JP6955286B1 - 不正経費検出プログラム - Google Patents
不正経費検出プログラム Download PDFInfo
- Publication number
- JP6955286B1 JP6955286B1 JP2020159385A JP2020159385A JP6955286B1 JP 6955286 B1 JP6955286 B1 JP 6955286B1 JP 2020159385 A JP2020159385 A JP 2020159385A JP 2020159385 A JP2020159385 A JP 2020159385A JP 6955286 B1 JP6955286 B1 JP 6955286B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- fraud
- association
- outsourcing
- possibility
- 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
- 238000012946 outsourcing Methods 0.000 claims abstract description 114
- 230000015556 catabolic process Effects 0.000 claims description 111
- 230000008859 change Effects 0.000 claims description 81
- 238000013473 artificial intelligence Methods 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
図1は、第1実施形態としての不正経費検出プログラムが実装される不正経費検出システム1の全体構成を示すブロック図である。不正経費検出システム1は、情報取得部9と、情報取得部9に接続された判別装置2と、判別装置2に接続されたデータベース3とを備えている。
参照用外注情報とは、会計ソフトにおける相手勘定科目(相手補助科目)における外注費に関する情報である。この参照用外注情報は、外注費の費用そのものに加え、内訳(外注先等)に関する情報であってもよい。これらの情報は、会計ソフトにおける相手勘定科目や摘要のデータを直接抽出するようにしてもよいし、実際に帳簿の電子データや紙データ、請求書の電子データや紙データから直接抽出するようにしてもよい。紙データから抽出する場合には、紙データの画像を読み取り、そこからOCR技術を利用して文字列を抽出し、テキスト情報に落とし込むようにしてもよい。
特に不正経費は、外注費と旅費交通費との相関する場合があることから、これらを互いに組み合わせて学習させることにより、不正可能性を高精度に判定できる。
以下、第2実施形態について説明をする。この第2実施形態を実行する上では、第1実施形態において使用する不正経費検出システム1、情報取得部9、判別装置2、データベース3を同様に使用する。これらの各構成の説明は、第1実施形態の説明を引用することで以下での説明を省略する。
2 判別装置
21 内部バス
23 表示部
24 制御部
25 操作部
26 通信部
27 判別部
28 記憶部
61 ノード
Claims (9)
- 不正経費を検出する不正経費検出プログラムにおいて、
外注費からなる外注情報を月毎に取得する情報取得ステップと、
過去において月毎に取得した外注費からなる参照用外注情報と、不正可能性との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した外注情報に応じた参照用外注情報に基づき、上記連関度のより高いものを優先させて、不正可能性を判別する判別ステップとを有し、
上記情報取得ステップでは、上記外注費の時系列的な変化傾向を取得するとともに、これを予め類型化された変化傾向パターンに当てはめてこれを上記外注情報とし、
上記判別ステップでは、過去の外注費の時系列的な変化傾向を予め類型化された変化傾向パターンに当てはめた上記参照用外注情報と、不正可能性との3段階以上の連関度を利用することをコンピュータに実行させること
を特徴とする不正経費検出プログラム。 - 上記情報取得ステップでは、外注費及びその外注先からなる外注情報を月毎に取得し、
上記判別ステップでは、過去において月毎に取得した外注費及びその外注先からなる参照用外注情報との上記連関度を利用すること
を特徴とする請求項1記載の不正経費検出プログラム。 - 上記情報取得ステップ及び上記判別ステップでは、入力を上記外注費の時系列的な変化傾向とするとともに出力を類型化された変化傾向パターンとして機械学習より生成した判定モデルに基づいて、上記変化傾向パターンに当てはめること
を特徴とする請求項1又は2記載の不正経費検出プログラム。 - 不正経費を検出する不正経費検出プログラムにおいて、
外注費からなる外注費情報と、その外注費の内訳からなる内訳情報とを月毎に取得する情報取得ステップと、
過去において月毎に取得した外注費からなる参照用外注費情報と、その外注費の内訳からなる参照用内訳情報とを有する組み合わせと、不正可能性との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した外注費情報に応じた参照用外注費情報と、内訳情報に応じた参照用内訳情報とに基づき、上記連関度のより高いものを優先させて、不正可能性を判別する判別ステップとを有し、
上記情報取得ステップでは、上記外注費の時系列的な変化傾向を取得するとともに、これを予め類型化された変化傾向パターンに当てはめてこれを上記外注費情報とし、
上記判別ステップでは、過去の外注費の時系列的な変化傾向を予め類型化された変化傾向パターンに当てはめた上記参照用外注費情報と、不正可能性との3段階以上の連関度を利用することをコンピュータに実行させること
を特徴とする不正経費検出プログラム。 - 不正経費を検出する不正経費検出プログラムにおいて、
