ホーム > 特許ランキング > ソフトバンクグループ株式会社
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024158998
(43)【公開日】2024-11-08
(54)【発明の名称】判定装置、判定方法及び判定プログラム
(51)【国際特許分類】
G06Q 20/18 20120101AFI20241031BHJP
【ＦＩ】
G06Q20/18
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2023074697
(22)【出願日】2023-04-28
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＳＭＡＬＬＴＡＬＫ
(71)【出願人】
【識別番号】591280485
【氏名又は名称】ソフトバンクグループ株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】孫 正義
(72)【発明者】
【氏名】中谷 友一
【テーマコード（参考）】
5L020
5L055
【Ｆターム（参考）】
5L020AA39
5L055AA39
(57)【要約】
【課題】特殊詐欺のリスクを高精度に検知する。
【解決手段】判定装置は、店舗における顧客が撮像された撮像データ、顧客の属性に関する属性データ、及び顧客の会話に関する会話データの少なくとも一つを取得する取得部と、取得部によって取得された撮像データ、属性データ及び会話データの少なくとも一つに基づいて顧客に対する特殊詐欺のリスクを判定する判定部と、判定部によって判定されたリスクについての会話を顧客と行う会話部と、を有する。
【選択図】図１
【解決手段】判定装置は、店舗における顧客が撮像された撮像データ、顧客の属性に関する属性データ、及び顧客の会話に関する会話データの少なくとも一つを取得する取得部と、取得部によって取得された撮像データ、属性データ及び会話データの少なくとも一つに基づいて顧客に対する特殊詐欺のリスクを判定する判定部と、判定部によって判定されたリスクについての会話を顧客と行う会話部と、を有する。
【選択図】図１
【特許請求の範囲】
【請求項1】
店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得部と、
前記取得部によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定部と、
前記判定部によって判定された前記リスクについての会話を前記顧客と行う会話部と、
を有することを特徴とする判定装置。
前記取得部によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定部と、
前記判定部によって判定された前記リスクについての会話を前記顧客と行う会話部と、
を有することを特徴とする判定装置。
【請求項2】
前記判定部は、前記顧客の感情に基づいて前記リスクについての会話の内容を決定し、当該内容の前記リスクについての会話を前記会話部に行わせる、
請求項１に記載の判定装置。
請求項１に記載の判定装置。
【請求項3】
前記判定部は、前記感情に関する感情データが入力された場合に前記リスクについての会話に関するリスクについての会話データが出力される学習済モデルを用いて、前記リスクについての会話の内容を決定し、当該内容の前記リスクについての会話を前記会話部に行わせる、
請求項２に記載の判定装置。
請求項２に記載の判定装置。
【請求項4】
前記判定部は、前記リスクについての会話データと、前記リスクについての会話に対する前記顧客の反応に関する反応データとが用いられて再学習された前記学習済モデルを用いて、前記リスクについての会話の内容を決定し、当該内容の前記リスクについての会話を前記会話部に行わせる、
請求項３に記載の判定装置。
請求項３に記載の判定装置。
【請求項5】
前記判定部は、前記学習済モデルが含まれる対話機能を有する文章生成モデルを用いて、前記リスクについての会話の内容を決定し、当該内容の前記リスクについての会話を前記会話部に行わせる、
請求項３又は４に記載の判定装置。
請求項３又は４に記載の判定装置。
【請求項6】
前記取得部は、前記顧客の年齢及び性別の少なくとも一方に関する前記属性データを取得し、
前記判定部は、前記取得部によって取得された前記属性データによって示される前記顧客の年齢及び性別の少なくとも一方に基づいて前記リスクを判定する、
請求項１に記載の判定装置。
前記判定部は、前記取得部によって取得された前記属性データによって示される前記顧客の年齢及び性別の少なくとも一方に基づいて前記リスクを判定する、
請求項１に記載の判定装置。
【請求項7】
前記判定部は、前記取得部によって取得された前記属性データによって示される前記顧客の属性が高齢者及び女性の少なくとも一方である場合に、前記顧客の属性が前記高齢者及び女性でない場合に比べて前記リスクが高いと判定する、
請求項６に記載の判定装置。
請求項６に記載の判定装置。
【請求項8】
判定装置によって実行される判定方法であって、
店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得工程と、
前記取得工程によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定工程と、
前記判定工程によって判定された前記リスクについての会話を前記顧客と行う会話工程と、
を含むことを特徴とする判定方法。
店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得工程と、
