JP7381435B2 - 情報処理方法、及びプログラム - Google Patents
情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP7381435B2 JP7381435B2 JP2020199136A JP2020199136A JP7381435B2 JP 7381435 B2 JP7381435 B2 JP 7381435B2 JP 2020199136 A JP2020199136 A JP 2020199136A JP 2020199136 A JP2020199136 A JP 2020199136A JP 7381435 B2 JP7381435 B2 JP 7381435B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- monitoring
- target user
- history information
- information
- 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
- 230000010365 information processing Effects 0.000 title claims description 15
- 238000003672 processing method Methods 0.000 title claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 283
- 238000012546 transfer Methods 0.000 claims description 50
- 230000006399 behavior Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 34
- 238000010586 diagram Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 24
- 238000012545 processing Methods 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000000034 method Methods 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 8
- 206010012289 Dementia Diseases 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000003930 cognitive ability Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006999 cognitive decline Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 206010027175 memory impairment Diseases 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明における第1の実施形態の見守りシステム1の概要について説明する。見守りシステム1は、対象ユーザにおける、家族などの関係者による見守りを勧めるか否かを判定した結果を、予め登録した関係者に通知するサービスを提供する。以下では、一例として、対象ユーザの金融口座における資金移動の履歴に基づいて対象ユーザにおける見守りが必要な程度を推定し、推定した推定結果を用いて、家族などの関係者による見守りを勧めるか否かを判定する場合について説明する。
図1は、本実施形態に係る見守りシステム1の概要を示す図である。
図1の前提として、金融機関において、口座を持つ顧客に対するサービスの一環として「見守りサービス」が提案される。「見守りサービス」では、お年寄りなど見守りが必要になる顧客の家族に、必要に応じて見守り対象とする顧客の口座情報を通知する。ここでの口座情報は、金融機関の口座を介して行われる資金の移動の履歴である。
見守り判定サーバ30は、学習済モデルを用いて、対象ユーザTUの口座情報を学習済モデルに入力することにより、対象ユーザTUに対する見守りの要否を推定する。学習済モデルは、対象ユーザTUの口座情報が、見守りフラグが「1」に設定されたユーザUの口座情報とよく似た傾向を示している場合、その似た傾向の度合いに応じて見守りが必要な程度を推定する。例えば、対象ユーザTUの口座情報が、見守りフラグが「1」に設定されたユーザUの口座情報とほとんど一致する場合には、見守りが必要な程度が大きく(例えば、80%以上で)推定される。一方、対象ユーザTUの口座情報が、見守りフラグが「1」に設定されたユーザUの口座情報の傾向とは似ていない場合、見守りが必要な程度は小さく(例えば、20%未満に)推定される。
見守り判定サーバ30は、推定結果に基づいて、家族に対象ユーザTUの見守りを勧めるか否か(見守りの要否)を判定し、判定結果を登録ユーザ端末40に出力する。
以上が、見守りシステム1の概要についての説明である。
次に、見守りシステム1の構成について説明する。
図2は、見守りシステム1の構成の例を示すブロック図である。
