特開 2024-170067 学習装置、学習方法、会計データ変換装置、会計データ変換方法、及びプログラム

(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】P2024170067

(43)【公開日】2024-12-06

(54)【発明の名称】学習装置、学習方法、会計データ変換装置、会計データ変換方法、及びプログラム

(51)【国際特許分類】

   G06Q 40/12 20230101AFI20241129BHJP

【ＦＩ】

G06Q40/12

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2023087026

(22)【出願日】2023-05-26

(71)【出願人】

【識別番号】322006076

【氏名又は名称】弥生株式会社

(74)【代理人】

【識別番号】110000877

【氏名又は名称】弁理士法人ＲＹＵＫＡ国際特許事務所

(72)【発明者】

【氏名】牛尾 哲朗

【テーマコード（参考）】

5L040

5L055

【Ｆターム（参考）】

5L040BB63

5L055BB63

(57)【要約】      （修正有）

【課題】学習装置、学習方法、会計データ変換装置、会計データ変換方法及びプログラムを提供する。
【解決手段】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、会計サービス提供装置３０及びユーザ８２の通信端末８０が、ネットワーク５０を介して通信する会計管理システム１０において、学習装置１００は、イベントが発生する前の事業者の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする入力層、中間層及び出力層を含む学習モデルの、出力層に替えて追加された新たな出力層を、イベントが発生した後の取引の摘要及び取引に対応する勘定科目を含む学習データを用いて更新する学習実行部を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

イベントが発生する前の事業者の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする、入力層、中間層、及び出力層を含む学習モデルの前記出力層に替えて追加された新たな出力層を、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて更新する学習実行部
を備える学習装置。

【請求項2】

前記学習実行部は、前記学習モデルの前記出力層に替えて前記新たな出力層を追加した後、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む前記学習データを用いて、前記新たな出力層を更新する、請求項１に記載の学習装置。

【請求項3】

前記学習実行部は、前記学習モデルの前記出力層に替えて追加された新たな中間層及び前記新たな出力層を、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む前記学習データを用いて更新する、請求項１に記載の学習装置。

【請求項4】

前記学習実行部は、異なるタイミングで発生した複数のイベント毎に、イベントが発生する前の前記学習データを用いて生成又は更新された前記学習モデルの前記出力層に替えて追加された新たな中間層及び前記新たな出力層を、当該イベントが発生した後の前記学習データを用いて更新する、請求項１に記載の学習装置。

【請求項5】

前記学習実行部は、異なるタイミングで発生した前記複数のイベント毎に、イベントが発生する前の前記学習データを用いて生成又は更新された前記学習モデルの前記出力層に替えて追加された新たな中間層及び前記新たな出力層を、当該イベントが発生した後の前記学習データを用いて更新した後、前記複数のイベントのうちの一部のイベント毎に、イベントが発生する前の前記学習データを用いて生成又は更新された前記学習モデルの前記出力層に替えて追加された新たな中間層及び前記新たな出力層を、当該イベントが発生した後の前記学習データを用いて更新する、請求項４に記載の学習装置。

【請求項6】

前記事業者による仕訳に影響を及ぼし得る前記イベントが発生したことを検知するイベント検知部
をさらに備え、
前記学習実行部は、前記イベント検知部によって前記イベントが検知された後、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む前記学習データを用いて、前記新たな中間層及び前記新たな出力層を更新する、請求項３から５のいずれか一項に記載の学習装置。

【請求項7】

前記イベント検知部は、前記事業者の会計データを管理する会計管理システムにおける登録情報の変化に基づいて、前記イベントが発生したことを検知する、請求項６に記載の学習装置。

【請求項8】

前記学習実行部は、前記学習モデルの前記出力層に替えて、前記イベントの種類又は内容に応じた数の前記新たな中間層と、前記新たな出力層とを追加した後、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む前記学習データを用いて、前記新たな中間層及び前記新たな出力層を更新する、請求項６に記載の学習装置。

【請求項9】

前記イベントが発生する前の前記学習データを用いて生成又は更新された前記学習モデルと、前記学習実行部によって前記新たな出力層が更新されたイベント後学習モデルとを記憶する学習モデル記憶部と、
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、
前記取引データ取得部が、前記イベントが発生した後の前記取引データを取得した場合に、前記取引データに含まれる前記摘要を、前記イベント後学習モデルに入力して、前記イベント後学習モデルによって出力された勘定科目を選択する科目選択部と、
前記科目選択部が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部と
を更に備える、請求項１から５のいずれか一項に記載の学習装置。

【請求項10】

コンピュータを、
イベントが発生する前の事業者の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする、入力層、中間層、及び出力層を含む学習モデルの前記出力層に替えて追加された新たな出力層を、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて更新する学習実行部
として機能させるためのプログラム。

【請求項11】

コンピュータによって実行される学習方法であって、
イベントが発生する前の事業者の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする、入力層、中間層、及び出力層を含む学習モデルの前記出力層に替えて追加された新たな出力層を、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて更新する学習実行段階
を備える、学習方法。

