JP7392191B1 - 会計データ変換装置、会計データ変換方法、学習装置、学習方法、及びプログラム - Google Patents

Abstract

【課題】取引データに対応する会計データを生成する会計データ変換装置、会計データ変換方法、学習装置、学習方法及びプログラムを提供する。【解決手段】会計管理システム１０において、会計データ変換装置は、ユーザ８２との取引の摘要を含む取引データを取得する取引データ取得部と、前記取引データに含まれる前記摘要に固有表現が含まれる場合に、前記摘要に含まれる前記固有表現を、固有表現であることを示す固有情報に変更するデータ変更部と、前記データ変換部によって前記固有表現が前記固有情報に変換された前記取引データに基づいて、前記取引データに対応する勘定科目を選択する科目選択部と、前記科目選択部によって選択された前記勘定科目を含む、前記取引データに対応する会計データを生成する会計データ生成部と、を備える。【選択図】図１

Description

本発明は、会計データ変換装置、会計データ変換方法、学習装置、学習方法、及びプログラムに関する。

特許文献１には、取引の内容を表す取引データと当該取引の内容を仕訳した勘定科目を含む過去の仕訳データとを用いて、取引の内容を所定の勘定科目へ仕訳するための対応関係を表す仕訳ルールの作成を支援する仕訳ルール作成支援装置について記載されている。
［先行技術文献］
［特許文献］
［特許文献１］特開２０１９－１９１７４９号公報

本発明の第１の態様によれば、会計データ変換装置が提供される。前記会計データ変換装置は、取引の摘要を含む取引データを取得する取引データ取得部を備えてよい。前記会計データ変換装置は、前記取引データに含まれる前記摘要に固有表現が含まれる場合に、前記摘要に含まれる前記固有表現を、固有表現であることを示す固有情報に変更するデータ変更部を備えてよい。前記会計データ変換装置は、前記データ変換部によって前記固有表現が前記固有情報に変換された前記取引データに基づいて、前記取引データに対応する勘定科目を選択する科目選択部を備えてよい。前記会計データ変換装置は、前記科目選択部によって選択された前記勘定科目を含む、前記取引データに対応する会計データを生成する会計データ生成部を備えてよい。

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

会計管理システム１０の一例を概略的に示す。 学習装置１００の機能構成の一例を概略的に示す。 学習装置１００による処理の流れの一例を概略的に示す。 会計データ変換装置２００の機能構成の一例を概略的に示す。 会計データ変換装置２００による処理の流れの一例を概略的に示す。 学習装置１００又は会計データ変換装置２００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、会計管理システム１０の一例を概略的に示す。会計管理システム１０は、学習装置１００及び会計データ変換装置２００を備える。学習装置１００と会計データ変換装置２００とは、異なる装置であってよい。学習装置１００と会計データ変換装置２００とは、一つの装置によって実現されてもよい。学習装置１００は、複数の装置によって実現されてもよい。会計データ変換装置２００は、複数の装置によって実現されてもよい。

会計管理システム１０は、業務サービス提供装置２０を更に備えてもよい。業務サービス提供装置２０は、学習装置１００及び会計データ変換装置２００とは異なる装置であってよい。業務サービス提供装置２０と学習装置１００とが、一つの装置によって実現されてもよい。業務サービス提供装置２０と会計データ変換装置２００とが、一つの装置によって実現されてもよい。業務サービス提供装置２０、学習装置１００、及び会計データ変換装置２００が一つの装置によって実現されてもよい。

会計管理システム１０は、会計サービス提供装置３０を更に備えてもよい。会計サービス提供装置３０は、学習装置１００及び会計データ変換装置２００とは異なる装置であってよい。会計サービス提供装置３０と学習装置１００とが、一つの装置によって実現されてもよい。会計サービス提供装置３０と会計データ変換装置２００とが、一つの装置によって実現されてもよい。会計サービス提供装置３０、学習装置１００、及び会計データ変換装置２００が一つの装置によって実現されてもよい。

学習装置１００、会計データ変換装置２００、業務サービス提供装置２０、及び会計サービス提供装置３０が一つの装置によって実現されてもよい。ここでは、学習装置１００、会計データ変換装置２００、業務サービス提供装置２０、及び会計サービス提供装置３０が異なる装置である場合を主に例に挙げる。

学習装置１００、会計データ変換装置２００、業務サービス提供装置２０、及び会計サービス提供装置３０は、ネットワーク５０を介して通信する。ネットワーク５０は、クラウドネットワークを含んでよい。ネットワーク５０は、インターネットを含んでよい。ネットワーク５０は、移動体通信ネットワークを含んでもよい。ネットワーク５０は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の専用網を含んでもよい。学習装置１００と会計データ変換装置２００とは、ネットワーク５０を介さずに、直接通信してもよい。