見守りシステム1は、例えば、銀行端末10と、学習サーバ20と、見守り判定サーバ30と、登録ユーザ端末40とを備える。これら見守りシステム1の構成要素は、無線又は有線の通信ネットワークNWに接続し、互いに通信を行うことができる。なお、これら見守りシステム1の構成要素のそれぞれは、複数であってもよい。例えば、見守りシステム1が、銀行端末10を複数備えていてもよい。
以上が、見守りシステム1の構成についての説明である。
次に、見守りシステム1の動作について説明する。
図3A、及び図3Bは、見守りシステム1が行う処理の流れを示すシーケンス図である。図3Aは、口座情報と見守りフラグとの関係を学習する学習段階の処理の流れを示している。
登録ユーザ端末40は、見守りサービスに登録する。見守りサービスを希望する家族Fが金融機関に出向いて申請書類を提出するなど必要な手続きを行う。この手続きにより、銀行端末10は、見守り対象者の口座番号及びパスワード(PW)等を見守り判定サーバ30に通知する。或いは、見守りサービスへの登録が、オンラインで行われてもよい。この場合、登録ユーザ端末40から銀行端末10に見守りサービスを希望する旨の申請がなされる。銀行端末10は、登録ユーザ端末40から通知された通知内容に応じて見守りサービスの提供の可否を審査する。審査は、例えば、口座番号の照合や、申請者の本人確認等により行われる。銀行端末10は、見守りサービスの提供をすると判定した場合、見守り対象者の口座番号及びパスワード(PW)等を、見守り判定サーバ30に通知する。また、登録ユーザ端末40には、見守りサービスのアプリがインストールされ、当該アプリのアカウントが作成されると、アカウント情報(アカウントID、及びパスワード等)が見守り判定サーバ30に通知される。これにより、見守り判定サーバ30は、見守り対象者の口座番号、及びそのパスワード、見守りのサービスを希望する家族のアカウントID、及びそのパスワードなどを取得する。
見守り判定サーバ30は、ヒアリングを実施する。見守り判定サーバ30は、例えば、アプリを介して、或いは電話連絡や訪問をする等して、見守り対象者の健康状態、外出の頻度などをヒアリングする。これにより、見守り判定サーバ30は、ヒアリング情報を取得する。ヒアリング情報は、見守り対象者の日頃の行動等をヒアリングした結果を示す情報であり、見守り対象者の見守り要否を判定するための情報である。
見守り判定サーバ30は、見守りフラグを設定する。見守り判定サーバ30は、ヒアリングした内容に基づき、見守り対象者について、家族等による見守りが必要な状態であるか否かを判定する。例えば、見守り判定サーバ30は、ヒアリングの結果、見守り対象者が、生年月日、氏名や住所を問われて答えられなかった場合や、書くことができなかった場合、すでに要介護認定を受けている場合などに、見守りフラグを1に設定する。或いは、要介護認定を受けているが、ヒアリングの結果、家族等による見守りが必要な状態ではないと判定した場合には、ヒアリングの結果を優先し、見守りフラグを0に設定するようにしてもよい。
見守り判定サーバ30は、口座情報を取得する。見守り判定サーバ30は、銀行端末10にアクセスし、見守り対象者の口座番号、及びそのパスワードを用いて、見守り対象者の口座情報を取得する。見守り判定サーバ30は、取得した口座情報に見守りフラグを対応付ける。
見守り判定サーバ30は、教示データを作成する。教示データは、学習モデルに学習させるデータであって、学習モデルへの入力とその入力に対する期待値(出力)とが対応付けられた組合せ(データセット)である。ここでの教示データの入力は、見守り対象者の口座番号である。教示データの出力は、見守り対象者の見守りフラグである。見守り判定サーバ30は、「見守りサービス」に登録された見守り対象者ごとにステップS12、S13の処理を繰返すことにより不特定多数のデータセットを作成し、これを教示データとする。見守り判定サーバ30は、作成した教示データを学習サーバ20に送信する。
学習サーバ20は、教示データを用いて学習済モデルを作成する。学習サーバ20は、学習モデルに、教示データを学習させることにより学習済モデルを作成する。学習モデルは、任意の機械学習の手法を用いた構成であってよいが、例えば、リカレントニューラルネットワーク(以下、RNNと称する)である。一般的に、RNNは、入力層、隠れ層(中間層)、出力層の3つの階層により構成される。入力層には、RNNに推定させる対象の入力(口座情報)が入力される。出力層からは、RNNによって推定された結果を示すデータ(見守りフラグ)が出力される。隠れ層は、推定の核となる処理を行う。例えば、隠れ層は、入力を、活性化関数(伝達関数)と呼ばれる関数により表現される値に変換して出力する。例えば、活性化関数は、正規化線形関数や、シグモイド関数、ステップ関数などであるが、これに限定されず、任意の関数が用いられてよい。
見守り判定サーバ30は、学習済モデルを取得する。例えば、見守り判定サーバ30は、学習サーバ20に、学習済モデルに関する情報を要求する。学習サーバ20は、見守り判定サーバ30からの要求に応じて、RNNの各階層の重みWとバイアス成分b、及び、RNNの構成を示す情報を通知する。RNNの構成を示す情報には、例えば、RNNの隠れ層の層数や、各層のユニット数、活性化関数、などを示す情報が含まれる。
(ステップS20)
見守り判定サーバ30は、対象ユーザTUの口座情報を取得する。見守り判定サーバ30は、見守りサービスに登録された対象ユーザTUの口座情報、及びパスワードを用いて銀行端末10にアクセスし、対象ユーザTUの口座情報を要求する。銀行端末10は、見守り判定サーバ30からの要求に応じて、対象ユーザTUの口座情報を、見守り判定サーバ30に送信する。
