JP7026427B1

JP7026427B1 - 情報処理装置、情報処理方法及びプログラム

Info

Publication number: JP7026427B1
Application number: JP2021202019A
Authority: JP
Inventors: 靖裕日昔
Original assignee: Bhi株式会社; Ｂｈｉ株式会社
Priority date: 2021-09-30
Filing date: 2021-12-13
Publication date: 2022-02-28
Anticipated expiration: 2041-09-30
Also published as: JP2023051658A; JP2023051675A

Abstract

【課題】クレジットカードの利用状況を把握することができるようにする。
【解決手段】情報処理装置であって、クレジットカードの利用明細データを取得する利用
明細取得部と、商品に関する商品情報を記憶する商品情報記憶部と、クレジットカードの
利用者宛に送信された電子メールデータを取得する電子メール取得部と、電子メールデー
タを解析して取引データを抽出する取引データ抽出部と、利用明細データ及び取引データ
を入力データとし、利用明細データと取引データの突合の正否を教師データとして学習さ
れた学習モデルに、利用明細データ及び取引データを与えて突合の正否を判断し、正解の
取引データ及び利用明細データを対応づけるデータ突合部と、利用明細データに商品情報
を対応付けて出力する出力部と、を備えることを特徴とする。
【選択図】図１

Description

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

特許文献１には、クレジットカードの利用明細情報と利用履歴とを対応付けることが記
載されている。

特開２０１７－１６２２９６号公報

しかしながら、特許文献１ではクレジットカードの利用情報に基づいて利用履歴を作成
しており、不正利用された利用情報であっても利用履歴が作成されてしまう。

本発明はこのような背景を鑑みてなされたものであり、クレジットカードの利用状況を
把握することのできる技術を提供することを目的とする。

上記課題を解決するための本発明の主たる発明は、情報処理装置であって、クレジット
カードの利用明細データを取得する利用明細取得部と、商品に関する商品情報を記憶する
商品情報記憶部と、前記クレジットカードの利用者宛に送信された電子メールデータを取
得する電子メール取得部と、前記電子メールデータを解析して取引データを抽出する取引
データ抽出部と、前記利用明細データ及び前記取引データを入力データとし、前記利用明
細データと前記取引データの突合の正否を教師データとして学習された学習モデルに、前
記利用明細データ及び前記取引データを与えて前記突合の正否を判断し、正解の前記取引
データ及び前記利用明細データを対応づけるデータ突合部と、前記利用明細データに前記
商品情報を対応付けて出力する出力部と、を備えることを特徴とする。

その他本願が開示する課題やその解決方法については、発明の実施形態の欄及び図面に
より明らかにされる。

本発明によれば、クレジットカードの利用状況を把握することができる。

本実施形態に係る情報処理装置１０のハードウェア構成例を示す図である。本実施形態の情報処理装置１０のソフトウェア構成例を示す図である。電子メールデータの一例を説明する図である。本実施形態の情報処理装置１０の動作を説明する図である。

