特許 7369759 情報処理システム、情報処理方法、およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-10-18

(45)【発行日】2023-10-26

(54)【発明の名称】情報処理システム、情報処理方法、およびプログラム

(51)【国際特許分類】

   G06Q 20/40 20120101AFI20231019BHJP

【ＦＩ】

G06Q20/40

【請求項の数】 10

(21)【出願番号】P 2021196164

(22)【出願日】2021-12-02

(65)【公開番号】P2023082411

(43)【公開日】2023-06-14

【審査請求日】2022-03-11

(73)【特許権者】

【識別番号】319013263

【氏名又は名称】ヤフー株式会社

(74)【代理人】

【識別番号】100149548

【弁理士】

【氏名又は名称】松沼 泰史

(74)【代理人】

【識別番号】100154852

【弁理士】

【氏名又は名称】酒井 太一

(74)【代理人】

【識別番号】100181124

【弁理士】

【氏名又は名称】沖田 壮男

(74)【代理人】

【識別番号】100194087

【弁理士】

【氏名又は名称】渡辺 伸一

(72)【発明者】

【氏名】市丸 朋史

(72)【発明者】

【氏名】田中 康貴

(72)【発明者】

【氏名】小出 明弘

(72)【発明者】

【氏名】前原 浩二

(72)【発明者】

【氏名】今田 太樹

(72)【発明者】

【氏名】江崎 弘晃

(72)【発明者】

【氏名】川邊 謙

(72)【発明者】

【氏名】草野 千佳

【審査官】速水 雄太

(56)【参考文献】

【文献】特許第６４７２９１５（ＪＰ，Ｂ１）

【文献】特開２０２０－１４９６１８（ＪＰ，Ａ）

【文献】個人の金融ニーズやリスクを予測した「SXスコア」の提供開始について［オンライン］，2018年04月11日，［２０２３年５月１５日検索］，インターネット：<URL: https://prtimes.jp/main/html/rd/p/000000014.000005652.html>

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

ユーザの属性に基づく属性スコアおよび前記ユーザの信用度を示す信用スコアを取得する取得部と、
前記ユーザの前記属性スコアと前記信用スコアとに基づいて、複数のグループのうち前記ユーザが属するグループを決定する決定部と、
前記決定部が決定したグループに基づいて前記ユーザに付与する与信枠を設定する設定部と、
前記グループを設定する処理部と、を備え、
前記複数のグループは、複数のユーザのそれぞれの、前記属性スコア、前記信用スコア、債務額、および貸し倒れ度合に基づいて区分されたグループであり、
前記複数のユーザは、前記属性スコアと前記信用スコアとの組み合わせが異なる複数のユーザを含み、
前記処理部は、
前記属性スコアおよび前記信用スコアの組み合わせに基づいて、前記複数のユーザの債務額を統計処理した結果と、
前記属性スコアおよび前記信用スコアの組み合わせに基づいて、前記複数のユーザの貸し倒れ度合を統計処理した結果と、に基づいて前記グループを抽出し、
前記属性スコアと前記信用スコアとの組み合わせのユーザの分布において、統計処理の対象の単位グループ群に含まれるユーザの数が同じまたは近似するように前記複数のユーザを単位グループ群に区分し、前記区分した単位グループ群ごとに、前記単位グループ群に含まれるユーザのそれぞれの前記債務額と前記貸し倒れた度合とを統計処理する、
情報処理システム。

【請求項2】

前記属性スコアは、前記ユーザの性別、年齢、および職業を含む前記ユーザの属性を示す属性情報に基づいて得られたスコアであり、
前記信用スコアは、前記ユーザの借入の有無、返済状況、および借入額を含む前記ユーザの信用度を示す信用度情報に基づいて得られたスコアである、
請求項１に記載の情報処理システム。

【請求項3】

前記取得部は、
前記属性情報が入力された属性モデルが出力した前記属性スコアを取得し、
前記信用度情報が入力された信用モデルが出力した前記信用スコアを取得し、
前記属性モデルは、所定額以上の債務額であり且つ貸し倒れたユーザの属性を示す情報を正例とし、所定額以上の債務額であり且つ貸し倒れていないユーザの属性を示す情報を負例とした学習データを学習したモデルである、
請求項２に記載の情報処理システム。

【請求項4】

前記取得部は、
前記属性情報が入力された属性モデルが出力した前記属性スコアを取得し、
前記信用度情報が入力された信用モデルが出力した前記信用スコアを取得し、
前記信用モデルは、所定額以上の債務額であり且つ貸し倒れたユーザの信用度を示す情報を正例とし、所定額以上の債務額であり且つ貸し倒れていないユーザの信用度を示す情報を負例とした学習データを学習したモデルである、
請求項２または３に記載の情報処理システム。

【請求項5】

前記処理部は、債務額および前記複数のユーザの貸し倒れ度合を統計処理した結果に基づいて前記債務額が第１閾値以上であり、且つ前記貸し倒れた度合が第２閾値以下の前記属性スコアと前記信用スコアとの組み合わせのユーザを含むグループを設定する、
請求項１から４のうちいずれか１項に記載の情報処理システム。