見守り判定サーバ30は、対象ユーザの見守りを勧めるか否か判定する。見守り判定サーバ30は、対象ユーザTUの口座情報を学習済モデルに入力する。見守り判定サーバ30は、入力に対する学習済モデルからの出力、つまり、対象ユーザTUの口座情報から推定される、見守りを必要とする程度を取得する。ここで推定される見守りを必要とする程度は、例えば、100%~0%までの確立により示され、見守りを必要とする程度が大きい程、大きな値で示されるものである。
登録ユーザ端末40は、見守り判定サーバ30からの判定結果を受信し、受信した判定結果を、表画面に表示する。
以上が、見守りシステム1の動作についての説明である。
次に、見守りシステム1が処理に用いる各種のデータの構成について説明する。
まず、登録ユーザ情報について説明する。登録ユーザ情報は、「見守りサービス」に登録された個々のユーザに関する情報を記述したデータである。
図4は、登録ユーザ情報のデータ構成の例を示す図である。登録ユーザ情報は、登録したユーザの登録ユーザID(IDentifier)に対して、「見守りサービス」アプリ、見守り対象者、及び見守り対象口座の各々に関する情報を対応付けたデータとして記述される。登録ユーザ情報は、「見守りサービス」に登録した登録ユーザごとに作成される。
登録ユーザIDには、登録ユーザを一意に識別するための情報が記述される。
「見守りサービス」アプリには、登録ユーザが当該アプリにログインするためのアカウント情報が記述される。アカウント情報には、例えば、アカウント名称、及びパスワードを示す情報が記述される。
見守り対象者には、見守り対象者の属性情報が記述される。属性情報は見守り対象者に関する情報であって、例えば、見守り対象者の氏名、年齢、性別、ヒアリング情報などが記述される。ヒアリング情報には、ヒアリング時の見守り対象者における、健康状態、外出の頻度、会話の状況などが記述される。
見守り対象口座には、見守り対象とする見守り対象者の口座に関する情報が記述される。口座に関する情報は、当該口座における口座情報を取得するための情報であって、例えば、口座番号と、その口座番号にアクセスするためのパスワードを示す情報が記述される。
図5は、口座情報のデータ構成の例を示す図である。口座情報は、見守り対象とする口座のID(IDentifier)に対して、当該口座の口座番号、及びその口座における資金移動の履歴などの情報を対応付けたデータとして記述される。口座情報は、見守り対象とする口座ごとに作成される。
見守り対象口座IDには、見守り対象とする口座を一意に識別するための情報が記述される。
口座番号には、見守り対象口座IDにより識別される口座の口座番号を示す情報が記述される。
履歴には、口座の資金を移動させた際の移動の内容を示す情報が記述される。例えば、履歴には、資金を移動させた年月日、入金か出金かを示す種別(入出金種別)、移動させた金額、資金を移動させた後の残高などを示す情報が記述される。履歴は、資金移動の都度、作成され、履歴1、履歴2、…のように時系列に沿って記述される。
図6は、見守りフラグ情報のデータ構成の例を示す図である。見守りフラグ情報は、見守り対象者のID(IDentifier)に対して、見守り判定サーバ30により判定された見守りが必要な程度を示す情報を対応付けたデータとして記述される。
見守り対象者IDには、見守り対象者を一意に識別するための情報が記述される。
見守りフラグには、見守り対象者IDにより識別される見守り対象者に設定された見守りフラグを示す情報が記述される。
更新日時には、見守りフラグを設定(更新)した日時を示す情報が記述される。
図7は、判定閾値のデータ構成の例を示す図である。判定閾値は、見守り対象者のID(IDentifier)に対して、当該見守り対象者の口座情報に基づいて推定された見守りを勧めるか否かを判定する判定レベルを対応付けたデータとして記載される。判定閾値は、見守り対象者ごとに作成される。
見守り対象者IDには、見守り対象者を一意に識別するための情報が記述される。
判定レベルには、見守り対象者IDにより識別される見守り対象者に推定された見守りが必要な程度における、家族等に対し本人の見守りを勧めると判定する閾値(判定レベル)が記述される。判定レベルは、判定レベル1、判定レベル2、というように、複数設定されてよい。例えば、判定レベル1として、見守りが必要な程度が30%以上とする旨が記述される。この場合、推定された見守りが必要な程度が30%以上である場合に、見守り対象者と同居する家族に見守りを勧める通知が行われる。判定レベル2として、見守りが必要な程度が50%以上とする旨が記述される。この場合、推定された見守りが必要な程度が50%以上である場合に、遠方に住む見守り対象者と親族に見守りを勧める通知が行われる。このように、見守りを勧める通知先と、見守り対象者との関係に応じて、見守りを勧める通知が行われるレベルを異なるように設定されてよい。
図8は、出力先情報のデータ構成の例を示す図である。出力先情報は、登録ユーザのID(IDentifier)に対して、当該登録ユーザが登録した見守り対象者の見守りを勧める旨を通知する通知先を示す情報を対応付けたデータとして記載される。出力先情報は、登録ユーザごとに作成される。
登録ユーザIDには、登録ユーザを一意に識別するための情報が記述される。