＜発明の概要＞
本発明の実施形態の内容を列記して説明する。本発明は、たとえば、以下のような構成
を備える。
［項目１］
クレジットカードの利用明細データを取得する利用明細取得部と、
商品に関する商品情報を記憶する商品情報記憶部と、
前記クレジットカードの利用者宛に送信された電子メールデータを取得する電子メール
取得部と、
前記電子メールデータを解析して取引データを抽出する取引データ抽出部と、
前記利用明細データ及び前記取引データを入力データとし、前記利用明細データと前記
取引データの突合の正否を教師データとして学習された学習モデルに、前記利用明細デー
タ及び前記取引データを与えて前記突合の正否を判断し、正解の前記取引データ及び前記
利用明細データを対応づけるデータ突合部と、
前記利用明細データに前記商品情報を対応付けて出力する出力部と、
を備えることを特徴とする情報処理装置。
［項目２］
項目１に記載の情報処理装置であって、
前記データ突合部は、前記利用明細データに含まれる決済金額及び決済日と、前記取引
データに含まれる取引金額及び取引日とを前記学習モデルに与えて前記正否を判断するこ
と、
を特徴とする情報処理装置。
［項目３］
項目１又は２に記載の情報処理装置であって、
前記データ突合部は、正解の前記取引データと前記利用明細データとのペアが複数存在
する場合に、前記学習モデルを用いた推論の信頼度に応じて１つの前記ペアを選択し、選
択した前記ペアの前記取引データと前記利用明細データとを対応付けること、
を特徴とする情報処理装置。
［項目４］
項目１乃至３のいずれか１項に記載の情報処理装置であって、
前記データ突合部は、前記取引データと前記利用明細データとの対応付けの正否かをユ
ーザに確認し、確認した前記正否を教師データとし、前記利用明細データ及び前記取引デ
ータを入力データとして機械学習により前記学習モデルを更新すること、
を特徴とする情報処理装置。
［項目５］
クレジットカードの利用明細データを取得するステップと、
商品に関する商品情報を記憶するステップと、
前記クレジットカードの利用者宛に送信された電子メールデータを取得するステップと
、
前記電子メールデータを解析して取引データを抽出するステップと、
前記利用明細データ及び前記取引データを入力データとし、前記利用明細データと前記
取引データの突合の正否を教師データとして学習された学習モデルに、前記利用明細デー
タ及び前記取引データを与えて前記突合の正否を判断し、正解の前記取引データ及び前記
利用明細データを対応づけるステップと、
前記利用明細データに前記商品情報を対応付けて出力するステップと、
をコンピュータが実行することを特徴とする情報処理方法。
［項目６］
クレジットカードの利用明細データを取得するステップと、
商品に関する商品情報を記憶するステップと、
前記クレジットカードの利用者宛に送信された電子メールデータを取得するステップと
、
前記電子メールデータを解析して取引データを抽出するステップと、
前記利用明細データ及び前記取引データを入力データとし、前記利用明細データと前記
取引データの突合の正否を教師データとして学習された学習モデルに、前記利用明細デー
タ及び前記取引データを与えて前記突合の正否を判断し、正解の前記取引データ及び前記
利用明細データを対応づけるステップと、
前記利用明細データに前記商品情報を対応付けて出力するステップと、
をコンピュータに実行させるためのプログラム。

＜システム概要＞
以下、本発明の一実施形態に係る情報処理装置１０について説明する。本実施形態の情
報処理装置１０は、クレジットカードの利用明細に表示される決済内容の詳細を、電子商
取引（ＥＣ）サイトにおいて商品を購入した場合など、商取引が行われた際に発行される
電子メールから取得しようとするものである。電子メールで送信される取引履歴は実世界
でのレシートと同様の意味をなしているものの、大量の電子メールに埋もれて有効活用さ
れていないのが現状である。スマートフォンのアプリやＷｅｂ上のクレジットカードの利
用明細画面において、電子メールと連携することで、従来の明細に商品名の突合やヒント
を与えることが可能となる。具体的には、商取引において決済された内容が、クレジット
カードの利用明細とともに一覧で並び、出費の確認を容易にすることで、実際の商品を発
見しやすくさせることができるようにする。また、合計金額や日時、店舗名との突合が成
功した場合は、具体的な商品名を紐付けて表示させることもできる。さらに、クレジット
カードの利用明細に不審な点があった場合に、ユーザは利用明細に紐付く取引を確認する
ことができるので、クレジットカード会社に問い合わせすることなく自己完結できること
が期待され、クレジットカード会社におけるサポートコストを削減することができる。

＜ハードウェア構成例＞
図１は、本実施形態に係る情報処理装置１０のハードウェア構成例を示す図である。情
報処理装置１０は、例えばワークステーションやパーソナルコンピュータのような汎用コ
ンピュータとしてもよいし、あるいはクラウド・コンピューティングによって論理的に実
現されてもよい。なお、図示された構成は一例であり、これ以外の構成を有していてもよ
い。情報処理装置は、ＣＰＵ１０１、メモリ１０２、記憶装置１０３、通信インタフェー
ス１０４、入力装置１０５、出力装置１０６を備える。記憶装置１０３は、各種のデータ
やプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、
フラッシュメモリなどである。通信インタフェース１０４は、通信ネットワーク３に接続
するためのインタフェースであり、例えばイーサネット（登録商標）に接続するためのア
ダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シ
リアル通信のためのＵＳＢ（Universal Serial Bus）コネクタやＲＳ２３２Ｃコネクタな
どである。入力装置１０５は、データを入力する、例えばキーボードやマウス、タッチパ
ネル、ボタン、マイクロフォンなどである。出力装置１０６は、データを出力する、例え
ばディスプレイやプリンタ、スピーカなどである。なお、後述する情報処理装置１０が備
える各機能部は、ＣＰＵ１０１が記憶装置１０３に記憶されているプログラムをメモリ１
０２に読み出して実行することにより実現され、情報処理装置１０が備える記憶部は、メ
モリ１０２及び記憶装置１０３が提供する記憶領域の一部として実現されることができる
。

