JP6839241B2 - 情報管理システム、情報管理方法及び情報管理プログラム - Google Patents

Description

本発明は、多様なサービスに基づいた情報の名寄せを支援するための情報管理システム、情報管理方法及び情報管理プログラムに関する。

ユーザ情報が重複して管理されている場合、ユーザ情報を取りまとめるために名寄せが行なわれる。例えば、実質同一人が１つの企業体の異なる債権管理システムからそれぞれ融資を受けている場合に名寄せを行なう技術が検討されている（例えば、特許文献１参照）。この文献に記載された技術においては、複数の事業をそれぞれ別システムで展開している企業体の債権を管理する債権管理装置が、複数の事業の各システムに登録された債権管理データを全て取り込み、債権管理データの顧客データ同士を照合して名寄せ判定を行ない、実質同一人単位で登録する名寄せを行なう。

また、名寄せシステムが、個人情報を得ることなしに複数のサービス提供システムそれぞれから匿名化データを取得し、取得した匿名化データについて名寄せするための技術も検討されている（例えば、特許文献２参照）。この文献に記載された技術においては、名寄せシステムが、データの送信を要求する送信要求と当該送信要求毎に異なる値とを複数のサービス提供システムに送信する。複数のサービス提供システムから、データを管理するための識別番号と値とに基づいて生成されたハッシュ値と、識別番号によって特定される匿名化データとのセットを受信する。そして、複数のサービス提供システムから受信した匿名化データのうちから、ハッシュ値によって特定される匿名化データを名寄せする。

特開２０１６−１８１２４９号公報 特開２０１６−１５７４５４号公報

インターネット等を介して、各種サービスサーバから多様なサービスが提供されている。これらのサービスを利用する場合には、各個人の認証や特定を行なった後で、利用者におけるサービス利用状況に関するユーザ情報を記録する。このようなユーザ情報は、各サービスサーバにおいて、別個独立して管理されている。ここで、上記特許文献１に記載されているように、異なるシステムから取得した情報において、共通した項目情報を用いて、名寄せを行なうことも可能である。しかしながら、各システムから取得した情報が、異なる項目により構成されている場合には、名寄せができない。また、特許文献２に記載された技術では、送信要求毎の値を用いなければ名寄せを行なうことができない。

上記課題を解決する情報管理システムは、第１ユーザ情報を記憶した第１サービスサーバと、第２ユーザ情報を記憶した第２サービスサーバとに接続された制御部を備える。そして、前記制御部が、同一人物について、前記第１サービスサーバに記憶された第１ユーザ情報と、前記第２サービスサーバに記憶された第２ユーザ情報とを取得し、前記第１ユーザ情報から第１スコア、前記第２ユーザ情報から第２スコアを算出し、前記第１、第２スコアを教師データとして用いて、同一人物の確からしさを算出するための予測モデルを生成する学習処理と、前記第１、前記第２サービスサーバから第１、第２ユーザ情報を新たに取得した場合、新たに算出した第１スコア及び第２スコアの組み合わせに対して、前記予測モデルを適用し、同一人物の確からしさを予測する予測処理とを実行する。

本発明によれば、多様な情報に基づいた名寄せを支援することができる。

実施形態の情報管理システムの説明図。 実施形態のハードウェア構成例の説明図。 実施形態の情報記憶部の説明図であって、（ａ）はマスタ情報記憶部、（ｂ）は教師情報記憶部、（ｃ）は第１ユーザ情報記憶部、（ｄ）は第２ユーザ情報記憶部、（ｅ）は学習結果記憶部、（ｆ）は提案情報記憶部の説明図。 実施形態の処理手順の説明図であって、（ａ）は処理フロー、（ｂ）は処理に用いるデータの説明図。 実施形態の処理手順の説明図であって、（ａ）は処理フロー、（ｂ）は処理に用いるデータの説明図。 他の実施形態の処理手順の説明図であって、（ａ）は学習時、（ｂ）は名寄時の説明図。

以下、図１〜図５に従って、情報管理システム、情報管理方法及び情報管理プログラムを具体化した一実施形態を説明する。本実施形態では、異なるサービスを提供する複数のサービスサーバから取得したユーザ情報を用いて、名寄せを行なう。そして、名寄せしたユーザの仮想人物像に応じて、取引提案を行なう場合を想定する。
ここでは、図１に示すように、第１サービスサーバ１１、第２サービスサーバ１２、担当者端末１５、管理サーバ２０を用いる。

（ハードウェア構成例）
図２は、第１サービスサーバ１１、第２サービスサーバ１２、担当者端末１５、管理サーバ２０等として機能する情報処理装置Ｈ１０のハードウェア構成例である。

情報処理装置Ｈ１０は、通信装置Ｈ１１、入力装置Ｈ１２、表示装置Ｈ１３、記憶部Ｈ１４、プロセッサＨ１５を有する。なお、このハードウェア構成は一例であり、他のハードウェアを有していてもよい。

通信装置Ｈ１１は、他の装置との間で通信経路を確立して、データの送受信を実行するインタフェースであり、例えばネットワークインタフェースカードや無線インタフェース等である。

入力装置Ｈ１２は、利用者等からの入力を受け付ける装置であり、例えばマウスやキーボード等である。表示装置Ｈ１３は、各種情報を表示するディスプレイやタッチパネル等である。

記憶部Ｈ１４は、第１サービスサーバ１１、第２サービスサーバ１２、担当者端末１５、管理サーバ２０の各種機能を実行するためのデータや各種プログラムを格納する記憶装置（例えば、マスタ情報記憶部２２、教師情報記憶部２３、第１ユーザ情報記憶部２４、第２ユーザ情報記憶部２５、学習結果記憶部２６、提案情報記憶部２７）である。記憶部Ｈ１４の一例としては、ＲＯＭ、ＲＡＭ、ハードディスク等がある。

プロセッサＨ１５は、記憶部Ｈ１４に記憶されるプログラムやデータを用いて、例えば、管理サーバ２０における各処理（例えば、情報取得部２１１、学習部２１２、予測部２１３、支援部２１４における処理）を制御する。プロセッサＨ１５の一例としては、例えばＣＰＵやＭＰＵ等がある。このプロセッサＨ１５は、ＲＯＭ等に記憶されるプログラムをＲＡＭに展開して、各種処理に対応する各種プロセスを実行する。例えば、プロセッサＨ１５は、第１サービスサーバ１１、第２サービスサーバ１２、担当者端末１５、管理サーバ２０のアプリケーションプログラムが起動された場合、後述する図４〜図６に示す各処理を実行するプロセスを動作させる。

プロセッサＨ１５は、自身が実行するすべての処理についてソフトウェア処理を行うものに限られない。例えば、プロセッサＨ１５は、自身が実行する処理の少なくとも一部についてハードウェア処理を行う専用のハードウェア回路（例えば、特定用途向け集積回路：ＡＳＩＣ）を備えてもよい。すなわち、プロセッサＨ１５は、（１）コンピュータプログラム（ソフトウェア）に従って動作する１つ以上のプロセッサ、（２）各種処理のうち少なくとも一部の処理を実行する１つ以上の専用のハードウェア回路、或いは（３）それらの組み合わせ、を含む回路（circuitry）として構成し得る。プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭ等のメモリを含み、メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード又は指令を格納している。メモリすなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。

（情報管理システムの構成）
第１サービスサーバ１１は、ユーザに対して、第１サービスを提供するコンピュータシステムである。第１サービスとしては、例えば、銀行サービスを想定し、第１サービスに関わるユーザ関連項目としては、属性関連項目、生活関連項目、行動関連項目、意識関連項目、金銭的余裕関連項目、取引関連項目、ライフステージ関連項目、ニーズ関連項目、ＡＴＭの利用、金融商品の取引等のイベント種別等を想定する。例えば、属性関連項目には、性別、婚姻状況、子ども有無、年齢、職業、役職、居住地、居住区分、住宅保有区分、配偶者勤務状況、住宅購入時期、早期退職、退職予定年齢、年収、世帯年収、金融資産、不動産資産、勤務先規模、勤務先業種等がある。生活関連項目には、月間収支、振込取引、決済取引、月間取引回数、月間入金回数、口座振替付着数、金融商品保有経験、クレジットカード消費目的、クレジットカード利用頻度、クレジットカード利用割合、カードキャッシング有無、ローン有無等がある。行動関連項目には、カード利用場所、ネットバンキング利用デバイス、ネットバンキング利用時間帯、ネットバンキング利用頻度、メール閲覧デバイス、メール閲覧時間帯、メール閲覧頻度、ＡＴＭ利用媒体、ＡＴＭ利用場所、ＡＴＭ利用時間帯、ＡＴＭ利用頻度、自宅・利用ＡＴＭ距離等がある。意識関連項目には、運用タイプ、ポートフォリオ、運用商品収支、貯蓄志向、借入残高比率、借入返済比率、借入減少比率、借入経過進捗率、返済残期間等がある。金銭的余裕関連項目には、取引前照会有無、支払方法、月間収支、年間収支、流動性預金収支、定期性預金収支、年収・平均支出等がある。取引関連項目には、退職金運用、住宅ローン借入、他行取引有無、消費者金融借入等がある。ライフステージ関連項目には、就労ベース、家族構成等がある。ニーズ関連項目には、カードローン借入、住宅ローン借入、教育ローン借入、ＡＴＭ手数料優遇、子ども保険、家計見直し、貯蓄・積立、外貨預金、投資信託、運用保険、その他資産運用、退職金運用、相続関連等がある。これらの項目は、実際の項目値だけではなく、他の項目値から予測するものも含まれる。
本実施形態では、第１サービスサーバ１１は、更に、銀行における顧客情報を記憶した顧客情報記憶部を備える。この顧客情報記憶部には、顧客（第１ユーザ）毎に、顧客の資産状況、取引履歴が時系列に記録される。