前記取得工程によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定工程と、
前記判定工程によって判定された前記リスクについての会話を前記顧客と行う会話工程と、
を含むことを特徴とする判定方法。
【請求項9】
店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得ステップと、
前記取得ステップによって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定ステップと、
前記判定ステップによって判定された前記リスクについての会話を前記顧客と行う会話ステップと、
をコンピュータに実行させることを特徴とする判定プログラム。
前記取得ステップによって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定ステップと、
前記判定ステップによって判定された前記リスクについての会話を前記顧客と行う会話ステップと、
をコンピュータに実行させることを特徴とする判定プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、判定装置、判定方法及び判定プログラムに関する。
【背景技術】
【0002】
コンビニエンスストアでの高額プリペイドカードの購入や電話をしながらのＡＴＭ（Asynchronous Transfer Mode）の操作等、店員が特殊詐欺の被害が疑われる顧客の動作を目撃しても、特殊詐欺であると間違えたり、顧客に聞き入れられなかったりしないように、顧客への声かけに躊躇してしまう場合が多い。そこで、特殊詐欺のリスクを検知する技術として、例えば、電話が利用される特殊詐欺のリスクを検知する技術（例えば、特許文献１参照）、及びＡＴＭ等の自動取引装置により感情認識が行われ、困惑や焦り等の感情が認識された場合には、特殊詐欺のリスクを検知し、画面に振り込め詐欺注意喚起のメッセージを画面に出力させる技術（例えば、特許文献２参照）が知られている。また、ロボットの感情を生成する技術（例えば、特許文献３～特許文献５参照）、及びユーザの感情を認識する技術（例えば、特許文献６～特許文献７参照）が知られている。
【先行技術文献】
【非特許文献】
【0003】
【特許文献1】特開２０１９－１５３９６１号公報
【特許文献2】特開２０２１－０９２９５２号公報
【特許文献3】特許第６２７３３１４号公報
【特許文献4】特許第６２７３３１３号公報
【特許文献5】特許第６１９９９２７号公報
【特許文献6】特許第３６７６９６９号公報
【特許文献7】特許第４７０４９５２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、従来技術では、特殊詐欺のリスクを高精度に検知できない場合がある。例えば、従来技術では、リスクが高いと判定した場合に顧客に確かめずにリスクの判定結果を通知するためリスクを誤って検知する場合がある。
【課題を解決するための手段】
【0005】
本発明の一態様に係る判定装置は、店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得部と、前記取得部によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定部と、前記判定部によって判定された前記リスクについての会話を前記顧客と行う会話部と、を有する。
【0006】
本発明の一態様に係る判定方法は、判定装置によって実行される判定方法であって、店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得工程と、前記取得工程によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定工程と、前記判定工程によって判定された前記リスクについての会話を前記顧客と行う会話工程と、を含む。
【0007】
本発明の一態様に係る判定プログラムは、店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得ステップと、前記取得ステップによって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定ステップと、前記判定ステップによって判定された前記リスクについての会話を前記顧客と行う会話ステップと、をコンピュータに実行させる。
【発明の効果】
【0008】
本発明の一態様によれば、特殊詐欺のリスクを高精度に検知することができる。
【図面の簡単な説明】
【0009】
【図1】判定装置１０の構成の一例を示すブロック図である。
【図2】判定装置１０の一例について説明するための図である。
【図3】判定装置１０の処理の流れの一例を示すフローチャートである。
【図4】判定装置１０のハードウェア構成の一例を示す図である。
【発明を実施するための形態】
【0010】
以下に、本発明の一態様に係る判定装置及び判定方法を実施するための実施形態について図面を参照しつつ詳細に説明するが、この実施形態によって、本発明の一態様に係る判定装置及び判定方法が限定されるものではない。また、以下の実施形態において、同一の部位には同一の符号を付し、重複する説明は省略される。
【0011】
（実施形態）
〔１．判定装置〕
図１を用いて、実施形態に係る判定装置１０の一例について説明する。図１は、判定装置１０の構成の一例を示すブロック図である。判定装置１０は、顧客に対する特殊詐欺のリスクを判定し、リスクについての会話を顧客と行う。判定装置１０は、例えば、Ｐｅｐｐｅｒ（登録商標）等の感情を認識可能なＡＩ（Artificial Intelligence）の人型ロボット、及びマイク等によって実現され、銀行、コンビニエンスストア若しくはその他の店舗のＡＴＭ（Asynchronous Transfer Mode）又はプリペイドカードの販売箇所の周辺に設置される。図１に示す例では、判定装置１０は、取得部１１と、制御部１２と、会話部１３と、記憶部１４とを有する。
〔１．判定装置〕
図１を用いて、実施形態に係る判定装置１０の一例について説明する。図１は、判定装置１０の構成の一例を示すブロック図である。判定装置１０は、顧客に対する特殊詐欺のリスクを判定し、リスクについての会話を顧客と行う。判定装置１０は、例えば、Ｐｅｐｐｅｒ（登録商標）等の感情を認識可能なＡＩ（Artificial Intelligence）の人型ロボット、及びマイク等によって実現され、銀行、コンビニエンスストア若しくはその他の店舗のＡＴＭ（Asynchronous Transfer Mode）又はプリペイドカードの販売箇所の周辺に設置される。図１に示す例では、判定装置１０は、取得部１１と、制御部１２と、会話部１３と、記憶部１４とを有する。
【0012】
（取得部１１）
取得部１１は、店舗における顧客が撮像された撮像データ、顧客の属性に関する属性データ、及び顧客の会話に関する会話データの少なくとも一つを取得する。例えば、取得部１１は、銀行、コンビニエンスストア若しくはその他の店舗のＡＴＭ又はプリペイドカードの販売箇所の周辺における、これらのデータを取得する。具体的には、取得部１１は、店舗におけるＡＴＭの周辺に設置されたカメラにより顧客が撮像された映像データを撮像データとして取得し、店舗におけるＡＴＭの周辺に設置されたマイクにより顧客の会話データを取得する。取得部１１は、顧客の年齢及び性別の少なくとも一方に関する属性データを取得してよい。図１に示す例では、取得部１１は、リスクに関するリスクデータ、顧客の感情に関する感情データ、及び会話部１３によるリスクについての会話に対する顧客の反応に関する反応データをさらに取得する。例えば、取得部１１は、撮像データ及び会話データの少なくとも一方に基づいて認識された感情データを取得する。また、取得部１１は、会話部１３によるリスクについての会話が正しかったのかどうかについて顧客からフィードバックを受ける際に顧客の感情に関する反応データを取得する。取得部１１は、顧客の感情を認識することによって感情データや反応データを取得してもよいし、あらかじめ感情が認識された感情データや反応データを取得してもよい。感情の認識方法は、特許文献３～特許文献７に記載の方法と同様であるため、その詳細な説明を省略する。感情の認識方法は、これらの方法に限られず、公知の他の方法を用いてもよい。
取得部１１は、店舗における顧客が撮像された撮像データ、顧客の属性に関する属性データ、及び顧客の会話に関する会話データの少なくとも一つを取得する。例えば、取得部１１は、銀行、コンビニエンスストア若しくはその他の店舗のＡＴＭ又はプリペイドカードの販売箇所の周辺における、これらのデータを取得する。具体的には、取得部１１は、店舗におけるＡＴＭの周辺に設置されたカメラにより顧客が撮像された映像データを撮像データとして取得し、店舗におけるＡＴＭの周辺に設置されたマイクにより顧客の会話データを取得する。取得部１１は、顧客の年齢及び性別の少なくとも一方に関する属性データを取得してよい。図１に示す例では、取得部１１は、リスクに関するリスクデータ、顧客の感情に関する感情データ、及び会話部１３によるリスクについての会話に対する顧客の反応に関する反応データをさらに取得する。例えば、取得部１１は、撮像データ及び会話データの少なくとも一方に基づいて認識された感情データを取得する。また、取得部１１は、会話部１３によるリスクについての会話が正しかったのかどうかについて顧客からフィードバックを受ける際に顧客の感情に関する反応データを取得する。取得部１１は、顧客の感情を認識することによって感情データや反応データを取得してもよいし、あらかじめ感情が認識された感情データや反応データを取得してもよい。感情の認識方法は、特許文献３～特許文献７に記載の方法と同様であるため、その詳細な説明を省略する。感情の認識方法は、これらの方法に限られず、公知の他の方法を用いてもよい。
【0013】
（制御部１２）
制御部１２は、判定装置１０全体を制御する。一例として、制御部１２は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、判定装置１０の内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。別の一例として、制御部１２は、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。図１に示す例では、制御部１２は、学習済モデル生成部１２１と、判定部１２２とを有する。
制御部１２は、判定装置１０全体を制御する。一例として、制御部１２は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、判定装置１０の内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。別の一例として、制御部１２は、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。図１に示す例では、制御部１２は、学習済モデル生成部１２１と、判定部１２２とを有する。
【0014】
（学習済モデル生成部１２１）
学習済モデル生成部１２１は、取得部１１によって取得された撮像データ、属性データ及び会話データの少なくとも一つとリスクデータとを用いて、撮像データ、属性データ及び会話データの少なくとも一つが入力された場合にリスクデータが出力される学習済モデル１４１を生成する。例えば、学習済モデル生成部１２１は、取得部１１によって取得された撮像データ、属性データ、会話データ及びリスクデータを教師データとして用いて、撮像データ、属性データ及び会話データが入力された場合にリスクデータが出力される学習済モデル１４１が含まれる対話機能を有する文章生成モデルを生成する。
学習済モデル生成部１２１は、取得部１１によって取得された撮像データ、属性データ及び会話データの少なくとも一つとリスクデータとを用いて、撮像データ、属性データ及び会話データの少なくとも一つが入力された場合にリスクデータが出力される学習済モデル１４１を生成する。例えば、学習済モデル生成部１２１は、取得部１１によって取得された撮像データ、属性データ、会話データ及びリスクデータを教師データとして用いて、撮像データ、属性データ及び会話データが入力された場合にリスクデータが出力される学習済モデル１４１が含まれる対話機能を有する文章生成モデルを生成する。
【0015】
また、学習済モデル生成部１２１は、取得部１１によって取得された感情データとリスクについての会話に関する会話データとを用いて、感情データが入力された場合にリスクについての会話データが出力される学習済モデル１４２を生成する。例えば、学習済モデル生成部１２１は、取得部１１によって取得された感情データとリスクについての会話データとを教師データとして用いて、感情データが入力された場合にリスクについての会話データが出力される学習済モデル１４２が含まれる対話機能を有する文章生成モデルを生成する。学習済モデル生成部１２１は、リスクについての会話データと、リスクについての会話に対する顧客の反応に関する反応データとを用いて、学習済モデル１４２を再学習させてよい。例えば、学習済モデル生成部１２１は、リスクについての会話データと、リスクについての会話が正しかったのかどうかについて顧客からフィードバックを受ける際に取得部１１によって取得された顧客の感情に関する反応データとを教師データとして用いて学習済モデル１４２を再学習させる。対話機能を有する文章生成モデルは、例えば、ＣｈａｔＧＰＴ（Chat Generative Pre-trained Transformer）等により実現される。
【0016】
（判定部１２２）
判定部１２２は、取得部１１によって取得された撮像データ、属性データ及び会話データの少なくとも一つに基づいて、顧客に対する特殊詐欺のリスクを判定する。判定部１２２は、取得部１１によって取得された撮像データ、属性データ及び会話データの少なくとも一つが入力された場合にリスクに関するリスクデータが出力される学習済モデル１４１を用いて、リスクを判定してよい。判定部１２２は、顧客の表情及び感情の少なくとも一方に基づいてリスクを判定してよい。例えば、判定部１２２は、判定部１２２は、取得部１１によって取得された撮像データに基づいて認識された顧客の表情、並びに撮像データ及び会話データの少なくとも一方に基づいて認識された顧客の感情の少なくとも一方に基づいてリスクを判定する。判定部１２２は、顧客の表情に基づいてリスクを判定する際に、撮像データから顧客の表情を認識することによってリスクを判定してもよいし、表情認識カメラ等によって、あらかじめ認識された顧客の表情に基づいてリスクを判定してもよい。判定部１２２は、顧客の感情に基づいてリスクを判定する際に、撮像データ及び会話データの少なくとも一方から顧客の感情を認識することによってリスクを判定してもよいし、あらかじめ認識された顧客の感情に基づいてリスクを判定してもよい。
判定部１２２は、取得部１１によって取得された撮像データ、属性データ及び会話データの少なくとも一つに基づいて、顧客に対する特殊詐欺のリスクを判定する。判定部１２２は、取得部１１によって取得された撮像データ、属性データ及び会話データの少なくとも一つが入力された場合にリスクに関するリスクデータが出力される学習済モデル１４１を用いて、リスクを判定してよい。判定部１２２は、顧客の表情及び感情の少なくとも一方に基づいてリスクを判定してよい。例えば、判定部１２２は、判定部１２２は、取得部１１によって取得された撮像データに基づいて認識された顧客の表情、並びに撮像データ及び会話データの少なくとも一方に基づいて認識された顧客の感情の少なくとも一方に基づいてリスクを判定する。判定部１２２は、顧客の表情に基づいてリスクを判定する際に、撮像データから顧客の表情を認識することによってリスクを判定してもよいし、表情認識カメラ等によって、あらかじめ認識された顧客の表情に基づいてリスクを判定してもよい。判定部１２２は、顧客の感情に基づいてリスクを判定する際に、撮像データ及び会話データの少なくとも一方から顧客の感情を認識することによってリスクを判定してもよいし、あらかじめ認識された顧客の感情に基づいてリスクを判定してもよい。
【0017】
判定部１２２は、顧客の感情がネガティブである場合に、顧客の感情がポジティブである場合に比べてリスクが高いと判断してよい。判定部１２２は、顧客の感情が焦り、心配及び不安の少なくとも一つである場合に、顧客の感情が焦り、心配及び不安でない場合に比べてリスクが高いと判定してよい。例えば、判定部１２２は、リスクの大小を０～１０まで数値化し、顧客の感情が焦り、心配及び不安の少なくとも一つである場合に、リスクの数値を２～４に決定し、心配及び不安でない場合に、リスクの数値を０～１に決定する。以下、同様に、判定部１２２は、リスクが高いと判定した場合に、リスクの数値を２～４に決定する。また、判定部１２２は、リスクが高いと判定した要因が複数ある場合に、複数の要因のそれぞれに応じて決定されたリスクの数値を加算することによって、リスクの数値の合計を決定する。
【0018】