【請求項6】

前記設定部は、前記複数のグループのうち、前記債務額が第１閾値以上であり且つ前記貸し倒れ度合が第２閾値以下であるグループに属するユーザに対する与信枠を、前記貸し倒れた度合が第２閾値を超えるグループに属するユーザに対する与信枠よりも大きくする、
請求項１から５のうちいずれか１項に記載の情報処理システム。

【請求項7】

前記設定部は、
過去に第１与信枠を設定していた対象ユーザが、前記債務額が第１閾値以上であり且つ前記貸し倒れ度合が第２閾値以下であるグループに属する場合、前記第１与信枠よりも大きい第２与信枠を設定する、
請求項１から６のうちいずれか１項に記載の情報処理システム。

【請求項8】

前記設定部は、前記グループに加え、更に前記ユーザの年収に基づいて前記ユーザに対する与信枠を設定する、
請求項１から７のうちいずれか１項に記載の情報処理システム。

【請求項9】

コンピュータが、
ユーザの属性に基づく属性スコアおよび前記ユーザの信用度を示す信用スコアを取得し、
前記ユーザの前記属性スコアと前記信用スコアとに基づいて、複数のグループのうち前記ユーザが属するグループを決定し、
前記決定したグループに基づいて前記ユーザに付与する与信枠を設定し、
前記グループを設定し、
前記複数のグループは、複数のユーザのそれぞれの、前記属性スコア、前記信用スコア、債務額、および貸し倒れ度合に基づいて区分されたグループであり、
前記複数のユーザは、前記属性スコアと前記信用スコアとの組み合わせが異なる複数のユーザを含み、
前記属性スコアおよび前記信用スコアの組み合わせに基づいて、前記複数のユーザの債務額を統計処理した結果と、
前記属性スコアおよび前記信用スコアの組み合わせに基づいて、前記複数のユーザの貸し倒れ度合を統計処理した結果と、に基づいて前記グループを抽出し、
前記属性スコアと前記信用スコアとの組み合わせのユーザの分布において、統計処理の対象の単位グループ群に含まれるユーザの数が同じまたは近似するように前記複数のユーザを単位グループ群に区分し、前記区分した単位グループ群ごとに、前記単位グループ群に含まれるユーザのそれぞれの前記債務額と前記貸し倒れた度合とを統計処理する、
情報処理方法。

【請求項10】

コンピュータに、
ユーザの属性に基づく属性スコアおよび前記ユーザの信用度を示す信用スコアを取得させ、
前記ユーザの前記属性スコアと前記信用スコアとに基づいて、複数のグループのうち前記ユーザが属するグループを決定させ、
前記決定させたグループに基づいて前記ユーザに付与する与信枠を設定させ、
前記グループを設定させ、
前記複数のグループは、複数のユーザのそれぞれの、前記属性スコア、前記信用スコア、債務額、および貸し倒れ度合に基づいて区分されたグループであり、
前記複数のユーザは、前記属性スコアと前記信用スコアとの組み合わせが異なる複数のユーザを含み、
前記属性スコアおよび前記信用スコアの組み合わせに基づいて、前記複数のユーザの債務額を統計処理した結果と、
前記属性スコアおよび前記信用スコアの組み合わせに基づいて、前記複数のユーザの貸し倒れ度合を統計処理した結果と、に基づいて前記グループを抽出させ、
前記属性スコアと前記信用スコアとの組み合わせのユーザの分布において、統計処理の対象の単位グループ群に含まれるユーザの数が同じまたは近似するように前記複数のユーザを単位グループ群に区分し、前記区分した単位グループ群ごとに、前記単位グループ群に含まれるユーザのそれぞれの前記債務額と前記貸し倒れた度合とを統計処理させる、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理システム、学習装置、情報処理方法、プログラム、および学習方法に関する。

【背景技術】

【0002】

従来、各々のユーザに対する与信取引において当該ユーザが債務を履行する可能性の大きさである、当該ユーザの信用度を、当該信用度を導き出すための第１のアルゴリズムに基づいて推定する信用度推定部と、各々の前記ユーザについて、与信取引を行いたいという当該ユーザの意向の強さである需要を、当該需要を導き出すための第２のアルゴリズムに基づいて推定する需要推定部とを備え、推定された前記信用度及び前記需要の組み合わせに基づいて、前記ユーザを分類した各ユーザ層に属するユーザにより使用されるユーザ端末に対し、当該ユーザ層に応じて選択した与信取引の種類又は条件を含む情報を配信する情報処理装置が開示されている（例えば、特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【文献】特許第６４７２９１５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、上記従来の技術では、適切な与信枠をユーザに設定することができない場合があった。

【0005】

本発明は、このような事情が考慮されたものであり、より適切な与信枠をユーザに設定することができる情報処理システム、学習装置、情報処理方法、プログラム、および学習方法を提供することを目的の一つとする。