【請求項12】

イベントが発生する前の事業者の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする、入力層、中間層、及び出力層を含むイベント前学習モデルと、前記イベント前学習モデルの前記出力層に替えて追加された新たな出力層を、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて更新することによって生成されたイベント後学習モデルとを記憶する学習モデル記憶部と、
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、
前記取引データ取得部が、前記イベントが発生した後の前記取引データを取得した場合に、前記取引データに含まれる前記摘要を、前記イベント後学習モデルに入力して、前記イベント後学習モデルによって出力された勘定科目を選択する科目選択部と、
前記科目選択部が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部と
を備える会計データ変換装置。

【請求項13】

コンピュータを、
イベントが発生する前の事業者の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする、入力層、中間層、及び出力層を含むイベント前学習モデルと、前記イベント前学習モデルの前記出力層に替えて追加された新たな出力層を、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて更新することによって生成されたイベント後学習モデルとを記憶する学習モデル記憶部、
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、
前記取引データ取得部が、前記イベントが発生した後の前記取引データを取得した場合に、前記取引データに含まれる前記摘要を、前記イベント後学習モデルに入力して、前記イベント後学習モデルによって出力された勘定科目を選択する科目選択部、及び
前記科目選択部が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部
として機能させるためのプログラム。

【請求項14】

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、
イベントが発生する前の事業者の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする、入力層、中間層、及び出力層を含むイベント前学習モデルと、前記イベント前学習モデルの前記出力層に替えて追加された新たな出力層を、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて更新することによって生成されたイベント後学習モデルとを学習モデル記憶部に記憶する記憶段階と、
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段階と、
前記取引データ取得段階において、前記イベントが発生した後の前記取引データを取得した場合に、前記取引データに含まれる前記摘要を、前記イベント後学習モデルに入力して、前記イベント後学習モデルによって出力された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。

【発明の詳細な説明】

【技術分野】

【0001】

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

【背景技術】

【0002】

特許文献１には、業種や企業形態の変更に伴う会計処理形態の変更を変更前の会計ファイルデータを用いて自動的に変更処理する会計処理形態変更方法／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］特開平１０－０９１６９４号公報

【発明の概要】

【0003】

本発明の一実施態様によれば、学習装置が提供される。前記学習装置は、イベントが発生する前の事業者の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする、入力層、中間層、及び出力層を含む学習モデルの前記出力層に替えて追加された新たな出力層を、前記イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて更新する学習実行部を備えてよい。

【0004】

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。

【図面の簡単な説明】

【0005】

【図1】会計管理システム１０の一例を概略的に示す。

【図2】学習装置１００の機能構成の一例を概略的に示す。

【図3】学習装置１００による処理の流れの一例を概略的に示す。

【図4】学習装置１００による学習モデル生成について説明するための説明図である。

【図5】学習装置１００による学習モデル生成について説明するための説明図である。

【図6】学習装置１００による学習モデル生成について説明するための説明図である。

【図7】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。

【図8】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。

【図9】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。

【発明を実施するための形態】

【0006】

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。

【0007】

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。

【0008】

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。

【0009】

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。

【0010】

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。

【0011】

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。

【0012】

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、取引日を含んでよい。取引データは、取引先を含んでよい。取引データは、税区分を含んでよい。取引データは、金額を含んでよい。取引データは、収入であるか支出であるかを示す収支識別データを含んでよい。取引データは、消費税額を含んでよい。取引データは、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。

【0013】

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。

【0014】

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、取引の摘要と、取引に対応する勘定科目とを含む。

【0015】

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、ニューラルネットワークを用いた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。ニューラルネットワークとは、人間の脳神経系のニューロンを数理モデル化したものの組み合わせのことであり、入力層、出力層、及び中間層（隠れ層とも呼ばれる、入力層と出力層の間にある層）の３つの層から構成される。

【0016】

事業者の取引の摘要及び取引に対応する勘定科目を含む学習データを用いて学習モデルを生成することによって、当該事業者の仕訳の負荷を低減したり、仕訳を自動化したりすることができる。しかし、学習モデルを生成した後に、事業者の業種が変更されたり、法令が改正されたりした場合に、仕訳の傾向が変化する場合があり、その場合に、学習モデルによって推論される勘定科目の正解率が低下する可能性がある。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。

【0017】

具体例として、事業者の業種が変更された場合に、変更前までは自社使用の目的で購入していた物品を、変更後には販売目的で仕入れする必要が生じたときには、正解となる勘定科目が「消耗品費」や「備品」等から「仕入」に変わることになり、学習モデルによる勘定科目の正解率が低下することになる。また、例えば、法令改正によって軽減税率が適用されることによって、適用前と後で正解となる税率区分が異なる可能性がある。

【0018】

一方、事業者の業種が変更されたり、法令が改正されたりした場合であっても、仕訳の傾向が変化しない場合もあり、単純に、これらのタイミング以前の訓練データを間引いたり、学習率を下げたりした場合、仕訳の正解率が低下してしまうおそれがある。

【0019】

それに対して、学習装置１００は、例えば、会社の業種の変更や法令の改正等のイベントが発生する前の学習データで学習した、ニューラルネットワークで構成された自然言語処理モデルの出力層に替えて新たな出力層を追加して、イベント発生後の学習データで学習する。これにより、イベントによって、仕訳の傾向が変化した場合に、傾向変化が反映された学習データのみを用いて出力層の学習を行うことができるので、傾向の変化に対応しやすくなる。また、仕訳の傾向が変化しなかった場合は、イベントが発生する前の学習データで学習した層を中心に推論が行われるので、元の学習モデルと比較して正解率が低くなりにくい。