判定部１２２は、取得部１１によって取得された撮像データにおける顧客の動作及び姿勢の少なくとも一方に基づいてリスクを判定してよい。例えば、判定部１２２は、顧客の撮像データから認識された顧客の動作が話しながらのＡＴＭの操作である場合に、無言でのＡＴＭの操作に比べてリスクが高いと判定する。判定部１２２による撮像データにおける顧客の動作及び姿勢の少なくとも一方に基づくリスクの判定方法は、参考文献（インターネット検索＜URL：https://www.itmedia.co.jp/news/articles/2212/07/news077.html＞）に開示されているため、その詳細な説明を省略する。判定部１２２は、取得部１１によって取得された属性データによって示される顧客の年齢及び性別の少なくとも一方に基づいてリスクを判定してよい。これにより、判定部１２２は、リスクをより高精度に検知できる。例えば、判定部１２２は、取得部１１によって取得された属性データによって示される顧客の属性が高齢者及び女性の少なくとも一方である場合に、顧客の属性が高齢者及び女性でない場合に比べてリスクが高いと判定する。これにより、判定部１２２は、リスクをさらに高精度に検知できる。判定部１２２は、会話データに含まれるキーワードに基づいてリスクを判定してよい。例えば、判定部１２２は、判定部１２２は、会話データに「振り込め」、「事故にあった」、「至急」等の特殊詐欺に関するキーワードが含まれている場合に、キーワードが含まれていない場合に比べてリスクが高いと判定する。
【0019】
判定部１２２は、顧客の感情に基づいてリスクについての会話の内容を決定し、当該内容のリスクについての会話を会話部１３に行わせてよい。例えば、判定部１２２は、顧客の感情が焦りである場合に、顧客をいったん落ち着かせる内容をリスクについての会話の内容に決定する。これにより、判定部１２２は、顧客の感情に合わせた会話を会話部１３に行わせることができる。判定部１２２は、感情に関する感情データが入力された場合にリスクについての会話に関するリスクについての会話データが出力される学習済モデル１４２を用いて、リスクについての会話の内容を決定し、当該内容のリスクについての会話を会話部１３に行わせてよい。これにより、判定部１２２は、初期設定となるトークスクリプト等、あらかじめ用意されたリスクについての会話の内容を、学習済モデル１４２の学習によりブラシュアップさせることができる。
【0020】
判定部１２２は、リスクについての会話データと、リスクについての会話に対する顧客の反応に関する反応データとが用いられて再学習された学習済モデル１４２を用いて、リスクについての会話の内容を決定し、当該内容のリスクについての会話を会話部１３に行わせてよい。例えば、判定部１２２は、リスクについての会話データと、リスクについての会話が正しかったのかどうかについて顧客からのフィードバックを受ける際に取得部１１によって取得された顧客の感情に関する反応データとを用いて再学習された学習済モデル１４２を用いて、リスクについての会話の内容を決定し、当該内容のリスクについての会話を会話部１３に行わせる。これにより、判定部１２２は、初期設定となるトークスクリプト等、あらかじめ用意された顧客の反応に応じたリスクについての会話の内容を、学習済モデル１４２の学習によりブラシュアップさせることができる。判定部１２２は、学習済モデル１４２が含まれる対話機能を有する文章生成モデルを用いて、リスクについての会話の内容を決定し、当該内容のリスクについての会話を会話部１３に行わせてよい。これにより、判定部１２２は、よりブラシュアップされた会話を会話部１３に行わせることができる。
【0021】
（会話部１３）
会話部１３は、判定部１２２によって判定されたリスクについての会話を顧客と行う。例えば、会話部１３は、リスクの説明、説得及び質問の少なくとも一つが含まれるリスクについての会話を顧客と行う。以下、図２を用いて、会話部１３による会話の一例について説明する。図２は、判定装置１０の一例について説明するための図である。図２に示す例では、判定装置１０は、Ｐｅｐｐｅｒ等のロボットであり、銀行、コンビニエンスストア若しくはその他の店舗のＡＴＭ２０の周辺に設置されている。判定装置１０は、ＡＴＭ２０やその他の機器によって実現されてもよい。会話部１３は、会話データに「振り込め」、「事故にあった」、「至急」等のキーワードが含まれている場合に、図２に示すように、「なぜ振り込むのか」、「誰かに頼まれたのか」、「いくら必要なのか」等の状況確認の質問や、「特殊詐欺の疑いがある」等の特殊詐欺の疑いの説明が含まれるリスクについての会話を顧客３０と行う。これにより、会話部１３は、単にリスクが高いと判定した場合に顧客３０に確かめずに通知する従来技術と異なり、状況把握やリスク要素の洗い出しを行えるため、リスクを高精度に検知できる。これにより、会話部１３は、特殊詐欺の被害を防止できる可能性を高め、特殊詐欺の被害を低減できる。
会話部１３は、判定部１２２によって判定されたリスクについての会話を顧客と行う。例えば、会話部１３は、リスクの説明、説得及び質問の少なくとも一つが含まれるリスクについての会話を顧客と行う。以下、図２を用いて、会話部１３による会話の一例について説明する。図２は、判定装置１０の一例について説明するための図である。図２に示す例では、判定装置１０は、Ｐｅｐｐｅｒ等のロボットであり、銀行、コンビニエンスストア若しくはその他の店舗のＡＴＭ２０の周辺に設置されている。判定装置１０は、ＡＴＭ２０やその他の機器によって実現されてもよい。会話部１３は、会話データに「振り込め」、「事故にあった」、「至急」等のキーワードが含まれている場合に、図２に示すように、「なぜ振り込むのか」、「誰かに頼まれたのか」、「いくら必要なのか」等の状況確認の質問や、「特殊詐欺の疑いがある」等の特殊詐欺の疑いの説明が含まれるリスクについての会話を顧客３０と行う。これにより、会話部１３は、単にリスクが高いと判定した場合に顧客３０に確かめずに通知する従来技術と異なり、状況把握やリスク要素の洗い出しを行えるため、リスクを高精度に検知できる。これにより、会話部１３は、特殊詐欺の被害を防止できる可能性を高め、特殊詐欺の被害を低減できる。
【0022】
図１の説明に戻る。会話部１３は、判定部１２２によって判定されたリスクに基づく対応を行ってよい。例えば、会話部１３は、判定部１２２によって数値化されたリスクの値が閾値を超えるごとに異なる対応を行う。一例として、判定部１２２によって数値化されたリスクの値が０～１である場合に、会話部１３は、リスクについての会話において、リスクへの対策を特に何も行わない。会話部１３は、判定部１２２によって数値化されたリスクの値が２～４である場合に、会話部１３は、顧客に声かけをしてヒアリングを行う。この場合、判定部１２２は、リスクをさらに判定してよい。会話部１３は、判定部１２２によって数値化されたリスクの値が５～８である場合に、店員に通知する。会話部１３は、判定部１２２によって数値化されたリスクの値が９～１０である場合に、警察に通報する。会話部１３による会話、通知、通報方法は、特に限定されず、例えば、会話部１３が音声出力部である場合には音声の出力による会話、通知、通報であってもよいし、会話部１３がタブレット等の表示部である場合には文字や記号等の表示による会話、通知、通報であってもよいし、警察に通報する場合には通信を介した通報であってもよい。
【0023】
（記憶部１４）
記憶部１４は、撮像データ、属性データ、会話データ、リスクデータ、学習済モデル１４１及び学習済モデル１４２等の各種データや各種プログラムを記憶する。記憶部１４は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子や、ハードディスク、光ディスク等の記憶装置によって実現される。
記憶部１４は、撮像データ、属性データ、会話データ、リスクデータ、学習済モデル１４１及び学習済モデル１４２等の各種データや各種プログラムを記憶する。記憶部１４は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子や、ハードディスク、光ディスク等の記憶装置によって実現される。
【0024】
【0025】
ステップＳ１において、取得部１１は、店舗における顧客が撮像された撮像データ、顧客の属性に関する属性データ及び顧客の会話に関する会話データの少なくとも一つを取得する。例えば、取得部１１は、銀行、コンビニエンスストア若しくはその他の店舗のＡＴＭ又はプリペイドカードの販売箇所の周辺に顧客が位置した場合に、撮像データ、顧客データ及び会話データの少なくとも一つを取得する。
【0026】
ステップＳ２において、判定部１２２は、取得部１１によって取得された撮像データ、属性データ及び会話データの少なくとも一つに基づいて、顧客に対する特殊詐欺のリスクを判定する。
【0027】
ステップＳ３において、会話部１３は、判定部１２２によって判定されたリスクについての会話を顧客と行う。例えば、会話部１３は、会話データに「振り込め」、「事故にあった」、「至急」等のキーワードが含まれている場合に、「なぜ振り込むのか」、「誰かに頼まれたのか」、「いくら必要なのか」等の状況確認の質問や、「特殊詐欺の疑いがある」等の特殊詐欺の疑いの説明が含まれるリスクについての会話を顧客と行う。
【0028】
〔３．ハードウェア構成〕
図４は、判定装置１０のハードウェア構成の一例を示す図である。判定装置１０として機能するコンピュータ１２００にインストールされたプログラムは、実施形態に係る装置の一又は複数の「部」としてコンピュータ１２００を機能させ、又は装置に関連付けられるオペレーション又は一以上の「部」をコンピュータ１２００に実行させることができ、実施形態に係るプロセス又はプロセスの段階をコンピュータ１２００に実行させることができる。そのようなプログラムは、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全てに関連付けられた特定のオペレーションをコンピュータ１２００に実行させるべく、ＣＰＵ１２１２によって実行されてよい。
図４は、判定装置１０のハードウェア構成の一例を示す図である。判定装置１０として機能するコンピュータ１２００にインストールされたプログラムは、実施形態に係る装置の一又は複数の「部」としてコンピュータ１２００を機能させ、又は装置に関連付けられるオペレーション又は一以上の「部」をコンピュータ１２００に実行させることができ、実施形態に係るプロセス又はプロセスの段階をコンピュータ１２００に実行させることができる。そのようなプログラムは、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全てに関連付けられた特定のオペレーションをコンピュータ１２００に実行させるべく、ＣＰＵ１２１２によって実行されてよい。
【0029】
実施形態に係るコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を有し、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。また、コンピュータ１２００は、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ１２２６、及びＩＣカードドライブ等の入出力ユニットを有し、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。また、コンピュータ１２００は、ＲＯＭ１２３０及びキーボード等のレガシの入出力ユニットを有し、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。
【0030】
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。
【0031】
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、プログラム及びデータをＩＣカードに書き込む。
【0032】
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、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。また、入出力チップ１２４０は、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。
【0033】
プログラムは、ＤＶＤ－ＲＯＭ１２２７又はＩＣカード等の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、プログラムと上述の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。
【0034】
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カード等の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。
【0035】
また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ１２２６（ＤＶＤ－ＲＯＭ１２２７）、ＩＣカード等の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。
【0036】
様々なタイプのプログラム、データ、テーブル、及びデータベース等の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。
【0037】
上述のプログラム又はソフトウェアモジュールは、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等の記録媒体が、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。
【0038】
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や、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、デジタルやアナログハードウェア回路を含んでよく、集積回路（ＩＣ）や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。
【0039】
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挙げられる。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。
【0040】
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、ＪＡＶＡ（登録商標）、Ｃ＋＋等の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等の従来の手続型プログラミング言語を含む、一以上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。
【0041】
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。
【0042】
以上、実施形態を用いて本発明の一態様について説明したが、本発明の技術的範囲は上述の実施形態に記載の範囲には限定されない。上述の実施形態に、多様な変更又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。その様な変更又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。
【0043】
特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及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、及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。
【符号の説明】
【0044】
１０ 判定装置
１１ 取得部
１２ 制御部
１３ 会話部
１４ 記憶部
１２１ 学習済モデル生成部
１２２ 判定部
１４１、１４２ 学習済モデル
１１ 取得部
１２ 制御部
１３ 会話部
１４ 記憶部
１２１ 学習済モデル生成部
１２２ 判定部
１４１、１４２ 学習済モデル
【図1】
【図2】
【図3】
【図4】
【手続補正書】
【提出日】2024-04-19
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得部と、
前記取得部によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定部と、
前記判定部によって判定された前記リスクについての会話を前記顧客と行う会話部と、
を有することを特徴とする判定装置。
前記取得部によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定部と、
前記判定部によって判定された前記リスクについての会話を前記顧客と行う会話部と、
を有することを特徴とする判定装置。
【請求項2】
前記判定部は、前記顧客の感情に基づいて前記リスクについての会話の内容を決定し、当該内容の前記リスクについての会話を前記会話部に行わせる、
請求項１に記載の判定装置。
請求項１に記載の判定装置。
【請求項3】
前記判定部は、前記感情に関する感情データが入力された場合に前記リスクについての会話に関するリスクについての会話データが出力される学習済モデルを用いて、前記リスクについての会話の内容を決定し、当該内容の前記リスクについての会話を前記会話部に行わせる、
請求項２に記載の判定装置。
請求項２に記載の判定装置。
【請求項4】
前記判定部は、前記リスクについての会話データと、前記リスクについての会話に対する前記顧客の反応に関する反応データとが用いられて再学習された前記学習済モデルを用いて、前記リスクについての会話の内容を決定し、当該内容の前記リスクについての会話を前記会話部に行わせる、
請求項３に記載の判定装置。
請求項３に記載の判定装置。
【請求項5】
前記判定部は、前記学習済モデルが含まれる対話機能を有する文章生成モデルを用いて、前記リスクについての会話の内容を決定し、当該内容の前記リスクについての会話を前記会話部に行わせる、
請求項３又は４に記載の判定装置。
請求項３又は４に記載の判定装置。
【請求項6】
前記取得部は、前記顧客の年齢及び性別の少なくとも一方に関する前記属性データを取得し、
前記判定部は、前記取得部によって取得された前記属性データによって示される前記顧客の年齢及び性別の少なくとも一方に基づいて前記リスクを判定する、
請求項１に記載の判定装置。
前記判定部は、前記取得部によって取得された前記属性データによって示される前記顧客の年齢及び性別の少なくとも一方に基づいて前記リスクを判定する、
請求項１に記載の判定装置。
【請求項7】
前記判定部は、前記取得部によって取得された前記属性データによって示される前記顧客の属性が高齢者である場合に、前記顧客の属性が前記高齢者でない場合に比べて前記リスクが高いと判定する、
請求項６に記載の判定装置。
請求項６に記載の判定装置。
【請求項8】
判定装置によって実行される判定方法であって、
店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得工程と、
前記取得工程によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定工程と、
前記判定工程によって判定された前記リスクについての会話を前記顧客と行う会話工程と、
を含むことを特徴とする判定方法。
店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得工程と、
前記取得工程によって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定工程と、
前記判定工程によって判定された前記リスクについての会話を前記顧客と行う会話工程と、
を含むことを特徴とする判定方法。
【請求項9】
店舗における顧客が撮像された撮像データ、当該顧客の属性に関する属性データ、及び前記顧客の会話に関する会話データの少なくとも一つを取得する取得ステップと、
前記取得ステップによって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定ステップと、
前記判定ステップによって判定された前記リスクについての会話を前記顧客と行う会話ステップと、
をコンピュータに実行させることを特徴とする判定プログラム。
前記取得ステップによって取得された前記撮像データ、前記属性データ及び前記会話データの少なくとも一つに基づいて前記顧客に対する特殊詐欺のリスクを判定する判定ステップと、
前記判定ステップによって判定された前記リスクについての会話を前記顧客と行う会話ステップと、
をコンピュータに実行させることを特徴とする判定プログラム。
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】００１８
【補正方法】変更
【補正の内容】
【0018】
判定部１２２は、取得部１１によって取得された撮像データにおける顧客の動作及び姿勢の少なくとも一方に基づいてリスクを判定してよい。例えば、判定部１２２は、顧客の撮像データから認識された顧客の動作が話しながらのＡＴＭの操作である場合に、無言でのＡＴＭの操作に比べてリスクが高いと判定する。判定部１２２による撮像データにおける顧客の動作及び姿勢の少なくとも一方に基づくリスクの判定方法は、参考文献（インターネット検索＜URL：https://www.itmedia.co.jp/news/articles/2212/07/news077.html＞）に開示されているため、その詳細な説明を省略する。判定部１２２は、取得部１１によって取得された属性データによって示される顧客の年齢及び性別の少なくとも一方に基づいてリスクを判定してよい。これにより、判定部１２２は、リスクをより高精度に検知できる。例えば、判定部１２２は、取得部１１によって取得された属性データによって示される顧客の属性が高齢者である場合に、顧客の属性が高齢者でない場合に比べてリスクが高いと判定する。これにより、判定部１２２は、リスクをさらに高精度に検知できる。判定部１２２は、会話データに含まれるキーワードに基づいてリスクを判定してよい。例えば、判定部１２２は、判定部１２２は、会話データに「振り込め」、「事故にあった」、「至急」等の特殊詐欺に関するキーワードが含まれている場合に、キーワードが含まれていない場合に比べてリスクが高いと判定する。