JP7323370B2 - 審査装置 - Google Patents

Description

本発明は、サービス利用を推定する審査装置に関する。

特許文献１には、外部の個人信用情報センターにアクセスしてクレジットカード入会希望者の属性情報と信用履歴情報とを取得し、取得した属性情報と入会希望者の入力した個人情報の各項目をスコアリングエンジンに掛けて数値化し、数値化された結果をあらかじめ定めた閾値によりＯＫ、ＮＧ、またはグレーの三つのカテゴリーに分けることについて記載がある。

特開２００３－４４６６８号公報

特許文献１に記載の発明においては、個人信用情報などに基づいてスコアリングエンジンにかけてクレジットカードの入会の可否を判断している。その際、個人の属性情報と信用履歴情報に基づいて入会を判断している。したがって、クレジットカードを利用しない可能性が高い個人に対しても入会を許可する場合があり、クレジットカードなど、入会対象となるシステムのコストを無駄に使うことになる、という問題が生ずる。

そこで、上述の課題を解決するために、本発明は、クレジットカードのなどのサービスの利用する可能性を推定する審査装置を提供することを目的とする。

本発明の審査装置は、判断対象サービスに対するユーザによる利用を推定するための利用推定モデルと、前記利用推定モデルに、一のユーザのユーザ情報を入力することで、当該一のユーザによる前記判断対象サービスの利用可能性を推定する推定部と、を備える。

この発明によれば、判断対象となるサービスのユーザによる利用可能性を推定することができる。

本発明によると、ユーザのサービスの利用可能性を推定することができる。

本実施形態の審査装置１００の機能構成を示すブロック図である。 信用リスク推定モデル１０５の模式図である。 クレジットカードの利用推定モデル１０７の模式図である。 審査装置１００の入会判断の処理を示すフローチャートである。 本開示の一実施の形態に係る審査装置１００のハードウェア構成の一例を示す図である。

添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。

図１は、本実施形態の審査装置１００の機能構成を示すブロック図である。図１に示されるとおり、審査装置１００は、カード申込情報データベース１０１、外部信用機関情報データベース１０２、サービス利用情報データベース１０３、信用リスク推定部１０４、信用リスク推定モデル１０５、利用推定部１０６、利用推定モデル１０７、信用リスク推定結果データベース１０８、利用推定結果データベース１０９、入会判断部１１０、入会判断結果データベース１１１、入会時限度額設定部１１２、および入会時限度額データベース１１３を含んで構成されている。

本実施形態においては、審査装置１００は、サービス対象であるクレジットカードの入会審査をする際において、入会希望者の信用リスクを考慮しつつ、その入会希望者のクレジットカードの利用を推定して、入会の可否を判断する。以下、各構成について説明する。

カード申込情報データベース１０１は、カード申込情報を記憶するデータベースである。カード申込情報は、氏名、年齢、住所、職業、家族構成、および年収等を含む。

外部信用機関情報データベース１０２は、クレジットカードなどの審査において利用される各信用情報機関において登録されている信用情報を記憶するデータベースである。この信用情報は、例えば、クレジットカード契約、ローン契約などの信用取引に関する情報である。この信用情報は、割賦販売等において、割賦残高、延滞の有無などを含む。

サービス利用情報データベース１０３は、各個人のサービス利用情報を記憶するデータベースである。本実施形態では、このサービス利用情報は、例えば所定期間におけるサービスの利用有無、購入金額、支払状況などを示す情報である。このサービス利用情報は、キャリア決済サービス、クレジットカードおよびＱＲコード決済（いわゆるスマホ決済）の決済情報から取得され、また、そのほかネットショッピングの各サイト、各種サービスの利用履歴情報から取得される。

信用リスク推定部１０４は、クレジットカードの入会希望者の信用リスクを推定する部分である。信用リスク推定部１０４は、カード申込情報、外部信用機関情報、およびサービス利用情報を、信用リスク推定モデル１０５に入力して、その入会希望者の信用リスクを推定する。