判定レベル通知先には、判定レベルに応じた通知先が記述される。通知先は、登録ユーザ(家族Fなど)から設定された通知先である。通知先は、「見守りサービス」のアプリのアカウント名称であってもよいし、他のアプリのアカウント名称であってもよいし、電子メールアドレスや、携帯電話の電話番号、固定電話の電話番号などであってもよい。また、通知先は、「見守りサービス」のアプリを介して更新できる設計であってもよい。 以上が、データの構成についての説明である。
次に、見守りシステム1が備える各装置のコンピュータシステム100の構成について説明する。
図9は、コンピュータシステム100の構成を示すブロック図である。
コンピュータシステム100は、通信部101と、入力部102と、出力部103と、記憶部104と、CPU(Central Processing Unit)105と、を備える。これらの構成要素は、バスBを介して相互に通信可能に接続されている。
入力部102は、例えば、マウス、タッチパッド等のポインティングデバイス、キーボード、マイクロホン、カメラ、その他の各種センサ(例えば、加速度センサ、ジャイロセンサ、GPS(Global Positioning System)センサ、近接センサ)を含む入力用モジュールである。入力部102は、タッチパネルとして、ディスプレイと一体に構成されてもよい。
出力部103は、ディスプレイパネル、スピーカ、ウーファー等の出力用モジュールである。
CPU105は、記憶部104に記憶された各種プログラムを実行し、コンピュータシステム100が備える各構成を制御する。
以上が、コンピュータシステム100の構成についての説明である。
次に、銀行端末10の構成について説明する。
図10は、銀行端末10の構成を示すブロック図である。
銀行端末10は、通信部11と、記憶部12と、制御部13と、入力部14と、を備える。
登録ユーザ情報120は、上述した登録ユーザ情報の全部又は一部を示す情報である。
口座情報121は、上述した口座情報の全部又は一部を示す情報である。
以上が、銀行端末10の構成についての説明である。
次に、学習サーバ20の構成について説明する。
図11は、学習サーバ20の構成を示すブロック図である。
学習サーバ20は、通信部21と、記憶部22と、制御部23と、を備える。
記憶部22は、学習サーバ20の機能を実現するために必要な変数、各種データ、プログラム等を記憶する。記憶部22は、教示データ220と、学習済モデル221と、を記憶する。
学習済モデル221は、学習サーバ20により作成された学習済モデルに関する情報である。学習済モデル221は、例えば、学習モデルとしてのRNNの各階層の重みWとバイアス成分b、及び、RNNの構成を示す情報である。RNNの構成を示す情報には、例えば、RNNの隠れ層の層数や、各層のユニット数、活性化関数、などを示す情報が含まれる。
学習済モデル作成部231は、学習済モデルを作成する。学習済モデル作成部231は、所定の構成(例えば、RNN)を備える学習モデルに、記憶部12に記憶された教示データ220を学習させることにより、学習済みモデルを作成する。学習済モデル作成部231は、作成した学習済モデルに関する情報を記憶部12の学習済モデル221として記憶させる。
以上が、学習サーバ20の構成についての説明である。
次に、見守り判定サーバ30の構成について説明する。
図12は、見守り判定サーバ30の構成の例を示す図である。
見守り判定サーバ30は、通信部31と、記憶部32と、制御部33とを備える。
通信部31は、銀行端末10、学習サーバ20、登録ユーザ端末40等の通信ネットワークNWに接続する他の装置と通信する。
記憶部32は、見守り判定サーバ30の機能を実現するために必要な変数、各種データ、プログラム等を記憶する。記憶部32は、登録ユーザ情報320と、口座情報321と、見守りフラグ322と、教示データ323と、学習済モデル324と、判定閾値325と、出力先情報326と、を記憶する。
口座情報321は、上述した口座情報の全部又は一部を示す情報である。
見守りフラグ322は、見守り対象者ごとに設定された、ヒアリング時における見守りフラグを示す情報である。
教示データ323は、見守り判定サーバ30の教示データ作成部332により作成された教示データである。教示データ323は、不特定多数のユーザUの口座情報に、その口座情報を持つユーザUの見守りフラグが対応付けられたデータセットである。教示データ323は、教示データ220と同等の情報である。
学習済モデル324は、学習サーバ20により作成された学習済モデルに関する情報である。学習済モデル324は、学習済モデル221と同等の情報である。
判定閾値325は、上述した判定閾値の全部又は一部を示す情報である。
出力先情報326は、上述した出力先情報の全部又は一部を示す情報である。
見守り判定部334は、対象ユーザTUの見守りを勧めるか否かを判定する。見守り判定部334は、記憶部32の判定閾値325を参照し、判定レベルを取得する。見守り判定部334は、取得した判定レベルと、学習済モデルが推定した推定結果とに基づいて、対象ユーザTUにおける見守りの要否を判定する。見守り判定部334は、判定結果を判定結果出力部335に出力する。
判定結果出力部335は、対象ユーザTUの見守りを勧めるか否かを判定した判定結果を、通信部31を介して、登録ユーザ端末40に送信する。
以上が、見守り判定サーバ30の構成についての説明である。
次に、登録ユーザ端末40の構成について説明する。
図13は、登録ユーザ端末40の構成を示すブロック図である。