＜ソフトウェア構成例＞
図２は、本実施形態の情報処理装置１０のソフトウェア構成例を示す図である。情報処
理装置１０は、利用明細取得部１１１、商品情報取得部１１２、電子メール取得部１１３
、取引データ抽出部１１４、データ突合部１１５、データ出力部１１６、データ修正部１
１７、アラート出力部１１８、商品提案部１１９、取引データ記憶部１３１、ルール記憶
部１３２、請求名義記憶部１３３、商品情報記憶部１３４を備える。

利用明細取得部１１１は、ユーザによるクレジットカードの利用明細データを取得する
。利用明細取得部１１１は、例えば、クレジットカードを発行しているカード会社のサー
バから、例えば、ＡＰＩを呼び出したり、Ｗｅｂサービスに自動ログインして明細データ
の一覧をスクレイピングしたりすることで、利用明細データを取得することができる。な
お、利用明細データの取得処理には公知の手法を用いることができる。利用明細データに
は、クレジットカードの利用日、利用店名、利用者、利用金額などが含まれうる。

取引データ記憶部１３１は、商取引に関する情報（以下、取引データという。）を記憶
する。取引データには、受信日時、取引日、取引が行われた店舗の店舗名、当該店舗が出
店しているＥＣサイトの名称（ＥＣサイト名）、商品又はサービスに対する支払金額、決
済手段、商品の送料、取引に係る取引金額、商品又はサービスの名称（商品名）などが含
まれうる。受信日時は、電子メールの受信日時とすることができる。店舗が独自にオンラ
イン販売をしているような場合には、ＥＣサイト名は設定されなくてよい。取引データに
は１回の決済の対象となった複数の商品又はサービスが含まれ得る。取引金額は、支払金
額に送料を加算し、ポイントや手数料その他に応じた加算減算を行った後の最終金額であ
り、決済の対象となる決済金額となる。決済手段は、クレジットカードやポイント、プリ
ペイドカード、ＱＲコード（登録商標）決済など、各種の決済手段のうちどの決済手段に
より決済されたかを示す。

１回の商取引で複数の商品又はサービスが取引された場合、例えば、複数の商品を１回
の購入手続で購入した場合には、１つの取引データには、複数の商品名が含まれ得る。こ
の場合、支払金額には複数の商品の合計金額（ポイントやクーポンの使用がある場合には
、合計金額からポイントやクーポンの利用に係る割引等の調整が行われた後の金額）が設
定されることになる。

また、１回の決済で支払を行った場合に、取引金額を１つと、複数の取引に係る複数の
支払金額とが電子メールデータに含まれることがあり得る。このような場合には、１つの
取引データに店舗名が複数登録されていてもよい。また、１つの取引データに、支払金額
、決済手段、１つ以上の商品名の組み合わせが複数含まれていてもよい。

また、取引データには、例えば、決済手段による支払区分（現金払い、一括払い、リボ
払い、分割払いなど）を含めることもできる。

ルール記憶部１３２は、電子メールデータを解析するためのルールを記憶する。ルール
記憶部１３２は、店舗ごとにルールを記憶することができる。ルールは、例えば、電子メ
ールデータを機械学習により学習した学習モデルであってもよい。ルール記憶部１３２は
、電子メールの送信元となるアドレスのパターン（アドレスそのものであってもよいし、
アドレスを正規表現等により表現したパターンであってもよい。）をさらに対応付けて記
憶するようにすることもできる。

請求名義記憶部１３３は、商取引の主体である店舗名と、クレジットカードの加盟店と
して請求を行う請求人名（明細表記）とを対応付けて記憶する。

商品情報記憶部１３４は、商取引の対象となる商品に関する情報（以下、商品情報とい
う。）を記憶する。商品情報には、商品を特定する商品ＩＤに対応付けて、商品に関連す
るユーザの目的、商品のカテゴリ、消耗品フラグ、商品名、商品名パターン、メーカー名
、メーカー名パターン、商品説明、ターゲット属性、定価などが含まれうる。