【0020】

また、学習装置１００は、例えば、イベント発生前の学習データで学習した、ニューラルネットワークで構成された自然言語処理モデルの出力層に替えて新たな中間層及び新たな出力層を追加して、イベント発生後の学習データで学習する。これにより、イベントによって、仕訳の傾向が変化した場合に、傾向変化が反映された学習データのみを用いて、追加された中間層と出力層の学習を行うことができるので、傾向の変化にさらに対応しやすくなる。

【0021】

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。

【0022】

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、業務サービス提供装置２０から受信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含む会計データを生成してよい。

【0023】

会計データ変換装置２００は、例えば、あるイベントが発生する前の事業者の取引の摘要及び取引に対応する勘定科目を含む学習データを用いて生成又は更新された、摘要を入力とし勘定科目を出力とする、入力層、中間層、及び出力層を含む学習モデル（イベント前学習モデルと記載する場合がある。）を記憶する。また、会計データ変換装置２００は、イベント前学習モデルの出力層に替えて追加された新たな層（出力層、又は、中間層及び出力層）を、イベントが発生した後の取引の摘要及び取引に対応する勘定科目を含む学習データを用いて更新することによって生成された学習モデル（イベント後学習モデルと記載する場合がある。）を記憶する。そして、会計データ変換装置２００は、当該イベントが発生する前の取引データについては、取引データに含まれる摘要をイベント前学習モデルに入力し、当該イベントが発生した後の取引データについては、取引データに含まれる摘要をイベント後学習モデルに入力して、出力された勘定科目を選択して、選択した勘定科目を含む会計データを生成する。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。

【0024】

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。

【0025】

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、学習実行部１０６、イベント検知部１０８、及び学習モデル送信部１１０を備える。なお、学習装置１００がこれらの全てを備えることは必須とは限らない。

【0026】

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。

【0027】

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。

【0028】

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。

【0029】

学習実行部１０６は、データ記憶部１０４に記憶されている学習データを用いて、摘要を入力とし、勘定科目を出力とする、入力層、中間層、及び出力層を含む学習モデルを生成する。学習実行部１０６は、学習データを用いて、入力層、中間層、及び出力層を含む自然言語処理モデルのパラメータを機械学習によって更新することによって、入力層、中間層、及び出力層を含む学習モデルを生成してよい。学習実行部１０６が生成する学習モデルの中間層の数は、１つであってもよく、複数であってもよい。

【0030】

学習実行部１０６は、事業者による仕訳に影響を及ぼし得るイベントが特に発生していない状態（通常状態と記載する場合がある。）においては、データ記憶部１０４に記憶されているすべての学習データを用いて、学習モデルを生成してよい。

【0031】

事業者による仕訳に影響を及ぼし得るイベントの例として、事業者の業種変更、法令改正、税抜経理方式を採用している事業者の免税事業者から課税事業者への変更、及び税抜経理方式を採用している事業者の課税事業者から免税事業者への変更等が挙げられる。なお、これらは例であって、これらに限られない。

【0032】

事業者による仕訳に影響を及ぼし得るイベントが発生した後、学習実行部１０６は、イベントが発生する前の学習データを用いて生成又は更新された、入力層、中間層、及び出力層を含む学習モデルの出力層に替えて追加された新たな出力層を、イベントが発生した後の学習データを用いて更新してよい。イベントが発生する前の学習データを用いて学習モデルを生成又は更新するのは、学習実行部１０６であってよい。イベントが発生する前の学習データを用いて学習モデルを生成又は更新するのは、他の装置であってもよい。イベントが発生する前の学習データを用いて生成又は更新された学習モデルの出力層に替えて新たな出力層を追加するのは、学習実行部１０６であってよい。すなわち、学習実行部１０６は、学習モデルの出力層に替えて新たな出力層を追加した後、イベントが発生した後の学習データを用いて、当該新たな出力層を更新してよい。イベントが発生する前の学習データを用いて生成又は更新された学習モデルの出力層に替えて新たな出力層を追加するのは、他の装置であってもよい。

【0033】

事業者による仕訳に影響を及ぼし得るイベントが発生した後、学習実行部１０６は、イベントが発生する前の学習データを用いて生成又は更新された、入力層、中間層、及び出力層を含む学習モデルの出力層に替えて追加された新たな中間層及び新たな出力層を、イベントが発生した後の学習データを用いて更新してよい。イベントが発生する前の学習データを用いて生成又は更新された学習モデルの出力層に替えて新たな中間層及び新たな出力層を追加するのは、学習実行部１０６であってよい。すなわち、学習実行部１０６は、学習モデルの出力層に替えて新たな中間層及び新たな出力層を追加した後、イベントが発生した後の学習データを用いて、当該新たな中間層及び当該新たな出力層を更新してよい。イベントが発生する前の学習データを用いて生成又は更新された学習モデルの出力層に替えて新たな中間層及び新たな出力層を追加するのは、他の装置であってもよい。

【0034】

事業者による仕訳に影響を及ぼし得るイベントが複数回発生した場合、学習実行部１０６は、それらに合わせて学習モデルを生成してよい。

【0035】

学習実行部１０６は、異なるタイミングで発生した複数のイベント毎に、イベントが発生する前の学習データを用いて生成又は更新された学習モデルの出力層に替えて追加された新たな出力層を、当該イベントが発生した後の学習データを用いて更新してよい。