登録ユーザ端末40は、通信部41と、記憶部42と、制御部43と、表示部44と、を備える。
記憶部42は、登録ユーザ端末40の機能を実現するために必要な変数、各種データ、プログラム等を記憶する。記憶部42は、表示設定情報420を記憶する。
表示設定情報420は、見守り判定サーバ30から通知される内容(通知内容)の表示を制御するための情報であって、例えば、通知内容を判定レベルに応じた図形や記号、アイコン画像などで表示するか否かを示す情報、或いは、見守り判定サーバ30からの通知を一日一回、或いは一週間に一回などまとめて表示するか否かを示す情報である。或いは、表示設定情報420は、通知内容を画面に表示させるか否か、音声やアラームにて通知するか否かを示す情報が含まれていてもよい。表示設定情報420は、通知される判定レベルごとに設定されてもよい。
判定結果取得部430は、対象ユーザTUの見守りの要否が判定された判定結果を取得する。判定結果取得部430は、見守り判定サーバ30からの通知内容を、通信部41を介して取得することにより、判定結果を取得する。判定結果取得部430は、取得した判定結果を表示制御部431に出力する。
表示制御部431は、判定結果を表示部44に表示させる。表示制御部431は、判定結果に応じて記憶部42の表示設定情報420を参照し、判定レベルに応じた表示の設定内容を取得する。表示制御部431は、取得した表示の設定内容に応じて、判定結果を表示させる。
以上が、登録ユーザ端末40の構成についての説明である。
次に、口座情報と見守りフラグとの相関について説明する。
図14は、口座情報と、見守りが必要な程度との相関を示す図である。図14には、口座情報に基づいて算出された、残高と、残高に対する出金額の比率との関係が示されている。図14の横軸は残高、縦軸は残高に対する出金額の比率である。
グループG1は、残高がZ1未満であり、且つ、残高に対する出金額の比率がP2未満であるグループである。グループG1には、残高が多くないが、残高に対する出金額の比率も比較的小さいユーザ、例えば、毎回一定の小額の出金をするユーザの資金移動の履歴が含まれている。
グループG2は、残高に関わらず、残高に対する出金額の比率がP2以上100%以下であるグループである。グループG2には、残高に対する出金額の比率が大きいユーザ、例えば、毎回残高のほぼ全額の出金をするユーザの資金移動の履歴が含まれている。
グループG3は、残高がZ1以上であり、且つ、残高に対する出金額の比率がP1以上P2未満であるグループである。グループG3には、残高が多く、残高に対する出金額の比率も比較的大きいユーザ、例えば、毎回の出金額が大きいユーザの資金移動の履歴が含まれている。
グループG4は、残高がZ2以上であり、且つ、残高に対する出金額の比率がP1未満であるグループである。グループG4には、残高が多く、残高に対する出金額の比率は比較的小さいユーザ、例えば、残高が大きいが毎回の出金額も大きいユーザの資金移動の履歴が含まれている。
以上説明してきたように、第1の実施形態に係る見守りシステム1は、ユーザUの口座情報を取得する口座情報取得部330と、ユーザUに対するヒアリングの結果判定された見守りフラグを設定する見守りフラグ設定部331と、教示データとしての見守りフラグと口座情報に基づいて、口座情報と、見守りフラグとの関係を学習し、学習結果を示す学習済モデルを記憶部32に出力する学習済モデル作成部231と、対象ユーザTUの口座情報を取得する口座情報取得部330と、対象ユーザTUの口座情報と学習済モデルとに基づいて、対象ユーザTUの見守りが必要な程度を推定する見守り必要程度推定部333と、推定された対象ユーザTUの見守りが必要な程度に基づいて、登録ユーザ端末40に対象ユーザTUの見守りを勧めるか否かを判定した判定結果を出力する判定結果出力部335とを備える。これにより、第1の実施形態に係る見守りシステム1は、対象ユーザTUの口座情報に示される資金の移動の履歴に基づいて、対象ユーザTUの見守りが必要な程度を推定することができ、推定した見守りが必要な程度に応じて、見守りの要否を判定することができる。
また、見守りフラグ設定部331は、「学習情報取得部」の一例である。
学習済モデル作成部231は、「学習部」の一例である。
教示データ作成部332は、「学習部」の一例である。
また、第1の実施形態の見守りシステム1では、教示データ作成部332が、口座情報における出金額が所定の金額以上のユーザにおいて、口座情報における残高に対する出金額の比率が所定の金額Z1以上である履歴の有無と、見守りフラグとを対応づけた教示データを作成するようにしてもよい。
また、第1の実施形態の見守りシステム1では、教示データ作成部332が、口座情報における残高が所定の金額Z2以上のユーザにおいて、口座情報における出金額が所定の閾値金額以上である履歴の有無と、見守りフラグとを対応づけた教示データを作成するようにしてもよい。
また、第1の実施形態の見守りシステム1では、教示データ作成部332が、口座情報の履歴から特定の履歴を除いた情報と、見守りフラグとを対応づけた教示データを作成するようにしてもよい。
これにより、口座情報から見守りフラグと強い相関関係にある因子を抽出して学習させることができ、見守りが必要な程度を推定する精度をより高めることが可能となる。
学習サーバ20は、「情報処理装置」の一例である。
また、第1の実施形態の見守り判定サーバ30は、口座情報取得部330と、見守り必要程度推定部333と、見守り判定部334と、判定結果出力部335とを備えることにより、上述した効果と同様の硬化を奏する。
