JP7828991B2 - 情報処理装置及び情報処理方法 - Google Patents

Description

本発明は、金融サービスにおいて利用者が利用可能な利用限度額を決定するための技術に関する。

金融サービスにおいて利用者が利用可能な利用限度額を決定するための技術として、例えば特許文献１には、最大許容与信額の増額に伴うリスクを機械学習モデルによって判定することが開示されている。

特表２０２０－５２２８３２号公報

本発明は、利用者が金融サービスにおいて利用可能な利用限度額を適切に決定することを目的とする。

上記課題を解決するため、本発明は、金融サービスを利用する利用者に関する利用者情報を取得する取得部と、前記利用者情報を説明変数とし、前記金融サービスの提供者により強制的に前記金融サービスが解約される解約リスクに関する解約リスク情報を目的変数とした機械学習による第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習による第２学習済モデルと、各々の利用者について前記取得部により取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定する第１決定部とを備え、前記第１決定部は、各々の前記利用者について、当該利用者に関する利用者情報を前記第１学習済モデルに入力することによって得られた前記解約リスク情報が第１のレベルのリスクより低いことを意味し、当該利用者に関する利用者情報を前記第２学習済モデルに入力することによって得られた前記利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、当該利用者の前記利用限度額を大きくし、前記第１のレベルは、前記第１決定部により前記利用限度額を大きくするよう決定された利用者について前記金融サービスが強制的に解約された割合と、前記第１決定部により前記利用限度額を大きくするよう決定されていない利用者について前記金融サービスが強制的に解約されなかった割合とを用いて決められていることを特徴とする情報処理装置を提供する。
また、本発明は、金融サービスを利用する利用者に関する利用者情報を取得する取得部と、前記利用者情報を説明変数とし、前記金融サービスの提供者により強制的に前記金融サービスが解約される解約リスクに関する解約リスク情報を目的変数とした機械学習による第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習による第２学習済モデルと、各々の利用者について前記取得部により取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定する第１決定部とを備え、前記第１決定部は、各々の前記利用者について、当該利用者に関する利用者情報を前記第１学習済モデルに入力することによって得られた前記解約リスク情報が第１のレベルのリスクより低いことを意味し、当該利用者に関する利用者情報を前記第２学習済モデルに入力することによって得られた前記利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、当該利用者の前記利用限度額を大きくし、前記第２のレベルは、前記第１決定部により前記利用限度額を大きくするよう決定された利用者が利用した利用金額が当該決定後の利用限度額の一定割合に相当する金額を超過しなかった割合と、前記第１決定部により前記利用限度額を大きくするよう決定されていない利用者が利用した利用金額が当該利用限度額の一定割合に相当する金額を超過した割合とを用いて決められていることを特徴とする情報処理装置を提供する。
また、本発明は、コンピュータが、金融サービスを利用する利用者に関する利用者情報を取得するステップと、コンピュータが、前記利用者情報を説明変数とし、前記金融サービスが強制的に解約される解約リスクに関する解約リスク情報を目的変数とした機械学習による第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習による第２学習済モデルと、各々の利用者について取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定するステップとを備え、前記決定するステップにおいて、コンピュータが、各々の前記利用者について、当該利用者に関する利用者情報を前記第１学習済モデルに入力することによって得られた前記解約リスク情報が第１のレベルのリスクより低いことを意味し、当該利用者に関する利用者情報を前記第２学習済モデルに入力することによって得られた前記利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、当該利用者の前記利用限度額を大きくし、前記第１のレベルは、前記決定するステップにおいて前記利用限度額を大きくするよう決定された利用者について前記金融サービスが強制的に解約された割合と、前記決定するステップにおいて前記利用限度額を大きくするよう決定されていない利用者について前記金融サービスが強制的に解約されなかった割合とを用いて決められていることを特徴とする情報処理方法を提供する。
また、本発明は、コンピュータが、金融サービスを利用する利用者に関する利用者情報を取得するステップと、コンピュータが、前記利用者情報を説明変数とし、前記金融サービスが強制的に解約される解約リスクに関する解約リスク情報を目的変数とした機械学習による第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習による第２学習済モデルと、各々の利用者について取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定するステップとを備え、前記決定するステップにおいて、コンピュータが、各々の前記利用者について、当該利用者に関する利用者情報を前記第１学習済モデルに入力することによって得られた前記解約リスク情報が第１のレベルのリスクより低いことを意味し、当該利用者に関する利用者情報を前記第２学習済モデルに入力することによって得られた前記利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、当該利用者の前記利用限度額を大きくし、前記第２のレベルは、前記決定するステップにおいて前記利用限度額を大きくするよう決定された利用者が利用した利用金額が当該決定後の利用限度額の一定割合に相当する金額を超過しなかった割合と、前記決定するステップにおいて前記利用限度額を大きくするよう決定されていない利用者が利用した利用金額が当該利用限度額の一定割合に相当する金額を超過した割合とを用いて決められていることを特徴とする情報処理方法を提供する。

本発明によれば、利用者が金融サービスにおいて利用可能な利用限度額を適切に決定することができる。

本発明の実施形態に係る情報処理システム１の構成の一例を示す図である。 同実施形態に係る情報処理装置３０のハードウェア構成を示す図である。 同実施形態に係る情報処理装置３０の機能構成の一例を示す図である。 同実施形態に係る情報処理装置３０が記憶するデータの一例を示す図である。 同実施形態において閾値の決定方法を説明するグラフの一例を示す図である。 同実施形態において誤り率を説明する表である。 同実施形態において閾値の決定方法を説明するグラフの一例を示す図である。 同実施形態において誤り率を説明する表である。 情報処理装置３０による学習動作を示すフローチャートである。 情報処理装置３０による利用限度額決定動作を示すフローチャートである。 変形例に係る情報処理装置３０の機能構成の一例を示す図である。 変形例に係る情報処理装置３０が記憶する規則の一例を示す図である。 変形例において各リスクグループの境界を説明する表である。 変形例において各リスクグループに応じた利用限度額の変更内容の一例を示す図である。 変形例において加盟店の手数料率の一例を示す図である。

［構成］
図１は、本発明の実施形態に係る情報処理システム１の一例を示す図である。情報処理システム１は、利用者が現実世界の店舗やオンライン上の店舗で商品やサービスを購入する商取引における決済を電子的に行うためのシステムである。図１に示すように、情報処理システム１は、利用者によって利用されるユーザ端末１０と、店舗によって利用される店舗端末２０と、本発明に係る情報処理装置３０を含み電子決済に関する処理を行う決済システム４０と、これらを通信可能に接続する無線通信網又は有線通信網を含む通信網２とを備えている。

ユーザ端末１０、店舗端末２０及び情報処理装置３０はいずれも通信可能なコンピュータである。具体的には、ユーザ端末１０は、例えばスマートホン、ウェアラブル端末又はタブレットなどの、利用者が携帯可能なコンピュータである。店舗端末２０は、店舗の店員等によって操作される通信端末である。本実施形態において、決済システム４０は、ユーザ端末１０に通信サービスを提供する通信事業者により管理されており、その通信事業者が利用者に提供する電子決済サービスは、いわゆる通信料金合算払いと呼ばれる金融サービスである。ただし、本発明における金融サービスは、これに限定されず、利用者が金融サービスの提供者から提供されるその金融サービスにおいて利用可能な利用額に上限（つまり利用者に対する与信額）が決められているものであればよい。なお、図１には、ユーザ端末、店舗端末及び情報処理装置をそれぞれ１つずつ示しているが、これらはそれぞれ複数であってもよい。

図２は、情報処理装置３０のハードウェア構成を示す図である。情報処理装置３０は、物理的には、プロセッサ３００１、メモリ３００２、ストレージ３００３、通信装置３００４、入力装置３００５、出力装置３００６、及びこれらを接続するバスなどを含むコンピュータとして構成されている。これらの各装置は図示せぬ電池から供給される電力によって動作する。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。情報処理装置３０のハードウェア構成は、図２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。また、それぞれ筐体が異なる複数の装置が通信接続されて、情報処理装置３０を構成してもよい。

情報処理装置３０における各機能は、プロセッサ３００１、メモリ３００２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３００１が演算を行い、通信装置３００４による通信を制御したり、メモリ３００２及びストレージ３００３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３００１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３００１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。また、例えばベースバンド信号処理部や呼処理部などがプロセッサ３００１によって実現されてもよい。

プロセッサ３００１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３００３及び通信装置３００４の少なくとも一方からメモリ３００２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、後述する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。情報処理装置３０の機能ブロックは、メモリ３００２に格納され、プロセッサ３００１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い。各種の処理は、１つのプロセッサ３００１によって実行されてもよいが、２以上のプロセッサ３００１により同時又は逐次に実行されてもよい。プロセッサ３００１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情報処理装置３０に送信されてもよい。

メモリ３００２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３００２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３００２は、本実施形態に係る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３００３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３００３は、補助記憶装置と呼ばれてもよい。

通信装置３００４は、通信網２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。

入力装置３００５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、マイクロフォン、スイッチ、ボタン、カメラ、センサ、２次元コードリーダなど）である。出力装置３００６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３００５及び出力装置３００６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。

プロセッサ３００１、メモリ３００２などの各装置は、情報を通信するためのバスによって接続される。バスは、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。

情報処理装置３０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、その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３００１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。

ユーザ端末１０及び店舗端末２０は、図２に示す情報処理装置３０と同様にコンピュータを実現するためのハードウェアとして、プロセッサ、メモリ、ストレージ、通信装置、入力装置、出力装置及びこれらを接続するバスなどを備えている。ただし、ユーザ端末１０が備える通信装置は、無線通信を実現するべく、例えばＬＴＥ（Long Time Evolution）等の通信規格に従って通信網２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）である。この通信装置は、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。また、送受信アンテナ、アンプ部、送受信部、伝送路インターフェースなどがこの通信装置によって実現されてもよい。送受信部は、送信部と受信部とで、物理的に、又は論理的に分離された実装がなされてもよい。

図３は、情報処理装置３０の機能構成を示すブロック図である。情報処理装置３０において、プロセッサ３００１がプログラムなどをストレージ３００３からメモリ３００２に読み出して実行することで、取得部３１と、学習部３２と、記憶部３３と、第１決定部３４という機能を実現する。

取得部３１は、金融サービスを利用する利用者に関する利用者情報からなる利用者データベース（ＤＢ）５０から、その利用者情報を読み出して取得する。利用者情報は、例えば利用者の年齢といった属性のほか、金融サービスにおける契約の内容、金融サービスの利用履歴や利用限度額等の情報を含む。なお、ここで用いられる利用者の属性は年齢以外の属性を含んでもよい。利用者ＤＢ５０は、情報処理装置３０が保有するものであってもよいし、決済システム４０が保有するものであってもよいし、決済システム４０以外のシステム又は装置が保有するものであってもよい。

学習部３２は、例えばロジスティック回帰やランダムフォレスト等の機械学習アルゴリズムを用いて機械学習を行い、本発明における第１学習済モデルに相当する強制解約率モデル、及び、本発明における第２学習済モデルに相当する利用予測モデルを生成する。

強制解約率モデルは、利用者情報を説明変数とし、金融サービスの提供者（ここでは通信事業者）により強制的にその金融サービスが解約される解約リスクに関する解約リスク情報を目的変数とした教師データを用いた機械学習によって生成される。金融サービスの提供者により強制的にその金融サービスが解約される場合とは、例えば利用者の不正又は契約上の不履行を原因として、その利用者の意図に依らず金融サービスの提供者の意図で金融サービスが解約される場合である。このような強制的な解約に関する情報は上述した利用者情報に含まれている。強制解約率モデルにおいて、説明変数は、例えば各利用者の年齢といった属性のほか、金融サービスの利用履歴（例えば利用金額、利用頻度、利用回数、利用位置等）を含み、目的変数は、各利用者についての金融サービスの強制解約の有無である。なお、ここで用いられる利用者の属性は年齢以外の属性を含んでもよい。

利用予測モデルは、利用者情報を説明変数とし、金融サービスにおいて利用者により利用される金額に関する利用金額情報を目的変数とした教師データを用いた機械学習によって生成される。利用予測モデルにおいて、説明変数は、例えば利用者の年齢といった属性のほか、金融サービスの利用履歴（例えば利用頻度、利用回数、利用位置等）等を含み、目的変数は、金融サービスの利用履歴に含まれる情報のうち、特にその利用者によって利用された利用金額である。なお、ここで用いられる利用者の属性は年齢以外の属性を含んでもよい。

記憶部３３は、学習部３２によって生成された強制解約率モデル及び利用予測モデルを記憶する。

第１決定部３４は、記憶部３３に記憶されている強制解約率モデルに対して、利用者の利用者情報を入力して、その利用者について金融サービスが強制的に解約される解約リスクに関する解約リスク情報を得る。具体的には、この解約リスク情報は、強制的に金融サービスが解約されるリスクを意味する強制解約スコアとして得られる。この強制解約スコアは例えば０～１の値を取り、０のときに強制的な解約の可能性が最小（つまり必ず強制解約されない）であり、１のときに強制的な解約の可能性が最大（つまり必ず強制解約される）であることを意味する。

さらに、第１決定部３４は、記憶部３３に記憶されている利用予測モデルに対して、利用者の利用者情報を入力して、金融サービスにおいてその利用者により利用される金額に関する利用金額情報を得る。この利用金額情報は、利用者が金融サービスにおいて利用する利用金額の予測値である利用予測スコアとして得られる。この利用予測スコアは例えば０～１の値を取り、０のときに利用金額が最小（つまりまったく利用されない）であり、１のときに利用金額が利用限度額の一定割合（例えば８割以上）を超過することを意味する。

ここで、図４は解約リスク情報（強制解約スコア）と利用金額情報（利用予測スコア）と利用限度額の増減との関係を意味する表である。この表は、第１決定部３４により記憶されている。第１決定部３４は、或る利用者について、解約リスク情報が第１のレベルのリスクより低いことを意味し、利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、その利用者の利用限度額を大きく、つまり増額する。図４の例では、或る利用者について求められた解約リスク情報（強制解約スコア）が０.２（第１のレベルのリスク）未満で、利用金額情報（利用予測スコア）が０.３（第２のレベルの金額）以上であるときに、つまり、網掛け範囲Ｓにあるときに、その利用者の利用限度額は増額される。このように各々の利用者について利用限度額を大きくする場合、第１決定部３４は、大きさが異なる複数段階の利用限度額（例えば３万円、５万円、８万円という３段階）において、その利用者の利用限度額を１段階大きくする（例えば３万円から５万円に増額する）という方法が考えられる。なお、図４において、解約リスク情報（強制解約スコア）と利用金額情報（利用予測スコア）との関係が網掛け範囲Ｓ以外の範囲に相当する場合は、利用限度額は変更されない。

上記の第１のレベルは、第１決定部３４により利用限度額を大きくするよう決定された利用者について強制的に金融サービスが解約された割合と、第１決定部３４により利用限度額を大きくするよう決定されていない利用者について強制的に金融サービスが解約されなかった割合とを用いて決められている。

図５は、第１のレベルの決定方法を説明するグラフの一例を示す図である。図５において、横軸は強制解約スコアであり、縦軸は誤り率と呼ばれる値である。図６に示すように、強制解約スコアによる判断では金融サービスが強制的に解約されない利用者（つまり強制解約スコアが０であり、正常利用者という）であっても、実際には、金融サービスが強制的に解約された利用者（強制解約者という）であるケースが存在し得る。この場合、実際には強制解約者となった利用者について、予測では強制解約者となっていなかったがために利用限度額が増額されてしまうことがあるから、事前の予測が誤っていたということになる。図５のグラフｃ１は、強制解約スコアと、予測では強制解約者となっていなかったがために利用限度額が増額されていたというケースが発生した割合（誤り率）との関係を示している。この誤り率は、第１決定部３４により利用限度額を大きくするよう決定された利用者について強制的に金融サービスが解約された割合に相当する。

一方、強制解約スコアによる判断では金融サービスが必ず強制的に解約されるとされた利用者（強制解約者）であっても、実際には、金融サービスが強制的に解約されなかった利用者（正常利用者）であるケースが存在し得る。この場合、実際には利用限度額が減額されるべきではない利用者について、予測では強制解約者となっていたがために利用限度額が減額されていたということがあるから、事前の予測が誤っていたということになる。図５のグラフｃ２は、強制解約スコアと、利用限度額が減額されるべきではない利用者が予測では強制解約者となったがために利用限度額が減額されていたというケースが発生した割合（誤り率）との関係を示している。この誤り率は、第１決定部３４により利用限度額を大きくするよう決定されていない利用者について強制的に金融サービスが解約されなかった割合に相当する。

本実施形態では、第１決定部３４により利用限度額を大きくするよう決定された利用者について強制的に金融サービスが解約された割合と、第１決定部３４により利用限度額を大きくするよう決定されていない利用者について強制的に金融サービスが解約されなかった割合との双方のバランスを考慮し、グラフｃ１とグラフｃ２との交点における強制解約スコアを、上述した第１のレベルとしている。

次に、上述した第２のレベルは、第１決定部３４により利用限度額を大きくするよう決定された利用者が利用した利用金額がその決定後の利用限度額の一定割合に相当する金額を超過しなかった割合と、第１決定部３４により利用限度額を大きくするよう決定されていない利用者が利用した利用金額がその利用限度額の一定割合に相当する金額を超過した割合とを用いて決められている。

図７は、第２のレベルの決定方法を説明するグラフの一例を示す図である。図７において、横軸は利用予測スコアであり、縦軸は誤り率である。図８に示すように、利用予測スコアによって利用限度額の増額が決定された利用者であっても、実際には、その決定された利用限度額の一定割合（例えば８割以上）を利用しなかったというケースが存在し得る。このようなケースは利用限度額の増額が必要ではなかった、つまり、事前の予測が誤っていたということになる。図７のグラフｃ１は、利用予測スコアと、利用金額を増額したにもかかわらずその利用限度額の一定割合（８割以上）を利用していないというケースが発生した割合（誤り率）との関係を示している。この誤り率は、第１決定部３４により利用限度額を大きくするよう決定された利用者が利用した利用金額がその決定後の利用限度額の一定割合に相当する金額を超過しなかった割合に相当する。

一方、利用予測スコアによって利用限度額を増額するよう決定された利用者であっても、実際には、その利用限度額の一定割合（例えば８割以上）を利用したというケースが存在し得る。このようなケースは利用限度額の増額が必要であった、つまり、事前の予測が誤っていたということになる。図７のグラフｃ２は、利用予測スコアと、利用限度額を増額していないにもかかわらずその利用限度額の一定割合（８割以上）を利用したというケースが発生した割合（誤り率）との関係を示している。この誤り率は、第１決定部３４により利用限度額を大きくするよう決定されていない利用者が利用した利用金額がその利用限度額の一定割合に相当する金額を超過した割合に相当する。

本実施形態では、第１決定部３４により利用限度額を大きくするよう決定された利用者が利用した利用金額がその決定後の利用限度額の一定割合に相当する金額を超過しなかった割合と、第１決定部３４により利用限度額を大きくするよう決定されていない利用者が利用した利用金額がその利用限度額の一定割合に相当する金額を超過した割合との双方のバランスを考慮し、グラフｃ３とグラフｃ４との交点における利用予測スコアを、上述した第２のレベルとしている。

なお、図４では、解約リスク情報（強制解約スコア）と利用金額情報（利用予測スコア）との関係が網掛け範囲Ｓに相当する場合に増額すると説明したが、例えば第１決定部３４は、各々の利用者について、解約リスク情報が第３のレベルのリスクより高いことを意味し、利用金額情報が第４のレベルの金額よりも低いことを意味している場合に、その利用者の利用限度額を小さく、つまり減額するようにしてもよい。例えば図４において、或る利用者について求められた解約リスク情報（強制解約スコア）が０.５（第３のレベルのリスク）以上で、利用金額情報（利用予測スコア）が０.１（第４のレベルの金額）未満であるときに、つまり、網掛け範囲Ｖにあるときに、その利用者の利用限度額は減額されるといった例が考えられる。このように各々の利用者について利用限度額を小さくする場合に、第１決定部３４は、大きさが異なる複数段階の利用限度額において、その利用者の利用限度額を１段階小さくするという方法が考えられる。

なお、第１決定部３４は、上述したように利用限度額を或る段階単位で総額又は減額するのではなく、例えば各々の利用者について、解約リスク情報が意味するリスクが大きいほどその利用者の利用限度額を小さくし、利用金額情報が意味する金額が大きいほどその利用者の利用限度額を大きくするようにしてもよい。

［動作］
次に、図９、１０を参照して、情報処理装置３０の動作について説明する。なお、以下の説明において、例えば情報処理装置３０を処理の主体として記載する場合には、具体的にはプロセッサ３００１、メモリ３００２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で、プロセッサ３００１が演算を行い、通信装置３００４による通信や、メモリ３００２及びストレージ３００３におけるデータの読み出し及び／又は書き込みを制御することにより、処理が実行されることを意味する。

［学習動作］
まず、情報処理装置３０による学習動作について説明する。図９において、取得部３１は、利用者ＤＢ５０から複数の利用者に関する利用者情報を取得する（ステップＳ１１）。

次に、学習部３２は、取得部３１により取得された利用者情報を用いて所定の機械学習アルゴリズムに用いる教師データを生成する（ステップＳ１２）。そして、学習部３２は、その教師データ及び機械学習アルゴリズムを用いた機械学習を行うことで、強制解約率モデル及び利用予測モデルを生成する（ステップＳ１３）。

記憶部３３は、学習部３２によって生成された強制解約率モデル及び利用予測モデルを記憶する（ステップＳ１４）。

［利用限度額の決定動作］
まず、情報処理装置３０による利用限度額の決定動作について説明する。取得部３１は、利用者ＤＢ５０から、利用限度額の決定対象となる利用者に関する利用者情報を取得する（ステップＳ２１）。

次に、第１決定部３４は、記憶部３３に記憶されている強制解約率モデル及び利用予測モデルに対し、取得部３１により取得された利用者情報のうち各モデルの説明情報に相当するものをそれぞれを入力する（ステップＳ２２）。

そして、第１決定部３４は、各モデルから得られた情報に基づいて、上記利用者が金融サービスにおいて利用可能な利用限度額を決定する（ステップＳ２３）。

第１決定部３４により決定された利用限度額は、その利用者に関する利用者情報として記憶部３３に記憶される（ステップＳ２４）。

以上説明した実施形態によれば、強制解約率モデル及び利用予測モデルという各モデルと利用者に関する利用者情報とを用いることで、利用者が金融サービスにおいて利用可能な利用限度額を適切に決定することが可能となる。

［変形例］
本発明は、上述した実施形態に限定されない。上述した実施形態を以下のように変形してもよい。また、以下の２つ以上の変形例を組み合わせて実施してもよい。
［変形例１］
上記実施形態では、強制解約率モデル（第１学習済モデル）と利用予測モデル（第２学習済モデル）とを用いて、利用者の利用限度額を決定していた。これに対し、情報処理装置３０は、図１１に示すように、第２決定部３５及び設定部３６を備えるように変形してもよい。第２決定部３５は、強制解約率モデル（第１学習済モデル）と利用予測モデル（第２学習済モデル）とを用いるのではなく、利用限度額が小さい範囲（例えば８万円以下であり、第１の範囲という）において、利用者に関する情報と利用限度額とを対応付けた規則を用いて、各々の利用者について利用限度額を決定する。そして、第１決定部２４は、第１の範囲よりも利用限度額が大きい範囲（例えば８万円超であり、第２の範囲という）において、強制解約率モデル（第１学習済モデル）と利用予測モデル（第２学習済モデル）とを用いて、利用者の利用限度額を決定する。つまり、利用限度額が小さい利用者についてはその利用者の年齢等の属性や過去の決済履歴等を用いて予め決められたルールに従い利用限度額を決定し、利用限度額が大きい利用者については機械学習アルゴリズムで利用限度額を決定する。

第１の範囲において規則を用いて利用限度額を決定する場合、具体的には、図１２に示すように、各々の利用限度額（例えば３万円、５万円、８万円）と、例えば利用者の年齢、金融サービスの契約期間、過去一定期間における延滞の有無、過去一定期間における利用金額といった利用者に関する情報の組み合わせとを対応付けた規則を用いる。この規則は第２決定部３５により記憶されている。

［変形例２］
上記変形例１において、設定部３６は、第１の範囲と第２の範囲との境界となる利用金額を、前述した強制解約率スコアによって設定してもよい。具体的には、設定部３６は、各々の利用者について求められた強制解約率スコアと、金融サービスが現実に解約された結果とを比較することにより、例えば両者の合致度が或る閾値以上となるような利用限度額を、第１の範囲と利用限度額の第２の範囲との境界を設定する。

［変形例３］
上記変形例において、強制解約スコアによって利用者を複数のグループに分け、各グループで異なる方法により利用限度額を設定するようにしてもよい。具体的には、設定部３６は、図１３に示すように利用者を強制解約率スコアに応じて、例えば強制解約率スコアが相対的に低い低リスクスコアグループ、強制解約率スコアが相対的に高い高リスクスコアグループ、強制解約率スコアが低リスクスコアグループ及び高リスクスコアグループの間に相当する中リスクスコアグループに区分する。そして、第１決定部３４は、図１４の表に例示しているように、高リスクグループに属する利用者については、利用限度額を変更せず、低リスクグループに属する利用者については、利用限度額を大きくし、中リスクグループに属する利用者については、利用予測スコアに応じた利用限度額を決定する。

［変形例４］
上記変形例において、設定部３６は、利用者が金融サービスを利用する店舗から、その金融サービスの提供者に支払われる手数料率の平均値に基づいて、高リスクグループと中リスクグループとの境界に相当する解約率リスクを設定するようにしてもよい。この場合、設定部３６は、図１５に示すように各店舗（加盟店）から金融サービスの提供者に支払われる手数料率をそれぞれ記憶している。例えば、設定部３６は、その金融サービスの提供者に支払われる手数料率の平均値が利用金額の４％である場合、高リスクグループと中リスクグループとの境界に相当する強制解約率スコアを０．０４に設定する。また、設定部３６は、利用者が金融サービスを利用する店舗から、その金融サービスの提供者に支払われる手数料率の最低値に基づいて、中リスクグループと低リスクグループとの境界に相当するリスクを設定するようにしてもよい。例えば、その金融サービスの提供者に支払われる手数料率の最低値が利用金額の１％である場合、中リスクグループと低リスクグループとの境界に相当する強制解約率スコアを０．０１に設定する。

［その他の変形例］
なお、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、送信制御部（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情報処理装置などは、本開示の処理を行うコンピュータとして機能してもよい。

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。

本発明を、金融サービスを利用する利用者に関する利用者情報を取得するステップと、前記利用者情報を説明変数とし、前記金融サービスが強制的に解約される解約リスクに関する解約リスク情報を目的変数とした機械学習によって生成された第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習によって生成された第２学習済モデルと、各々の利用者について取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定するステップとを備えることを特徴とする情報処理方法としてもよい。ただし、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。

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。

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。

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。

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。

本開示において使用する「第１」、「第２」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。

上記の各装置の構成における「部」を、「手段」、「回路」、「デバイス」等に置き換えてもよい。

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。

１：情報処理システム、２：通信網、１０：ユーザ端末、２０：店舗端末、３０：情報処理装置、３１：取得部、３２：学習部、３３：記憶部、３４：第１決定部、３５：第２決定部、３６：設定部、３００１：プロセッサ、３００２：メモリ、３００３：ストレージ、３００４：通信装置、３００５：入力装置、３００６：出力装置、４０：決済システム、５０：利用者データベース。

Claims (9)

1. 金融サービスを利用する利用者に関する利用者情報を取得する取得部と、
   前記利用者情報を説明変数とし、前記金融サービスの提供者により強制的に前記金融サービスが解約される解約リスクに関する解約リスク情報を目的変数とした機械学習による第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習による第２学習済モデルと、各々の利用者について前記取得部により取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定する第１決定部と
   を備え、
   前記第１決定部は、各々の前記利用者について、当該利用者に関する利用者情報を前記第１学習済モデルに入力することによって得られた前記解約リスク情報が第１のレベルのリスクより低いことを意味し、当該利用者に関する利用者情報を前記第２学習済モデルに入力することによって得られた前記利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、当該利用者の前記利用限度額を大きくし、
   前記第１のレベルは、前記第１決定部により前記利用限度額を大きくするよう決定された利用者について前記金融サービスが強制的に解約された割合と、前記第１決定部により前記利用限度額を大きくするよう決定されていない利用者について前記金融サービスが強制的に解約されなかった割合とを用いて決められている
   ことを特徴とする情報処理装置。
2. 金融サービスを利用する利用者に関する利用者情報を取得する取得部と、
   前記利用者情報を説明変数とし、前記金融サービスの提供者により強制的に前記金融サービスが解約される解約リスクに関する解約リスク情報を目的変数とした機械学習による第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習による第２学習済モデルと、各々の利用者について前記取得部により取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定する第１決定部と
   を備え、
   前記第１決定部は、各々の前記利用者について、当該利用者に関する利用者情報を前記第１学習済モデルに入力することによって得られた前記解約リスク情報が第１のレベルのリスクより低いことを意味し、当該利用者に関する利用者情報を前記第２学習済モデルに入力することによって得られた前記利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、当該利用者の前記利用限度額を大きくし、
   前記第２のレベルは、前記第１決定部により前記利用限度額を大きくするよう決定された利用者が利用した利用金額が当該決定後の利用限度額の一定割合に相当する金額を超過しなかった割合と、前記第１決定部により前記利用限度額を大きくするよう決定されていない利用者が利用した利用金額が当該利用限度額の一定割合に相当する金額を超過した割合とを用いて決められている
   ことを特徴とする情報処理装置。
3. 前記第１決定部は、各々の前記利用者について、前記第１学習済モデルによって得られた前記解約リスク情報が第３のレベルのリスクより高いことを意味し、前記第２学習済モデルによって得られた前記利用金額情報が第４のレベルの金額よりも低いことを意味している場合に、当該利用者の前記利用限度額を小さくする
   ことを特徴とする請求項１又は２記載の情報処理装置。
4. 前記第１決定部は、各々の前記利用者について前記利用限度額を大きくする場合に、大きさが異なる複数段階の利用限度額において、当該利用者の利用限度額を１段階大きくする
   ことを特徴とする請求項１又は２記載の情報処理装置。
5. 前記第１決定部は、各々の前記利用者について前記利用限度額を小さくする場合に、大きさが異なる複数段階の利用限度額において、当該利用者の利用限度額を１段階小さくする
   ことを特徴とする請求項１又は２記載の情報処理装置。
6. 前記第１決定部は、各々の前記利用者について、前記解約リスク情報が意味するリスクが大きいほど当該利用者の利用限度額を小さくし、前記利用金額情報が意味する金額が大きいほど当該利用者の利用限度額を大きくする
   ことを特徴とする請求項１又は２記載の情報処理装置。
7. 利用者が金融サービスにおいて利用可能な利用限度額の第１の範囲において、前記利用者に関する情報と前記利用限度額とを対応付けた規則を用いて、各々の前記利用者について前記利用限度額を決定する第２決定部を備え、
   前記第１決定部は、前記第１の範囲よりも前記利用限度額が大きい第２の範囲において、前記第１学習済モデルと前記第２学習済モデルと前記利用者情報とを用いて、各々の前記利用者について前記利用限度額を決定する
   ことを特徴とする請求項１又は２記載の情報処理装置。
8. コンピュータが、金融サービスを利用する利用者に関する利用者情報を取得するステップと、
   コンピュータが、前記利用者情報を説明変数とし、前記金融サービスが強制的に解約される解約リスクに関する解約リスク情報を目的変数とした機械学習による第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習による第２学習済モデルと、各々の利用者について取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定するステップと
   を備え、
   前記決定するステップにおいて、コンピュータが、各々の前記利用者について、当該利用者に関する利用者情報を前記第１学習済モデルに入力することによって得られた前記解約リスク情報が第１のレベルのリスクより低いことを意味し、当該利用者に関する利用者情報を前記第２学習済モデルに入力することによって得られた前記利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、当該利用者の前記利用限度額を大きくし、
   前記第１のレベルは、前記決定するステップにおいて前記利用限度額を大きくするよう決定された利用者について前記金融サービスが強制的に解約された割合と、前記決定するステップにおいて前記利用限度額を大きくするよう決定されていない利用者について前記金融サービスが強制的に解約されなかった割合とを用いて決められている
   ことを特徴とする情報処理方法。
9. コンピュータが、金融サービスを利用する利用者に関する利用者情報を取得するステップと、
   コンピュータが、前記利用者情報を説明変数とし、前記金融サービスが強制的に解約される解約リスクに関する解約リスク情報を目的変数とした機械学習による第１学習済モデルと、前記利用者情報を説明変数とし、前記金融サービスにおいて前記利用者により利用される金額に関する利用金額情報を目的変数とした機械学習による第２学習済モデルと、各々の利用者について取得された前記利用者情報とを用いて、当該利用者が前記金融サービスにおいて利用可能な利用限度額を決定するステップと
   を備え、
   前記決定するステップにおいて、コンピュータが、各々の前記利用者について、当該利用者に関する利用者情報を前記第１学習済モデルに入力することによって得られた前記解約リスク情報が第１のレベルのリスクより低いことを意味し、当該利用者に関する利用者情報を前記第２学習済モデルに入力することによって得られた前記利用金額情報が第２のレベルの金額よりも高いことを意味している場合に、当該利用者の前記利用限度額を大きくし、
   前記第２のレベルは、前記決定するステップにおいて前記利用限度額を大きくするよう決定された利用者が利用した利用金額が当該決定後の利用限度額の一定割合に相当する金額を超過しなかった割合と、前記決定するステップにおいて前記利用限度額を大きくするよう決定されていない利用者が利用した利用金額が当該利用限度額の一定割合に相当する金額を超過した割合とを用いて決められている
   ことを特徴とする情報処理方法。