【0036】

ここで、第１イベントが発生し、そこからしばらくの期間が経過した後に、第２イベントが発生した場合を例に挙げて説明する。

【0037】

学習実行部１０６は、第１イベントが発生する前の事業者の取引の摘要及び取引に対応する勘定科目を含む第１学習データを用いて、第１入力層、第１中間層、及び第１出力層を含む第１学習モデルを生成する。第１学習モデルを生成するタイミングは、第１イベントが発生した後の任意のタイミングであってよい。第１学習モデルを生成するタイミングは、第１イベントが発生する前であってもよい。なお、第１学習モデルを生成するのは、他の装置であってもよい。第１学習モデルは、既存の学習モデルを更新することによって生成されても、既存の学習モデルを用いずに生成されてもよい。

【0038】

学習実行部１０６は、第１学習モデルの第１出力層に替えて新たな第２中間層と新たな第２出力層とを追加した後、第１イベントが発生してから第２イベントが発生するまでの間の取引の摘要及び取引に対応する勘定科目を含む第２学習データを用いて、第１学習モデルの第２中間層及び第２出力層を更新してよい（更新後の第１学習モデルを第２学習モデルと記載する場合がある）。学習実行部１０６は、第２学習モデルの第２出力層に替えて新たな第３中間層と新たな第３出力層とを追加した後、第２イベントが発生した後の取引の摘要及び取引に対応する勘定科目を含む第３学習データを用いて、第２学習モデルの第３中間層及び第３出力層を更新してよい（更新後の第２学習モデルを第３学習モデルと記載する場合がある）。なお、学習モデルの出力層に替えて新たな中間層及び新たな出力層を追加するのは、他の装置によって行われてもよい。

【0039】

なお、学習実行部１０６は、次のように学習を実行してもよい。学習実行部１０６は、第１学習モデルの第１出力層に替えて新たな第２出力層を追加した後、第２学習データを用いて、第１学習モデルの第２出力層を更新するする。学習実行部１０６は、第２学習モデルの第２出力層に替えて新たな第３出力層を追加した後、第３学習データを用いて、第２学習モデルの第３出力層を更新する。なお、学習モデルの出力層に替えて新たな出力層を追加するのは、他の装置によって行われてもよい。

【0040】

次に、第１イベントが発生し、そこからしばらくの期間が経過した後に、第２イベントが発生し、そこからしばらくの期間が経過した後に、第３イベントが発生した場合を例に挙げて説明する。

【0041】

学習実行部１０６は、第１イベントが発生する前の事業者の取引の摘要及び取引に対応する勘定科目を含む第１学習データを用いて、第１入力層、第１中間層、及び第１出力層を含む第１学習モデルを生成する。第１学習モデルを生成するタイミングは、第１イベントが発生した後の任意のタイミングであってよい。第１学習モデルを生成するタイミングは、第１イベントが発生する前であってもよい。なお、第１学習モデルを生成するのは、他の装置であってもよい。第１学習モデルは、既存の学習モデルを更新することによって生成されても、既存の学習モデルを用いずに生成されてもよい。

【0042】

学習実行部１０６は、第１学習モデルの第１出力層に替えて新たな第２中間層と新たな第２出力層とを追加した後、第１イベントが発生してから第２イベントが発生するまでの間の取引の摘要及び取引に対応する勘定科目を含む第２学習データを用いて、第１学習モデルの第２中間層及び第２出力層を更新してよい（更新後の第１学習モデルを第２学習モデルと記載する場合がある）。学習実行部１０６は、第２学習モデルの第２出力層に替えて新たな第３中間層と新たな第３出力層とを追加した後、第２イベントが発生した後の取引の摘要及び取引に対応する勘定科目を含む第３学習データを用いて、第２学習モデルの第３中間層及び第３出力層を更新してよい（更新後の第２学習モデルを第３学習モデルと記載する場合がある）。学習実行部１０６は、第３学習モデルの第３出力層に替えて新たな第４中間層と新たな第４出力層とを追加した後、第３イベントが発生した後の取引の摘要及び取引に対応する勘定科目を含む第４学習データを用いて、第３学習モデルの第４中間層及び第４出力層を更新してよい（更新後の第３学習モデルを第４学習モデルと記載する場合がある）。なお、学習モデルの出力層に替えて新たな中間層及び新たな出力層を追加するのは、他の装置によって行われてもよい。

【0043】

なお、学習実行部１０６は、次のように学習を実行してもよい。学習実行部１０６は、第１学習モデルの第１出力層に替えて新たな第２出力層を追加した後、第２学習データを用いて、第１学習モデルの第２出力層を更新する。学習実行部１０６は、第２学習モデルの第２出力層に替えて新たな第３出力層を追加した後、第３学習データを用いて、第２学習モデルの第３出力層を更新する。学習実行部１０６は、第３学習モデルの第３出力層に替えて新たな第４出力層を追加した後、第４学習データを用いて、第３学習モデルの第４出力層を更新する。なお、学習モデルの出力層に替えて新たな出力層を追加するのは、他の装置によって行われてもよい。