【課題を解決するための手段】

【0006】

本発明の一態様は、ユーザの属性に基づく属性スコアおよび前記ユーザの信用度を示す信用スコアを取得する取得部と、前記ユーザの前記属性スコアと前記信用スコアとに基づいて、複数のグループのうち前記ユーザが属するグループを決定する決定部と、前記決定部が決定したグループに基づいて前記ユーザに付与する与信枠を設定する設定部と、を備え、前記複数のグループは、複数のユーザのそれぞれの、前記属性スコア、前記信用スコア、債権額、および貸し倒れ度合に基づいて区分されたグループである情報処理システムある。

【発明の効果】

【0007】

本発明の一態様によれば、より適切な与信枠をユーザに設定することができる。

【図面の簡単な説明】

【0008】

【図1】第１ゾーンと第２ゾーンとの一例を示す図である。

【図2】第３ゾーンの一例を示す図である。

【図3】情報処理システム１の構成の一例を示す図である。

【図4】第１情報処理装置１００の機能構成の一例を示す図である。

【図5】ユーザ情報１２２の内容の一例を示す図である。

【図6】属性スコアと信用スコアとを取得する処理について説明するための図である。

【図7】属性スコアと信用スコアとの組み合わせごとのユーザの分布の一例を示す図である。

【図8】貸し倒れたユーザの債権額の大きさの分布を示す図である。

【図9】債権（リボ払いおよびキャッシング）の合計の分布を示す図である。

【図10】貸し倒れ率の大きさの分布を示す図である。

【図11】図９の右図と、図１０の右図とを示す図である。

【図12】第１情報処理装置１００により実行される処理の流れの一例を示すフローチャートである。

【図13】第２情報処理装置２００の機能構成の一例を示す図である。

【図14】第２情報処理装置２００により実行される処理の流れの一例を示すフローチャートである。

【図15】ゾーンの設定について説明するための図である。

【図16】年収が加味されたゾーン情報２２８Ａの一例を示す図である。

【発明を実施するための形態】

【0009】

以下、図面を参照し、本発明の情報処理システム、学習装置、情報処理方法、プログラム、および学習方法の実施形態について説明する。

【0010】

［概要］
本実施形態の一態様の情報処理システムは、ユーザの属性に基づく属性スコアおよび前記ユーザの信用度を示す信用スコアを取得する取得部と、前記ユーザの前記属性スコアと前記信用スコアとに基づいて、複数のグループのうち前記ユーザが属するグループを決定する決定部と、前記決定部が決定したグループに基づいて前記ユーザに付与する与信枠を設定する設定部とを備える。前記複数のグループは、複数のユーザのそれぞれの、前記属性スコア、前記信用スコア、債権の大きさ（例えばクレジットカードのサービスであるリボ払いやキャッシング、分割払いによる債権の大きさ）、および貸し倒れ度合に基づいて区分されたグループである。

【0011】

前記属性スコアは、前記ユーザの性別、年齢、および職業を含む前記ユーザの属性を示す属性情報に基づいて得られたスコアである。前記信用スコアは、前記ユーザの借入の有無、返済状況、および借入額を含む前記ユーザの信用度を示す信用度情報に基づいて得られたスコアである。

【0012】

これまで、図１に示すように、ユーザの属性から得られた属性スコアと、ユーザが信用度から得られた信用スコアとの組み合わせに基づいて第１ゾーンと第２ゾーンとに区分されていた場合があった。第１ゾーンは、例えば、属性スコアおよび信用スコアが良好な領域であり、第２ゾーンは、属性スコアおよび信用スコアが良好でない領域である。第１ゾーンは、比較的、融資に対して貸し倒れのリスクが低いゾーンであり、第２ゾーンは、比較的、融資に対して貸し倒れのリスクが高いゾーンであると想定されている場合がある。本実施形態では、融資とは、クレジットカードのサービスであるリボ払いやキャッシング、分割払いなどの形態の資金提供を含む。属性スコアと信用スコアとの詳細については後述する。

【0013】

本実施形態の情報処理システムは、図２に示すように、第２ゾーンにおいて第３ゾーンが存在することを見出した。第３ゾーンは、第２ゾーンのユーザよりも融資の需要が高く且つ貸し倒れリスクが低い特性を有するユーザ層のゾーンである。情報処理システムは、例えば、第３ゾーンのユーザに対する融資の条件を、第２ゾーンのユーザの融資の条件よりも緩和する。融資の条件の緩和とは、例えば、融資額を大きくすることである。融資の条件の緩和は、融資額の他に、融資期間や融資の利息など融資を利用しやすくする条件の緩和であってもよい。以下、上記の事項について、具体的に説明する。

【0014】

［情報処理システム］
図３は、情報処理システム１の構成の一例を示す図である。情報処理システム１は、例えば、一以上のユーザ端末装置Ｕと、サービスサーバ１０と、学習装置５０と、第１情報処理装置１００と、第２情報処理装置２００とを備える。これらの装置はネットワークＮＷを介して互いに通信する。ネットワークＮＷは、インターネットやＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、セルラー網などを含む。