業務サービス提供装置２０は、取引の主体であるユーザ８２の取引データを管理する。ユーザ８２は、事業者である。ユーザ８２は、個人事業主であっても、法人であってもよい。取引データは、取引日、取引先、税区分、金額、収入であるか支出であるかを示す収支識別データ、消費税額、及び摘要を含んでよい。業務サービス提供装置２０は、例えば、ユーザ８２の通信端末８０から、ユーザ８２の取引データを受信する。

業務サービス提供装置２０は、ネットワーク５０を介して通信端末８０と通信してよい。通信端末８０は、通信可能な端末であれば任意の端末であってよい。例えば、通信端末８０は、スマートフォン等の携帯電話、タブレット端末、及びＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等である。業務サービス提供装置２０は、ユーザ８２の取引データを、ユーザ８２の会計情報を管理する会計事務所等から取得してもよい。

業務サービス提供装置２０は、取引データを学習装置１００に提供してよい。学習装置１００は、業務サービス提供装置２０から、ユーザ８２の取引データを受信してよい。学習装置１００は、さらに、ユーザ８２の取引データに対して実際に仕訳が行われて生成された、取引データに対応する会計データを取得する。当該会計データは、取引に対応する勘定科目を含む。

学習装置１００は、取得したデータを用いた機械学習を実行することによって、仕訳を行う学習モデルを生成する。従来、取引の摘要と、取引に対応する勘定科目とを学習データとして、ＢＥＲＴのような自然言語処理モデルのパラメータを調整することによって、取引の摘要から取引に対応する勘定科目を推論する学習モデルが生成されていた。

本実施形態に係る学習装置１００は、取引の摘要に固有表現が含まれる場合に、摘要に含まれる固有表現を、固有表現であることを示す固有情報に変更し、変更後の摘要と、取引に対応する勘定科目とを学習データとして、取引の摘要から取引に対応する勘定科目を推論する学習モデルを生成する。例えば、学習装置１００は、摘要を複数の単語に分割した上で、単語毎に固有表現であるか否かを判定して、固有表現であると判定した単語を固有情報に変更する。

固有情報は、固有表現であることを示すことができれば、どのような情報であってもよい。例えば、固有情報は、「＿固有表現＿」というワードである。

固有表現の例として、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、及び固有物名等が挙げられる。学習装置１００は、例えば、摘要に地名が含まれる場合に、当該地名を「＿固有表現＿」に変更する。

学習装置１００は、例えば、摘要を形態素解析して、固有表現の抽出を行い、固有表現を「＿固有表現＿」に変更する。具体例として、摘要が「ＥＴＣ 特別料金（東京→大阪）」である場合、学習装置１００は、摘要を、「ＥＴＣ」、「特別」、「料金」、「（」、「東京」、「→」、「大阪」、「）」に分解する。そして、学習装置１００は、東京と大阪が地名であると判定して、「東京」及び「大阪」の両方を「＿固有表現＿」に変更する。学習装置１００は、変更後の「ＥＴＣ」、「特別」、「料金」、「（」、「＿固有表現＿」、「→」、「＿固有表現＿」、「）」を、学習に用いる。

人名や地名等の固有表現は無数のパターンがあり、学習しづらい面があると同時に、その固有表現自体に仕訳に有益な情報が含まれていないケースが多い。本実施形態に係る学習装置１００によれば、例えば、「ＥＴＣ 特別料金（東京→大阪）」、「ＥＴＣ 特別料金（名古屋→京都）」、「ＥＴＣ 特別料金（鹿児島→熊本）」が、すべて同じデータに集約されることになる。これにより、データクレンジングの効果が得られる。また、新規摘要への対応容易性の向上に貢献することが出来る。

学習装置１００は、複数種類の固有情報を用いてもよい。学習装置１００は、摘要に含まれる固有表現が、複数種類の固有情報のうちのいずれの固有情報に対応するかを判定し、摘要に含まれる表現を、対応する固有情報に変更する。例えば、学習装置１００は、摘要に含まれる固有表現が地名であると判定した場合に、当該固有表現を「＿地名＿」に変更する。複数種類の固有情報を用いることによって、一つの固有情報を用いる場合と比較して、いわゆる文脈を学習に反映できる可能性があり、勘定科目の正解率を向上させることができる場合がある。なお、勘定科目の正解とは、取引に対して適切な勘定科目であり、正解率とは、適切な勘定科目を選択する確率である。

会計データ変換装置２００は、学習装置１００によって生成された学習モデルを、学習装置１００から受信して記憶する。会計データ変換装置２００は、業務サービス提供装置２０から、ユーザ８２の取引データを受信する。

会計データ変換装置２００は、学習装置１００から受信して記憶している学習モデルを用いて、会計データ変換装置２００から取得した取引データに対応する会計データを生成する。会計データ変換装置２００は、取引データに含まれる摘要を学習モデルに入力し、学習モデルから出力された勘定科目を選択し、選択した勘定科目を含む会計データを生成してよい。会計データ変換装置２００は、生成した会計データを、会計サービス提供装置３０に出力してよい。

会計サービス提供装置３０は、会計データ変換装置２００から取得した会計データを管理する。会計データ変換装置２００は、ユーザ８２の会計データを用いて、ユーザ８２に対して会計サービスを提供する。

図２は、学習装置１００の機能構成の一例を概略的に示す。学習装置１００は、データ取得部１０２、データ記憶部１０４、データ変更部１０６、学習モデル生成部１０８、及び学習モデル送信部１１０を備える。

データ取得部１０２は、各種データを取得する。データ取得部１０２は、ユーザ８２の取引データを取得する。データ取得部１０２は、業務サービス提供装置２０から取引データを取得してよい。

データ取得部１０２は、ユーザ８２の取引データに対して実際に仕訳が行われて生成された、取引に対応する勘定科目を含む、取引データに対応する会計データを取得する。データ取得部１０２は、業務サービス提供装置２０から当該会計データを取得してよい。データ取得部１０２は、業務サービス提供装置２０以外から当該会計データを取得してもよい。

データ取得部１０２は、取得したデータから生成した学習データを学習データ記憶部１０４に記憶させる。学習データは、取引の摘要と、当該取引に対応する勘定科目とを含む。

データ変更部１０６は、データ記憶部１０４が記憶する学習データに含まれる取引の摘要に対して、データ変更処理を実行する。

データ変更部１０６は、例えば、摘要に固有表現が含まれているか否かを判定し、含まれている場合に、固有表現を固有情報に変更する。データ変更部１０６は、固有表現の種類に関わらず、固有表現を、固定の固有情報に変更してよい。

データ変更部１０６は、固有表現を、固有表現の種類に応じた固有情報に変更してもよい。データ変更部１０６は、摘要に含まれる固有表現が、複数種類の固有情報のうちのいずれの固有情報に対応するかを判定し、摘要に含まれる固有表現を、対応する固有情報に変更してよい。例えば、データ変更部１０６は、摘要に含まれる固有表現が、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、及び固有物名のいずれに対応するかを判定する。データ変更部１０６は、例えば、予め登録された固有表現の辞書データを用いることによって、摘要に固有表現が含まれるかと、固有表現の種類とを判定してよい。

データ変更部１０６は、摘要に固有表現が含まれる場合に、摘要の固有表現以外の部分に基づいて、摘要に含まれる固有表現を固有情報に変更するか否かを判定し、変更すると判定した場合に、摘要に含まれる固有表現を固有情報に変更し、変更しないと判定した場合、摘要に含まれる固有表現を固有情報に変更しないようにしてもよい。

例えば、データ変更部１０６は、摘要に固有表現以外の単語が含まれていない場合、すなわち、摘要の中に固有表現のみが含まれている場合、固有表現を固有情報に変更しないと判定する。

例えば、データ変更部１０６は、摘要に固有表現及び他の単語が含まれる場合において、摘要における固有表現の割合が、予め定められた閾値より高い場合、固有表現を固有情報に変更しないと判定する。

データ変更部１０６は、固有情報に変更する固有表現と、固有情報に変更しない固有表現とが登録された登録データを予め記憶しておき、当該登録データを用いて、摘要に含まれる固有表現を固有情報に変更するか否かを判定してもよい。当該登録データは、例えば、会計管理システム１０の管理者等によって登録される。会計管理システム１０を利用することによって、固有情報に変更した方がよい固有表現、固有情報に変更しない方がよい固有表現の知見が蓄積されることになり、会計管理システム１０の管理者等は、当該知見に基づいて、登録データを生成し得る。

データ記憶部１０４は、データ変更部１０６によって学習データの内容が変更された場合に、変更後の学習データに加えて、変更前の学習データを記憶してよい。

学習モデル生成部１０８は、学習データ記憶部１０４に記憶されている学習データを用いた機械学習によって、取引の摘要を入力とし、取引に対応する勘定科目を出力とする学習モデルを生成する。

学習モデル生成部１０８は、データ変更部１０６によって摘要の固有表現が固有情報に変更された学習データを用いた機械学習によって学習モデルを生成してよい。当該学習モデルを、変更後学習モデルと記載する場合がある。

学習モデル生成部１０８は、摘要のうち、固有情報の推論結果への影響が、摘要のうちの他の単語と比較して低くなるように、学習を実行してもよい。例えば、学習モデル生成部１０８は、固有情報に紐づく重み行列の初期値を、他の単語に紐づく重み行列の初期値と比較して小さくしてよい。例えば、学習モデル生成部１０８は、固有情報に紐づく重み行列の学習率を、他の単語に紐づく重み行列の学習率と比較して低くしてよい。例えば、学習データの総量が少ない等の理由によって学習モデルの学習が十分に行えない場合、固有情報の出現による推論への影響が不当に大きくなってしまう場合があるが、これらによって、その影響を適切に低減することができる。

学習モデル生成部１０８は、固有情報の推論結果への影響が、摘要のうちの他の単語と比較して低くなるようにしつつ、固有情報の種類毎の推論結果への影響が変わるように学習を実行してもよい。例えば、学習モデル生成部１０８は、固有情報に紐づく重み行列の初期値を、固有情報の種類毎に変更する。例えば、学習モデル生成部１０８は、固有情報に紐づく重み行列の学習率を、固有情報の種類毎に変更する。

学習モデル生成部１０８は、学習データを用いて、予め記憶しておいた自然言語処理モデルのパラメータを更新することによって、取引の摘要を入力とし、勘定科目を出力とする学習モデルを生成してもよい。すなわち、学習モデルは、学習データを用いてパラメータが更新された自然言語処理モデルであってよい。学習モデル生成部１０８は、摘要を自然言語処理モデルに入力させて、取引データに対応する勘定科目を選択し、学習データと選択結果とを比較して、自然言語処理モデルのパラメータを更新してよい。学習モデル生成部１０８は、選択結果が、学習データに含まれる勘定科目と一致するようになるように、自然言語処理モデルのパラメータを更新する。

学習モデル生成部１０８は、出力する勘定科目が、借方の勘定科目であるのか、貸方の勘定科目であるのかを示す貸借データを更に自然言語処理モデルに入力させてもよい。取引に対応する借方の勘定科目と貸方の勘定科目とは異なることになり、貸借データを自然言語処理モデルに入力することによって、この相違を反映した学習を実行することができ、勘定科目の正解率を向上させることができる。学習モデル生成部１０８が生成する学習モデルは、借方の勘定科目、及び貸方の勘定科目の両方を出力してもよい。この場合、学習モデル生成部１０８は、借方の勘定科目及び貸方の勘定科目の両方を示す貸借データを自然言語処理モデルに入力してもよいし、貸借データを自然言語処理モデルに入力しないようにしてもよい。

学習モデル生成部１０８は、データ変更部１０６によって摘要の固有表現が固有情報に変更された学習データと、変更前の学習データとの両方を用いた機械学習によって学習モデルを生成してもよい。当該学習モデルを、変更前後学習モデルと記載する場合がある。

学習モデル生成部１０８は、データ変更部１０６によって摘要の固有表現が固有情報に変更された学習データを用いた機械学習による学習モデルと、変更前の学習データを用いた機械学習による学習モデルとの両方を生成してもよい。前者を変更後学習モデル、後者を変更前学習モデルと記載する場合がある。

学習モデル送信部１１０は、学習モデル生成部１０８によって生成された学習モデルを会計データ変換装置２００に送信する。学習モデル生成部１０８によって、変更後学習モデルが生成された場合、学習モデル送信部１１０は、変更後学習モデルを会計データ変換装置２００に送信する。学習モデル生成部１０８によって、変更前後学習モデルが生成された場合、学習モデル送信部１１０は、変更前後学習モデルを会計データ変換装置２００に送信する。学習モデル生成部１０８によって、変更後学習モデル及び変更前学習モデルが生成された場合、学習モデル送信部１１０は、変更後学習モデル及び変更前学習モデルを会計データ変換装置２００に送信する。

図３は、学習モデル生成部１０８による処理の流れの一例を概略的に示す。

ステップ（ステップをＳと省略して記載する場合がある。）１０２では、データ取得部１０２が、学習データを取得してデータ記憶部１０４に記憶させる。Ｓ２０２では、データ変更部１０６が、データ記憶部１０４に記憶されている学習データに対して、データ変更処理を実行する。

Ｓ１０６では、学習モデル生成部１０８が、Ｓ１０４においてデータ変更処理が施された学習データを用いて、自然言語処理モデルのパラメータを更新する。学習モデル生成部１０８は、学習データに含まれる摘要を自然言語処理モデルに入力させて、勘定科目を選択し、学習データに含まれる勘定科目と選択結果とを比較して、自然言語処理モデルのパラメータを更新する。学習モデル生成部１０８は、選択結果が、学習データに含まれる勘定科目と一致するようになるように、自然言語処理モデルのパラメータを更新する。

図４は、会計データ変換装置２００の機能構成の一例を概略的に示す。会計データ変換装置２００は、学習モデル取得部２０２、学習モデル記憶部２０４、取引データ取得部２０６、データ変更部２０８、科目選択部２１０、会計データ生成部２１２、及び会計データ出力部２１４を備える。

学習モデル取得部２０２は、摘要を入力とし、勘定科目を出力とする学習モデルを取得する。学習モデル取得部２０２は、学習装置１００から学習モデルを取得してよい。学習モデル取得部２０２は、学習装置１００以外から学習モデルを取得してもよい。学習モデル記憶部２０４は、学習モデル取得部２０２が取得した学習モデルを記憶する。

取引データ取得部２０６は、取引データを取得する。取引データ取得部２０６は、勘定科目を推論する対象となる取引データを取得してよい。取引データ取得部２０６は、例えば、業務サービス提供装置２０から取引データを取得する。取引データ取得部２０６は、例えば、通信端末８０から取引データを取得する。

データ変更部２０８は、取引データ取得部２０６が取得した取引データに対するデータ変更処理を実行する。

データ変更部２０８は、例えば、取引データに含まれる摘要に固有表現が含まれているか否かを判定し、含まれている場合に、固有表現を固有情報に変更する。データ変更部２０８は、固有表現の種類に関わらず、固有表現を固定の固有情報に変更してよい。

データ変更部２０８は、固有表現を、固有表現の種類に応じた固有情報に変更してもよい。データ変更部２０８は、摘要に含まれる固有表現が、複数種類の固有情報のうちのいずれの固有情報に対応するかを判定し、摘要に含まれる固有表現を、対応する固有情報に変更してよい。例えば、データ変更部２０８は、摘要に含まれる固有表現が、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、及び固有物名のいずれに対応するかを判定する。データ変更部２０８は、例えば、予め登録された固有表現の辞書データを用いることによって、摘要に固有表現が含まれるかと、固有表現の種類とを判定してよい。

データ変更部２０８は、摘要に固有表現が含まれる場合に、摘要の固有表現以外の部分に基づいて、摘要に含まれる固有表現を固有情報に変更するか否かを判定し、変更すると判定した場合に、摘要に含まれる固有表現を固有情報に変更し、変更しないと判定した場合、摘要に含まれる固有表現を固有情報に変更しないようにしてもよい。

例えば、データ変更部２０８は、摘要に固有表現以外の単語が含まれていない場合、すなわち、摘要の中に固有表現のみが含まれている場合、固有表現を固有情報に変更しないと判定する。

例えば、データ変更部２０８は、摘要に固有表現及び他の単語が含まれる場合において、摘要における固有表現の割合が、予め定められた閾値より高い場合、固有表現を固有情報に変更しないと判定する。

データ変更部２０８は、固有情報に変更する固有表現と、固有情報に変更しない固有表現とが登録された登録データを予め記憶しておき、当該登録データを用いて、摘要に含まれる固有表現を固有情報に変更するか否かを判定してもよい。当該登録データは、例えば、会計管理システム１０の管理者等によって登録される。会計管理システム１０を利用することによって、固有情報に変更した方がよい固有表現、固有情報に変更しない方がよい固有表現の知見が蓄積されることになり、会計管理システム１０の管理者等は、当該知見に基づいて、登録データを生成し得る。

科目選択部２１０は、取引データ取得部２０６が取得した取引データが示す取引に対応する勘定科目を選択する。科目選択部２１０は、取引データ取得部２０６が取得した取引データに含まれる摘要に基づいて、取引データに対応する勘定科目を選択してよい。

科目選択部２１０は、取引データに含まれる摘要に固有表現が含まれている場合、データ変更部２０８によって固有表現が固有情報に変更された取引データに基づいて、取引データに対応する勘定科目を選択してよい。科目選択部２１０は、学習モデル記憶部２０４に記憶されている学習モデルを用いて、勘定科目を選択してよい。例えば、科目選択部２１０は、データ変更部２０８によって固有表現が固有情報に変更された摘要を、学習モデル記憶部２０４に記憶されている学習モデルに入力し、学習モデルから出力された勘定科目を選択する。

科目選択部２１０は、摘要のうち、固有情報の推論結果への影響が、摘要のうちの他の単語と比較して低くなるように、選択を実行してもよい。例えば、科目選択部２１０は、固有情報に対して、摘要のうちの他の単語の重みよりも低い重みを適用して学習モデルに入力する。これにより、固有情報を推論に活かしつつ、固有情報に必要以上に依存してしまうことを防ぐことができる。

科目選択部２１０は、固有情報の推論結果への影響が、摘要のうちの他の単語と比較して低くなるようにしつつ、固有情報の種類毎の推論結果への影響が変わるように、選択を実行してもよい。例えば、科目選択部２１０は、固有情報の種類毎に異なる重みを適用して学習モデルに入力する。

科目選択部２１０は、借方の勘定科目を選択するのか、貸方の勘定科目を選択するのかにさらに基づいて、取引データに対応する勘定科目を選択してもよい。この場合、科目選択部２１０は、摘要に加えて、貸借データを学習モデルに入力してよい。科目選択部２１０は、例えば、ユーザ８２の指示に従って、借方の勘定科目を選択するのか、貸方の勘定科目を選択するのかを選択してよい。科目選択部２１０は、取引データの取込元によって、借方の勘定科目を選択するのか、貸方の勘定科目を選択するのかを選択してもよい。

学習モデル記憶部２０４に記憶されている変更後学習モデルを用いて勘定科目を選択する場合であって、取引データ取得部２０６が取得した取引データに含まれる摘要に固有表現が含まれている場合、科目選択部２１０は、データ変更部２０８によって固有表現が固有情報に変更された摘要を、変更後学習モデルに入力し、変更後学習モデルから出力された勘定科目を選択してよい。

学習モデル記憶部２０４に記憶されている変更前後学習モデルを用いて勘定科目を選択する場合であって、取引データ取得部２０６が取得した取引データに含まれる摘要に固有表現が含まれている場合、科目選択部２１０は、データ変更部２０８によって固有表現が固有情報に変更された摘要を変更前後学習モデルに入力しても、変更されていない元の摘要を変更前後学習モデルに入力してもよい。科目選択部２１０は、固有表現が固有情報に変更された摘要を変更前後学習モデルに入力した結果と、変更される前の摘要を変更前後学習モデルに入力した結果に基づいて、勘定科目を選択してもよい。科目選択部２１０は、例えば、変更後の摘要を入力して変更前後学習モデルから出力された勘定科目と、変更される前の摘要を入力して変更前後学習モデルから出力された勘定科目のうち、確度がより高い勘定科目を選択する。科目選択部２１０は、例えば、変更後の摘要を入力して変更前後学習モデルから出力された勘定科目の確度と、変更される前の摘要を入力して変更前後学習モデルから出力された勘定科目の確度に、異なる重み付けをしたうえで、確度がより高い勘定科目を選択するようにしてもよい。

学習モデル記憶部２０４に記憶されている変更後学習モデル及び変更前学習モデルを用いて勘定科目を選択する場合であって、取引データ取得部２０６が取得した取引データに含まれる摘要に固有表現が含まれている場合、科目選択部２１０は、データ変更部２０８によって固有表現が固有情報に変更された摘要を変更後学習モデルに入力し、変更されていない元の摘要を変更前学習モデルに入力してよい。科目選択部２１０は、変更後学習モデルから出力された勘定科目と、変更前学習モデルから出力された勘定科目とに基づいて、取引データに対応する勘定科目を選択してよい。例えば、科目選択部２１０は、変更後学習モデルから出力された勘定科目と、変更前学習モデルから出力された勘定科目のうち、確度がより高い勘定科目を選択する。科目選択部２１０は、例えば、変更後学習モデルから出力された勘定科目の確度と、変更前学習モデルから出力された勘定科目の確度に、異なる重み付けをしたうえで、確度がより高い勘定科目を選択するようにしてもよい。科目選択部２１０は、まず、データ変更部２０８によって固有表現が固有情報に変更された摘要を変更後学習モデルに入力し、変更後学習モデルから出力された勘定科目の確度が予め定められた確度より高い場合には、当該勘定科目を、取引データに対応する勘定科目として選択し、予め定められた確度より低い場合に、変更されていない元の摘要を変更前学習モデルに入力して、変更前学習モデルから出力された勘定科目を、取引データに対応する勘定科目として選択するようにしてもよい。

会計データ生成部２１２は、取引データ取得部２０６が取得した取引データに対応する会計データを生成する。会計データ生成部２１２は、科目選択部２１０によって選択された勘定科目を含む会計データを生成する。

会計データ出力部２１４は、会計データ生成部２１２によって生成された会計データを出力する。会計データ出力部２１４は、会計サービス提供装置３０に対して会計データを出力してよい。会計データ出力部２１４は、通信端末８０に対して会計データを出力してもよい。

上述したように、学習装置１００と会計データ変換装置２００とは、一つの装置によって実現されてもよい。この場合、会計データ変換装置２００は、データ取得部１０２、データ記憶部１０４、データ変更部１０６、及び学習モデル生成部１０８を更に備えてよい。なお、データ変更部１０６とデータ変更部２０８とは、共通化されてもよい。

図５は、会計データ変換装置２００による処理の流れの一例を概略的に示す。ここでは、複数の取引データのそれぞれに対応する会計データを生成する場合の処理の流れについて説明する。

Ｓ２０２では、取引データ取得部２０６が取引データを取得する。Ｓ２０４では、データ変更部２０８が、Ｓ２０２において取引データ取得部２０６が取得した取引データに含まれる摘要に、固有表現が含まれるか否かを判定する。含まれると判定した場合、Ｓ２０６に進み、含まれないと判定した場合、Ｓ２０８に進む。Ｓ２０６では、データ変更部２０８が、摘要に含まれる固有表現を固有情報に変更する。

Ｓ２０８では、科目選択部２１０が、Ｓ２０２において取引データ取得部２０６が取得した取引データに対応する勘定科目を選択する。科目選択部２１０は、取引データに含まれる摘要、及び、データ変更部２０８によって固有表現が固有情報に変更された摘要の少なくともいずれかを用いて、勘定科目を選択する。

Ｓ２１０では、会計データ生成部２１２が、Ｓ２０２において取引データ取得部２０６が取得した取引データに対応する、Ｓ２０８において科目選択部２１０が選択した勘定科目を含む会計データを生成する。

対象となるすべての取引データについて会計データの生成が終了した場合（Ｓ２１２でＹＥＳ）、Ｓ２１４に進み、終了していない場合（Ｓ２１２でＮＯ）、Ｓ２０２に戻る。Ｓ２１４では、会計データ出力部２１４が、生成された会計データを会計サービス提供装置３０に出力する。

図６は、学習装置１００又は会計データ変換装置２００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又はすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。

本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ１２２６、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブ１２２６は、ＤＶＤ－ＲＯＭドライブ及びＤＶＤ－ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのようなレガシの入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。

ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。

通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブ１２２６は、プログラム又はデータをＤＶＤ－ＲＯＭ１２２７等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。

ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。

プログラムは、ＤＶＤ－ＲＯＭ１２２７又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。

例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ－ＲＯＭ１２２７、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。

また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ１２２６（ＤＶＤ－ＲＯＭ１２２７）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。

様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

上で説明したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。

本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表わしてよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。

コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでよい。

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１０ 会計管理システム、２０ 業務サービス提供装置、３０ 会計サービス提供装置、５０ ネットワーク、８０ 通信端末、８２ ユーザ、１００ 学習装置、１０２ データ取得部、１０４ データ記憶部、１０６ データ変更部、１０８ 学習モデル生成部、１１０ 学習モデル送信部、２００ 会計データ変換装置、２０２ 学習モデル取得部、２０４ 学習モデル記憶部、２０６ 取引データ取得部、２０８ データ変更部、２１０ 科目選択部、２１２ 会計データ生成部、２１４ 会計データ出力部、１２００ コンピュータ、１２１０ ホストコントローラ、１２１２ ＣＰＵ、１２１４ ＲＡＭ、１２１６ グラフィックコントローラ、１２１８ ディスプレイデバイス、１２２０ 入出力コントローラ、１２２２ 通信インタフェース、１２２４ 記憶装置、１２２６ ＤＶＤドライブ、１２２７ ＤＶＤ－ＲＯＭ、１２３０ ＲＯＭ、１２４０ 入出力チップ

Claims (9)

1. 取引の摘要を含む取引データを取得する取引データ取得部と、
   前記取引データに含まれる前記摘要を複数の単語に分割した上で、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、又は固有物名を含む固有表現の辞書データを用いて、単語毎に、固有表現であるか否かを判定し、固有表現であると判定した単語を、固有表現であることを示す固有情報に変更するデータ変更部と、
   前記データ変更部によって、前記固有表現であると判定された単語が前記固有情報に変更された前記摘要と、前記取引に対応する勘定科目とを含む学習データを用いて、前記固有情報の推論結果への影響が前記摘要のうちの他の単語と比較して低くなるように学習を実行して、取引の摘要を入力とし、前記取引に対応する勘定科目を出力する学習モデルを生成する学習モデル生成部と、
   前記データ変更部によって前記固有表現であると判定された単語が前記固有情報に変更された前記取引データに基づいて、前記取引データに対応する勘定科目を選択する科目選択部であって、前記データ変更部によって、前記固有表現であると判定された単語が前記固有情報に変更された前記摘要を、前記学習モデル生成部によって生成された前記学習モデルに入力し、前記学習モデルから出力された前記勘定科目を選択する科目選択部と、
   前記科目選択部によって選択された前記勘定科目を含む、前記取引データに対応する会計データを生成する会計データ生成部と
   を備える会計データ変換装置。
2. 前記データ変更部は、前記摘要に含まれる前記固有表現であると判定した単語が、複数種類の固有情報のうちのいずれの固有情報に対応するかを判定し、前記摘要に含まれる前記固有表現であると判定した単語を、対応する前記固有情報に変更する、請求項１に記載の会計データ変換装置。
3. 前記データ変更部は、前記摘要に含まれる前記固有表現であると判定した単語が、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、及び固有物名のいずれに対応するかを判定する、請求項２に記載の会計データ変換装置。
4. 前記データ変更部は、前記摘要の前記固有表現以外の部分に基づいて、前記摘要に含まれる前記固有表現を前記固有情報に変更するか否かを判定し、変更すると判定した場合に、前記摘要に含まれる前記固有表現であると判定した単語を前記固有情報に変更する、請求項１から３のいずれか一項に記載の会計データ変換装置。
5. コンピュータを、
   取引の摘要を含む取引データを取得する取引データ取得部、
   前記取引データに含まれる前記摘要を複数の単語に分割した上で、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、又は固有物名を含む固有表現の辞書データを用いて、単語毎に、固有表現であるか否かを判定し、固有表現であると判定した単語を、固有表現であることを示す固有情報に変更するデータ変更部、
   前記データ変更部によって、前記固有表現であると判定された単語が前記固有情報に変更された前記摘要と、前記取引に対応する勘定科目とを含む学習データを用いて、前記固有情報の推論結果への影響が前記摘要のうちの他の単語と比較して低くなるように学習を実行して、取引の摘要を入力とし、前記取引に対応する勘定科目を出力する学習モデルを生成する学習モデル生成部、
   前記データ変更部によって前記固有表現であると判定された単語が前記固有情報に変更された前記取引データに基づいて、前記取引データに対応する勘定科目を選択する科目選択部であって、前記データ変更部によって、前記固有表現であると判定された単語が前記固有情報に変更された前記摘要を、前記学習モデル生成部によって生成された前記学習モデルに入力し、前記学習モデルから出力された前記勘定科目を選択する科目選択部、及び
   前記科目選択部によって選択された前記勘定科目を含む、前記取引データに対応する会計データを生成する会計データ生成部
   として機能させるためのプログラム。
6. コンピュータによって実行される会計データ変換方法であって、
   取引の摘要を含む取引データを取得する第１取引データ取得段階と、
   前記第１取引データ取得段階において取得した前記取引データに含まれる前記摘要を複数の単語に分割した上で、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、又は固有物名を含む固有表現の辞書データを用いて、単語毎に、固有表現であるか否かを判定し、固有表現であると判定した単語を、固有表現であることを示す固有情報に変更する第１データ変更段階と、
   前記第１データ変更段階において、前記固有表現であると判定された単語が前記固有情報に変更された前記摘要と、前記取引に対応する勘定科目とを含む学習データを用いて、前記固有情報の推論結果への影響が前記摘要のうちの他の単語と比較して低くなるように学習を実行して、取引の摘要を入力とし、前記取引に対応する勘定科目を出力する学習モデルを生成する学習モデル生成段階と、
   取引の摘要を含む取引データを取得する第２取引データ取得段階と、
   前記第２取引データ取得段階において取得した前記取引データに含まれる前記摘要を複数の単語に分割した上で、前記辞書データを用いて、単語毎に、固有表現であるか否かを判定し、固有表現であると判定した単語を、固有表現であることを示す固有情報に変更する第２データ変更段階と、
   前記第２データ変更段階において前記固有表現であると判定された単語が前記固有情報に変更された前記取引データに基づいて、前記取引データに対応する勘定科目を選択する科目選択段階であって、前記第２データ変更段階において、前記固有表現であると判定された単語が前記固有情報に変更された前記摘要を、前記学習モデル生成段階において生成された前記学習モデルに入力し、前記学習モデルから出力された前記勘定科目を選択する科目選択段階と、
   前記科目選択段階において選択した前記勘定科目を含む、前記取引データに対応する会計データを生成する会計データ生成段階と
   を備える会計データ変換方法。
7. 取引の摘要を複数の単語に分割した上で、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、又は固有物名を含む固有表現の辞書データを用いて、単語毎に、固有表現であるか否かを判定し、固有表現であると判定した単語を、固有表現であることを示す固有情報に変更するデータ変更部と、
   前記データ変更部によって前記固有表現であると判定された単語が前記固有情報に変更された前記摘要と、前記取引に対応する勘定科目とを含む学習データを用いて、前記固有情報の推論結果への影響が前記摘要のうちの他の単語と比較して低くなるように学習を実行して、取引の摘要を入力とし、前記取引に対応する勘定科目を出力する学習モデルを生成する学習モデル生成部と
   を備える学習装置。
8. コンピュータを、
   取引の摘要を複数の単語に分割した上で、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、又は固有物名を含む固有表現の辞書データを用いて、単語毎に、固有表現であるか否かを判定し、固有表現であると判定した単語を、固有表現であることを示す固有情報に変更するデータ変更部、及び
   前記データ変更部によって前記固有表現であると判定された単語が前記固有情報に変更された前記摘要と、前記取引に対応する勘定科目とを含む学習データを用いて、前記固有情報の推論結果への影響が前記摘要のうちの他の単語と比較して低くなるように学習を実行して、取引の摘要を入力とし、前記取引に対応する勘定科目を出力する学習モデルを生成する学習モデル生成部
   として機能させるためのプログラム。
9. コンピュータによって実行される学習方法であって、
   取引の摘要を複数の単語に分割した上で、組織名、人名、地名、日付表現、時間表現、金額表現、割合表現、又は固有物名を含む固有表現の辞書データを用いて、単語毎に、固有表現であるか否かを判定し、固有表現であると判定した単語を、固有表現であることを示す固有情報に変更するデータ変更段階と、
   前記データ変更段階において前記固有表現であると判定された単語が前記固有情報に変更された前記摘要と、前記取引に対応する勘定科目とを含む学習データを用いて、前記固有情報の推論結果への影響が前記摘要のうちの他の単語と比較して低くなるように学習を実行して、取引の摘要を入力とし、前記取引に対応する勘定科目を出力する学習モデルを生成する学習モデル生成段階と
   を備える学習方法。

Images