【0044】

学習実行部１０６は、イベントが４回以上発生した場合も、同様に学習を実行してよい。

【0045】

上述したように、イベントが発生した場合に、イベントが発生する前の学習データを用いて生成した学習モデルの出力層に替えて新たな層（中間層及び出力層、又は、出力層のみ）を追加して、イベントが発生した後の学習データを用いて、当該新たな層を更新する構成を採用することによって、イベントの影響を受けない取引内容については元の層が対応し、イベントの影響を受ける取引内容については新たな層が対応する学習モデルを生成することができ、高い正解率の実現に貢献することができる。

【0046】

学習実行部１０６は、イベントが発生した場合に、イベントが発生する前の学習データを用いて生成した学習モデルのすべての層を、イベントが発生した後の学習データを用いて更新することによって、新たな学習モデルを生成してもよい。新たな層のみを更新する手法と、すべての層を更新する手法とのいずれの手法の方が適切であるかは、仕訳パターンの変化内容や、実際に蓄積された学習データの量や質によっても変わる可能性がある。

【0047】

学習実行部１０６は、新たな層のみを更新する手法と、すべての層を更新する手法とのいずれを使用するかについて、ユーザ８２や、会計管理システム１０の管理者等の指示を受け付けてよい。学習実行部１０６は、ユーザ８２や会計管理システム１０の管理者等の指示に従って、新たな層のみを更新する手法及びすべての層を更新する手法のいずれかを選択してよい。これにより、いずれの手法を用いたほうが適切かの知見をユーザ８２や会計管理システム１０の管理者等が有している場合に、その知見に従って学習モデルを生成することができる。

【0048】

学習実行部１０６は、新たな層のみを更新する手法を用いて学習モデルを生成するとともに、すべての層を更新する手法を用いて学習モデルを生成して、両方を評価することによって、いずれを採用するかを選択してもよい。例えば、学習実行部１０６は、イベントが発生した場合に、イベントが発生する前の学習データを用いて生成又は更新された学習モデルの出力層に替えて新たな層を追加して、イベントが発生した後の学習データを用いて、当該新たな層を更新することによって、第１の学習モデルを生成し、イベントが発生する前の学習データを用いて生成又は更新された学習モデルのすべての層を、イベントが発生した後の学習データを用いて更新することによって、第２の学習モデルを生成する。

【0049】

そして、学習実行部１０６は、取引の摘要と取引に対応する勘定科目とを含む評価用データを用いて、第１の学習モデルと第２の学習モデルとを評価する。具体的には、学習実行部１０６は、評価用データに含まれる取引の摘要を第１の学習モデル及び第２の学習モデルに入力し、第１の学習モデル及び第２の学習モデルから出力された勘定科目と、評価用データに含まれる勘定科目とが一致するか否かを判定する。学習実行部１０６は、このような判定を複数回実行することによって、第１の学習モデル及び第２の学習モデルのそれぞれの正解率を算出して、正解率が高い方を選択する。これにより、新たな層のみを更新する手法、及びすべての層を更新する手法のうち、実際に高い正解率を達成できる手法を採用することができる。

【0050】

学習実行部１０６は、評価用データとして、学習には用いていないデータを利用してよい。これにより、第１の学習モデル及び第２の学習モデルの汎化性能を評価することができる。なお、学習には用いていないデータを利用することは必須とは限らず、学習実行部１０６は、評価用データとして、学習に用いたデータを利用してもよい。

【0051】

学習実行部１０６は、評価用データとして、イベントが発生したタイミング後のデータを利用してよい。特に判定したいのは、イベントが発生したタイミング後のデータで正しく仕訳できるか、であり、イベントが発生したタイミング後のデータのみを利用して評価することによって、目的に即した判定となる可能性が高いといえる。なお、イベントが発生したタイミング後のデータを利用することは必須とは限らず、学習実行部１０６は、評価用データとして、イベントが発生したタイミングの前後のデータを利用してもよい。

【0052】

イベント検知部１０８は、事業者による仕訳に影響を及ぼし得るイベントが発生したことを検知する。学習実行部１０６は、イベント検知部１０８によってイベントが検知される前は、データ記憶部１０４に記憶されているすべての学習データを用いて、学習モデルを生成してよい。学習実行部１０６は、イベント検知部１０８によってイベントが検知された後、当該イベントが発生する前の学習データを用いて生成又は更新されたイベント前学習モデルの出力層に替えて新たな中間層及び新たな出力層を追加して、当該イベントが発生した後の学習データを用いて、イベント前学習モデルの新たな中間層及び新たな出力層を更新することによって、イベント後学習モデルを生成してよい。学習実行部１０６は、イベント検知部１０８によってイベントが検知された後は、当該イベントが発生する前の学習データを用いて生成又は更新されたイベント前学習モデルの出力層に替えて新たな出力層を追加して、当該イベントが発生した後の学習データを用いて、イベント前学習モデルの新たな出力層を更新する。

【0053】

イベント検知部１０８は、例えば、事業者の会計データを管理する会計管理システムにおける登録情報の変化に基づいて、イベントが発生したことを検知する。これにより、事業者による仕訳に影響を及ぼし得るイベントが発生したことを自動的に検知することができる。会計サービス提供装置３０は、会計管理システムの一例であってよい。すなわち、イベント検知部１０８は、会計サービス提供装置３０における登録情報の変化に基づいて、イベントが発生したことを検知してよい。

【0054】

例えば、会計管理システムが、法令情報を登録している場合において、当該法令情報が変更された場合に、イベント検知部１０８は、法令変更のイベントが発生したことを検知する。

