から学習データを生成してもよい。

例えば、ユーザ情報にはユーザ性別、婚姻歴、倒産履歴、収入金額が含まれるものとする。また、ユーザＡに対応するユーザ情報がユーザ情報Ａであるものとする。また、ユーザＢに対応するユーザ情報がユーザ情報Ｂであるものとする。また、ユーザＣに対応するユーザ情報がユーザ情報Ｃであるものとする。また、ユーザ情報Ａに含まれる収入金額が「２５万円」であるものとする。また、ユーザ情報Ｂに含まれる収入金額が「２０万円」であるものとする。また、ユーザ情報Ｃに含まれる収入金額が「２５万円」であるものとする。この場合、生成部１３３は、収入金額「２５万円」の数が多いため、集約ユーザ情報に含まれる収入金額が「２５万円」であるものとして学習データを生成してもよい。

また、上記例では、生成部１３３が同一である収入金額の数に基づいて集約した集約ユーザ情報から学習データを生成する例を挙げたが、上記生成処理に限定されない。例えば、生成部１３３は、複数のユーザ情報のそれぞれに含まれる収入金額の平均値に基づいて集約した集約ユーザ情報から学習データを生成してもよい。また、例えば、生成部１３３は、複数のユーザ情報のそれぞれに含まれる収入金額のうち、最大値に基づいて集約した集約ユーザ情報から学習データを生成してもよい。また、例えば、生成部１３３は、複数のユーザ情報のそれぞれに含まれる収入金額のうち、最小値に基づいて集約した集約ユーザ情報から学習データを生成してもよい。

これにより、実施形態に係る情報処理装置１００の学習部１３４は、複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。

なお、上記処理例では、生成部１３３が正解データであるユーザ情報であって、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成する例を示したが、上記処理に限定されなくともよい。具体的には、生成部１３３は、複数のユーザ情報のそれぞれに対応付けられたクラスを集約することで、各クラスに対応する学習データを生成してもよい。より具体的には、生成部１３３は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられたクラスのうち、同一であるクラスの数に基づいて、各クラスに対応する学習データを生成してもよい。

例えば、ユーザ情報Ａ〜Ｄは、父、母、子の３人によって構成される家族に対応するユーザ情報であるものとする。また、ユーザ情報Ａに対応するクラスが「０」であるものとする。ここで、クラス「０」は父を示す。また、ユーザ情報Ｂに対応するクラスが「０」であるものとする。また、ユーザ情報Ｃに対応するクラスが「１」であるものとする。ここで、クラス「１」は母を示す。また、ユーザ情報Ｄに対応するクラスが「２」であるものとする。ここで、クラス「２」は子を示す。また、同一のクラスの個数が多いものを集約ユーザ情報に対応するクラスとするものとする。この場合、生成部１３３は、ユーザ情報Ａ〜Ｄのうち、クラス「０」の個数が多いため、ユーザ情報Ａ〜Ｄを集約した集約ユーザ情報に対応するクラスが「０」であるとして学習データを生成する。また、上記例のユーザ情報とクラスの対応付けは、例えば、ナイーブベイズ等の従来技術による多クラス分類等によって実現される。

〔５−８．正例又は負例〕
上記実施形態では、情報処理装置１００の学習部１３４が第１のユーザ識別情報と第２のユーザ識別情報との組み合わせに対応付いた正例又は負例の数が多い場合に、第１のユーザ識別情報と第２のユーザ識別情報との組み合わせに対応する学習データを正例又は負例として学習する学習処理の一例を説明したが、上記学習処理に限定されない。

例えば、学習部１３４は、特徴的な組み合わせであって、第１のユーザ識別情報と第２のユーザ識別情報との組み合わせに対応付いた正例又は負例に基づいて、第１のユーザ識別情報と第２のユーザ識別情報との組み合わせに対応する学習データを正例又は負例として学習してもよい。

また、例えば、学習部１３４は、ユーザ情報の更新情報又はユーザ情報の推定精度を考慮した正例又は負例であって、第１のユーザ識別情報と第２のユーザ識別情報との組み合わせに対応付いた正例又は負例に基づいて、第１のユーザ識別情報と第２のユーザ識別情報との組み合わせに対応する学習データを正例又は負例として学習してもよい。

〔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、サービスサーバ３０及び情報処理装置１００は、例えば図１０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１０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。

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。

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。

〔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。

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。

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。

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、生成部は、生成手段や生成回路に読み替えることができる。

〔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、生成部１３３とを有する。取得部１３１は、所定の条件を満たす複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。生成部１３３は、取得部１３１によって取得された複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成する。

これにより、実施形態に係る情報処理装置１００は、複数のユーザ情報を集約することで、複数のユーザ識別情報が示すユーザに対応する学習データを生成するため、複数の情報を効率的に利用することができる。

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、第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報とを取得し、生成部１３３は、取得部１３１によって取得された第１のユーザ情報と、複数の第２のユーザ情報を集約した集約ユーザ情報との組み合わせを、第２のユーザ識別情報が示すユーザに対応する学習データとして生成する。

これにより、実施形態に係る情報処理装置１００は、第１のユーザ情報と、複数の第２のユーザ情報を集約した集約ユーザ情報との組み合わせを、第２のユーザ識別情報が示すユーザに対応する学習データとして生成するため、複数の情報を効率的に利用することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、生成部１３３は、取得部１３１によって取得された複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成する。

これにより、実施形態に係る情報処理装置１００は、複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、取得部１３１によって取得された複数のユーザ情報のそれぞれに対応する更新日時に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成する。

これにより、実施形態に係る情報処理装置１００は、複数のユーザ情報のそれぞれに対応する更新日時に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、取得部１３１によって取得された複数のユーザ情報のそれぞれに対応する推定精度に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成する。

これにより、実施形態に係る情報処理装置１００は、複数のユーザ情報のそれぞれに対応する推定精度に基づいて、複数のユーザ情報を集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、取得部１３１によって取得された複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた正例の数に基づいて、正例に対応する学習データを生成する。

これにより、実施形態に係る情報処理装置１００は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた正例の数に基づいて、正例に対応する学習データを生成するため、複数の情報を効率的に利用することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、取得部１３１によって取得された複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた負例の数に基づいて、負例に対応する学習データを生成する。

これにより、実施形態に係る情報処理装置１００は、複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた負例の数に基づいて、負例に対応する学習データを生成するため、複数の情報を効率的に利用することができる。

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、複数のユーザ識別情報のそれぞれに対応するユーザ情報として、複数の項目に対応する情報を含むユーザ情報を取得し、生成部１３３は、項目毎に、項目に対応する情報を集約することで、学習データを生成する。

これにより、実施形態に係る情報処理装置１００は、項目毎に、項目に対応する情報を集約することで、学習データを生成するため、複数の情報を効率的に利用することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、取得部１３１によって取得された複数の項目のうち、特定の項目に対応する情報が同一であるユーザ情報毎に集約した集約ユーザ情報から学習データを生成する。

これにより、実施形態に係る情報処理装置１００は、複数の項目のうち、特定の項目に対応する情報が同一であるユーザ情報毎に集約した集約ユーザ情報から学習データを生成するため、複数の情報を効率的に利用することができる。

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、所定の条件として、複数のユーザ識別情報が示すユーザが同一ユーザ、同一又は類似の属性を有する複数のユーザが属するユーザ群、家族又は事業会社である条件を満たす場合に、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。

これにより、実施形態に係る情報処理装置１００は、所定の条件として、複数のユーザ識別情報が示すユーザが同一ユーザ、同一又は類似の属性を有する複数のユーザが属するユーザ群、家族又は事業会社である条件を満たす場合に、複数のユーザ識別情報と、複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得するため、複数の情報を効率的に利用することができる。

また、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１３５とを有する。取得部１３１は、所定の条件を満たす複数のユーザ識別情報と、前記複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する。推定部１３５は、取得部１３１によって取得された複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザの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、複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定するため、複数の情報を効率的に利用することができる。

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。

１ 情報処理システム
２０ 金融サーバ
３０ サービスサーバ
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 学習部
１３５ 推定部
１３６ 送信部

Claims (14)

1. 所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ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複数のユーザ情報を集約することで、前記複数のユーザ識別情報が示すユーザに対応する学習データを生成する生成部と、
   を備え、
   前記取得部は、
   第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報とを取得し、
   前記生成部は、
   前記取得部によって取得された第１のユーザ情報と、前記複数の第２のユーザ情報を集約した集約ユーザ情報との組み合わせを、前記第２のユーザ識別情報が示すユーザに対応する学習データとして生成する、
   ことを特徴とする情報処理装置。
2. 前記生成部は、
   前記取得部によって取得された複数のユーザ情報のうち、同一であるユーザ情報の数に基づいて集約した集約ユーザ情報から前記学習データを生成する、
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記生成部は、
   前記取得部によって取得された複数のユーザ情報のそれぞれに対応する更新日時に基づいて、前記複数のユーザ情報を集約した集約ユーザ情報から前記学習データを生成する、
   ことを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記生成部は、
   前記取得部によって取得された複数のユーザ情報のそれぞれに対応する推定精度に基づいて、前記複数のユーザ情報を集約した集約ユーザ情報から前記学習データを生成する、
   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。
5. 前記生成部は、
   前記取得部によって取得された複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた正例の数に基づいて、正例に対応する前記学習データを生成する、
   ことを特徴とする請求項１〜４のいずれか１つに記載の情報処理装置。
6. 前記生成部は、
   前記取得部によって取得された複数のユーザ識別情報のそれぞれに対応するユーザ情報に対応付けられた負例の数に基づいて、負例に対応する前記学習データを生成する、
   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。
7. 前記取得部は、
   前記複数のユーザ識別情報のそれぞれに対応するユーザ情報として、複数の項目に対応する情報を含むユーザ情報を取得し、
   前記生成部は、
   前記項目毎に、前記項目に対応する情報を集約することで、前記学習データを生成する、
   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。
8. 前記生成部は、
   前記取得部によって取得された複数の項目のうち、特定の項目に対応する情報が同一であるユーザ情報毎に集約した集約ユーザ情報から前記学習データを生成する、
   ことを特徴とする請求項７に記載の情報処理装置。
9. 前記取得部は、
   前記所定の条件として、前記複数のユーザ識別情報が示すユーザが同一ユーザ、同一又は類似の属性を有する複数のユーザが属するユーザ群、家族又は事業会社である条件を満たす場合に、前記複数のユーザ識別情報と、前記複数のユーザ識別情報のそれぞれに対応するユーザ情報を取得する、
   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。
10. 所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ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複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する推定部と、
    を備え、
    前記取得部は、
    第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報とを取得し、
    前記推定部は、
    前記取得部によって取得された第１のユーザ情報と、前記複数の第２のユーザ情報を集約した集約ユーザ情報との組み合わせに基づいて、前記第１のユーザ識別情報が示すユーザに対応するユーザ情報を推定する、
    ことを特徴とする情報処理装置。
11. コンピュータが実行する情報処理方法であって、
    所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ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複数のユーザ情報を集約することで、前記複数のユーザ識別情報が示すユーザに対応する学習データを生成する生成工程と、
    を含み、
    前記取得工程は、
    第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報とを取得し、
    前記生成工程は、
    前記取得工程によって取得された第１のユーザ情報と、前記複数の第２のユーザ情報を集約した集約ユーザ情報との組み合わせを、前記第２のユーザ識別情報が示すユーザに対応する学習データとして生成する、
    ことを特徴とする情報処理方法。
12. 所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ情報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複数のユーザ情報を集約することで、前記複数のユーザ識別情報が示すユーザに対応する学習データを生成する生成手順と、
    をコンピュータに実行させ、
    前記取得手順は、
    第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報とを取得し、
    前記生成手順は、
    前記取得手順によって取得された第１のユーザ情報と、前記複数の第２のユーザ情報を集約した集約ユーザ情報との組み合わせを、前記第２のユーザ識別情報が示すユーザに対応する学習データとして生成する、
    ことを特徴とする情報処理プログラム。
13. コンピュータが実行する情報処理方法であって、
    所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ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複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する推定工程と、
    を含み、
    前記取得工程は、
    第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報とを取得し、
    前記推定工程は、
    前記取得工程によって取得された第１のユーザ情報と、前記複数の第２のユーザ情報を集約した集約ユーザ情報との組み合わせに基づいて、前記第１のユーザ識別情報が示すユーザに対応するユーザ情報を推定する、
    ことを特徴とする情報処理方法。
14. 所定の条件を満たす複数のユーザ識別情報と、当該複数のユーザ識別情報のそれぞれに対応するユーザ情報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複数のユーザ情報を集約した集約ユーザ情報に基づいて、所定のユーザのユーザ情報を推定する推定手順と、
    をコンピュータに実行させ、
    前記取得手順は、
    第１のシステムで利用されるユーザを識別する第１のユーザ識別情報に対応する第１のユーザ情報と、第２のシステムで利用されるユーザを識別する第２のユーザ識別情報であって、所定の条件を満たす複数の第２のユーザ識別情報のそれぞれに対応する第２のユーザ情報とを取得し、
    前記推定手順は、
    前記取得手順によって取得された第１のユーザ情報と、前記複数の第２のユーザ情報を集約した集約ユーザ情報との組み合わせに基づいて、前記第１のユーザ識別情報が示すユーザに対応するユーザ情報を推定する、
    ことを特徴とする情報処理プログラム。

Images