第２サービスサーバ１２は、ユーザに対して、第１サービスとは異なる第２サービスを提供するコンピュータシステムである。第２サービスとしては、例えば、ウェブサービスを想定し、第２サービスに関わるユーザ関連項目としては、利用者属性、特定情報の検索履歴、閲覧履歴等のイベント種別を想定する。

そして、第１サービスサーバ１１、第２サービスサーバ１２は、各ユーザの属性情報、各ユーザに提供したサービスに関する情報や、ユーザの行動、出来事に関する情報をイベント情報として記録する。このイベント情報には、各イベントにかかるユーザを特定する識別子、イベントが生じた年月日及び時刻、イベントの内容を示すイベント種別が関連付けられている。
担当者端末１５は、担当者が用いるコンピュータ端末である。

管理サーバ２０は、第１サービスサーバ１１、第２サービスサーバ１２から取得したユーザ情報を用いて、ユーザの名寄せやユーザに対する取引提案を支援するコンピュータシステムである。管理サーバ２０は、制御部２１、マスタ情報記憶部２２、教師情報記憶部２３、第１ユーザ情報記憶部２４、第２ユーザ情報記憶部２５、学習結果記憶部２６、提案情報記憶部２７を備える。

制御部２１は、情報取得部２１１、学習部２１２、予測部２１３、支援部２１４を備える。
情報取得部２１１は、第１サービスサーバ１１、第２サービスサーバ１２からユーザ関連情報を取得する処理を実行する。具体的には、学習段階では、第１サービスサーバ１１、第２サービスサーバ１２から、同一人物である参考ユーザのユーザ関連情報を教師データとして取得する。名寄せ段階では、第１サービスサーバ１１、第２サービスサーバ１２から、別個にサービスを利用する各ユーザのユーザ関連情報を取得する。

学習部２１２は、第１サービスサーバ１１から取得したユーザ関連情報のユーザと、第２サービスサーバ１２から取得したユーザ関連情報のユーザとが同一人物かどうかを予測する結合モデル（予測モデル）を生成する。本実施形態では、入力層や出力層を構成する各変数からなる教師データを用いて機械学習を行ない、結合モデルを生成する。具体的には、第１サービスサーバ１１から取得したユーザ関連情報から生成した第１スコア（スコアリング結果）を算出する。更に、第２サービスサーバ１２から取得したユーザ関連情報から生成した第２スコア（スコアリング結果）を算出する。そして、第１スコア及び第２スコアを入力層として、同一人物かどうかを判定する確からしさを出力層とする教師データを用いる。そして、機械学習には、多変量解析、機械学習、ディープラーニングを用いることができる。

予測部２１３は、学習部２１２によって生成された結合モデルを用いて、第１サービスサーバ１１から取得したユーザ関連情報のユーザと、第２サービスサーバ１２から取得したユーザ関連情報のユーザとが同一人物かどうかを判定する名寄せ処理を実行する。

支援部２１４は、ユーザに対して、商品やサービスの取引提案を支援する処理を実行する。具体的には、支援部２１４は、第１サービスサーバ１１から取得したユーザ関連情報から生成した第１スコア及び第２サービスサーバ１２から取得したユーザ関連情報から生成した第２スコアを結合して生成したユーザの仮想人物像に基づいて、このユーザに対する取引提案を管理する。

図３（ａ）に示すように、マスタ情報記憶部２２には、マスタデータ２２０が記録される。このマスタデータ２２０は、担当者端末１５を用いて、担当者によって、各種マスタ情報が設定された場合に記録される。マスタデータ２２０は、情報源種別、ユーザ関連項目、補間可否フラグ、重み付け値に関するデータを含んで構成される。

情報源種別データ領域には、ユーザ関連情報を取得した情報源を特定するための識別子に関するデータが記録される。本実施形態では、第１サービスサーバ１１、第２サービスサーバ１２の２種類の情報源を利用する。

ユーザ関連項目データ領域には、この情報源から取得したユーザ関連情報における項目（属性やイベント）を特定するための識別子に関するデータが記録される。金融に関するイベントとしては、ユーザ名義の口座の入出金、ローン利用等がある。ネットワークを利用したイベントについては、所定のウェブページの閲覧等がある。

補間可否フラグデータ領域には、他の情報を利用して、補間可能なユーザ関連項目かどうかを識別するためのフラグが記録される。補間可能フラグが記録されている場合には、このユーザ関連情報が記録されていない場合にも、スコアに影響を与えない。一方、補間不可フラグが記録されている場合には、このユーザ関連情報の記録の有無がスコアに影響を与える。例えば、時間依存性がないイベントについては、第１ユーザ関連情報のタイミングと第２ユーザ関連情報のタイミングとが一致しない場合にも補完できる。

重み付け値データ領域には、ユーザ関連情報の一致する場合又は不一致の場合の重み付け値に関するデータが記録される。第１サービスサーバ１１から取得したユーザ関連情報における第１ユーザ関連情報と、第２サービスサーバ１２から取得したユーザ関連情報における第２ユーザ関連情報とのタイミングが一致することにより同一人物の可能性が高い場合には、高い重み付け値が設定される。

図３（ｂ）に示すように、教師情報記憶部２３には、教師データ２３０が記録される。この教師データ２３０は、学習処理を行なう前に記録される。教師データ２３０は、第１情報２３１、第２情報２３２、個人情報２３３を含んで構成される。これらの情報は、同一人物に関する情報が関連付けられて記録されている。

第１情報２３１には、第１ユーザＩＤ、日時、ユーザ関連項目に関するデータを含んで構成される。第２情報２３２には、第２ユーザＩＤ、日時、ユーザ関連項目に関するデータを含んで構成される。

第１ユーザＩＤ、第２ユーザＩＤの各データ領域には、それぞれ、第１サービスサーバ１１、第２サービスサーバ１２を利用するユーザを特定するための識別子に関するデータが記録される。本実施形態では、同一ユーザであっても、第１サービスサーバ１１、第２サービスサーバ１２において異なるユーザＩＤが付与されているが、教師データ２３０においては、同一ユーザの第１ユーザＩＤ及び第２ユーザＩＤが関連付けられている。

日時データ領域には、第１サービスサーバ１１、第２サービスサーバ１２に記録されているユーザ関連項目（イベント）が発生した年月日及び時刻に関するデータが記録される。
ユーザ関連項目データ領域には、ユーザ関連情報に含まれる項目（説明変数群）を特定するための識別子に関するデータが記録される。本実施形態では、第１サービスサーバ１１、第２サービスサーバ１２において、性質が異なるユーザ関連項目が発生する。第１情報２３１、第２情報２３２により、同じユーザにおいて生じたイベントの種別や、イベントが生じた日時を特定できる。
個人情報２３３には、第１、第２スコアを算出した参考ユーザについて、第１サービスサーバ１１から取得した顧客情報が記録される。

図３（ｃ）に示すように、第１ユーザ情報記憶部２４には、第１ユーザ管理データ２４０が記録される。この第１ユーザ管理データ２４０は、第１サービスサーバ１１から、ユーザ関連情報を取得した場合に記録される。第１ユーザ管理データ２４０は、第１ユーザＩＤ、日時、ユーザ関連項目に関するデータを含んで構成される。

第１ユーザＩＤデータ領域には、第１サービスサーバ１１を利用するユーザを特定するための識別子に関するデータが記録される。
日時データ領域には、第１サービスサーバ１１に記録されているユーザ関連項目が生じた年月日及び時刻に関するデータが記録される。
ユーザ関連項目データ領域には、第１サービスサーバ１１に記録されているユーザ関連情報の項目（第１説明変数群）を特定するための識別子に関するデータが記録される。

図３（ｄ）に示すように、第２ユーザ情報記憶部２５には、第２ユーザ管理データ２５０が記録される。この第２ユーザ管理データ２５０は、第２サービスサーバ１２から、ユーザに関する情報を取得した場合に記録される。第２ユーザ管理データ２５０は、第２ユーザＩＤ、日時、ユーザ関連項目に関するデータを含んで構成される。

第２ユーザＩＤデータ領域には、第２サービスサーバ１２を利用するユーザを特定するための識別子に関するデータが記録される。
日時データ領域には、第２サービスサーバ１２に記録されているユーザ関連項目が生じた年月日及び時刻に関するデータが記録される。
ユーザ関連項目データ領域には、第２サービスサーバ１２に記録されているユーザ関連情報の項目（第２説明変数群）を特定するための識別子に関するデータが記録される。

図３（ｅ）に示すように、学習結果記憶部２６には、結合モデル２６０が記録される。この結合モデル２６０は、学習処理を実行した場合に記録される。結合モデル２６０は、第１スコア及び第２スコアを用いて、同一人物の確からしさ（確率）を予測するモデルである。この第１スコアは、第１サービスサーバ１１から取得したユーザ関連情報（日時、イベント種別）について、補間や重み付けに応じて生成される。また、第２スコアは、第２サービスサーバ１２から取得したユーザ関連情報（日時、イベント種別）について、補間や重み付けに応じて生成される。