【0055】

例えば、会計管理システムが、ユーザ８２の基本情報として、ユーザ８２の業種の情報を登録している場合において、当該業種の情報が変更された場合に、イベント検知部１０８は、当該ユーザ８２に対して業種変更のイベントが発生したことを検知する。

【0056】

例えば、会計管理システムが、ユーザ８２の基本情報として、ユーザ８２の事業者の区分を登録している場合において、事業者の区分として、免税事業者から課税事業者に変更されたり、課税事業者から免税事業者に変更されたりした場合に、イベント検知部１０８は、免税事業者から課税事業者への変更イベント、課税事業者から免税事業者への変更イベントが発生したことを検知する。また、イベント検知部１０８は、会計期間内の売上の合計が１０００万円を超えるか否かによって、免税事業者から課税事業者への変更イベント、課税事業者から免税事業者への変更イベントが発生したことを検知してもよい。

【0057】

学習実行部１０６は、発生したイベントの種類に応じた学習を実行してもよい。例えば、学習実行部１０６は、イベントが発生する前の事業者の取引の摘要及び取引に対応する勘定科目を含む学習データを用いて生成又は更新されたイベント前学習モデルの出力層に替えて、イベントの種類に応じた数の新たな中間層と、新たな出力層とを追加した後、イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて、イベント前学習モデルの新たな中間層及び新たな出力層を更新する。

【0058】

イベントの種類によって、仕訳が単純に変化する場合もあれば、仕訳が複雑に変化する場合もある。具体例として、事業者の業種変更、法令改正、課税事業者から免税事業者への変更、及び免税事業者から課税事業者への変更を例に挙げると、課税事業者から免税事業者への変更及び免税事業者から課税事業、業種変更、法令改正の順で、より仕訳が複雑に変化し得る。そこで、学習実行部１０６は、発生したイベントが、課税事業者から免税事業者への変更及び免税事業者から課税事業、業種変更、法令改正の順で、より多くの新たな中間層を追加する。具体例として、発生したイベントが課税事業者から免税事業者への変更及び免税事業者から課税事業の場合、学習実行部１０６は、出力層を除去したイベント前学習モデルに、１つの新たな中間層と、１つの新たな出力層とを追加する。発生したイベントが業種変更の場合、学習実行部１０６は、出力層を除去したイベント前学習モデルに、２つの新たな中間層と、１つの新たな出力層とを追加する。発生したイベントが法令改正の場合、学習実行部１０６は、出力層を除去したイベント前学習モデルに、３つの新たな中間層と、１つの新たな出力層とを追加する。これにより、仕訳が複雑に変化しているにも関わらず、中間層が不足していて学習が十分に行われなかったり、仕訳が単純な変化しかしていないにもかかわらず、中間層が多く、不必要な学習を実行してしまったりすることを防ぐことができる。

【0059】

学習実行部１０６は、発生したイベントの内容に応じた学習を実行してもよい。例えば、学習実行部１０６は、イベントが発生する前の事業者の取引の摘要及び取引に対応する勘定科目を含む学習データを用いて生成又は更新されたイベント前学習モデルの出力層に替えて、イベントの内容に応じた数の新たな中間層と、新たな出力層とを追加した後、イベントが発生した後の取引の摘要及び前記取引に対応する勘定科目を含む学習データを用いて、イベント前学習モデルの新たな中間層及び新たな出力層を更新する。

【0060】

イベントの内容によって、仕訳が単純に変化する場合もあれば、仕訳が複雑に変化する場合もある。具体例として、発生したイベントが業種変更である場合に、変更内容が単純である場合と比較して、変更内容が複雑である場合に、より仕訳が複雑に変化し得る。そこで、学習実行部１０６は、業種変更の内容と、中間層の数とを対応付けた対応データを予め記憶しておき、業種変更の内容に対応する数の中間層を追加する。また、具体例として、発生したイベントが法令改正である場合に、法令改正のインパクトが大きいほど、より仕訳が複雑に変化し得る。そこで、学習実行部１０６は、発生したイベントが法令改正である場合に、法令改正のインパクトの情報を更に取得して、インパクトが大きいほど多い数の中間層を追加する。法令改正のインパクトの情報は、会計管理システムの管理者、会計管理システム１０の管理者、及びユーザ８２等によって登録されてよい。

【0061】

図３は、学習実行部１０６による処理の流れの一例を概略的に示す。ここでは、事業者による仕訳に影響を及ぼし得るイベントが１回発生した場合であって、イベント発生からある程度の期間が経過していて、イベント発生後の学習データがある程度データ記憶部１０４に記憶されている状況を例に挙げて説明する。

【0062】

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、学習実行部１０６が、イベント発生前の学習データをデータ記憶部１０４から取得する。Ｓ１０４では、学習実行部１０６が、Ｓ１０２において取得した学習データを用いて、学習モデルのパラメータを更新する。

【0063】

Ｓ１０６では、学習実行部１０６が、イベント発生後の学習データをデータ記憶部１０４から取得する。Ｓ１０８では、学習実行部１０６が、Ｓ１０４においてパラメータを更新した学習モデルの出力層に替えて中間層及び出力層を追加し、Ｓ１０６において取得した学習データを用いて、学習モデルに追加した中間層及び出力層のパラメータを更新する。