信用リスク推定モデル１０５は、いわゆる統計的なモデルや機械学習および深層学習により構築された学習モデルである。信用リスク推定部１０４により、信用リスク判断の対象者のカード申込情報、外部信用機関情報、およびサービス利用情報を入力することにより、信用リスクを出力する。

図２に、信用リスク推定モデル１０５の模式図を示す。この信用リスク推定モデル１０５は、カード申込情報、外部信用機関情報、サービス利用情報を入力し、信用リスクを出力する。この信用リスク推定モデル１０５は、入会対象となるクレジットカードにおけるすでに入会済みの他の入会者のカード申込情報、外部信用機関情報、およびサービス利用情報を説明変数とし、当該他の入会者における当該入会対象であるクレジットカードの支払い状況（例えば、デフォルト実績、延滞実績など、当該他の入会者に対する信用リスク）を目的変数として、学習処理が行われることで、構築される。この支払状況は、サービス利用情報ＤＢ１０３に記憶されているサービス利用情報から得られる。また、説明変数として利用されるサービス利用情報は、他の入会者における入会済みのクレジットカードなど全てのサービス利用情報を含む。

カード申込情報、外部信用機関情報、およびサービス利用情報は、所定の手法により数値化される。また、カード申込情報、外部信用機関情報、およびサービス利用情報は、各ユーザの入会前における予め定めた観測期間の情報である。この観測期間は例えば一年に設定され、その観測期間における外部信用機関情報およびサービス利用情報が説明変数として扱われる。

入会対象であるクレジットカードの支払状況についても同様に、入会後の所定期間である予測期間として、例えば、入会後一年が設定されており、その予測期間において、デフォルト実績（債務不履行実績）および延滞実績を数値化した情報が目的変数として扱われる。

これら情報を用いた学習処理は、公知の技術により行われ、線形回帰、サポートベクターマシン、ニューラルネットワークなどがある。

利用推定部１０６は、クレジットカードの入会希望者の当該クレジットカードの利用する可能性を推定する部分である。利用推定部１０６は、カード申込情報、外部信用機関情報、およびサービス利用情報を、利用推定モデル１０７に入力して、その入会希望者のクレジットカードの利用可能性を推定する。

利用推定モデル１０７は、いわゆる統計的なモデル、機械学習または深層学習により構築された学習モデルである。利用推定部１０６により、カード申込情報、外部信用機関情報、およびサービス利用情報を入力することにより、クレジットカードの利用可能性を出力する。

図３は、クレジットカードの利用推定モデル１０７の模式図を示す。この利用推定モデル１０７は、カード申込情報、外部信用機関情報、サービス利用情報を入力し、クレジットカードの利用可能性を出力する。この利用推定モデル１０７は、クレジットカードにおけるすでに入会済みの他の入会者のカード申込情報、外部信用機関情報、およびサービス利用情報を説明変数とし、当該他の入会者によるそのクレジットカードの利用状況（利用有無・利用額・利用率など）を目的変数として、学習処理が行われることにより構築される。これら情報は、信用リスク推定モデルと同様に、所定の観測期間および予測期間が設定され、その期間における各種情報を利用してモデル構築のための学習処理が行われる。この学習処理は、公知の技術により行われ、線形回帰、サポートベクターマシン、ニューラルネットワークなどがある。クレジットカードの利用状況は、サービス利用情報ＤＢ１０３に記憶されているサービス利用情報から得られる。また、説明変数として利用されるサービス利用情報は、他の入会者における入会済みのクレジットカードなど全てのサービス利用情報を含む。

信用リスク推定結果データベース１０８は、信用リスク推定部１０４により推定された、入会希望者の信用リスク結果を記憶するデータベースである。入会希望者の識別情報、氏名、およびその信用リスク結果を対応付けたデータベースである。信用リスク結果は、推定されたデフォルトの確率値、延滞回数または延滞日数である。