見守り判定サーバ30は、「情報処理装置」の一例である。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成は上述の実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。例えば上述の実施形態において説明した各構成は、任意に組み合わせることができる。また、例えば上述の実施形態において説明した各構成は、特定の機能を発揮するのに不要である場合には、省略することができる。また、例えば上述の実施形態において説明した各構成は、別体の装置に備えることができる。例えば、学習サーバ20の構成を、見守り判定サーバ30に備えてもよいし、銀行端末10の一部又は全部の構成を、学習サーバ20に備えてもよい。
テーブルは、「認知推定情報」の一例である。
この場合の家計簿は、例えば、家計簿をつける利用者がもつ金融口座と連携して登録されるアプリケーションプログラムにより実現され、必要に応じて利用者の金融口座にアクセスして口座情報を取得することができる、いわゆる家計簿アプリである。
例えば、口座情報取得部330は、ユーザUの家計簿に記載される家計(消費行動)の履歴を取得する。見守りフラグ設定部331は、ユーザUの家計簿に連携された金融口座に対応する見守り対象者のヒアリングの結果に基づき見守りフラグを設定する。教示データ作成部332は、家計簿アプリに記録された家計の履歴と、見守りフラグとを、口座番号等を介して対応づけることにより、教示データを作成する。
家計(消費行動)の履歴は、「資産履歴情報」の一例である。
例えば、口座情報取得部330は、見守り対象者であるユーザUのポイントの履歴を取得する。見守りフラグ設定部331は、ユーザUのポイントに含まれるユーザ情報(例えば、見守り対象者IDに対応するもの)に紐づく金融口座に対応する見守り対象者のヒアリングの結果に基づき見守りフラグを設定する。教示データ作成部332は、ポイントの履歴と、見守りフラグを、口座番号等を介して対応づけることにより、教示データを作成する。
ポイントの履歴は、「資産履歴情報」の一例である。
この場合、例えば、教示データ作成部332は、銀行端末10から取得した口座情報を、ユーザの性別等により分類する。教示データ作成部332は、分類した口座情報ごとに、その口座情報と見守りが必要な程度とを対応付けた教示データを作成する。学習済モデル作成部231は、作成された教示データごとに、学習を行い、学習結果としての学習済みモデルを、性別などに対応させて複数作成する。
この場合、登録ユーザ端末40は音声再生部(不図示)を備えるか、または音声再生装置と接続する。或いは、登録ユーザ端末40は、発光部(不図示)や振動部(不図示)を備えるか、またはLEDなどの発光装置等と接続する。表示制御部431は、判定結果をアラームや音声により出力する。或いは、表示制御部431は、判定結果を発光や点滅、或いは筐体を振動させることにより、判定結果を通知する。
Claims (5)
- コンピュータが行う情報処理方法であって、
対象ユーザにおける資金の移動の履歴を示す資金移動履歴情報を取得する取得工程と、
複数のユーザそれぞれの、資金移動履歴情報とユーザの関係者ユーザによる前記ユーザへの見守りを勧めるか否かを判定するための見守りフラグとのデータセットの集合を教示データとして学習して得られた学習済モデルであって、前記教示データにおけるユーザの資金移動履歴情報と見守りフラグとの関係を学習した結果として、資金移動履歴情報から見守りを必要とする程度を推測するための学習済モデルに、前記対象ユーザの資金移動履歴情報を入力して前記対象ユーザの関係者ユーザによる前記対象ユーザへの見守りの要否を推定し、推定結果に基づいて、前記対象ユーザの前記資金移動履歴情報に基づく通知を前記対象ユーザの前記関係者ユーザに送信するか否かを判定する判定工程と、
前記判定工程において、前記対象ユーザの前記資金移動履歴情報に基づく前記通知を前記対象ユーザの前記関係者ユーザに送信すると判定された場合、前記対象ユーザの前記資金移動履歴情報に基づく前記通知を前記対象ユーザの前記関係者ユーザに送信する送信工程と、
を有する情報処理方法。 - 前記通知は、前記対象ユーザの出金額が増えている旨を知らせる通知である、
請求項1に記載の情報処理方法。 - 前記送信工程では、前記対象ユーザへの見守りを勧める通知が送信される、
請求項1に記載の情報処理方法。 - コンピュータが行う情報処理方法であって、
対象ユーザにおける資金の移動の履歴を示す資金移動履歴情報を取得する取得工程と、
ユーザの資金移動履歴情報を教示データとして学習して得られた学習済モデルであって、ユーザの資金移動履歴情報に基づく通知を当該ユーザの関係者ユーザに送信するか否かを判定するための学習済モデルに、前記対象ユーザの前記資金移動履歴情報を入力して、前記対象ユーザの前記資金移動履歴情報に基づく通知を前記対象ユーザの関係者ユーザに送信するか否かを判定する判定工程と、
前記判定工程において、前記対象ユーザの前記資金移動履歴情報に基づく前記通知を前記対象ユーザの前記関係者ユーザに送信すると判定された場合、前記対象ユーザの前記資金移動履歴情報に基づく前記通知を前記対象ユーザの前記関係者ユーザに送信する送信工程と、を有し、