【0064】

図４は、学習装置１００による学習モデル生成について説明するための説明図である。ここでは、通常状態から、イベント４１、イベント４２、イベント４３の順で発生した場合における、学習モデル生成について説明する。なお、ここでは、出力層に替えて新たな中間層及び新たな出力層を追加する例を挙げるが、出力層に替えて新たな出力層を追加するようにしてもよい。

【0065】

学習実行部１０６は、イベント４１が発生する前の期間４０１の学習データ５０１を用いて生成又は更新した、第１入力層、第１中間層、及び第１出力層を含む第１学習モデルの第１出力層に替えて新たな第２中間層と新たな第２出力層とを追加した後、イベント４１が発生してからイベント４２が発生するまでの期間４０２の学習データ５０２を用いて、第１学習モデルの第２中間層及び第２出力層を更新することによって、第２学習モデルを生成する。なお、第１学習モデルの生成又は更新は、他の装置によって実行されてもよい。学習実行部１０６は、第２学習モデルの第２出力層に替えて新たな第３中間層と新たな第３出力層とを追加した後、イベント４２が発生してからイベント４３が発生するまでの期間４０３の学習データ５０３を用いて、第２学習モデルの第３中間層及び第３出力層を更新することによって、第３学習モデルを生成する。学習実行部１０６は、第３学習モデルの第３出力層に替えて新たな第４中間層と新たな第４出力層と追加した後、イベント４３が発生した後の期間４０４の学習データ５０４を用いて、第３学習モデルの第４中間層及び第４出力層を更新することによって、第４学習モデルを生成する。なお、学習モデルの出力層に替えて新たな中間層と新たな出力層とを追加する処理は、他の装置によって実行されてもよい。

【0066】

上述したように、学習装置１００は、イベントが発生する前の学習データを用いて生成又は更新した学習モデルの出力層に替えて中間層及び出力層を追加して、イベントが発生した後の学習データを用いて、追加した中間層及び出力層を更新するという方法で、学習モデルを生成してよい。これにより、仕訳の傾向が変化した後の訓練データがまだ少ない場合の課題解決に貢献することができる。これに対して、イベントが発生してから長い期間が経過し、データが十分に蓄積された場合に、学習実行部１０６は、すべての学習データを用いて一つの学習モデルを生成してもよい。このような対応を行わない場合、イベントが発生するごとに、学習モデルの層の数が増加することになって学習のコストが上がってしまうのに対して、学習実行部１０６がこのような対応を行うことによって、正解率を低下させることなく、学習のコストを適切に低減することを可能にし得る。

【0067】

学習実行部１０６は、例えば、第１学習モデル、第２学習モデル、第３学習モデル、及び第４学習モデルを生成後、入力層、中間層、及び出力層を有する新たな学習モデルのパラメータを、すべての学習データを用いて更新することによって、学習モデルを生成する。これにより、すべての追加層を廃止して、以降の学習コストを低減することができる。なお、これに限らず、学習実行部１０６は、複数の追加層のうち、一部の追加層を廃止するようにしてもよい。例えば、学習実行部１０６は、異なるタイミングで発生した複数のイベント毎に、イベントが発生する前の学習データを用いて生成又は更新された学習モデルの出力層に替えて追加された新たな中間層及び新たな出力層を、当該イベントが発生した後の学習データを用いて更新した後、複数のイベントのうちの一部のイベント毎に、イベントが発生する前の学習データを用いて生成又は更新された学習モデルの出力層に替えて追加された新たな中間層及び前記新たな出力層を、当該イベントが発生した後の学習データを用いて更新してよい。

【0068】

図５は、学習装置１００による学習モデル生成について説明するための説明図である。ここでは、図４に示す処理によって第１学習モデル、第２学習モデル、第３学習モデル、及び第４学習モデルを生成した後に、イベント４１に対応する追加層を廃止する場合の処理について説明する。なお、ここでは、出力層に替えて新たな中間層及び新たな出力層を追加する例を挙げるが、出力層に替えて新たな出力層を追加するようにしてもよい。

【0069】

学習実行部１０６は、学習データ５０１及び学習データ５０２を用いて生成した、第５入力層、第５中間層、及び第５出力層を含む第５学習モデルの第５出力層に替えて新たな第６中間層と新たな第６出力層とを追加した後、学習データ５０３を用いて、第５学習モデルの第６中間層及び第６出力層を更新することによって、第６学習モデルを生成する。学習実行部１０６は、第６学習モデルの第６出力層に替えて新たな第７中間層と新たな第７出力層とを追加した後、学習データ５０４を用いて、第６学習モデルの第７中間層及び第７出力層を更新することによって、第７学習モデルを生成する。このように、学習実行部１０６は、イベント４１、イベント４２、及びイベント４３のうちの一部であるイベント４２及びイベント４３毎に、イベントが発生する前の学習データを用いて生成した学習モデルの出力層に替えて新たな中間層及び新たな出力層を追加し、当該イベントが発生した後の学習データを用いて、追加した新たな中間層及び新たな出力層を更新してよい。

【0070】

図６は、学習装置１００による学習モデル生成について説明するための説明図である。ここでは、図４に示す処理によって第１学習モデル、第２学習モデル、第３学習モデル、及び第４学習モデルを生成した後に、イベント４２に対応する追加層を廃止する場合の処理について説明する。