【0015】

［端末装置］
端末装置Ｕは、ユーザが利用するスマートフォンやタブレット端末などの通話機能や通信機能等を有するコンピュータ装置である。

【0016】

［サービスサーバ］
サービスサーバ１０は、端末装置Ｕにサービスを提供する装置である。サービスサーバ１０は、例えば、融資（例えばクレジットカードのサービスにおけるリボ払い、キャッシング、分割払いなど）のサービスをユーザに提供するサーバ装置である。学習装置５０について後述する。

【0017】

［第１情報処理装置］
図４は、第１情報処理装置１００の機能構成の一例を示す図である。第１情報処理装置１００は、例えば、取得部１０２と、属性スコア取得部１０４と、信用スコア取得部１０６と、第１統計処理部１０８と、第２統計処理部１１０（「処理部」の一例）と、ゾーン設定部（「処理部」の他の一例）１１２と、提供部１１４と、記憶部１２０とを備える。取得部１０２、属性スコア取得部１０４、信用スコア取得部１０６、第１統計処理部１０８、第２統計処理部１１０、ゾーン設定部１１２、および提供部１１４は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされてもよい。各構成要素の機能については後述する。なお、第１情報処理装置１００において、一部の機能構成（例えば第１統計処理部１０８）は省略されてもよい。

【0018】

記憶部１２０は、例えば、ＲＯＭ、フラッシュメモリ、ＳＤカード、ＲＡＭ、ＨＤＤ、レジスタ等によって実現される。記憶部１２０には、例えば、ユーザ情報１２２、属性モデル１２４、信用モデル１２６、第１統計情報１２８、第２統計情報１３０、およびゾーン情報１３２が記憶されている。

【0019】

取得部１０２は、ユーザ情報１２２を他の装置から取得し、取得したユーザ情報１２２を記憶部１２０に記憶させる。図５は、ユーザ情報１２２の内容の一例を示す図である。ユーザ情報１２２は、ユーザの識別情報（ユーザＩＤ）に対して、ユーザの属性情報と、外部信用情報とが対応付けられた情報である。属性情報は、例えば、ユーザの性別や、年齢、職業などユーザの属性を示す情報である。外部信用情報は、例えば、ユーザが他社から借り入れている借入の有無や、返済状況、借入額など外部の信用度に関する情報である。外部信用情報は、例えば、外部信用情報を提供する信用情報機関等から取得された情報である。

【0020】

属性スコア取得部１０４は、属性情報と属性モデル１２４とに基づいてユーザの属性スコアを取得する。信用スコア取得部１０６は、外部信用情報と信用モデル１２６とに基づいてユーザの信用スコアを取得する。

【0021】

図６は、属性スコアと信用スコアとを取得する処理について説明するための図である。属性スコア取得部１０４が、属性情報からユーザ属性ベクトルを生成する。ユーザ属性ベクトルは、ユーザの属性の特徴を分散表現化したものである。属性スコア取得部１０４は、ユーザ属性ベクトルを属性モデル１２４に入力し、属性モデル１２４が出力した出力結果（スコア）を取得する。

【0022】

属性モデル１２４は、ユーザ属性ベクトルが入力されると、ユーザ属性ベクトルに応じた属性スコアを出力する。属性スコアは、貸し倒れのリスクを示すスコアである。

【0023】

信用スコア取得部１０６が、外部信用情報からユーザ外信ベクトルを生成する。信用スコア取得部１０６は、ユーザ外信ベクトルを信用モデル１２６に入力し、信用モデル１２６が出力した出力結果（スコア）を取得する。信用モデル１２６は、ユーザ外信ベクトルが入力されると、ユーザが外信ベクトルに応じた信用スコアを出力する。信用スコアは、貸し倒れのリスクを示すスコアである。

【0024】

属性モデル１２４および信用モデル１２６（後述）は、例えば、ロジスティクス回帰や、サポートベクターマシン（SVM: Support Vector Machine）、決定木、ニューラルネットワークなどの手法が利用されたモデルである。属性モデル１２４および信用モデル１２６は、不図示の学習装置５０により生成されたモデルである。属性モデル１２４および信用モデル１２６が学習に用いる学習データや学習手法については後述する。

【0025】

上記の属性スコアと信用スコアとの組み合わせによりユーザが区分される。図７は、属性スコアと信用スコアとの組み合わせごとのユーザの分布の一例を示す図である。図７の左図は、第１特定処理により得られた分布であり、図７の右図は、第２特定処理により得られた分布である。本実施形態では、例えば、第２特定処理により得られた結果を用いてユーザが属するグループを決定する。

【0026】

第１特定処理は、第１統計処理部１０８が実行する処理であり、第２特定処理は、第２統計処理部１１０が実行する処理である。後述する図７－図１０に左図は、第１特定処理において生成される第１統計情報１２８であり、後述する図７－図１０に右図は、第２特定処理において生成される第２統計情報１３０である。以下、第１特定処理と第２特定処理との相違点を説明する。

【0027】

（相違点１）
属性スコアを出力する属性モデルおよび信用スコアを出力する信用モデルが異なる。第１特定処理では、貸し倒れたユーザを正例、貸し倒れていないユーザを負例とした学習データを学習して生成されたモデル（不図示の第１属性モデル、第１信用モデル）を用いるのに対して、第２特定処理では、所定額以上の債権額であり且つ貸し倒れたユーザを正例、所定額以上の債権額であり且つ貸し倒れていないユーザを負例とした学習データを学習したモデル（属性モデル１２４、信用モデル１２６）を用いる。なお、正例の情報と負例の情報とは逆であってもよい。

【0028】

第１特定処理では、第１特定処理用の第１属性モデルを用いて属性スコアを取得し、第１特定処理用の第１信用モデルを用いて信用スコアを取得する。第１属性モデルは、学習装置５０が第１属性学習データを学習して得られたモデルである。第１属性学習データは、貸し倒れたことを示す情報と貸し倒れたユーザの属性情報とが互いに対応付けられた正例の学習データ、および貸し倒れていないことを示す情報と、貸し倒れていないユーザの属性情報とが互いに対応付けられた負例の学習データである。第１属性モデルは、貸し倒れたユーザの属性情報が入力されると、比較的、高いスコア（貸し倒れる確率が高いことを示すスコア）を出力し、貸し倒れていないユーザの属性情報が入力されると、比較的、低いスコアを出力するように学習された学習済モデルである。

【0029】

第１信用モデルは、学習装置５０が第１信用学習データを学習して得られたモデルである。第１信用学習データは、貸し倒れたことを示す情報と貸し倒れたユーザの外部信用情報とが互いに対応付けられた正例の学習データ、および貸し倒れていないことを示す情報と、貸し倒れていないユーザの外部信用情報とが互いに対応付けられた負例の学習データである。第１信用モデルは、貸し倒れたユーザの外部信用情報が入力されると、比較的、高いスコアを出力し、貸し倒れていないユーザの外部信用情報が入力されると、比較的、低いスコアを出力するように学習された学習済モデルである。

【0030】

第２特定処理の属性モデル１２４は、学習装置５０が第２属性学習データを学習して得られたモデルである。第２属性学習データは、所定額以上の債権額で貸し倒れたことを示す情報と所定額以上の債権額で貸し倒れたユーザの属性情報とが互いに対応付けられた正例の学習データ、および所定額以上の債権額で貸し倒れていないことを示す情報と所定額以上の債権額で貸し倒れていないユーザの属性情報とが互いに対応付けられた負例の学習データである。属性モデル１２４は、所定額以上の債権額で貸し倒れたユーザの属性情報が入力されると、比較的、高いスコアを出力し、所定額以上の債権額で貸し倒れていないユーザの属性情報（または貸し倒れていないユーザの属性情報）が入力されると、比較的、低いスコアを出力するように学習された学習済モデルである。

【0031】

第２特定処理の信用モデル１２６は、学習装置５０が第２信用学習データを学習して得られたモデルである。第２信用学習データは、所定額以上の債権額で貸し倒れたことを示す情報と所定額以上の債権額で貸し倒れたユーザの外部信用情報とが互いに対応付けられた正例の学習データ、および所定額以上の債権額で貸し倒れていないことを示す情報と所定額以上の債権額で貸し倒れていないユーザの外部信用情報とが互いに対応付けられた負例の学習データである。信用モデル１２６は、所定額以上の債権額で貸し倒れたユーザの属性情報が入力されると、比較的、高いスコアを出力し、所定額以上の債権額で貸し倒れていないユーザの属性情報（または貸し倒れていないユーザの属性情報）が入力されると、比較的、低いスコアを出力するように学習された学習済モデルである。

【0032】

上記のような属性スコアおよび信用スコアを出力するモデルが異なることにより、図７－図１０に示す分布に相違が生じる。例えば、後述するように債権の合計額が高く且つ貸し倒れ率が低いユーザ群が強調される。

【0033】

（相違点２）
第１特定処理および第２特定処理において、分布されたユーザがグルーピングされて統計処理が行われ、図７の左図および図７の右図が生成されるが、第１特定処理と第２特定処理とにおいて統計処理に用いるグルーピングの手法が異なる。

【0034】

第１特定処理では、スコアを所定の間隔で区分して、その区分に当てはまるユーザごとに統計処理を行った。例えば、スコアが０－１の場合、スコアを０．１刻みで１０分割して、分割した区分に属するユーザ群に対して統計処理が行われる。これにより、図７の左図に示すように、統計処理対象の統計処理対象グループごとのユーザの人数（債権を有するユーザ数）が示される。

【0035】

第２特定処理では、統計処理対象グループごとのユーザの数が均等になるようにグルーピングされる。例えば、属性スコアと信用スコアとの組み合わせのユーザの分布において、統計処理の対象の単位グループ群に含まれるユーザの数が同じまたは近似するように複数のユーザを単位グループ群に区分し、区分した単位グループ群ごとに、単位グループ群に含まれるユーザのそれぞれの債権額と前記貸し倒れた度合とが統計処理される。