利用推定結果データベース１０９は、利用推定部１０６により推定された、入会希望者の当該クレジットカードの利用可能性を記憶するデータベースである。入会希望者の識別情報、氏名、および利用可能性を対応付けたデータベースである。この利用可能性は、利用有無、利用有無の確率値、利用額または利用率である。利用率の分母はクレジットカードの限度額で、分子はクレジットカードの利用額である。

入会判断部１１０は、信用リスク推定結果データベース１０８および利用推定結果データベース１０９のそれぞれの情報に基づいて、入会希望者の入会判断を行う部分である。この入会判断部１１０は、信用リスクと利用可能性とのバランスを見ながら、入会希望者の入会の可否を判断する。例えば、入会判断部１１０は、信用リスクが高いものの（信用リスクが所定値以上）、利用可能性が低い場合には（可能性が所定値未満）、入会希望者の入会を拒否する判断を行う。一方で、信用リスクが低いものの（信用リスクが所定値未満）、利用可能性が高い場合には（可能性が所定値以上）、入会希望者の入会を可とする判断を行う。

なお、入会判断部１１０は、信用リスクが低く（信用リスクが所定値未満）、利用可能性が低い場合には（可能性が所定値未満）、入会希望者の入会を拒否する判断を行う。また、入会判断部１１０は、信用リスクが高く（信用リスクが所定値以上）、利用可能性が高い場合には（可能性が所定値以上）、入会希望者の入会を可とする判断を行う。信用リスクおよび利用可能性の基準値となる上述所定値は適宜調整される。

入会判断結果データベース１１１は、入会判断部１１０により判断された入会の可否情報を記憶するデータベースである。この入会判断結果データベース１１１は、入会希望者の識別情報と、その入会判断結果とを対応付けて記憶する。

入会時限度額設定部１１２は、入会が許可された入会希望者のクレジットカードの利用限度額を設定する部分である。利用限度額は、入会判断部１１０において入会可否の判断基準で用いられた信用リスクと利用可能性とに応じて定められる。例えば、信用リスクが高く、利用可能性が高い場合には、利用限度額は、上限額とする。逆に信用リスクが低く、利用可能性も低い場合には、利用限度額は、下限値または０とする。信用リスクが低く、利用可能性が高い場合には、利用限度額は、下限値または０とする。信用リスクが高く、利用可能性が低い場合には、利用限度額は、上限額と下限額との中間程度の金額とする。具体的な金額は、予め信用リスクと利用可能性との組合せパターンに基づいて設定される。

入会時限度額データベース１１３は、入会時限度額設定部１１２により設定された入会時の利用限度額を、入会許可者（入会希望者に相当）の識別情報と対応付けて記憶する。

このように構成された審査装置１００の動作について説明する。図４は、審査装置１００の入会判断の処理を示すフローチャートである。

信用リスク推定部１０４において、入会希望者の信用リスクが推定され（Ｓ１０１）、利用推定部１０６により、入会希望者のクレジットカードの利用の可能性が推定される（Ｓ１０２）。これらの処理は、平行に処理してもよいし、利用可能性を推定したのちに、信用リスクを推定してもよい。

そして、これら推定結果に基づいて、入会判断部１１０により、当該入会希望者の入会の可否が判断される（Ｓ１０３）。その後、入会が許可された入会許可者ごとに、入会判断の経緯（信用リスクと利用可能性）に基づいて利用限度額が設定される（Ｓ１０４）。なお、本フローでは、入会が許可された入会許可者に対して、入会判断の経緯に基づいて利用限度額が設定されているが、これに限るものではなく、入会判断の結果によらず、利用限度額が設定されてもよい。また、入会判断を行うことなく、利用限度額のみを行うようにしてもよい。また、必ずしも利用限度額を設定するステップは必要無い。

つぎに、本実施形態の審査装置１００の作用効果について説明する。本実施形態の審査装置１００は、判断対象サービスに対するユーザによる利用を推定するための利用推定モデル１０７と、利用推定モデル１０７に、一のユーザのユーザ情報を入力することで、当該一のユーザによる判断対象サービスの利用可能性を推定する利用推定部１０６と、を備える。

このユーザ情報は少なくともサービス利用情報であるが、カード申込情報および外部信用機関情報を含めてもよい。また、カード申込情報および外部信用機関情報のいずれかのみでもモデル構築は可能である。

この審査装置１００においては、その対象となるサービスの利用可能性を推定することができる。例えばサービスがクレジットカードである場合には、そのクレジットカードの利用可能性を推定することができる。クレジットカードは、ユーザが使用することで収益を上げるビジネス手法である。したがって、利用可能性を推定することに意義がある。

なお、本実施形態においてはクレジットカードの入会審査を想定して説明しているが、それに限らない。例えば、カードローン、公共料金、携帯電話、宿泊施設、飲食店またはアミューズメント施設への入会・利用などにも利用可能である。

また、この審査装置１００は、利用推定部１０６による利用可能性に基づいて、判断対象サービスに対する一のユーザの入会を判断する入会判断部１１０をさらに備える。

この審査装置１００においては、利用推定結果に応じて入会の可否を判断することができる。上述した通り、サービスがクレジットカードの場合には、信用リスクにかかわらず、利用する可能性が低いユーザに入会を許可する意義はあまりない。

また、この審査装置１００は、判断対象サービスに対するユーザの信用リスクを推定する信用リスク推定モデル１０５をさらに備える。信用リスク推定部１０４は、信用リスク推定モデル１０５に、一のユーザのユーザ情報を入力することで、当該判断対象サービスに対する一のユーザの信用リスクを推定する。入会判断部１１０は、信用リスクと利用推定結果とに基づいて、判断対象サービスに対する一のユーザの入会を判断する。

この審査装置１００によれば、信用リスクと利用推定結果とに応じて入会の可否を判断することができる。したがって、信用リスクと利用推定結果とのバランスに基づいた入会の可否を判断できる。

この審査装置１００において、利用推定モデル１０７は、当該対象サービスを利用可能なユーザ（例えばクレジットカード入会済みのユーザ）における、当該対象サービスの利用可能前（例えば、入会前）における観測期間のユーザ情報と、利用可能後（例えば、入会後）における予測期間の実績情報とに基づいて構築される。

この審査装置１００において、観測期間および予測期間を適宜変更して複数の利用推定モデル１０７が構築されてもよい。そして、利用推定部１０６は、複数の利用推定モデル１０７を用いて、段階的なユーザの利用可能性を推定してもよい。例えば、短期（例えば、１年未満）、中期（例えば、３年未満）、長期（例えば、それ以上）ごとに、利用推定モデル１０７を構築する。これは、予測期間を、短期・中期・長期に分けた目的変数を使うことに構築できる。

これにより、入会して１年は、利用する可能性は高いが、長期的には利用しない可能性のあるユーザを推定することができる。このような情報は、クレジットカードの入会審査には重要である。また、利用限度額を決定する際の基準としてもよい。例えば、短期利用および長期利用の可能性のあるユーザについては、利用限度額を多くする一方で、短期利用だけが可能性のあるユーザについては、その利用限度額を少なく決定するなどのことをしてもよい。

また、信用リスクも同様に、観測期間および予測期間を適宜変更して複数の信用リスク推定モデル１０５を構築することもできる。この信用リスク推定モデル１０５を利用して、短期・中期・長期に分けて、信用リスクを推定することができる。そして、このように推定した信用リスクと、利用可能性とのバランスからクレジットカードなどの入会の可否を判断することができる。

上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

例えば、本開示の一実施の形態における審査装置１００は、本開示の審査方法の処理を行うコンピュータとして機能してもよい。図５は、本開示の一実施の形態に係る審査装置１００のハードウェア構成の一例を示す図である。上述の審査装置１００は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。審査装置１００のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

審査装置１００における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述の信用リスク推定部１０４、利用推定部１０６などは、プロセッサ１００１によって実現されてもよい。

また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、審査装置１００は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る審査方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。

通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。

また、審査装置１００は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。

情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink Control Information）、ＵＣＩ（Uplink Control Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio Resource Control）シグナリング、ＭＡＣ（Medium Access Control）シグナリング、報知情報（ＭＩＢ（Master Information Block）、ＳＩＢ（System Information Block）））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC Connection Setup）メッセージ、ＲＲＣ接続再構成（RRC Connection Reconfiguration）メッセージなどであってもよい。

本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。

本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。

情報等は、上位レイヤ（又は下位レイヤ）から下位レイヤ（又は上位レイヤ）へ出力され得る。複数のネットワークノードを介して入出力されてもよい。

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。

本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。

なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。例えば、チャネル及びシンボルの少なくとも一方は信号（シグナリング）であってもよい。また、信号はメッセージであってもよい。また、コンポーネントキャリア（ＣＣ：Component Carrier）は、キャリア周波数、セル、周波数キャリアなどと呼ばれてもよい。

本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。

また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。

本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up、search、inquiry)（例えば、テーブル、データベース又は別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。

「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。

本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

１００…審査装置、１０１…カード申込情報データベース、１０２…外部信用機関情報データベース、１０３…サービス利用情報データベース、１０４…信用リスク推定部、１０５…信用リスク推定モデル、１０６…利用推定部、１０７…利用推定モデル、１０８…信用リスク推定結果データベース、１０９…利用推定結果データベース、１１０…入会判断部、１１１…入会判断結果データベース、１１２…入会時限度額設定部、１１３…入会時限度額データベース。

Claims (5)

1. 一のユーザによるサービス利用情報をユーザ情報として記憶する記憶部と、
   事前に入会の審査が要される判断対象サービスに対するユーザによる利用を推定するための利用推定モデルと、
   前記利用推定モデルに、前記記憶部に記憶されている前記一のユーザのユーザ情報を入力し、前記利用推定モデルから当該一のユーザによる前記判断対象サービスの利用可能性の出力を受けることで、利用可能性を推定する推定部と、
   前記利用可能性を記憶する利用推定結果記憶部と、
   を備え、
   前記判断対象サービスは、クレジットカードであり、
   前記利用推定モデルは、
   前記記憶部に記憶されている、前記判断対象サービスを既に利用可能な他のユーザにおける、当該判断対象サービスの利用可能前における観測期間のサービス利用情報、申込情報および外部信用機関情報を説明変数とし、利用可能後における予測期間の実績情報を目的変数として機械学習によって構築された学習モデルである、
   審査装置。
2. 所定の情報処理アルゴリズムに従って、前記推定部による利用可能性が所定値未満である場合、前記一のユーザにおける前記判断対象サービスへの入会を不可とし、前記利用可能性が所定値以上である場合に入会を可と、判断する判断部をさらに備える請求項１に記載の審査装置。
3. 前記判断対象サービスに対するユーザの信用リスクを推定する信用リスク推定モデルをさらに備え、
   前記推定部は、前記信用リスク推定モデルに、前記一のユーザのユーザ情報を入力することで、当該判断対象サービスに対する前記一のユーザの信用リスクを推定し、
   前記判断部は、前記信用リスクと前記利用可能性の推定結果とに基づいて、前記判断対象サービスに対する前記一のユーザの入会を判断する、請求項２に記載の審査装置。
4. 前記予測期間をかえることで複数の利用推定モデルが構築され、
   前記推定部は、当該複数の利用推定モデルを用いて、予測期間に応じたユーザの利用可能性を推定する、請求項１に記載の審査装置。
5. 前記記憶部は、ユーザごとに、サービス利用情報、申込情報および外部信用機関情報を、観測期間に設定し、実績情報を、予測期間に設定して学習用の情報として記憶する、
   請求項１から４のいずれか一項に記載の審査装置。

Images