【0071】

学習実行部１０６は、学習データ５０１を用いて生成した、第８入力層、第８中間層、及び第８出力層を含む第８学習モデルの第８出力層に替えて新たな第９中間層と新たな第９出力層とを追加した後、学習データ５０２及び学習データ５０３を用いて、第８学習モデルの第９中間層及び第９出力層を更新することによって、第９学習モデルを生成する。学習実行部１０６は、第９学習モデルの第９出力層に替えて新たな第１０中間層と新たな第１０出力層とを追加した後、学習データ５０４を用いて、第９学習モデルの第１０中間層及び第１０出力層を更新することによって、第１０学習モデルを生成する。このように、学習実行部１０６は、イベント４１、イベント４２、及びイベント４３のうちの一部であるイベント４１及びイベント４３毎に、イベントが発生する前の学習データを用いて生成した学習モデルの出力層に替えて新たな中間層及び新たな出力層を追加し、当該イベントが発生した後の学習データを用いて、追加した新たな中間層及び新たな出力層を更新してよい。

【0072】

図７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、科目選択部２０８、会計データ生成部２１０、及び会計データ出力部２１２を備える。

【0073】

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。

【0074】

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。学習装置１００によって、イベント前学習モデル及びイベント後学習モデルが生成された場合、学習モデル取得部２０２は、学習装置１００からイベント前学習モデル及びイベント後学習モデルを取得してよい。

【0075】

学習装置１００によって、複数回のイベントに対応する学習モデルが生成された場合、学習モデル取得部２０２は、通常状態に対応する学習モデルと、最後のイベントに対応する学習モデルとを取得してよい。具体例として、学習装置１００によって、第１学習モデル、第２学習モデル、及び第３学習モデルが生成された場合、学習モデル取得部２０２は、第１学習モデルをイベント前学習モデルとして取得し、第３学習モデルをイベント後学習モデルとして取得してよい。また、学習装置１００によって、第１学習モデル、第２学習モデル、第３学習モデル、及び第４学習モデルが生成された場合、学習モデル取得部２０２は、第１学習モデルをイベント前学習モデルとして取得し、第４学習モデルをイベント後学習モデルとして取得してよい。学習装置１００によって、すべての学習データを用いて一つの学習モデルが生成された場合、学習モデル取得部２０２は、当該学習モデルを取得してよい。なお、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。

【0076】

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。

【0077】

科目選択部２０８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２０８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２０８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してよい。

【0078】

科目選択部２０８は、事業者による仕訳に影響を及ぼし得るイベントが発生し、学習装置１００がイベント後学習モデルを生成した場合において、取引データ取得部２０６が、イベントが発生する前の取引データを取得した場合、取引データに含まれる摘要を、イベント前学習モデルに入力して、イベント前学習モデルによって出力された勘定科目を選択し、取引データ取得部２０６が、イベントが発生した後の取引データを取得した場合、取引データに含まれる摘要を、イベント後学習モデルに入力して、イベント後学習モデルによって出力された勘定科目を選択してよい。

【0079】

学習装置１００によって、すべての学習データを用いて一つの学習モデルが生成された場合、科目選択部２０８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を、当該学習モデルに入力して、当該学習モデルによって出力された勘定科目を選択してよい。

【0080】

会計データ生成部２１０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２１０は、科目選択部２０８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。

【0081】

会計データ出力部２１２は、会計データ生成部２１０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２１２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２１２は、通信端末８０に対して会計データを出力してもよい。

【0082】

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、学習装置１００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、科目選択部２０８、会計データ生成部２１０、及び会計データ出力部２１２を更に備えてよい。

【0083】

図８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。

【0084】

Ｓ２０２では、取引データ取得部２０６が取引データを取得する。Ｓ２０２で取得した取引データが、イベント発生後の取引データである場合（Ｓ２０４でＹＥＳ）、Ｓ２０６に進み、イベント発生前の取引データである場合（Ｓ２０４でＮＯ）、Ｓ２０８に進む。

【0085】

Ｓ２０６では、科目選択部２０８が、イベント後学習モデルを用いて勘定科目を選択する。科目選択部２０８は、取引データに含まれる摘要をイベント後学習モデルに入力して、イベント後学習モデルによって出力された勘定科目を選択する。

【0086】

Ｓ２０８では、科目選択部２０８が、イベント前学習モデルを用いて勘定科目を選択する。科目選択部２０８は、取引データに含まれる摘要をイベント前学習モデルに入力して、イベント前学習モデルによって出力された勘定科目を選択する。

【0087】

Ｓ２１０では、会計データ生成部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会計データを生成する。会計データ生成部２１０は、Ｓ２０６又はＳ２０８において、科目選択部２０８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。

【0088】

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２１２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。

【0089】

図９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。

【0090】

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。

【0091】

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。

【0092】

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。

【0093】

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。

【0094】

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。

【0095】

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。

【0096】

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。

【0097】

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。

【0098】

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。

【0099】

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。

【0100】

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。

【0101】

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。

【0102】

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。

【0103】

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。

【0104】

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。

【符号の説明】

【0105】

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、４１、４２、４３ イベント、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 学習実行部、１０８ イベント検知部、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 科目選択部、２１０ 会計データ生成部、２１２ 会計データ出力部、４０１、４０２、４０３、４０４ 期間、５０１、５０２、５０３、５０４ 学習データ、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

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】