【0036】

例えば、１０００人のユーザが存在する場合において、１００の統計処理対象グループに分ける場合、１つのグループに１０人のユーザが含まれるようにグルーピングされる。この際、各統計処理対象グループに含まれるユーザの属性スコアと信用スコアとの組み合わせが同じまたは近くなるようにバランシンがされてグルーピングされる。これにより、属性スコアおよび信用スコアが良いユーザが多い傾向であるため、図７の右図に示すように、より属性スコアおよび信用スコアが良いユーザが強調される。

【0037】

以下説明する図８－１０のそれぞれの左図は、第１特定処理によって得られたグラフであり、図８－１０のそれぞれの右図は、第２特定処理によって得られたグラフである。

【0038】

図８は、貸し倒れたユーザの債権額の大きさの分布を示す図である。図８に示すように、第１特定処理より得られたグラフに比べて、第２特定処理により得られたグラフは、貸し倒れによる債権が大きい領域が属性スコアおよび信用スコアが良い領域に拡がっている（貸し倒れの領域が広がっている）。これにより、貸し倒れたユーザは、属性スコアおよび信用スコアが良くない領域だけでなく広く分布していることが理解できる。

【0039】

図９は、債権（リボ払いおよびキャッシング）の合計の分布を示す図である。図９に示すように、第１特定処理より得られたグラフに比べて、第２特定処理により得られたグラフは、債権が大きい領域が属性スコアおよび信用スコアが良い領域に拡がっている。

【0040】

図１０は、貸し倒れ率の大きさの分布を示す図である。図１０に示すように、第１特定処理より得られたグラフに比べて、第２特定処理により得られたグラフは、貸し倒れ率が大きい領域は信用スコアが良い領域に拡がっているが、属性スコアが良い領域には広がっていない。

【0041】

図１１は、図９の右図と、図１０の右図とを示す図である。図１１の左図の領域ＡＲ１と、図１１の右図の領域ＡＲ２とが重なる領域は、増枠が可能な領域と推定される。領域ＡＲ１は、債権の合計が大きい領域であり、リボ払いまたはキャッシングの需要が高いユーザが属する領域であると推定される。領域ＡＲ２は、貸し倒れた率が高くないまたは低い領域であり、リボ払いまたはキャッシングのサービスを提供しても貸し倒れのリスクが低いユーザが属する領域であると推定される。

【0042】

上記のように、ゾーン設定部１１２は、上記の第２特定処理による統計処理の結果に基づいて、領域ＡＲ１および領域ＡＲ２を抽出し、抽出した領域に基づいて増枠を行う領域である第３ゾーンを特定する。ゾーン設定部１１２は、特定した第３ゾーンに関するゾーン情報１３２を生成する。ゾーン情報１３２は、第３ゾーンに区分されるユーザの属性スコアと信用スコアとの組み合わせを示す情報である。

【0043】

ゾーン設定部１１２は、「属性スコアおよび前記信用スコアの組み合わせに基づいて、前記複数のユーザの債権額を統計処理した結果と、前記属性スコアおよび前記信用スコアの組み合わせに基づいて、前記複数のユーザの貸し倒れ度合を統計処理した結果と、に基づいて前記グループ（例えば第３グループ）を抽出する処理部」の一例である。また、ゾーン設定部１１２は、「債権額および前記複数のユーザの貸し倒れ度合を統計処理した結果に基づいて前記債権額が第１閾値以上であり、且つ前記貸し倒れた度合が第２閾値以下の前記属性スコアと前記信用スコアとの組み合わせのユーザを含むグループ（例えば第３グループ）を設定する処理部」の一例である。

【0044】

提供部１１４は、属性モデル１２４、信用モデル１２６、およびゾーン情報１３２を第２情報処理装置２００に提供する。

【0045】

（フローチャート）
図１２は、第１情報処理装置１００により実行される処理の流れの一例を示すフローチャートである。本処理の順序は入れ替えられてもよいし、一部の処理（例えば「Ｓ１２」）は省略されてもよい。

【0046】

まず、取得部１０２が、ユーザ情報１２２を取得する（Ｓ１０）。次に、第１統計処理部１０８が、ユーザ情報１２２、第１属性モデルおよび第１信用モデルから得られた属性スコアおよび信用スコアに基づいて第１統計情報１２８を生成する（Ｓ１２）。次に、第２統計処理部１１０が、ユーザ情報１２２、属性モデル１２４および信用モデル１２６から得られた属性スコアおよび信用スコアに基づいて第２統計情報１３０を生成する（Ｓ１４）。次に、ゾーン設定部１１２が、ゾーン情報１３２を生成する（Ｓ１６）。例えば、ゾーン設定部１１２は、前述した第２統計情報１３０に基づいてゾーン情報１３２を生成する。これにより、本フローチャートの１ルーチンの処理が終了する。なお、ゾーン設定部１１２は、第１統計情報１２８に基づいて、ゾーンを設定してもよい。

【0047】

上記のように、第１情報処理装置１００が、より融資の需要が高く且つ貸し倒れ率が低いユーザ群を含む第３グループを抽出することができる。なお、上記の処理は、所定期間ごとに実施されてもよい。例えば、第１情報処理装置１００は、所定期間ごとに、第２統計情報１３０を生成し、生成した最新の第２統計情報１３０に基づいてゾーン情報１３２を更新してもよい。これにより、直近の情報に応じた第３ゾーンが設定される。

【0048】

［第２情報処理装置］
図１３は、第２情報処理装置２００の機能構成の一例を示す図である。第２情報処理装置２００は、例えば、情報管理部２０２と、スコア取得部２０４と、分類部２０６と、設定部２０８と、情報提供部２１０と、記憶部２２０とを備える。情報管理部２０２、スコア取得部２０４、分類部２０６、設定部２０８、および情報提供部２１０は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされてもよい。各構成要素の機能については後述する。

【0049】

記憶部２２０は、例えば、ＲＯＭ、フラッシュメモリ、ＳＤカード、ＲＡＭ、ＨＤＤ、レジスタ等によって実現される。記憶部２２０には、例えば、ユーザ情報２２２、属性モデル２２４、信用モデル２２６、およびゾーン情報２２８が記憶されている。

【0050】

ユーザ情報２２２は、与信枠を設定する対象のユーザの属性情報および外部信用情報を含む。属性モデル２２４は、第１情報処理装置１００により提供された属性モデル１２４である。信用モデル２２６は、第１情報処理装置１００により提供された信用モデル１２６である。ゾーン情報２２８は、第１情報処理装置１００により提供されたゾーン情報１３２である。

【0051】

情報管理部２０２が、ユーザ情報を取得する。情報管理部２０２は、例えば、サービスサーバ１０からユーザ情報を取得する。スコア取得部２０４は、ユーザ情報の属性情報と属性モデル２２４とに基づいて属性スコアを取得する。スコア取得部２０４は、ユーザ情報の外部信用情報と信用モデル２２６とに基づいて信用スコアを取得する。

【0052】

分類部２０６は、属性スコアおよび信用スコアに基づいて、ユーザがどのゾーンに属するかを決定する。設定部２０８は、分類部２０６の決定結果に基づいて、ユーザに与信枠を設定する。情報提供部２１０は、設定した与信枠の情報をサービスサーバ１０に提供する。

【0053】

（フローチャート）
図１４は、第２情報処理装置２００により実行される処理の流れの一例を示すフローチャートである。まず、情報管理部２０２が、サービスサーバ１０から与信枠の決定に関するリクエストと共にユーザ情報を取得する（Ｓ５０）。次に、スコア取得部２０４が、属性スコアおよび信用スコアを取得する（Ｓ５２）。次に、分類部２０６が、取得した属性スコアおよび信用スコアに基づいてユーザがどのゾーンに属するかを決定する（Ｓ５４）。

【0054】

次に、設定部２０８が、分類結果に基づいてユーザに与信枠を設定する（Ｓ５６）。次に、情報提供部２１０が、設定した与信枠の情報をサービスサーバ１０に提供する（Ｓ５８）。これにより、サービスサーバ１０は、ユーザの端末装置Ｕから取得した融資に関するリクエストに基づいて与信枠を決定し、決定した与信枠の範囲内でユーザに融資の実行を行うことができる。

【0055】

図１５は、ゾーンの設定について説明するための図である。分類部２０６は、図１５に示すゾーン情報２２８を参照して、属性スコアおよび信用スコアに基づく位置に対応するゾーンを決定する。例えば、属性スコアおよび信用スコアに基づく位置Ｐが、第３ゾーンである場合、分類部２０６は、ユーザは第３ゾーンに属すると決定する。設定部２０８は、第３グループのユーザに対する与信枠を、第２ゾーンのユーザに対する与信枠よりも大きくする。換言すると、設定部２０８は、複数のグループのうち、債権額が第１閾値以上であり且つ前記貸し倒れ度合が第２閾値以下であるグループに属するユーザに対する与信枠を、貸し倒れた度合が第２閾値を超えるグループに属するユーザに対する与信枠よりも大きくする。

【0056】

設定部２０８は、過去に第１与信枠を設定していた対象ユーザが、債権額が第１閾値以上であり且つ貸し倒れ度合が第２閾値以下であるグループに属する場合、第１与信枠よりも大きい第２与信枠を設定する。例えば、過去においては、第３ゾーンが見出されていなく、ユーザは第１ゾーンまた第２ゾーンに分類されていた場合がある。この場合、第３ゾーンに属するユーザであっても第２ゾーンに属すると分類され、融資の条件が第２ゾーンに基づく条件によって設定されていた。

【0057】

本実施形態では、上記のように、第３ゾーンが見出されたことにより、設定部２０８が、過去に第２ゾーンに属するとされていたユーザであって第３ゾーンに属する条件を満たすユーザを第３ゾーンに属すると分類することにより、第３ゾーンに属するユーザに対して、より適切な与信枠を設定することができる。

【0058】

なお、上記の図１４や図１５で説明したユーザに設定される与信枠や、ユーザの属性スコア、信用スコアは、所定期間ごとに更新されてもよい。例えば、ユーザが、クレジットカードの発行の申し込みを行った場合、ユーザの属性スコアおよび信用スコアが取得され（スコアリングが行われ）、与信枠が設定される。以降、半年毎など任意の期間ごとに、スコアリングが再実施され、ユーザの属性スコアおよび信用スコアが最新のものに更新され、更新されたユーザの属性スコアおよび信用スコアに応じた与信枠が設定されてもよい。このように、スコアリングが任意の期間ごとに行われることで適切な与信枠が設定される。

【0059】

［変形例］
変形例では、ユーザの年収が加味されてもよい。ユーザの年収は、ユーザ個人の年収であってもよいし、世帯年収や、ユーザと家計を共にしている他者の年収を含んでもよい。図１６は、年収が加味されたゾーン情報２２８Ａの一例を示す図である。ゾーン情報２２８Ａは、グループと年収とによって第１ゾーンから第３ゾーンが区分された情報である。年収は、Ａ－Ｆの順で高い。グループ１－５０（５０としているが任意の数でもよい）は、属性スコアと信用スコアとの組み合わせを５０に分類したグループである。例えば、属性スコアと信用スコアとの組み合わせが小さいグループは「１」に分類され、組み合わせが大きくなるに従って順番に２、３、４・・・５０に分類されている。例えば、属性スコアと信用スコアとの組み合わせが最も大きい組み合わせは、グループ５０に分類される。

【0060】

なお、上記のグループ分けにおいて、属性スコアまたは信用スコアに係数を掛けて得られたスコアに基づいてグループ分けされてもよい。例えば、属性モデル２２４と信用モデル２２６とのうちより精度の高いスコアを出力するモデルのスコアが重視されてもよい。例えば、信用モデル２２６が出力する信用スコアの精度が、属性モデル２２４が出力する属性スコアの精度よりも高い場合、信用スコアの重みが大きくなるように信用スコアまたは属性スコアが調整され、調整後のスコアに基づいてグループ分けされてもよい。これにより、より好適なグループ分けがされる。

【0061】

図示するように、例えば、小さい番号のグループは、第１ゾーンであり、年収が上昇するに従って番号が大きいグループまで第１ゾーンは拡大する。図示するように、例えば、大きい番号のグループは、第２ゾーンであり、年収が減少するに従って番号が小さいグループまで第２ゾーンは拡大する。図示する例では、例えば、年収Ｅ、Ｆである領域は第２ゾーンに該当しない。第１ゾーンと第２ゾーンとに属さない領域は、第３ゾーンである。また、各ゾーンにおける年収とグループとの組み合わせのそれぞれに対して、融資枠が設定されている。

【0062】

第２情報処理装置２００は、ユーザ情報に基づいて属性スコアおよび信用スコアを取得する。第２情報処理装置２００は、取得した属性スコアおよび信用スコアに基づいてユーザがどのグループに属するかを決定する。第２情報処理装置２００は、決定したグループと、ユーザの年収とに基づいて、ユーザが第１ゾーンから第３ゾーンのうちどのゾーンに該当するかを決定する。第２情報処理装置２００は、決定したゾーンに対応付けられた融資枠を決定する。

【0063】

上記のように、第２情報処理装置２００は、ユーザの年収を加味することでより、適切にユーザに対して与信枠を設定することができる。

【0064】

以上説明した実施形態の情報処理システム１によれば、ユーザが、属性スコア、信用スコア、債権額、および貸し倒れ度合に基づいて区分された複数のグループのうち、ユーザが属するグループを決定し、決定したグループに基づいてユーザの与信枠を設定することにより、より適切な与信枠をユーザに設定することができる。

【0065】

また、上記の第１情報処理装置１００または第２情報処理装置２００で実行された機能のうち、一部の機能は他の装置（例えばサービスサーバ１０など）で実行されてもよい。また、第１情報処理装置１００または第２情報処理装置２００に記憶された情報は、他の装置に記憶されていてもよい。

【0066】

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

【符号の説明】

【0067】

１‥情報処理システム、１０‥サービスサーバ、５０‥学習装置、１００‥第１情報処理装置、１０２‥取得部、１０４‥属性スコア取得部、１０６‥信用スコア取得部、１０８‥第１統計処理部、１１０‥第２統計処理部、１１２‥ゾーン設定部、１１４‥提供部、１２０‥記憶部、１２２‥ユーザ情報、１２４‥属性モデル、１２６‥信用モデル、１２８‥第１統計情報、１３０‥第２統計情報、１３２‥ゾーン情報、２００‥第２情報処理装置、２０２‥情報管理部、２０４‥スコア取得部、２０６‥分類部、２０８‥設定部、２１０‥情報提供部、２２０‥記憶部、２２２‥ユーザ情報、２２４‥属性モデル、２２６‥信用モデル、２２８‥ゾーン情報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】