目的は、複数設定することができる。例えば、ボールペンについて、「筆記」及び「装
飾」の目的を設定するなどすることもできる。

カテゴリは、目的ごとに設定することができる。カテゴリは複数階層であってもよく、
例えば、大分類、中分類、小分類などを設定することができる。

消耗品フラグは、当該商品が消耗品に該当するか否かを示す情報である。

商品名パターンは、商品の表記揺れを特定可能なパターンとすることができる。また、
商品名の正式名に加えて通称や略称等、商品の特定に用いられる名称を１つ又は複数設定
するようにしてもよい。

ターゲット属性は、例えば、この商品が想定するユーザセグメントを特定する情報（デ
モグラフィック情報など）としてもよいし、この商品を好きなユーザ又はセグメントを特
定するための情報（セグメント情報）としてもよい。セグメント情報は、ある商品ＩＤを
含む購入データに対応するユーザに共通する特徴量とすることができる。

商品情報取得部１１２は、商品情報を取得して商品情報記憶部１３４に登録する。商品
情報取得部１１２は、例えば、オペレータから商品情報の入力を受け付けることができる
。例えば、ＪＡＮコードに付随する商品情報とすることができる。また、商品情報取得部
１１２は、メーカーや販売店のサーバにアクセスして、例えばスクレイピングによりＷｅ
ｂサイトで提供されている商品情報を読み取ることにより、また、サーバがＡＰＩを提供
している場合には、当該ＡＰＩを呼び出すことにより、商品情報を取得することができる
。商品情報取得部１１２は、取得した商品情報を商品情報記憶部１３４に登録することが
できる。商品情報の登録時には、

電子メール取得部１１３は、ユーザ宛ての電子メールデータを取得する。電子メール取
得部１１３は、メールサーバにアクセスして、ＰＯＰ（Post Office Protocol）、ＩＭＡ
Ｐ（Internet Message Access Protocol）などのプロトコルに従って、ユーザのメールボ
ックスから電子メールデータを取得することができる。情報処理装置１０は、アクセスす
るメールサーバをユーザＩＤに対応付けて管理するメールサーバ記憶部を備えるようにし
、電子メール取得部１１３は、メールサーバ記憶部に登録されている全てのメールサーバ
にアクセスして、電子メールデータを収集するようにすることもできる。

取引データ抽出部１１４は、電子メールデータを解析して取引データを抽出する。電子
メールデータのうち、商取引に関連するものには、取引に関連する情報（取引データ）が
含まれている。取引データ抽出部１１４は、ルール記憶部１３２に登録されているルール
に従って電子メールデータから取引データを抽出することができる。取引データ抽出部１
１４は、電子メールデータに含まれている送信元のアドレスがマッチするアドレスパター
ンに対応するルールをルール記憶部１３２から読み出して、読み出したルールに基づいて
電子メールデータから取引データを抽出することができる。また、取引データ抽出部１１
４は、ルール記憶部１３２に記憶されている全てのルールを適用して、取引データの抽出
に成功したものを使用するようにしてもよく、この場合には、成功したルールに対応する
店舗名を特定することができる。

図３は、電子メールデータの一例を説明する図である。図３には、ＥＣ（電子商取引）
サイトにおいて商品が購入された際に通知される電子メールである購入通知メール２１の
例が示されている。購入通知メール２１には、商品が購入された日時２１１、購入された
商品２１２、取引金額２１３（商品に対する支払金額と送料とを含む。）を示すテキスト
データが含まれている。取引データ抽出部１１４は、ルールに従ってこれらのデータを電
子メールデータから抽出し、抽出したデータに基づいて取引データを作成することができ
る。

また、取引データ抽出部１１４は、ＥＣサイトなどで管理されている取引履歴を特定す
るための情報（例えば、取引履歴を閲覧するためのＵＲＬなど）を電子メールデータから
取得し、取得した情報に基づいてＥＣサイトにアクセスして取引データを取得するように
することができる。この場合、取引データ抽出部１１４は、リンク先のＷｅｂページから
取引履歴として表示されている取引データを、スクレイピング等の手法により抽出するよ
うにすることができる。また、取引データ抽出部１１４は、電子メールデータから抽出し
た取引履歴を特定するための情報を、ＥＣサイトが提供するＡＰＩに渡して取引データを
取得するようにすることもできる。

データ突合部１１５は、取引データ及び利用明細データを対応付ける。本実施形態では
、クレジットカードの利用明細側で表示される利用店名の表記についてマスターデータと
なる請求名義記憶部１３３を構築し、電子メールとして発行される購入履歴と突合する。
データ突合部１１５は、利用明細データに含まれる利用金額（決済金額）及び利用日（決
済日）と、取引データに含まれる取引金額及び取引日とが一致するか否かにより、利用明
細データと取引データとを対応付けることができる。また、データ突合部１１５は、利用
明細データに含まれる利用店名に一致する明細表記が請求名義記憶部１３３に登録されて
いる場合には、当該明細表記に対応する店舗名を請求名義記憶部１３３から読み出して、
読み出した店舗名と、取引データの店舗名とが一致するか否かを、対応づけに用いるよう
にしてもよい。

また、データ突合部１１５は、利用明細データの利用日と取引データの取引日との差が
所定期間（例えば１日）以内の取引データと利用明細データとの各ペアについて、項目の
類似度を計算し、類似度の最も高いものを対応付けるようにすることができる。

また、データ突合部１１５は、電子メールデータから抽出した取引データに複数の商品
に係る取引が含まれている場合には、クレジットカードの利用明細の１レコードに複数の
商品を紐付けることができる。この場合、データ突合部１１５は、複数商品をまとめた決
済金額を用いてクレジットカードの利用明細と突合を行うことができる。

また、データ突合部１１５は、電子メールデータから抽出した取引データと、クレジッ
トカードの利用明細との突合を、機械学習により学習した学習モデルを用いて行うように
することができる。例えば、取引データの項目と、利用明細の項目とを特徴ベクトルとし
、突合が正解か否かを教師データとした機械学習を行うことができる。情報処理装置は、
この学習モデルを記憶する学習モデル記憶部を備えるようにすることができる。

特徴量ベクトルには、取引データの取引日、店舗名、取引金額を含めることができる。
また、特徴量ベクトルには、利用明細の利用日、利用店名、利用金額を加えることができ
る。

また、機械学習のための特徴量ベクトルには、取引データのＥＣサイト名を含めてもよ
い。特徴ベクトルには、取引データの決済手段を加えてもよい。特徴量ベクトルには、取
引データに含まれる商品の数（商品名の数）を含めてもよい。特徴量ベクトルには、取引
データに含まれる、利用されたポイントの数量を含めてもよい。特徴量ベクトルには、取
引データの受信日時、又は受信日時の日付と時間帯を含めてもよい。また、特徴量ベクト
ルには、取引データに含まれる支払区分を含めてもよい。

また、機械学習のための特徴量ベクトルには、クレジットカードの利用明細の支払区分
を含めてもよい。

データ突合部１１５は、取引データの項目と利用明細データの項目とを学習モデルに与
えて突合の正否を判定し、正解の取引データ及び利用明細データを対応付けることができ
る。ここで、学習モデルによる推論の信頼度が所定値以下である場合には、データ突合部
１１５は、ユーザに対して当該突合の正否を問い合わせ、その結果を教師データとし、取
引データの項目と利用明細データの項目を入力データとして機械学習を行い、上記学習モ
デルを行進することもできる。

データ突合部１１５は、利用明細データの利用日と取引データの取引日との差が所定期
間（例えば１日）以内の取引データと利用明細データとの各ペアについて、含まれる項目
から上記の特徴量ベクトルを作成し、上記学習モデルに与えて、突合の正否を判定し、正
解であるペアを対応付けることができる。また、データ突合部１１５は、複数のペアに正
解の結果が出た場合には、推論の信頼度が最も高いものを正解として対応付けるようにす
ることができる。

また、同日かつ同一店舗名の取引データが複数存在する場合には、データ突合部１１５
は、複数の取引データのそれぞれと、同日かつ同一店舗名の利用明細のそれぞれとのペア
を作成し、各ペアについて、最も類似度の高いものを対応付けるようにしてもよい。また
、データ突合部１１５は、これらのペアから特徴量ベクトルを作成し、上記学習モデルに
与えて、突合の正否を判定し、正解であるペアを対応づけ、また、複数の正解がある場合
には、信頼度が最も高いペアを対応付けるようにすることができる。

また、データ突合部１１５は、利用明細データと突合された取引データに対応する商品
情報を商品情報記憶部１３４から特定し、特定した商品情報を利用明細データに対応付け
るようにしてもよい。データ突合部１１５は、例えば、取引データに含まれる商品名が、
商品名パターンにマッチする商品情報を特定することができる。また、データ突合部１１
４は、取引データにメーカー名と商品名とが含まれている場合には、メーカー名がメーカ
ー名パターンにマッチし、かつ、商品名が商品名パターンにマッチする商品情報を特定す
ることもできる。

データ突合部１１５は、パターンマッチング以外にも、例えば、電子メールデータから
抽出した取引データの各項目を入力データとして、商品情報を推測する学習モデルを用い
て商品情報を特定するようにすることもできる。この場合、例えば、取引データの各項目
を入力データとし、商品情報を特定する商品ＩＤを教師データとした機械学習により学習
モデルを作成及び更新することができる。

データ突合部１１５はまた、事前に設定されたＥＣサイトから送信された電子メールデ
ータについては、突合の是非をユーザに確認するようにすることができる。データ突合部
１１５は、例えば、利用明細データについて、取引データ又は商品情報を提示し、「この
内容でしょうか？」などの確認メッセージを表示して、ユーザから正しい突合であるか否
かの入力を受け付け、正しいことが入力された場合にのみ、突合が成功したと判定するこ
とができる。ここで、突合に失敗した場合には、その他のルールを用いて再度突合を行う
ようにしてもよい。

データ突合部１１５はまた、事前に設定されたＥＣサイト又はショップから送信された
電子メールデータについては、ユーザに利用明細データと商品情報との突合を行わせるよ
うにすることもできる。この場合、データ突合部１１５は、利用明細データと完全に一致
しないものの類似する取引データ又は商品データについて、類似度が所定値以下であるも
のについて、上記のようにしてユーザに確認を行うようにすることができる。

＜表示＞
データ出力部１１６は、利用明細データに取引データを対応付けて出力する。データ出
力部１１６は、例えば、利用明細データと取引データとを対応付けて一覧表示するための
リストデータを、ユーザのユーザ端末に送信するようにしてもよいし、クレジットカード
会社のサーバに送信するようにしてもよい。これにより、クレジットカード会社において
利用明細を表示するにあたり、本実施形態の情報処理装置１０からのリストデータを用い
て、利用明細に紐付いた取引データを表示させるようにすることができる。

また、データ出力部１１６は、取引データに代えて又は取引データに加えて、取引デー
タに対応する商品情報を利用明細データに対応付けて出力することもできる。

データ修正部１１７は、ユーザから突合の修正を受け付ける。データ修正部１１７は、
例えば、データ出力部１１６が出力した取引データについて、ユーザから突合に誤りがあ
ったことの指摘を受け付けることができる。データ修正部１１７は、受け付けた誤りをオ
ペレータに報知することができる。

また、データ修正部１１７は、利用明細データに対応する取引データの指定を受け付け
ることもできる。データ修正部１１７は、例えば、ユーザから誤りの指摘を受けた場合に
、取引データの全て又は利用明細データとの突合がなされていないものを表示するように
ユーザのユーザ端末に送信し、ユーザから正しい取引データの指定を受け付けるようにす
ることができる。

また、データ修正部１１７は、ユーザからの誤りの指摘を学習するようにしてもよい。
例えば、ルールが機械学習により作成される学習モデルである場合に、データ修正部１１
７は、強化学習により学習モデルを更新することができる。また、学習モデルとパターン
マッチングとを併用し、パターンにマッチしなかった取引データについて、学習モデルを
用いて商品情報を推定するようにすることもできる。

＜不正検知・推測＞
アラート出力部１１８は、利用明細データに取引データを対応付けることができない場
合にアラートを出力することができる。アラート出力部１１８は、電子メールによりアラ
ートを通知するようにしてもよいし、ソーシャルネットワーク（ＳＮＳ）でのダイレクト
メッセージや投稿などにより通知をするようにしてもよいし、スマートフォン等の利用者
の携帯端末にプッシュ通知を行うようにしてもよいし、ＳＭＳ等によりテキストメッセー
ジを携帯電話に送信するようにしてもよい。

また、アラート出力部１１８は、データ突合部１１５による突合（カード決済と購入履
歴の合致）に成功した場合に、突合が行われたこと、あるいは、決済が行われたことなど
を示すメッセージを通知するようにしてもよい。

＜商品の提案＞
商品提案部１１９は、ユーザに商品を提案することができる。商品提案部１１９は、例
えば、取引データ及び対応する商品情報に基づいて、ユーザの興味対象のカテゴリを特定
し、特定したカテゴリの他の商品をユーザに提案することができる。

また、商品提案部１１９は、当該利用明細データに係るクレジットカードとは異なる決
済手段により決済された取引データのみに基づいて商品を提案することができる。この場
合に、商品提案部１１９は、当該クレジットカードでの決済を提案するとともに、当該ク
レジットカードでの決済を条件としたリワード（例えば、ポイントの付与やクーポンの発
行等）を行うことができる。これにより、クレジットカード会社にとってのいわゆるブラ
ンドスイッチのレコメンドを行うことができる。

また、商品提案部１１９は、電子メールデータから取引データを抽出した際に、取引デ
ータに含まれる決済手段が、利用明細データに係るクレジットカードとは異なる場合に、
当該クレジットカードに係る広告を表示し、又は商品の提案とともに当該クレジットカー
ドの利用によるリワードを提案することができる。

情報処理装置１０には、クレジットカード会社からのキャンペーン情報を記憶するキャ
ンペーン記憶部を設けるようにし、キャンペーン情報に応じて提案を行うようにしてもよ
い。例えば、キャンペーン情報には、商品又はカテゴリと、決済手段（クレジットカード
等）の指定と、キャンペーン期間と、ターゲットとするユーザを特定する情報とが含まれ
ており、商品提案部１１９は、現時点がキャンペーン期間に含まれており、かつ、ユーザ
がターゲットにマッチするキャンペーン情報について、指定されている商品又は指定され
ているカテゴリに所属する商品を、指定されている決済手段により決済することの広告を
表示することができる。

＜動作＞
図４は、本実施形態の情報処理装置１０の動作を説明する図である。

電子メール取得部１１３は、ユーザの電子メールデータを取得し（Ｓ３０１）、取引デ
ータ抽出部１１４は、当該電子メールデータから取引データを抽出する（Ｓ３０２）。上
述したように、取引データ抽出部１１４は、電子メールの送信元にマッチするパターンに
対応するルールをルール記憶部１３２から読み出して、読み出したルールに従って取引デ
ータを抽出することができる。また、ルール記憶部１３２に登録されているルールを、取
引データの抽出に成功するまで順番に試行していってもよい。取引データ抽出部１１４は
、抽出した取引データを取引データ記憶部１３１に登録する（Ｓ３０３）。

利用明細取得部１１１は、例えば、クレジットカードのＷｅｂサイトなどから利用明細
データを取得する（Ｓ３０４）。データ突合部１１５は、利用明細データの利用日及び利
用金額と一致する、取引日及び取引金額を含む取引データを検索して突合処理を行う（Ｓ
３０５）。なお、データの突合は、取引日及び取引金額（利用日及び利用金額）に加えて
、店舗名を用いて行うようにしてもよい。この場合、データ突合部１１５は、利用明細デ
ータの利用店名に一致する明細表記に対応する店舗名を請求名義記憶部１３３から読み出
し、読み出した店舗名と、取引データの店舗名とを突合させるようにすることができる。

利用日及び利用金額と一致する取引日及び取引金額を含む取引データが存在した場合、
すなわち、利用明細データと取引データとの突合に成功した場合（Ｓ３０６：ＹＥＳ）、
データ突合部１１５は、取引データに対応する商品情報を商品情報記憶部１３４から特定
し（Ｓ３０７）、データ出力部１１６は、利用明細データと商品情報とを対応付けて出力
する（Ｓ３０８）。ここでアラート出力部１１８は、突合に成功した旨をユーザに通知す
るようにしてもよい。

一方、利用明細データと取引データとの突合に失敗した場合には（Ｓ３０６：ＮＯ）、
アラート出力部１１８は、アラートを出力する（Ｓ３０９）。

以上のようにして、クレジットカードの利用明細と、電子メールで送信されてくる取引
履歴とを対応付けて出力することができる。

以上、本実施形態について説明したが、上記実施形態は本発明の理解を容易にするため
のものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸
脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。

たとえば、本実施形態では、情報処理装置１０が主体的に利用明細データを取得するも
のとしたが、これに限らず、外部から利用明細データが与えられ、これに応じて、与えら
れた利用明細データに対応する取引データを突合し、取引データに対応する商品情報を応
答するようにすることもできる。例えば、利用明細を閲覧しているユーザが不審な利用明
細を発見した場合（例えば、利用した覚えのない店名からの請求がされているような場合
）に、利用明細データを情報処理装置１０に与えて、当該利用明細データに対応する取引
データを確認するようにすることができる。この場合、例えば、クレジットカード会社の
Ｗｅｂページにおいて、あるいは、利用明細を閲覧するスマートフォンのアプリにおいて
、利用明細データの一覧を表示するとともに、当該利用明細データの詳細を確認するボタ
ンやリンクなどを配置し、当該ボタンやリンクなどにより指定された利用明細データを情
報処理装置１０に送信し、情報処理装置１０がこれに応じて取引データを返却し、Ｗｅｂ
ページやアプリにおいて応答された取引データを表示するようにすることができる。

１１１利用明細取得部
１１２商品情報取得部
１１３電子メール取得部
１１４取引データ抽出部
１１５データ突合部
１１６データ出力部
１１７データ修正部
１１８アラート出力部
１１９商品提案部
１３１取引データ記憶部
１３２ルール記憶部
１３３請求名義記憶部
１３４商品情報記憶部

Claims

クレジットカードの利用明細データを取得する利用明細取得部と、
ＥＣサイトから前記クレジットカードの利用者宛に送信された電子メールデータを取得する電子メール取得部と、
前記電子メールデータを解析して取引データを抽出する取引データ抽出部と、
前記利用明細データに含まれる利用日、利用店名及び利用金額、ならびに、前記取引データに含まれる取引日、店舗名、取引金額、決済手段及びＥＣサイト名を入力データとし、前記利用明細データと前記取引データの突合の正否を教師データとして学習された学習モデルに、前記利用明細データ及び前記取引データを与えて前記突合の正否を判断し、正解の前記取引データ及び前記利用明細データを対応づけるデータ突合部と、
前記利用明細データに、突合された前記取引データを対応付けて出力する出力部と、
を備えることを特徴とする情報処理装置。
請求項１に記載の情報処理装置であって、
前記データ突合部は、正解の前記取引データと前記利用明細データとのペアが複数存在する場合に、前記学習モデルを用いた推論の信頼度に応じて１つの前記ペアを選択し、選択した前記ペアの前記取引データと前記利用明細データとを対応付けること、
を特徴とする情報処理装置。
請求項１又は２に記載の情報処理装置であって、
前記データ突合部は、前記取引データと前記利用明細データとの対応付けの正否かをユーザに確認し、確認した前記正否を教師データとし、前記利用明細データ及び前記取引データを入力データとして機械学習により前記学習モデルを更新すること、
を特徴とする情報処理装置。
クレジットカードの利用明細データを取得するステップと、
ＥＣサイトから前記クレジットカードの利用者宛に送信された電子メールデータを取得するステップと、
前記電子メールデータを解析して取引データを抽出するステップと、
前記利用明細データに含まれる利用日、利用店名及び利用金額、ならびに、前記取引データに含まれる取引日、店舗名、取引金額、決済手段及びＥＣサイト名を入力データとし、前記利用明細データと前記取引データの突合の正否を教師データとして学習された学習モデルに、前記利用明細データ及び前記取引データを与えて前記突合の正否を判断し、正解の前記取引データ及び前記利用明細データを対応づけるステップと、
前記利用明細データに、突合された前記取引データを対応付けて出力するステップと、
をコンピュータが実行することを特徴とする情報処理方法。
クレジットカードの利用明細データを取得するステップと、
ＥＣサイトから前記クレジットカードの利用者宛に送信された電子メールデータを取得するステップと、
前記電子メールデータを解析して取引データを抽出するステップと、
前記利用明細データに含まれる利用日、利用店名及び利用金額、ならびに、前記取引データに含まれる取引日、店舗名、取引金額、決済手段及びＥＣサイト名を入力データとし、前記利用明細データと前記取引データの突合の正否を教師データとして学習された学習モデルに、前記利用明細データ及び前記取引データを与えて前記突合の正否を判断し、正解の前記取引データ及び前記利用明細データを対応づけるステップと、
前記利用明細データに、突合された前記取引データを対応付けて出力するステップと、
をコンピュータに実行させるためのプログラム。