図３（ｆ）に示すように、提案情報記憶部２７には、仮想人物像に対して、商品やサービスの提案を行なうための提案管理データ２７０が記録される。この提案管理データ２７０は、特定のユーザに対して提案を行なった場合に記録される。提案管理データ２７０は、第１スコア、第２スコア、提案条件、提案内容、提案結果に関するデータが記録される。

第１スコア、第２スコアの各データ領域には、それぞれ、各ユーザについて、第１サービスサーバ１１、第２サービスサーバ１２から取得したユーザ関連情報を用いて算出した第１スコア、第２スコアに関するデータが記録される。この第１スコア及び第２スコアにより仮想人物像の仮想ユーザを特定する。

提案条件データ領域には、この仮想ユーザに対して取引提案を行なう条件に関するデータが記録される。例えば、提案を行なう場合の資産状況が記録される。
提案内容データ領域には、提案条件を満足する仮想ユーザに対して、取引提案を行なう内容（商品やサービス）に関するデータが記録される。
提案結果データ領域には、取引提案に対する取引成否に関するデータが記録される。

（支援処理）
図４、図５を用いて、支援処理を説明する。
次に、管理サーバ２０において実行される情報処理を説明する。ここでは、学習段階、名寄せ段階及び提案段階に分けて説明する。

（学習段階）
まず、図４を用いて、学習段階の情報処理を説明する。
図４（ａ）に示すように、管理サーバ２０の制御部２１は、マスタ登録処理を実行する（ステップＳ１−１）。具体的には、制御部２１の学習部２１２は、担当者端末１５に、マスタ登録画面を出力する。このマスタ登録画面には、第１サービスサーバ１１及び第２サービスサーバ１２から取得するユーザ関連情報に含まれる各ユーザ関連項目が表示される。更に、マスタ登録画面において、各ユーザ関連項目に対して、補間可否フラグ、重み付け値の設定欄が設けられている。そして、学習部２１２は、担当者端末１５において、マスタ登録画面を用いて設定された各ユーザ関連項目の補間可否フラグ、重み付け値を取得し、マスタデータ２２０を生成して、マスタ情報記憶部２２に記録する。

次に、管理サーバ２０の制御部２１は、教師データの記録処理を実行する（ステップＳ１−２）。具体的には、第１サービスサーバ１１及び第２サービスサーバ１２を利用する複数の参考ユーザの同意に基づいて、制御部２１の情報取得部２１１は、第１サービスサーバ１１及び第２サービスサーバ１２から、参考ユーザ毎の利用履歴を取得する。この利用履歴には、日時及びユーザ関連項目（イベント種別）に関する情報が含まれる。更に、情報取得部２１１は、第１サービスサーバ１１から、参考ユーザ毎の個人情報を取得する。そして、情報取得部２１１は、参考ユーザ毎に取得した各情報を関連付けた教師データ２３０を生成し、教師情報記憶部２３に記録する。

次に、管理サーバ２０の制御部２１は、学習処理を実行する（ステップＳ１−３）。具体的には、制御部２１の学習部２１２は、教師情報記憶部２３に記録された各ユーザの利用履歴において、マスタ情報記憶部２２に記録されたユーザ関連項目を用いて、スコアリングに用いる第１ユーザ関連項目、第２ユーザ関連項目を特定する。

次に、図４（ｂ）に示すように、学習部２１２は、第１ユーザ関連項目、第２ユーザ関連項目について、それぞれ、ユーザ関連項目及び時間を各軸としてマッピングした第１及び第２マトリクスを生成する。この場合、第１マトリクスの時間軸と第２マトリクスの時間軸とは同期させておく。そして、マスタ情報記憶部２２に記録された補間可否フラグ、重み付け値を用いて、第１及び第２マトリクスから第１及び第２スコアを算出する。ここで、各スコアは、時間及びユーザ関連項目に関する情報を含んだ特徴情報であって、スカラ値やマトリクスを用いて表現することができる。補間可能フラグが記録されているユーザ関連項目については、特定時点のユーザ関連項目が記録されていない場合にも、他の時点でのユーザ関連項目の存在により、特定時点のユーザ関連項目が存在したとみなすことができる。一方、補間可能フラグが記録されていないユーザ関連項目については、特定時点のユーザ関連項目の存在が必須のユーザ関連項目である。重み付け値が記録されているユーザ関連項目については、重み付け値に応じて、ユーザ関連項目を強調する。例えば、時間軸とユーザ関連項目軸とからなるマトリクスを生成した場合、重み付け値に応じてマッピングの形態（例えば、配色や形状）を変更する。

次に、学習部２１２は、第１スコア及び第２スコアが同一と判定できるアルゴリズム（結合モデル）を生成し、学習結果記憶部２６に記録する。例えば、第１スコアに含まれる値と第２スコアに含まれる値との関連性を特定し、この関連性に基づいて、第１スコアのユーザと第２スコアのユーザとが同一かどうかを判定する結合モデルを生成する。この結合モデルに第１スコア及び第２スコアを導入した場合、同一人物の確からしさを算出することができる。

次に、管理サーバ２０の制御部２１は、仮想人物像の生成処理を実行する（ステップＳ１−４）。具体的には、制御部２１の支援部２１４は、第１スコア及び第２スコアを含めた提案管理データ２７０を生成し、提案情報記憶部２７に記録する。更に、支援部２１４は、第１スコア及び第２スコアを算出した参考ユーザについて、第１サービスサーバ１１から顧客情報を取得し、提案管理データ２７０に記録する。この第１スコア及び第２スコアにより、仮想ユーザの仮想人物像が生成される。

次に、管理サーバ２０の制御部２１は、提案情報の関連付け処理を実行する（ステップＳ１−５）。具体的には、制御部２１の支援部２１４は、第１スコア及び第２スコアを算出した参考ユーザについて、取引履歴を取得する。本実施形態では、第１サービスサーバ１１から取得した利用履歴において、このユーザと取引を行なった商品やサービスを特定する。次に、支援部２１４は、取引を行なった時点のユーザの資産状況を特定する。そして、支援部２１４は、この仮想ユーザの提案管理データ２７０に、特定した資産状況を提案条件データ領域に記録し、商品やサービスに関する情報を提案内容データ領域に記録する。

（名寄せ段階及び提案段階）
次に、図５を用いて、名寄せ段階及び提案段階の情報処理を説明する。
まず、名寄せ段階の情報処理を説明する。
図５（ａ）に示すように、管理サーバ２０の制御部２１は、ユーザ関連情報の記録処理を実行する（ステップＳ２−１）。具体的には、制御部２１の情報取得部２１１は、第１サービスサーバ１１から、ユーザ毎のユーザ関連情報を取得し、第１ユーザ情報記憶部２４に記録する。情報取得部２１１は、第２サービスサーバ１２から、ユーザ毎のユーザ関連情報を取得し、第２ユーザ情報記憶部２５に記録する。各ユーザ関連情報には、日時及びユーザ関連項目に関する情報が含まれる。

次に、管理サーバ２０の制御部２１は、予測処理を実行する（ステップＳ２−２）。具体的には、制御部２１の予測部２１３は、第１ユーザ情報記憶部２４、第２ユーザ情報記憶部２５に記録された各ユーザのユーザ関連情報において、マスタ情報記憶部２２に記録されたユーザ関連項目を、それぞれ第１ユーザ関連項目、第２ユーザ関連項目として特定する。

次に、図５（ｂ）に示すように、予測部２１３は、第１ユーザ関連項目について、項目値及び時間を各軸としてマッピングした第１マトリクスを生成する。更に、予測部２１３は、第２ユーザ関連項目について、項目値及び時間を各軸としてマッピングした第２マトリクスを生成する。

そして、マスタ情報記憶部２２に記録された補間可否フラグ、重み付け値を用いて、各第１マトリクス及び第２マトリクスから、それぞれ第１スコア及び第２スコアを算出する。ここで、各スコアは、時間及びユーザ関連項目に関する情報を含んだ特徴情報であって、スカラ値やマトリクスを用いて表現することができる。次に、予測部２１３は、任意の第１スコア及び第２スコアの組み合わせを生成し、この組み合わせを、学習結果記憶部２６に記憶した結合モデル２６０に導入する。そして、予測部２１３は、この結合モデル２６０により、第１スコアのユーザと第２スコアのユーザとが同一かどうかを判定する。

次に、提案段階の情報処理を説明する。
ここでは、管理サーバ２０の制御部２１は、仮想人物像の特定処理を実行する（ステップＳ２−３）。具体的には、制御部２１の予測部２１３は、予測処理（ステップＳ２−２）において、同一人物と特定した第１スコア及び第２スコアを用いて仮想人物像を特定する。

次に、管理サーバ２０の制御部２１は、提案情報の特定処理を実行する（ステップＳ２−４）。具体的には、制御部２１の支援部２１４は、特定した仮想人物像の第１スコア及び第２スコアに関連付けられた提案管理データ２７０を、提案情報記憶部２７から取得する。

次に、支援部２１４は、第１スコアを算出した第１ユーザの顧客情報を、第１サービスサーバ１１から取得する。次に、支援部２１４は、取得した顧客情報において資産状況を特定し、提案管理データ２７０の提案条件と比較する。資産状況が提案条件を満足している場合には、支援部２１４は、提案結果として取引成立の割合が高い取引提案を特定する。そして、第１サービスサーバ１１から取得した顧客情報において、提案内容の取引が含まれず、取引履歴がない場合には、支援部２１４は、担当者端末１５に対して、この顧客に対する取引提案を勧めるメッセージを出力する。

次に、管理サーバ２０の制御部２１は、提案情報の更新処理を実行する（ステップＳ２−５）。具体的には、担当者が、このユーザに対して、取引提案を行なう。そして、取引提案について取引成否を取得した場合、担当者端末１５に入力する。この場合、制御部２１の支援部２１４は、担当者端末１５から、取引提案に対する取引成否を取得する。そして、支援部２１４は、提案情報記憶部２７に、取引成否を提案結果として追加記録する。

以上、本実施形態によれば、以下に示す効果を得ることができる。
（１）本実施形態では、管理サーバ２０の制御部２１は、マスタ登録処理を実行する（ステップＳ１−１）。ここでは、各ユーザ関連項目に対して、補間可否フラグ、重み付け値を設定する。補間可否フラグにより、二つのユーザ関連情報において、ユーザ関連項目が同期しない場合にも、補完することができる。また、重み付け値により、二つのユーザ関連情報において、ユーザ関連項目に重み付けを行なうことができる。

（２）本実施形態では、管理サーバ２０の制御部２１は、教師データの記録処理（ステップＳ１−２）、学習処理（ステップＳ１−３）を実行する。これにより、第１サービスサーバ１１及び第２サービスサーバ１２から取得するユーザ関連情報に基づいて、第１ユーザ及び第２ユーザについての名寄せの確からしさを予測する結合モデルを生成することができる。異なる第１サービスサーバ１１で管理されるユーザ関連情報と、第２サービスサーバ１２で管理されるユーザ関連情報とが異なっていても、同一人物の行動であれば関連性がある。例えば、新居を探す場合、同時期に、第１サービスサーバ１１で住宅ローンを調べるとともに、第２サービスサーバ１２で住宅情報を検索することがある。これらの異なる種別のユーザ関連情報の関連性から、名寄せのためにユーザ関連情報の結合モデルを生成することができる。

（３）本実施形態では、管理サーバ２０の制御部２１は、仮想人物像の生成処理（ステップＳ１−４）、提案情報の関連付け処理（ステップＳ１−５）を実行する。これにより、第１スコア及び第２スコアからなる仮想ユーザを生成し、この仮想ユーザに対する取引提案を登録することができる。

（４）本実施形態では、管理サーバ２０の制御部２１は、ユーザ関連情報の記録処理（ステップＳ２−１）、予測処理（ステップＳ２−２）を実行する。これにより、第１サービスサーバ１１及び第２サービスサーバ１２から、異なる内容（ユーザ関連項目）を含むユーザ関連情報を用いて、名寄せを行なうことができる。

（５）本実施形態では、管理サーバ２０の制御部２１は、仮想人物像の特定処理（ステップＳ２−３）、提案情報の特定処理（ステップＳ２−４）を実行する。これにより、第１スコア及び第２スコアにより名寄せされたユーザに対して、取引提案を行なうことができる。

本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・上記実施形態では、第１マトリクス及び第２マトリクスを用いて、結合モデル２６０を生成する。結合モデル２６０の生成に用いるマトリクスは、これらに限定されるものではない。例えば、外部要因をマトリクスとして用いてもよい。この場合には、為替レート、証券指数等の外部要因を、説明変数として用いる。そして、説明変数としての外部要因と、時間軸に並べたマトリクスを用いる。

図６（ａ）に示すように、管理サーバ２０の制御部２１は、学習処理を実行する（ステップＳ３−１）。具体的には、制御部２１の学習部２１２は、外部要因マトリクスの状況下において、同一人物の第１マトリクス、第２マトリクスに対応する第１スコア及び第２スコアから同一人物を推定する結合モデルを生成する。

そして、図６（ｂ）に示すように、管理サーバ２０の制御部２１は、予測処理を実行する（ステップＳ３−２）。具体的には、制御部２１の予測部２１３は、外部要因マトリクスの状況下において、同一人物の第１マトリクス、第２マトリクスに対応する第１スコア及び第２スコアを結合モデルに適用して、同一人物を推定する。

・上記実施形態では、管理サーバ２０の制御部２１は、仮想人物像の特定処理を実行する（ステップＳ２−３）。ここで、算出した第１スコア及び第２スコアを、第１ユーザ情報記憶部２４において、第１ユーザＩＤに関連付けて記録してもよい。この場合、制御部２１の支援部２１４は、第１サービスサーバ１１から、定期的に顧客情報を取得する。次に、支援部２１４は、資産状況が、第１スコア及び第２スコアに関連付けられた提案条件を満足し、提案結果として取引成立の割合が高い取引提案を特定する。そして、支援部２１４は、担当者端末１５に対して、この顧客に対する取引提案を勧めるメッセージを出力する。

・上記実施形態では、第１サービスサーバ１１、第２サービスサーバ１２からユーザ関連情報を取得する。ユーザ関連情報を取得する情報源は複数であればよく、２つに限定されるものではない。この場合、管理サーバ２０の制御部２１は、多次元のスコアに応じた結合モデルを生成する。

・上記実施形態では、各ユーザに提供したサービスに関する情報や、ユーザの行動、出来事に関する情報をユーザ関連情報として記録する。ユーザ関連情報は、これらに限定されるものではなく、その一部や他の情報を含んでもよい。

１１…第１サービスサーバ、１２…第２サービスサーバ、１５…担当者端末、２０…支援サーバ、２１…制御部、２１１…情報取得部、２１２…学習部、２１３…予測部、２１４…支援部、２２…マスタ情報記憶部、２３…教師情報記憶部、２４…第１ユーザ情報記憶部、２５…第２ユーザ情報記憶部、２６…学習結果記憶部、２７…提案情報記憶部。

Claims (7)

1. 第１ユーザ関連情報を記憶した第１サービスサーバと、
   第２ユーザ関連情報を記憶した第２サービスサーバとに接続された制御部を備えた情報管理システムであって、
   前記制御部が、
   同一人物について、前記第１サービスサーバに記憶された第１ユーザ関連情報と、前記第２サービスサーバに記憶された第２ユーザ関連情報とを取得し、前記第１ユーザ関連情報から第１スコア、前記第２ユーザ関連情報から第２スコアを算出し、前記第１、第２スコアを教師データとして用いて、同一人物の確からしさを算出するための予測モデルを生成する学習処理と、
   前記第１、前記第２サービスサーバから第１、第２ユーザ関連情報を新たに取得した場合、新たに算出した第１スコア及び第２スコアの組み合わせに対して、前記予測モデルを適用し、同一人物の確からしさを予測する予測処理とを実行することを特徴とする情報管理システム。
2. 前記第１ユーザ関連情報は第１説明変数群により構成され、前記第２ユーザ関連情報は第２説明変数群により構成され、
   前記学習処理において、同一人物について、前記第１説明変数群のスコアリング結果と、前記第２説明変数群のスコアリング結果とに基づいて、同一人物と判定可能な予測モデルを生成することを特徴とする請求項１に記載の情報管理システム。
3. 前記第１説明変数群及び第２説明変数群には、各ユーザにおけるイベントの時間情報を含むことを特徴とする請求項２に記載の情報管理システム。
4. 前記第１説明変数群及び第２説明変数群には、前記第１説明変数群及び第２説明変数群に含まれる情報から補間可能な項目を含むことを特徴とする請求項２又は３に記載の情報管理システム。
5. 前記第１スコア及び第２スコアの組み合わせに対して提案内容、提案条件が記録された提案情報記憶部を更に備え、
   前記制御部が、新たに算出した第１スコア及び第２スコアにより名寄せされたユーザについて、前記提案情報記憶部から、前記第１スコア及び第２スコアの組み合わせに対して記録された提案内容、提案条件を取得し、前記提案条件を満足する場合に前記提案内容を出力することを特徴とする請求項１〜４のいずれか一項に記載の情報管理システム。
6. 第１ユーザ関連情報を記憶した第１サービスサーバと、
   第２ユーザ関連情報を記憶した第２サービスサーバとに接続された制御部を備えた情報管理システムを用いて、情報管理を行なうための方法であって、
   前記制御部が、
   同一人物について、前記第１サービスサーバに記憶された第１ユーザ関連情報と、前記第２サービスサーバに記憶された第２ユーザ関連情報とを取得し、前記第１ユーザ関連情報から第１スコア、前記第２ユーザ関連情報から第２スコアを算出し、前記第１、第２スコアを教師データとして用いて、同一人物の確からしさを算出するための予測モデルを生成する学習処理と、
   前記第１、前記第２サービスサーバから第１、第２ユーザ関連情報を新たに取得した場合、新たに算出した第１スコア及び第２スコアの組み合わせに対して、前記予測モデルを適用し、同一人物の確からしさを予測する予測処理とを実行することを特徴とする情報管理方法。
7. 第１ユーザ関連情報を記憶した第１サービスサーバと、
   第２ユーザ関連情報を記憶した第２サービスサーバとに接続された制御部を備えた情報管理システムを用いて、情報管理を行なうためのプログラムであって、
   前記制御部を、
   同一人物について、前記第１サービスサーバに記憶された第１ユーザ関連情報と、前記第２サービスサーバに記憶された第２ユーザ関連情報とを取得し、前記第１ユーザ関連情報から第１スコア、前記第２ユーザ関連情報から第２スコアを算出し、前記第１、第２スコアを教師データとして用いて、同一人物の確からしさを算出するための予測モデルを生成する学習処理と、
   前記第１、前記第２サービスサーバから第１、第２ユーザ関連情報を新たに取得した場合、新たに算出した第１スコア及び第２スコアの組み合わせに対して、前記予測モデルを適用し、同一人物の確からしさを予測する予測処理とを実行する手段として機能させることを特徴とする情報管理プログラム。

Images