旅費交通費からなる旅交通情報を月毎に取得する情報取得ステップと、
過去において月毎に取得した旅費交通費からなる参照用旅交通情報と、不正可能性との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した旅交通情報に応じた参照用旅交通情報に基づき、上記連関度のより高いものを優先させて、不正可能性を判別する判別ステップとを有し、
上記情報取得ステップでは、上記旅費交通費の時系列的な変化傾向を取得するとともに、これを予め類型化された変化傾向パターンに当てはめてこれを上記旅交通情報とし、
上記判別ステップでは、過去の旅費交通費の時系列的な変化傾向を予め類型化された変化傾向パターンに当てはめた上記参照用旅交通情報と、不正可能性との3段階以上の連関度を利用することをコンピュータに実行させること
を特徴とする不正経費検出プログラム。 - 上記情報取得ステップ及び上記判別ステップでは、入力を上記旅費交通費の時系列的な変化傾向とするとともに出力を類型化された変化傾向パターンとして機械学習より生成した判定モデルに基づいて、上記変化傾向パターンに当てはめること
を特徴とする請求項5記載の不正経費検出プログラム。 - 不正経費を検出する不正経費検出プログラムにおいて、
接待交際費からなる接待情報を月毎に取得する情報取得ステップと、
過去において月毎に取得した接待交際費からなる参照用接待情報と、不正可能性との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した接待情報に応じた参照用接待情報に基づき、上記連関度のより高いものを優先させて、不正可能性を判別する判別ステップとを有し、
上記情報取得ステップでは、上記接待交際費の時系列的な変化傾向を取得するとともに、これを予め類型化された変化傾向パターンに当てはめてこれを上記接待情報とし、
上記判別ステップでは、過去の接待交際費の時系列的な変化傾向を予め類型化された変化傾向パターンに当てはめた上記参照用接待情報と、不正可能性との3段階以上の連関度を利用することをコンピュータに実行させること
を特徴とする不正経費検出プログラム。 - 上記情報取得ステップ及び上記判別ステップでは、入力を上記接待交際費の時系列的な変化傾向とするとともに出力を類型化された変化傾向パターンとして機械学習より生成した判定モデルに基づいて、上記変化傾向パターンに当てはめること
を特徴とする請求項7記載の不正経費検出プログラム。 - 上記判別ステップでは、人工知能におけるニューラルネットワークのノードの各出力の重み付け係数に対応する上記連関度を利用すること
を特徴とする請求項1〜8のうち何れか1項記載の不正経費検出プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020159385A JP6955286B1 (ja) | 2020-09-24 | 2020-09-24 | 不正経費検出プログラム |
JP2021106325A JP2022053478A (ja) | 2020-09-24 | 2021-06-28 | 不正経費検出プログラム |
JP2021106326A JP2022053479A (ja) | 2020-09-24 | 2021-06-28 | 不正経費検出プログラム |
PCT/JP2021/034797 WO2022065363A1 (ja) | 2020-09-24 | 2021-09-22 | 不正経費検出プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020159385A JP6955286B1 (ja) | 2020-09-24 | 2020-09-24 | 不正経費検出プログラム |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021106326A Division JP2022053479A (ja) | 2020-09-24 | 2021-06-28 | 不正経費検出プログラム |
JP2021106325A Division JP2022053478A (ja) | 2020-09-24 | 2021-06-28 | 不正経費検出プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6955286B1 true JP6955286B1 (ja) | 2021-10-27 |
JP2022052879A JP2022052879A (ja) | 2022-04-05 |
Family
ID=78119268
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020159385A Active JP6955286B1 (ja) | 2020-09-24 | 2020-09-24 | 不正経費検出プログラム |
JP2021106326A Pending JP2022053479A (ja) | 2020-09-24 | 2021-06-28 | 不正経費検出プログラム |
JP2021106325A Pending JP2022053478A (ja) | 2020-09-24 | 2021-06-28 | 不正経費検出プログラム |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021106326A Pending JP2022053479A (ja) | 2020-09-24 | 2021-06-28 | 不正経費検出プログラム |
JP2021106325A Pending JP2022053478A (ja) | 2020-09-24 | 2021-06-28 | 不正経費検出プログラム |
Country Status (1)
Country | Link |
---|---|
JP (3) | JP6955286B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190065939A1 (en) * | 2017-08-30 | 2019-02-28 | International Business Machines Corporation | Bayesian network based hybrid machine learning |
JP2019067086A (ja) * | 2017-09-29 | 2019-04-25 | 新日本有限責任監査法人 | 財務分析装置、財務分析方法及び財務分析プログラム |
JP6667865B1 (ja) * | 2019-11-19 | 2020-03-18 | 国立大学法人一橋大学 | 会計情報処理装置、会計情報処理方法及び会計情報処理プログラム |
-
2020
- 2020-09-24 JP JP2020159385A patent/JP6955286B1/ja active Active
-
2021
- 2021-06-28 JP JP2021106326A patent/JP2022053479A/ja active Pending
- 2021-06-28 JP JP2021106325A patent/JP2022053478A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190065939A1 (en) * | 2017-08-30 | 2019-02-28 | International Business Machines Corporation | Bayesian network based hybrid machine learning |
JP2019067086A (ja) * | 2017-09-29 | 2019-04-25 | 新日本有限責任監査法人 | 財務分析装置、財務分析方法及び財務分析プログラム |
JP6667865B1 (ja) * | 2019-11-19 | 2020-03-18 | 国立大学法人一橋大学 | 会計情報処理装置、会計情報処理方法及び会計情報処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022052879A (ja) | 2022-04-05 |
JP2022053479A (ja) | 2022-04-05 |
JP2022053478A (ja) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021153548A1 (ja) | 先物取引情報表示プログラム | |
JP6955287B2 (ja) | 不正株取引検出プログラム | |
JP2021144357A (ja) | 不動産ローン借り換え融資条件提案プログラム | |
JP6955286B1 (ja) | 不正経費検出プログラム | |
WO2022065363A1 (ja) | 不正経費検出プログラム | |
WO2020226003A1 (ja) | 融資先信用度判定プログラム及びシステム | |
JP2022052880A (ja) | 不正経費検出プログラム | |
JP2021144356A (ja) | 不正金融取引検知プログラム | |
JP2021163002A (ja) | 商品需要予測プログラム | |
JP2021163001A (ja) | 物流拠点商品配送計画プログラム | |
JP6664676B1 (ja) | 株取引情報表示プログラム及びシステム | |
WO2021153547A1 (ja) | 為替取引情報表示プログラム | |
JP7122768B2 (ja) | 物品購買タイミング提案プログラム | |
JP2021140800A (ja) | 不動産融資可否判断プログラム | |
JP2021140375A (ja) | 物品購買タイミング提案プログラム | |
JP2021140202A (ja) | 不動産融資条件提案プログラム | |
JP2021144355A (ja) | 不正金融取引検知プログラム | |
JP2021174269A (ja) | 宿泊所提案プログラム | |
JP2021124802A (ja) | 自動トレードアルゴリズム提案プログラム | |
JP2022108346A (ja) | 商品需要予測プログラム | |
JP2022108349A (ja) | 紙幣需要予測プログラム | |
JP2022108347A (ja) | 商品需要予測プログラム | |
JP2021163000A (ja) | 商品需要予測プログラム | |
JP2021174270A (ja) | 商品需要予測プログラム | |
JP2022112649A (ja) | 不正経費検出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201014 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20201104 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201201 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210106 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210628 |
|
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: 20210921 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210924 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6955286 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |