TWI768512B

TWI768512B - 信用度計算系統、信用度計算方法及程式產品

Info

Publication number: TWI768512B
Application number: TW109136114A
Authority: TW
Inventors: 友田恭輔
Original assignee: 日商樂天集團股份有限公司
Priority date: 2019-12-26
Filing date: 2020-10-19
Publication date: 2022-06-21
Also published as: JP6967575B2; TW202127355A; JP2021105840A

Abstract

本發明之課題在於兼顧收益性與安全性兩者。本發明之信用度計算系統(S)之違規度計算機構(101)基於利用服務之使用者之行動，計算使用者之違規度。利用額計算機構(102)基於使用者對服務之利用狀況，計算使用者之利用額。信用度計算機構(103)基於違規度與利用額，計算使用者之信用度。

Description

信用度計算系統、信用度計算方法及程式產品

本發明係關於一種信用度計算系統、信用度計算方法及程式產品。

先前，業已知悉解析利用服務之使用者之行動，而計算使用者之信用度之技術。例如，於專利文獻1中曾記載持續取得使用者之就寢時刻及起床時刻等行動履歷之資訊，並基於該取得之行動履歷之資訊、與使用者之生活形態、性格、及愛好等參數，計算使用者之信用度(信用評分)之系統。

[先前技術文獻] [專利文獻]

[專利文獻1] 日本專利第6514813號公報

然而，信用度之計算精度有其界限，例如，有結算服務之利用額較高之使用者之信用度被計算為較低之情形。於例如專利文獻1之技術中，有完全不考量使用者之利用額，利用額較高之使用者之信用度被計算為較低之情形。若利用額較高之使用者之信用度被計算為較低，而利用受限制，則結算服務之收益有可能降低。另一方面，若僅憑藉利用額較高，而無條件地優待使用者，則有可能無法停止違規的利用，而安全性降低。

本發明係鑒於上述問題而完成者，其目的在於提供一種可兼顧收益性與安全性之兩者之信用度計算系統、信用度計算方法及程式產品。

為了解決上述問題，而本發明之一態樣之信用度計算系統包含：違規度計算機構，其基於利用服務之使用者之行動，計算前述使用者之違規度；利用額計算機構，其基於前述使用者對前述服務之利用狀況，計算前述使用者之利用額；及信用度計算機構，其基於前述違規度與前述利用額，計算前述使用者之信用度。

本發明之一態樣之信用度計算方法包含：違規度計算步驟，其基於利用服務之使用者之行動，計算前述使用者之違規度；利用額計算步驟，其基於前述使用者對前述服務之利用狀況，計算前述使用者之利用額；及信用度計算步驟，其基於前述違規度與前述利用額，計算前述使用者之信用度。

本發明之一態樣之程式產品使電腦作為下述機構發揮功能，即：違規度計算機構，其基於利用服務之使用者之行動，計算前述使用者之違規度；利用額計算機構，其基於前述使用者對前述服務之利用狀況，計算前述使用者之利用額；及信用度計算機構，其基於前述違規度與前述利用額，計算前述使用者之信用度。

根據本發明之一態樣，前述利用額計算機構基於過去之前述利用狀況，計算未來預測之前述利用額，前述信用度計算機構基於前述違規度與未來預測之前述利用額，計算未來預測之前述使用者之信用度。

根據本發明之一態樣，前述違規度計算機構基於經學習已確定實際上是否為違規之行動之學習模式，計算未確定是否為違規之行動之前述違規度。

根據本發明之一態樣，前述利用額計算機構進一步基於由前述使用者登錄之使用者資訊、與前述使用者對其他服務之利用狀況之至少一者，計算前述利用額。

根據本發明之一態樣，前述信用度計算機構計算來自前述使用者之利益之期待值，作為前述信用度。

根據本發明之一態樣，前述違規度計算機構基於特定之期間內之複數個前述行動各者，計算各行動之個別違規度，且基於各行動之個別違規度，計算前述使用者於前述期間內之整體違規度，前述信用度計算機構基於前述整體違規度與前述利用額，計算前述信用度。

根據本發明之一態樣，前述違規度計算機構進一步基於自進行各行動之時點起之經過時間，計算前述整體違規度。

根據本發明之一態樣，前述違規度計算機構基於：根據過去進行之行動之前述違規度、與該行動實際上是否為違規之確定結果，決定計算前述違規度之加權係數，且基於該決定之加權係數而計算前述違規度。

根據本發明之一態樣，前述違規度計算機構進一步基於前述使用者之認證方法、與前述使用者之名義人之至少一者，計算前述違規度。

根據本發明之一態樣，前述信用度計算系統更包含執行與前述信用度相應之處理的執行機構。

根據本發明之一態樣，前述處理係對前述使用者賦予與前述服務相關之優惠券的處理。

根據本發明，能夠兼顧收益性與安全性之兩者。

10:伺服器

11,21:控制部

12,22:記憶部

13,23:通訊部

20:使用者終端

24:操作部

25:顯示部

100:資料記憶部

101:違規度計算部/違規度計算機構

102:利用額計算部/利用額計算機構

103:信用度計算部/信用度計算機構

104:執行部

DB1:使用者資料庫

DB2:利用狀況資料庫

DB3:信用度資料庫

N:網路

S:信用度計算系統

圖1係顯示信用度計算系統之整體構成之圖。

圖2係顯示信用度之計算方法之概要之圖。

圖3係顯示由信用度計算系統實現之功能之一例之功能方塊圖。

圖4係顯示使用者資料庫之資料儲存例之圖。

圖5係顯示利用狀況資料庫之資料儲存例之圖。

圖6係顯示信用度資料庫之資料儲存例之圖。

圖7係顯示服務利用處理之一例之流程圖。

圖8係顯示信用度計算處理之一例之流程圖。

圖9係顯示變化例(2)之概要之圖。

[1.信用度計算系統之整體構成]

以下，說明本發明之信用度計算系統之實施形態之例。圖1係顯示信用度計算系統之整體構成之圖。如圖1所示，信用度計算系統S包含伺服器10及使用者終端20，其等可連接於網際網路等網路N。此外，雖然於圖1中，將伺服器10與使用者終端20各者各顯示1台，但其等可為複數台。

伺服器10為伺服器電腦。伺服器10包含控制部11、記憶部12、及通訊部13。控制部11包含至少1個控制器。控制部11依照記憶於記憶部12之程式及資料執行處理。記憶部12包含主記憶部及輔助記憶部。例如，主記憶部為RAM等揮發性記憶體，輔助記憶部為ROM、EEPROM、快閃記憶體、或硬碟等非揮發性記憶體。通訊部13為有線通訊或無線通訊用之通訊界面，經由網路N進行資料通訊。

使用者終端20為供使用者操作之電腦。例如，使用者終端20為行動電話(包含智慧型手機)、可攜式資訊終端(包含平板型電腦)、或個人電腦等。於本實施形態中，使用者終端20包含：控制部21、記憶部22、通訊部23、操作部24、及顯示部25。控制部21、記憶部22、及通訊部23之實體構成可分別與控制部11、記憶部12、及通訊部13同樣。

操作部24為輸入器件，例如為觸控面板或滑鼠等指向器件、鍵盤、或按鈕等。操作部24將由使用者進行之操作內容傳遞至控制部21。顯示部25例如為液晶顯示部或有機EL顯示部等。顯示部25依照控制部21之指示而顯示圖像。

此外，作為記憶於記憶部12、22而說明之程式及資料可經網路N供給。又，上述所說明之各電腦之硬體構成並不限定於上述之例，可應用各種硬體。例如，可包含用於與電腦可讀取之讀取資訊記憶媒體之讀取部(例如光碟機或記憶體卡槽)或外部機器進行資料之輸入輸出之輸入輸出部(例如USB埠)。例如，記憶於資訊記憶媒體之程式或資料可經由讀取部及輸入輸出部供給。

[2.信用度計算系統之概要]

使用者操作使用者終端20，而利用伺服器10所提供之服務。於本實施形態中，作為服務之一例，說明結算服務。例如，於實體店中之商品之購買時、實體店中之服務之利用時、利用網際網路之商品之購買時、或利用網際網路之服務之預約時，執行利用本服務之結算。

雖然於本實施形態中，作為結算之一例，說明信用卡結算，但結算可利用各種類型之結算。例如，可為電子貨幣結算、虛擬貨幣結算、現金結算、積分結算、轉帳卡結算、或轉帳結算。進而，針對實現該等結算之方法，亦可利用各種方法。例如，可利用使用者終端20中包含之IC晶片，實現結算，亦可利用顯示於使用者終端20或店鋪之終端等之一維或二維碼，實現結算。

此外，使用者可在不操作使用者終端20下利用服務。例如，使用者藉由使實體店之終端讀入信用卡或IC卡等媒體，而可利用服務。又，例如，使用者可在不利用該等媒體下，藉由利用生物認證，而利用服務。

於本實施形態中，伺服器10記憶利用服務之所有使用者之結算之履歷。伺服器10就每一使用者，基於結算之履歷及其他之要素，計算信用度。信用度為表示對於使用者之信用之高低之資訊。換言之，信用度為表示能夠信任使用者之或然率之資訊。雖然於本實施形態中，說明信用度表示未來之信用之推測值之情形，但信用度可表示過去之信用之實際值。

雖然於本實施形態中，說明藉由評分而表現信用度之情形，但信用度可藉由其他之指標而表現。例如，信用度可藉由作為評分以外之數值之概率(百分比)而表現，亦可藉由S等級、A等級、B等級等文字而表現。於信用度藉由數值而表現之情形下，數值越高，則意味著信用之程度越高。於信用度藉由文字而表現之情形下，對各個文字決定信用之順位。

此外，本實施形態之服務之提供者終極而言僅提供結算服務，而非信用卡公司本身。由於支付本身係由信用卡公司保證，故本實施形態之信用與更夠正常利用服務關聯，而非與使用者之支付能力關聯。例如，信用與使用者即便受優待亦不違規(正常)利用服務關聯。信用度亦可謂表示就服務而言是否能夠信任使用者之資訊。

圖2係顯示信用度之計算方法之概要之圖。於圖2之例中，當前時點為2019年11月30日，顯示2019年之使用者A之結算之履歷。於圖2中，作為結算之履歷，顯示各個結算之利用日(執行日)、及該時之利用額(結算額)。各個結算亦有稱為交易之情形。

於本實施形態中，於執行完結算後，當特定之確定時序到來時，確定該結算實際上是否為違規(違規或正常)。雖然於本實施形態中，將確定時序設為自利用日起之3個月後，但確定時序可為任意之時序。例如，確定時序可為預設之日期(例如每月15日)，亦可為服務之管理者進行判斷有無違規之業務時。此外，例如，確定時序可為自使用者接收到懷疑違規結算之報告時。例如，當確定時序到來時，基於後述之違規度取得臨時之確定結果，並對管理者提示。臨時之確定結果在違規度為臨限值以上時成為違規，在違規度未達臨限值時成為正常。管理者檢查臨時之確定結果，若存在錯誤，則進行修正。藉由管理者所進行之修正，確定結算為違規或正常。

於圖2之例中，至2019年8月末之結算因確定時序到來，而確定是否為違規。於圖2中，將已確定非為違規之結算(已確定為正常之結算)之違規度表示為0%。若存在已確定為違規之結算(已確定非為正常之結算)，則違規度成為100%。另一方面，2019年9月以後之結算因確定時序未到來，而未確定是否為違規。以後，將已確定是否為違規之結算記載為已確定結算，將未確定是否為違規之結算記載為未確定結算。

伺服器10針對未確定結算，利用學習模式計算違規度。例如，若執行結算處理，則即時計算違規度。學習模式為機器學習所使用之模式，學習已確定結算之內容(例如利用額及利用日期時間)、與是否為違規之確定結果之關係。機器學習本身可利用周知之各種方法，例如可利用類神經網路、強化學習、或深層學習等方法。機器學習並不限定於有監督式機器學習，可使用具有半監督式機器學習，亦可使用無監督式機器學習。

違規度為表示違規之程度之資訊。換言之，違規度為表示違規之可疑性之高低之資訊。雖然於本實施形態中，說明藉由概率(百分比)而表現違規度之情形，但違規度可藉由其他之指標而表現。例如，違規度可藉由作為概率以外之數值之評分而表現，亦可藉由S等級、A等級、B等級等文字而表現。於違規度藉由數值而表現之情形下，數值越高，則意味著違規之程度越高。於違規度藉由文字而表現之情形下，對各個文字決定違規之順位。

伺服器10將未確定結算之內容輸入學習模式，並取得自學習模式輸出之違規度。學習模式由於輸出與本身被輸入之結算之內容相應之違規度，故違規度亦可謂學習模式計算出之違規之或然率。若為圖2之例，則針對2019年9月3日進行之6500日元之未確定結算，計算出0.20%之違規度。亦即，推定該未確定結算以0.20%之概率為違規。針對其他日期之未確定結算亦同樣地，伺服器10利用學習模式，就每一未確定結算，計算違規度。

未確定結算之違規度較高之使用者有可能今後亦繼續進行被懷疑為違規之結算。因此，考量限制由該使用者進行之服務之利用。然而，學習模式之精度有其界限，若被認為利用高額之使用者之違規度被計算為較高，則有可能錯失未來獲得之利益。另一方面，若無條件地優待此使用者，則有可能無法應對違規利用，而安全性降低。

因此，信用度計算系統S綜合性地判斷學習模式所輸出之違規度、與預測為未來利用之利用額，而計算使用者之信用度。信用度雖然為與違規度關聯之概念，但於亦考量利用額之點上與違規度不同。如前述般，信用度表示就服務而言之對使用者之信用之程度，與各個結算之違規之程度不同。因此，有即便使用者之違規度於某一程度上較高，但若利用額非常高，則該使用者之信用度變高之情形。另一方面，有即便使用者之違規度較低，但若利用額非常低，則該使用者之信用度變低之情形。

例如，伺服器10基於使用者A之各未確定結算之違規度，計算當前時點之綜合的違規度。以後，將各個未確定結算之違規度記載為個別違規度，將綜合的違規度記載為整體違規度。針對整體違規度之計算方法，於後文敘述。於圖2之例中，使用者A之整體違規度為0.53%。

又，例如，伺服器10基於過去之使用者A之服務之利用狀況、與使用者之性別及年收入等之資訊，計算於今後n個月(n為任意之正數)預測之使用者A之利用額。針對利用額之計算方法亦於後文敘述。於圖2之例中，於今後n個月預測之使用者A之利用額為82450日元。雖然於本實施形態中，說明該利用額為今後n個月之總計值之情形，但利用額可為於今後n個月中預測之各個結算之利用額。例如，於預測在今後n個月，使用者A進行10次結算之情形下，可計算出8245日元，而作為各個結算之利用額。

伺服器10將作為整體違規度之0.53%、與作為於今後n個月預測之利用額之82450日元代入特定之計算式，而計算使用者A之信用度。於圖2之例中，使用者A之信用度成為2036積分。例如，該數值表示今後n個月中之來自使用者A之利益之預測值。伺服器10相應於使用者之信用度，賦予優惠券等之優待。

如以上所述般，本實施形態之信用度計算系統S藉由計算對藉由學習模式而輸出之違規度、與基於服務之利用狀況等計算出之利用額進行綜合性地考量之信用度，而保持收益性與安全性之平衡，並兼顧其等兩者。以後，說明該技術之細節。

[3.於信用度計算系統中實現之功能]

圖3係顯示由信用度計算系統S實現之功能之一例之功能方塊圖。如圖3所示，於伺服器10中，實現資料記憶部100、違規度計算部101、利用額計算部102、信用度計算部103、及執行部104。

[3-1.資料記憶部]

資料記憶部100主要由記憶部12實現。資料記憶部100記憶計算使用者之信用度所需之資料。此處，作為資料記憶部100記憶之資料之一例，針對使用者資料庫DB1、利用狀況資料庫DB2、及信用度資料庫DB3進行說明。

圖4係顯示使用者資料庫DB1之資料儲存例之圖。如圖4所示，使用者資料庫DB1為儲存有與使用者相關之各種資訊之資料庫。例如，於使用者資料庫DB1中儲存有使用者ID、使用者名、認證資訊、及結算資訊。使用者ID為唯一識別使用者之資訊。使用者名為使用者之姓名。

認證資訊為認證時之成為正解(索引)之資訊。認證本身可利用各種類型之認證，例如可利用密碼認證、證書認證、或生物認證。認證可為一步驟，亦可為兩步驟以上。可行的是，使用者能夠指定利用哪一認證。

結算資訊為結算所需之資訊。於本實施形態中，由於進行信用卡結算，故於結算資訊中包含使用者登錄之信用卡編號、名義人、及有效期限等之資訊。可登錄複數個信用卡各者之結算資訊。結算資訊只要登錄與服務所利用之結算之類型相應之資訊即可，例如，若為電子貨幣結算，則登錄使用者之賬戶資訊及餘額資訊等。針對其他之結算亦同樣，登錄結算所需之資訊。於使用者併用複數個類型之結算之情形下，可登錄各類型之結算資訊。

當使用者結束服務之利用登錄時，伺服器10基於特定之發佈規則，發佈該使用者之使用者ID。伺服器10於使用者資料庫DB1建立新的記錄，將在利用登錄時所指定之使用者名、認證資訊、及結算資訊與該發佈之使用者ID一起予以儲存。針對認證資訊及結算資訊，可事後變更。

圖5係顯示利用狀況資料庫DB2之資料儲存例之圖。如圖5所示，利用狀況資料庫DB2為儲存有使用者對服務之利用狀況的資料庫。例如，於利用狀況資料庫DB2中儲存有結算ID、收款方ID、使用者ID、利用額、利用日期時間、及個別違規度。

此外，本實施形態中，雖說明將已確定結算與未確定結算兩者儲存於利用狀況資料庫DB2之情形，但亦可僅將已確定結算或未確定結算之任一者儲存於利用狀況資料庫DB2。又，於利用狀況資料庫DB2中，亦可儲存其他資訊，例如，可儲存後述之計算利用額所需之利用狀況。

結算ID為唯一識別結算之資訊。收款方ID為唯一識別收款方之資訊。若為實體店之結算，則收款方ID為識別實體店之資訊，若為線上之虛擬店鋪之結算，則收款方ID為識別虛擬店鋪之資訊。利用額為各筆結算之額數。利用日期時間為執行結算之日期時間。個別違規度為各筆結算之違規度。

伺服器10每當執行結算時，基於特定之發佈規則，發佈該結算之結算ID。伺服器10於利用狀況資料庫DB2中建立新的記錄，並記錄結算ID、收款方ID、使用者ID、利用額、及利用日期時間。收款方ID、使用者ID、及利用額包含在伺服器10於結算時接收到之結算請求中。利用日期時間為結算執行時之當前日期時間。

個別違規度係由後述之違規度計算部101儲存。本實施形態中，雖說明相應於有無違規之確定結果，儲存0%或100%之數值作為已確定結算之個別違規度之情形，但亦可將在該已確定結算確定之前計算出之個別違規度(0%以上100%以下之數值)，儲存作為已確定結算之個別違規度。

圖6係顯示信用度資料庫DB3之資料儲存例之圖。如圖6所示，信用度資料庫DB3為儲存有使用者之信用度的資料庫。例如，於信用度資料庫DB3中，儲存有使用者ID、由違規度計算部101計算出之整體違規度、由利用額計算部102計算出之利用額、由信用度計算部103計算出之信用度、及優惠券資訊。

優惠券資訊為與由執行部104賦予之優惠券相關之資訊。例如，若準備有複數個優惠券，則優惠券資訊係表示對使用者賦予之優惠券之種類。如對優惠券設定有效期限，可於優惠券資訊中包含有效期限。本實施形態中，由於在信用度未達臨限值之情形下不賦予優惠券，故針對信用度未達臨限值之使用者，不會儲存優惠券資訊。

此外，記憶於資料記憶部100之資料不限於上述之例。例如，資料記憶部100記憶學習模式之程式(演算法)或參數。於學習模式中，已完成訓練資料之學習，且學習模式之參數已調整完畢。例如，於訓練資料中儲存有多數個以已確定結算之內容為輸入、以有無違規之確定結果為輸出之資料對。該資料對之輸入為與輸入至學習模式之結算之內容相同之資料格式。

成為訓練資料之輸入之結算之內容為表示結算之特徵之資訊，例如，為利用額、利用場所、利用日期時間、及結算對象之商品或服務之種類中至少一者。結算之內容設為儲存於利用狀況資料庫DB2者。於本實施形態中，作為結算之內容之一例，說明利用額與利用日期時間。於訓練資料中，作為結算之內容，可直接儲存利用額等之資訊，亦可儲存以向量或排列等表現之特徵量。

成為訓練資料之輸出之確定結果為表示是否為違規之資訊，例如，成為表示為違規之100%、或表示為正常之0%之任一值。此外，確定結果必須由該等2值表現，針對即便管理者察看，亦無法判定是否為違規之結算，可存在30%等之中間值。又，確定結果可以數值表示，亦可以表示是否為違規之文字表現。

訓練資料可記憶於資料記憶部100，亦可記憶於伺服器10以外之電腦或資訊記憶媒體。例如，訓練資料係由管理者建立。伺服器10基於訓練資料執行學習模式之學習處理。學習處理本身可應用機器學習所利用之各種方法，例如，可利用類神經網路中之學習處理。伺服器10調整學習模式之參數，以獲得訓練資料表示之輸入與輸出之關係。

[3-2.違規度計算部]

違規度計算部101主要由控制部11實現。違規度計算部101基於利用服務之使用者之行動，計算使用者之違規度。違規度計算部101就每一使用者，基於該使用者之行動，計算該使用者之違規度。違規度計算部101可計算所有使用者之違規度，亦可計算一部分使用者之違規度。

行動為表示以何種方式利用服務之資訊。行動亦可謂服務之利用內容、或服務利用時之舉動。雖然於本實施形態中，說明儲存於利用狀況資料庫DB2之利用額與利用日期時間相當於使用者之行動之情形，但於服務利用時輸入至伺服器10之其他之資訊可相當於行動。例如，利用頻度、利用場所、結算對象之商品之種類、或結算對象之服務之種類等資訊可相當於行動。

於本實施形態中，違規度計算部101基於學習已確定實際上是否為違規之行動之學習模式，計算未確定是否為違規之行動之違規度。違規度計算部101將表示使用者之行動之資訊(例如利用額與利用日期時間)輸入學習模式。學習模式計算所輸入之資訊之特徵量，並輸出與特徵量相應之違規度。違規度計算部101取得自學習模式輸出之違規度。此外，特徵量可藉由學習模式以外之演算法而計算。此情形下，將藉由該演算法而計算出之特徵量輸入學習模式。

例如，違規度計算部101基於特定之期間內之複數個行動各者，計算各行動之個別違規度，並基於各行動之個別違規度，計算該期間內之使用者之整體違規度。該期間為成為違規度之計算對象之期間。於本實施形態中，該期間為未確定是否為違規之期間，為最近3個月。此外，期間之長度並不限定於3個月，可設定任意之長度。又，期間並不限定於最近之期限，可為較最近之期間靠前之期間。

例如，違規度計算部101以結算之利用額越高，則個別違規度越高之方式，計算個別違規度。又，例如，違規度計算部101以結算之利用時間越存在不一致，則個別違規度越高之方式，計算個別違規度。又，例如，違規度計算部101以結算之利用頻度越高，則個別違規度越高之方式，計算個別違規度。又，例如，違規度計算部101以結算之利用場所越存在不一致，則個別違規度越高之方式，計算個別違規度。又，例如，違規度計算部101以結算對象之商品或服務之種類越存在不一致，則個別違規度越高之方式，計算個別違規度。

違規度計算部101將特定之期間內之各行動之個別違規度代入特定之計算式，而計算整體違規度。該計算式為若代入個別違規度，則算出整體違規度之式。雖然於本實施形態中，說明整體違規度為個別違規度之單純平均之情形，但可如後述之變化例般，為與自利用日期時間起之經過時間相應之經加權之加權平均，亦可為指數移動平均。此外，例如，計算式可不特別計算平均。

此外，個別違規度只要基於預設之方法而計算即可，並不限定於利用學習模式之例。例如，違規度計算部101藉由將使用者之行動數值化，並代入特定之計算式，而可計算個別違規度。又，例如，違規度計算部101可基於定義使用者之行動與個別違規度之關係之程式碼，計算個別違規度。

又，針對整體違規度亦然，只要基於預設之方法而計算即可，並不限定於利用計算式之例。例如，違規度計算部101可利用學習個別違規度與整體違規度之關係之學習模式，計算整體違規度。又，例如，違規度計算部101可基於定義個別違規度與整體違規度之關係之程式碼，計算整體違規度。

[3-3.利用額計算部]

利用額計算部102主要由控制部11實現。利用額計算部102基於使用者對服務之利用狀況，計算使用者之利用額。利用額計算部102就每一使用者，基於該使用者之利用狀況，計算該使用者之利用額。利用額計算部102可計算所有使用者之利用額，亦可計算一部分使用者之利用額。

所謂利用狀況為服務之利用結果。換言之，利用狀況亦可謂過去之使用者之行動。利用狀況可為已確定是否為違規之行動，亦可為未確定是否為違規之行動。例如，利用狀況為過去之利用額、利用頻度、利用店鋪數、或有無參與活動。該等資訊設為儲存於利用狀況資料庫DB2者。

雖然於本實施形態中，作為利用額之一例，說明於今後n個月預測之預測值，但利用額可為過去之平均值。平均值可為過去之整個期間之平均值，亦可為最近之一部分期間之平均值。利用額計算部102基於過去之利用狀況，計算未來預測之利用額。例如，利用額計算部102藉由將服務之利用狀況數值化，並代入特定之計算式，而計算利用額。於該計算式中顯示利用狀況與利用額之關係。

例如，利用額計算部102以利用狀況表示之過去之利用額越高，則未來預測之利用額越高之方式，計算未來預測之利用額。又，例如，利用額計算部102以利用狀況表示之過去之利用頻度越高，則未來預測之利用額越高之方式，計算未來預測之利用額。又，例如，利用額計算部102以利用狀況表示之過去之利用店鋪數越多，則未來預測之利用額越高之方式，計算未來預測之利用額。又，例如，利用額計算部102以利用狀況表示之對活動之參與越多，則未來預測之利用額越高之方式，計算未來預測之利用額。

此外，利用額可亦考量服務之利用狀況以外之資訊。例如，利用額計算部102可進一步基於由使用者登錄之使用者資訊、與使用者對其他服務之利用狀況之至少一者，計算利用額。

使用者資訊為表示使用者之特性之資訊。例如，使用者資訊為性別、住址、年收入、家族構成、工作地點、或職務。使用者資訊可儲存於使用者資料庫DB1。其他之服務之利用狀況為本實施形態所說明之結算服務以外之服務之利用狀況。利用狀況之含義係如前述般。例如，其他之服務為電子商務服務、旅行預約服務、金融服務、保險服務、或通訊服務等。本實施形態之服務與其他之服務連動，伺服器10自其他之服務之系統取得使用者之利用狀況。例如，伺服器10可取得安裝於使用者終端20之與其他之服務關聯之應用之利用狀況，而作為其他之服務之利用狀況。

例如，不僅將利用狀況，而且將使用者資訊與其他之服務之利用狀況之至少一者，代入用於計算利用額之計算式。利用額計算部102藉由將使用者資訊與其他之服務之利用狀況之至少一者數值化，並帶入特定之計算式，而計算利用額。於該計算式中顯示使用者資訊與其他之服務之利用狀況至少一者跟利用額之關係。

例如，利用額計算部102在使用者之性別為特定之性別之情形下，以變得較為另一性別之情形為高之方式，計算利用額。又，例如，利用額計算部102在使用者之住址為市中心之情形下，以變得較為郊區之情形為高之方式，計算用額。又，例如，利用額計算部102以使用者之年收入越高，則利用額越高之方式，計算利用額。又，例如，利用額計算部102以使用者之家族構成之人數越多，則利用額越高之方式，計算利用額。又，例如，利用額計算部102以使用者之工作地點之平均收入越多，則利用額越高之方式，計算利用額。又，例如，利用額計算部102以使用者之職務越高，則利用額越高之方式，計算利用額。

例如，利用額計算部102以其他之服務之利用額越高，則利用額越高之方式，計算利用額。又，例如，利用額計算部102以其他之服務之利用頻度越高，則利用額越高之方式，計算利用額。又，例如，利用額計算部102以其他之服務之利用店鋪數越多，則利用額越高之方式，計算利用額。又，例如，利用額計算部102以其他之服務之對活動之參與越多，則利用額越高之方式，計算利用額。

此外，利用額只要基於預設之方法而計算即可，並不限定於利用計算式之例。例如，利用額計算部102可利用學習利用狀況與利用額之關係之學習模式，計算用額。又，例如，利用額計算部102可基於定義利用狀況與利用額之關係之程式碼，計算利用額。

[3-4.信用度計算部]

信用度計算部103主要由控制部11實現。信用度計算部103基於違規度與利用額，計算使用者之信用度。信用度計算部103就每一使用者，基於該使用者之違規度與利用額，計算該使用者之信用度。信用度計算部103可計算所有使用者之信用度，亦可計算一部分使用者之信用度。於本實施形態中，信用度計算部103基於違規度與未來預測之利用額，計算未來預測之使用者之信用度。

於本實施形態中，由於存在個別違規度及整體違規度，故信用度計算部103基於整體違規度與利用額，計算信用度。信用度計算部103可藉由將整體違規度與利用額代入特定之計算式，而計算信用度。於該計算式中顯示整體違規度及利用額與信用度之關係。

例如，信用度計算部103以整體違規度越低且利用額越高，則信用度越高之方式，計算信用度。整體違規度對信用度造成之影響、與利用額對信用度造成之影響可相同，亦可不同。於整體違規度對信用度造成之影響大於利用額對信用度造成之影響之情形下，能夠重視安全性。於利用額對信用度造成之影響大於整體違規度對信用度造成之影響之情形下，能夠重視收益性。

於本實施形態中，信用度計算部103計算來自使用者之利益之期待值，而作為信用度。該期待值為與未來預測之使用者之利用額相應之利益之期待值。於計算式中顯示整體違規度及利用額與利益之期待值之關係。若將利用額乘以特定之利益率之額數成為利益，則於計算式中表示該利益率。例如，信用度計算部103藉由自將利用額乘以利益率之值減去將利用額乘以整體違規度之值，而計算利益之期待值。

此外，信用度只要基於預設之方法而計算即可，並不限定於計算式之例。例如，信用度計算部103可利用學習整體違規度及利用額與信用度之關係之學習模式，計算利用額。又，例如，利用額計算部102可基於定義整體違規度及利用額與信用度之關係之程式碼，計算利用額。

[3-5.執行部]

執行部104主要由控制部11實現。執行部104執行與信用度相應之處理。執行部104就每一使用者，執行與該使用者之信用度相應之處理。執行部104可針對所有使用者執行處理，亦可執行僅針對一部分使用者之處理。

與信用度相應之處理係根據信用而決定是否執行之處理、或根據信用度而內容改變之處理。雖然於本實施形態中，作為該處理之一例，說明對使用者賦予與服務相關之優惠券之處理，但該處理可為任意之處理。優惠券只要為與服務相關之優惠券即可，例如，於服務利用時能夠享受折扣之權利、於服務利用時被賦予積分之權利、或於服務利用時能夠接受內容或商品之權利。此外，執行部104執行之處理可為限制服務之利用之處理、請求追加之認證之處理、或賦予優惠券以外之優待之處理。

例如，執行部104對信用度未達臨限值之使用者不賦予優惠券，對信用度為臨限值以上之使用者賦予優惠券。臨限值可為固定值，亦可為可變值。臨限值可就每一使用者而決定。又，例如，於準備複數種優惠券之情形下，執行部104賦予與使用者之信用度相應之優惠券。使用者之信用度越高，則執行部104賦予價值越高之優惠券。此情形下，優惠券根據信用度而被分級。

[4.於本實施形態中執行之處理]

其次，針對於信用度計算系統S中執行之處理進行說明。此處，針對用於使用者利用服務之服務利用處理、及用於計算使用者之信用度之信用度計算處理進行說明。

[4-1.服務利用處理]

圖7係顯示服務利用處理之一例之流程圖。圖7所示之服務利用處理係藉由控制部11、21分別依照記憶於記憶部12、22之程式動作，而執行。下述所說明之處理係由圖3所示之功能區塊執行之處理之一例。此外，假設於執行服務利用處理時，使用者結束利用登錄。

如圖7所示，使用者終端20對於伺服器10，發送結算請求(S100)。結算請求為用於執行結算之請求。結算請求只要藉由發送特定格式之資料而進行即可，例如包含收款方ID、使用者ID、利用額、及認證資訊。認證資訊可記憶於使用者終端20之記憶部22，亦可自操作部24輸入。此外，例如，於利用生物認證之情形下，可自使用者終端20之相機等輸入認證資訊。例如，結算請求於在實體店進行特定之支付操作之情形下、於線上購買商品之情形下、或於線上預約服務之進行下發送。此外，如上述般，於使用者在不操作使用者終端20下利用服務之情形下，可省略S100之處理，結算請求可自實體店之終端等發送。

伺服器10當接收到結算請求時，基於使用者資料庫DB1，執行結算處理(S101)。於S101中，伺服器10基於結算請求中包含之使用者ID與認證資訊，執行使用者認證。於使用者認證成功之情形下，伺服器10基於與使用者ID建立關聯之結算資訊，執行結算處理。結算處理本身可應用周知之處理，於本實施形態中，發送對於信用卡公司之系統之信用查詢等。於使用者認證不成功之情形下，不執行結算處理，且本處理結束。

伺服器10基於在S101執行之結算之內容、與記憶於記憶部12之學習模式，計算與該結算相應之個別違規度(S102)。於S102中，伺服器10將在S101執行之結算之利用額與利用日期時間輸入學習模式，並取得學習模式輸出之個別違規度。此外，可先於S101之處理而執行S102之處理，於個別違規度非常高之情形下，結算處理可暫緩。

伺服器10更新利用狀況資料庫DB2(S103)，且本處理結束。於S103中，伺服器10重新發佈結算ID，於利用狀況資料庫DB2建立新的記錄。伺服器10於該記錄儲存結算ID、收款方ID、使用者ID、利用額、利用日期時間、及個別違規度。

[4-2.信用度計算處理]

圖8係顯示信用度計算處理之一例之流程圖。圖8所示之信用度計算處理係藉由控制部11依照記憶於記憶部12之程式動作，而執行。下述所說明之處理係由圖3所示之功能區塊執行之處理之一例。信用度計算處理只要以任意之時序執行即可，例如，可於管理者進行特定之操作之情形下進行，亦可於特定之日期時間到來時執行。

如圖8所示，首先，伺服器10基於利用狀況資料庫DB2，計算各使用者之整體違規度(S200)。於S200中，伺服器10參照利用狀況資料庫DB2，就每一使用者取得未確定結算(最近3個月之結算)之個別違規度。伺服器10就每一使用者，基於各未確定結算之個別違規度，計算整體違規度。伺服器10將各使用者之整體違規度儲存於信用度資料庫DB3。

伺服器10基於利用狀況資料庫DB2，計算各使用者之未來預測之利用額(S201)。於S201中，伺服器10參照利用狀況資料庫DB2，就每一使用者取得服務之利用狀況。伺服器10就每一使用者，將服務之利用狀況代入特定之計算式，而計算利用額。伺服器10將各使用者之利用額儲存於信用度資料庫DB3。此外，如前述般，伺服器10參照使用者資料庫DB1，就每一使用者，取得使用者資訊，並計算利用額，亦可自其他之服務取得利用狀況，並計算利用額。

伺服器10基於各使用者之整體違規度與利用額，計算各使用者之信用度(S202)。於S202中，伺服器10就每一使用者，將在S200計算出之整體違規度與在S201計算出之利用額代入特定之計算式，而計算信用度。伺服器10將各使用者之信用度儲存於信用度資料庫DB3。

伺服器10基於各使用者之信用度，賦予優惠券(S203)，且本處理結束。於S203中，伺服器10就每一使用者，特定與該使用者之信用度相應之優惠券。伺服器10將對各使用者特定出之優惠券儲存於信用度資料庫DB3。儲存於信用度資料庫DB3之優惠券可於使用者下次登入服務時使用，可於下次以後之服務利用處理中使用。

根據本實施形態之信用度計算系統S，藉由基於與使用者之行動相應之違規度、及與服務之利用狀況相應之利用額，計算使用者之信用度，而能夠保持收益性與安全性之平衡，並兼顧其等兩者。例如，於僅考量違規度之情形下，若利用額較高之使用者之違規度被計算為較高，則該使用者之利用被過度限制，而收益性降低。又，例如，若無條件優待利用額較高之使用者，則有可能無法停止違規利用，而安全性性降低。信用度計算系統S藉由計算使用者之信用度，而能夠將收益性與安全性設為適切之平衡。

又，信用度計算系統S藉由基於過去之服務之利用狀況，計算未來預測之利用額，而能夠預測今後之使用者之利用額，並反映於信用度，更適宜地保持未來之收益性與安全性之平衡。

又，信用度計算系統S基於經學習已確定實際上是否為違規之行動之學習模式，計算未確定是否為違規之行動之違規度，而能夠提高違規度之計算精度。例如，藉由使學習模式學習新的訓練資料，而能夠計算與最新的違規趨勢對應之高精度之違規度。藉由提高違規度之計算精度，既能夠提高信用度之計算精度，且能夠更適宜地保持收益性與安全性之平衡。

又，信用度計算系統S進一步基於由使用者登錄之使用者資訊、與使用者對其他服務之利用狀況之至少一者，計算利用額，而能夠提高利用額之計算精度。藉由提高利用額之計算精度，既能夠提高信用度之計算精度，且能夠更適宜地保持收益性與安全性之平衡。

又，信用度計算系統S計算來自使用者之利益之期待值作為信用度，而計算可於服務整體上提高利益之信用度，能夠進一步提高收益性。

又，信用度計算系統S基於特定期間內之各行動之個別違規度，計算使用者之整體違規度，且基於整體違規度與利用額計算信用度，而綜合性地考量某使用者之行動並計算信用度，能夠提高信用度之計算精度，且能夠更適宜地保持收益性與安全性之平衡。

又，信用度計算系統S藉由執行與信用度相應之處理，而例如能夠提供與信用度相應之服務，或賦予與信用度相應之優待。

又，信用度計算系統S藉由根據信用度而執行對使用者賦予與服務相關之優惠券之處理，而能夠賦予與信用度相應之優待。

[5.變化例]

此外，本發明並非限定於以上所說明之實施形態者。於不脫離本發明之旨趣之範圍內，可適宜地變更。

(1)例如，實施形態中，雖說明了將未確定結算之個別違規度之單純平均設為整體違規度之情形，但違規度計算部101亦可進一步基於自各行動被進行之時點起之經過時間，而計算整體違規度。進行行動之時點為服務之利用日期時間。經過時間為該時點至當前時點之時間之長度。經過時間亦可謂儲存於利用狀況資料庫DB2之利用日期時間與當前時點之間隔。

例如，違規度計算部101以經過時間越長(進行行動之時點越早)，則加權係數越小之方式，計算整體違規度。換言之，違規度計算部101以經過時間越短(進行行動之時點越近)，則加權係數越大之方式，計算整體違規度。經過時間較長是指進行行動之時點較早，經過時間越短是指進行行動之時點較近。

此外，用於決定加權係數之加權函數可為常數函數，亦可為指數函數。違規度計算部101基於如上述般決定之加權係數，計算未確定結算之個別違規度之加權平均，並將其作為整體違規度而取得。某一行動之經過時間越短，則該行動對整體違規度賦予之影響越高。

根據變化例(1)，藉由進一步基於自進行各行動之時點起之經過時間，計算整體違規度，而例如，能夠將最近之行動之趨勢更強烈地反映於整體違規度，能夠提高整體違規度之計算精度。藉由提高整體違規度之計算精度，而亦能夠提高信用度之計算精度，且能夠更適宜地保持收益性與安全性之平衡。

(2)又，例如，違規度計算部101可基於：根據過去進行之行動之違規度、與該行動實際上是否為違規之確定結果，決定違規度之計算之加權係數，並基於該決定之加權係數，計算違規度。加權係數係用於違規度之計算之係數。加權係數係用於修正臨時之違規度。臨時之違規度為以實施形態所說明之方法計算出之違規度。例如，違規度計算部101根據過去計算出之違規度、與之後之確定結果之分佈，決定適切的加權係數，並基於該加權係數，計算違規度。

圖9係顯示變化例(2)之概要之圖。針對圖9，亦與圖2同樣地，將當前時點設為2019年11月30日。於圖9中，顯示2019年之使用者A之已確定結算之違規度、與是否為違規之確定結果。圖9之違規度為藉由學習模式而輸出之值，且與圖2之值不同。亦即，圖9之違規度係於已確定結算為未確定結算時，藉由學習模式而輸出之值。

如圖9所示，伺服器10基於圖2所示之使用者A之利用狀況，提取複數個資料集。各個資料集中包含之結算互不相同。例如，伺服器10隨機區劃出期間，並提取資料集。此外，例如，伺服器10探查已確定違規之結算，於發現已確定違規之結算之情形下，可提取至該時點為止包含之結算，而作為資料集。

例如，若假定違規度之計算式之加權函數為僅依存於時間之經過之函數，則可相應於加權函數，設定學習模式輸出之違規度、與實際上是否為違規之確定結果之偏差度(所謂之損失(Loss))。伺服器10推定如使該偏差度相對於資料整體最小化之加權函數。例如，該推定可藉由損失函數與加權函數之定義而解析性地求解，亦可藉由最佳化解算器等而近似地求解。作為加權函數，可定義指數函數、邏輯曲線、或線性函數等。

例如，違規度計算部101以學習模式輸出之違規度、與實際上是否為違規之確定結果之偏差度變小之方式，修正學習模式輸出之臨時之違規度。該修正量係由加權函數之加權係數決定。由於該偏差度根據使用者而不同，故違規度計算部101以偏差度越高，則臨時之違規度之修正量越多之方式，修正臨時之違規度。例如，於根據過去之已確定結算計算出之每一使用者之偏差度較高之情形下，違規度計算部101以學習模式計算出之臨時之違規度變低之方式進行修正。

根據變化例(2)，藉由進一步基於：根據過去進行之行動之違規度、與該行動實際上是否為違規之確定結果，計算違規度，而能夠提高違規度之計算精度。藉由提高違規度之計算精度，而亦能夠提高信用度之計算精度，能夠更適宜地保持收益性與安全性之平衡。

(3)又，例如，違規度計算部101可進一步基於使用者之認證方法、與使用者之名義人之至少一者，計算違規度。例如，違規度計算部101以使用者所指定之認證方法之強度越高，則違規度越低之方式，計算違規度。認證方法之強度只要藉由密碼之強度、有無兩步認證之登錄、或生物認證之種類而判定即可。

又，例如，違規度計算部101以使用者登錄之信用卡之名義人、與使用者於使用者資料庫DB1登錄之姓名之差異越大，則違規度越高之方式，計算違規度。此外，建立學習如上述之名義人或姓名、與違規度之關係之學習模式，並基於該學習模式，計算違規度，亦能夠計算信用度。又，在不特別利用學習模式下，可基於信用卡之名義人之字串、與使用者之姓名之字串之間不同之字符數，計算違規度。

根據變化例(3)，藉由進一步基於使用者之認證方法、與使用者之名義人之至少一者，計算違規度，而能夠提高違規度之計算精度。藉由提高違規度之計算精度，而亦能夠提高信用度之計算精度，能夠更適宜地保持收益性與安全性之平衡。

(4)又，例如，可將上述變化例組合。

又，例如，於實施形態中，說明了當自執行結算處理起經過一定期間時，確定是否為違規之情形，但可在執行結算處理後，立即進行管理者之確認，而確定是否為違規。又，例如，信用度可表示銷售額之期待值，亦可表示利益及銷售額以外之指標，而非利益之期待值。

又，例如，雖然說明了基於個別違規度，計算整體違規度之情形，但可不特別計算整體違規度。此情形下，可將複數個結算各者之個別違規度與利用額代入計算式，而計算信用度。進而，若於特定之期間內僅執行一次結算，則將1個個別違規度與利用額代入計算式，而計算信用度。

又，例如，說明了信用度計算系統S執行與信用度相應之處理之情形，但該處理可不特別進行，而由管理者進行信用度之解析，亦可由外部之系統執行。亦即，信用度計算系統S可不包含執行部104。

又，例如，作為服務之一例，說明了結算服務，但信用度計算系統S可應用於計算電子商務服務、旅行預約服務、金融服務、保險服務、或通訊服務等任意之服務之信用度之場合。進而，說明服務之管理者非為信用卡公司之情形，但服務之管理者可為信用卡公司。

又，例如，說明了主要功能由伺服器10實現之情形，但各功能可由複數個電腦分擔。例如，可由伺服器10與使用者終端20分擔功能。又，例如，於信用度計算系統S包含複數個伺服器電腦之情形下，可由該等複數個伺服器電腦分擔功能。又，例如，作為由資料記憶部100記憶者而說明之資料可由伺服器10以外之電腦記憶。