前記学習済モデルは、ユーザの前記資金移動履歴情報における残高と出金額との関係に応じて当該ユーザの消費行動が健全であるか否かが判定された実績情報を教示データとして、前記資金移動履歴情報と消費行動の健全さとの関係を学習したモデルであって、入力された前記資金移動履歴情報における消費行動の健全さを推定した推定結果を出力するモデルであり、
前記判定工程では、前記学習済モデルを用いて推定した、前記対象ユーザの前記資金移動履歴情報に基づく前記対象ユーザの消費行動が健全である程度を示す推定結果に基づいて、前記対象ユーザの前記資金移動履歴情報に基づく前記通知を前記対象ユーザの前記関係者ユーザに送信するか否かを判定する、
情報処理方法。 - コンピュータに、
対象ユーザにおける資金の移動の履歴を示す資金移動履歴情報を取得させ、
複数のユーザそれぞれの、資金移動履歴情報とユーザの関係者ユーザによる前記ユーザへの見守りを勧めるか否かを判定するための見守りフラグとのデータセットの集合を教示データとして学習して得られた学習済モデルであって、前記教示データにおけるユーザの資金移動履歴情報と見守りフラグとの関係を学習した結果として、資金移動履歴情報から見守りを必要とする程度を推測するための学習済モデルに、前記対象ユーザの資金移動履歴情報を入力して前記対象ユーザの関係者ユーザによる前記対象ユーザへの見守りの要否を推定し、推定結果に基づいて、前記対象ユーザの前記資金移動履歴情報に基づく通知を前記対象ユーザの前記関係者ユーザに送信するか否かを判定させ、
前記対象ユーザの前記資金移動履歴情報に基づく前記通知を前記対象ユーザの前記関係者ユーザに送信すると判定された場合、前記対象ユーザの前記資金移動履歴情報に基づく前記通知を前記対象ユーザの前記関係者ユーザに送信させる、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020199136A JP7381435B2 (ja) | 2019-07-03 | 2020-11-30 | 情報処理方法、及びプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019124777A JP6803430B1 (ja) | 2019-07-03 | 2019-07-03 | 見守りシステム、情報処理装置、情報処理方法、及びプログラム |
JP2020199136A JP7381435B2 (ja) | 2019-07-03 | 2020-11-30 | 情報処理方法、及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019124777A Division JP6803430B1 (ja) | 2019-07-03 | 2019-07-03 | 見守りシステム、情報処理装置、情報処理方法、及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021028854A JP2021028854A (ja) | 2021-02-25 |
JP2021028854A5 JP2021028854A5 (ja) | 2022-07-04 |
JP7381435B2 true JP7381435B2 (ja) | 2023-11-15 |
Family
ID=88729077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020199136A Active JP7381435B2 (ja) | 2019-07-03 | 2020-11-30 | 情報処理方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7381435B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017157013A (ja) | 2016-03-02 | 2017-09-07 | 株式会社日本総合研究所 | カードの利用明細情報を利用した見守りシステム、見守りサーバ及びその方法 |
JP2018180826A (ja) | 2017-04-10 | 2018-11-15 | 関西電力株式会社 | 居住情報管理装置および居住情報管理システム |
JP2018190319A (ja) | 2017-05-11 | 2018-11-29 | パナソニックIpマネジメント株式会社 | 高齢者見守りシステム、管理装置、および購入通知方法 |
-
2020
- 2020-11-30 JP JP2020199136A patent/JP7381435B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017157013A (ja) | 2016-03-02 | 2017-09-07 | 株式会社日本総合研究所 | カードの利用明細情報を利用した見守りシステム、見守りサーバ及びその方法 |
JP2018180826A (ja) | 2017-04-10 | 2018-11-15 | 関西電力株式会社 | 居住情報管理装置および居住情報管理システム |
JP2018190319A (ja) | 2017-05-11 | 2018-11-29 | パナソニックIpマネジメント株式会社 | 高齢者見守りシステム、管理装置、および購入通知方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021028854A (ja) | 2021-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200210973A1 (en) | Systems and methods for allocating resources via information technology infrastructure | |
US20190214113A1 (en) | Dynamic analysis of health and medical data applied to clinical trials | |
US8498937B1 (en) | Managing financial accounts associated with residents of controlled-environment facilities | |
US20170270527A1 (en) | Assessing trust to facilitate blockchain transactions | |
WO2019133546A1 (en) | Blockchain prescription management system | |
JP7049348B2 (ja) | リスクパラメータを調整するための方法、ならびにリスク識別のための方法およびデバイス | |
US11710132B2 (en) | User controlled event record system | |
US20200380889A1 (en) | Systems and methods for using challenges to achieve goals | |
WO2023002908A1 (ja) | デジタルポイントを用いた取引サービスを管理するシステム、方法、およびプログラム | |
WO2022191210A1 (ja) | ユーザに好適な商品またはサービスを決定するためのシステム、方法、およびプログラム | |
US20130226804A1 (en) | Multi-source debit card object oriented system and method | |
CA3088562A1 (en) | Restricted-access and/or data chip device for healthcare | |
US20210390602A1 (en) | Free Time Monetization Exchange | |
US20190197585A1 (en) | Systems and methods for data storage and retrieval with access control | |
US20210090191A1 (en) | System and methods for estate planning predictions and recommendations | |
JP7381435B2 (ja) | 情報処理方法、及びプログラム | |
JP6803430B1 (ja) | 見守りシステム、情報処理装置、情報処理方法、及びプログラム | |
JP6841467B1 (ja) | 生存保険システム、情報処理装置、情報処理方法、及びプログラム | |
KR20230080879A (ko) | 블록체인 기반 신체 활동 보상 시스템 및 방법 | |
van der Cruijsen et al. | Gender gaps in the world of payments | |
US20200388362A1 (en) | Healthcare data chip device | |
JP7158789B1 (ja) | 現実世界と仮想世界とをリンクさせるための方法、システム、およびプログラム | |
JP2024001929A (ja) | 情報処理方法、情報処理装置及びプログラム | |
Swanson et al. | 2020 Medicare Outpatient Rule Brings Coding Changes, Revaluations: Look for a single cognitive function code, and a new code for computerized dynamic posturography testing. | |
US20230064055A1 (en) | Systems and methods for incentivizing physical activity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220624 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220624 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230713 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231003 |
|
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: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231102 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7381435 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |