JP6706701B1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】ユーザ情報を高精度に推定すること。【解決手段】本願に係る情報処理装置は、取得部と、推定部とを有する。取得部は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。推定部は、取得部によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。【選択図】図２

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

従来、ユーザの属性に関する属性情報を推定する技術が提供されている。例えば、ユーザの興味のある単語に基づいて、ユーザの年代を推定する技術が知られている。

特開２０１８−７７７６５号公報

しかしながら、上記の従来技術では、ユーザに関する情報であるユーザ情報を高精度に推定することができるとは限らない。例えば、上記の従来技術では、ユーザの興味のある単語に基づいて、ユーザの年代を推定しているに過ぎず、ユーザ情報を高精度に推定することができるとは限らない。

本願は、上記に鑑みてなされたものであって、ユーザ情報を高精度に推定することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する取得部と、前記取得部によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザに関する情報であるユーザ情報を推定する推定部と、を備えたことを特徴とする。

実施形態の一態様によれば、ユーザ情報を高精度に推定することができるという効果を奏する。

図１は、実施形態に係る情報処理装置が実行する推定処理の一例を示す図である。 図２は、実施形態に係る情報処理装置の構成例を示す図である。 図３は、実施形態に係る信用スコア記憶部の一例を示す図である。 図４は、実施形態に係る情報処理装置が実行する生成処理の流れの一例を示すフローチャートである。 図５は、実施形態に係る情報処理装置が実行する推定処理の流れの一例を示すフローチャートである。 図６は、変形例に係る情報処理装置が実行する推定処理の流れの一例を示す図である。 図７は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムの実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下の各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。

〔１．情報処理装置が示す推定処理の一例〕
図１を用いて、実施形態に係る情報処理装置が実行する推定処理の一例について説明する。図１は、実施形態に係る情報処理装置が実行する推定処理の一例を示す図である。具体的には、情報処理装置１００は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。なお、ここでいうコンテンツとは、端末装置等のブラウザに表示されるウェブページやアプリケーション用のコンテンツ等のコンテンツである。

図１に示すように、情報処理システム１は、金融サーバ２０と、外部装置５０と、情報処理装置１００とを含む。金融サーバ２０、外部装置５０及び情報処理装置１００は、図示しない所定の通信網を介して、有線又は無線により通信可能に接続される。なお、図１に示す情報処理システム１には、複数台の金融サーバ２０や、複数台の外部装置５０や、複数台の情報処理装置１００が含まれてもよい。

実施形態に係る金融サーバ２０は、ユーザに対して各種の金融サービスを提供する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、金融サーバ２０は、ユーザの与信に関する情報を提供する。

また、例えば、金融サーバ２０は、ネットワークバンキングや各種銀行がネットワークを介した決済に用いるサーバ装置である。また、例えば、金融サーバ２０は、ユーザの口座を管理しており、所定のネットワークを介してユーザからの操作に従い、預金額、入金履歴、出金履歴、および債務残高の通知、若しくは各種の振込等を実現する。

実施形態に係る外部装置５０は、ユーザによってネットワークをアクセス先に介してアクセスされた情報であるアクセス情報を提供する情報配信装置である。例えば、図１に示す例において、外部装置５０の記憶部は、ユーザのアクセス先に関するアクセス情報を記憶する。そして、外部装置５０は、かかるアクセス先に関するアクセス情報を情報処理装置１００に提供する。また、例えば、外部装置５０は、所定の期間（例えば、直近１週間）毎に、ユーザのアクセス先に関するアクセス情報を記憶部に格納する。

なお、ここでいうアクセス先とは、例えば、ユーザによってサーバ等にアクセスされたことを示す。この場合、サーバ等からユーザによって利用される端末装置へコンテンツ等が配信されなくともよい。例えば、決済ボタンを有するコンテンツが端末装置に配信されたものとする。この場合、端末装置は、ユーザによって決済ボタンが押下されたとき、決済サーバにユーザを識別する識別情報や、決済に関する情報等を送信する。このとき、端末装置は、決済サーバにアクセスする。このように、アクセス先は、ユーザによってサーバにアクセスされたことを示すものであればよい。なお、アクセス先のアクセス情報は、ユーザがアクセス先にアクセスした回数であるアクセス回数を含む。

実施形態に係る情報処理装置１００は、例えば、サーバ装置等により実現される。具体的には、情報処理装置１００は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。そして、情報処理装置１００は、アクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。

ここでいうユーザ情報とは、ユーザの属性に関する属性情報、ユーザの趣味嗜好に関する情報、ユーザの金融サービスに対する信用度合いに関する情報等である。なお、以下には、ユーザ情報として、ユーザの金融サービスに関する信用度合いに関する情報である信用スコアを推定する例を挙げて説明する。

以下、図１を用いて、情報処理装置１００による推定処理の一例を流れに沿って説明する。

まず、図１に示すように、情報処理装置１００は、ユーザの与信に関する情報を金融サーバ２０から取得する（ステップＳ１）。例えば、図１の例では、情報処理装置１００は、ユーザの与信に関する情報として、ユーザの信用スコアを金融サーバ２０から取得する。

続いて、情報処理装置１００は、ユーザのアクセス先に関するアクセス情報を外部装置５０から取得する（ステップＳ２）。例えば、図１の例では、情報処理装置１００は、ユーザのアクセス先に関するアクセス情報として、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報（以下、遷移元アクセス先に関するアクセス情報と表記する場合がある）から遷移して、ユーザがアクセスした第２のアクセス先に関するアクセス情報（以下、遷移先アクセス先に関するアクセス情報と表記する場合がある）を外部装置５０から取得する。

そして、情報処理装置１００は、所定のユーザの与信に関する情報と、所定のユーザのアクセス先に関するアクセス情報とに基づいて、学習モデルＭ１を生成する（ステップＳ３）。具体的には、情報処理装置１００は、所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、ユーザ情報を予測するための学習モデルＭ１を生成する。

例えば、情報処理装置１００は、機械学習等の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報と遷移先アクセス先に関するアクセス情報とに基づいて、学習モデルＭ１を生成する。例えば、情報処理装置１００は、ロジスティック回帰、ＳＶＭ（Support Vector Machine）、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とに基づいて、学習モデルＭ１を生成する。

例えば、図１の例では、情報処理装置１００は、ユーザＩＤ「Ｕ１」により特定されるユーザ（以下では、ユーザＩＤ「ＵＮ」により特定されるユーザを「ユーザＵＮ（Ｎは任意の数値）」と表記する場合がある）の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ａ．ｃｏｍ」と、ユーザＵ１の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｄ．ｃｏｍ」との組み合わせと、ユーザＵ１の信用スコアである「０．９」との関係性を学習する。また、情報処理装置１００は、ユーザＵ２の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｃ．ｃｏｍ」と、ユーザＵ２の遷移先アクセス情報を示す第２のドメインである「Ｅ．ｃｏｍ」との組み合わせと、ユーザＵ２の信用スコアである「０．４」との関係性を学習する。

また、情報処理装置１００は、ユーザＵ３の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、ユーザＵ３の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｂ．ｃｏｍ」との組み合わせと、ユーザＵ３の信用スコアである「０．５」との関係性を学習する。このように、情報処理装置１００は、ユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報の組み合わせと、ユーザの信用スコアとの関係性を学習する。

また、上記処理の例に限られず、例えば、情報処理装置１００は、信用スコアが高いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを正例として信用スコアが「１．０」と学習する。また、情報処理装置１００は、信用スコアが低いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを負例として信用スコアが「０．０」と学習する。

そして、情報処理装置１００は、学習することで生成された学習モデルＭ１に基づいて、予測対象であるユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせが入力された場合に、予測対象であるユーザのスコアを出力する。そして、情報処理装置１００は、シグモイドフィッティング（Sigmoid fitting）等を用いて学習モデルＭ１から出力されたスコアを確率値に変換することで、ユーザの信用スコアを算出する。このように、情報処理装置１００は、学習モデルＭ１に基づいて、予測対象であるユーザの信用スコアを推定する。

続いて、情報処理装置１００は、ユーザＵ１００の信用スコアの要求を金融サーバ２０から受け付ける（ステップＳ４）。そして、情報処理装置１００は、ユーザＵ１００のアクセス先に関するアクセス情報を外部装置５０から取得する（ステップＳ５）。例えば、情報処理装置１００は、ユーザＵ１００のアクセス先に関するアクセス情報として、ユーザＵ１００の遷移元アクセス先に関するアクセス情報と、遷移先アクセス先に関するアクセス情報とを外部装置５０から取得する。

続いて、情報処理装置１００は、ユーザＵ１００のアクセス先に関するアクセス情報を学習モデルＭ１に入力する（ステップＳ６）。例えば、図１の例では、情報処理装置１００は、ユーザＵ１００の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、ユーザＵ１００の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ａ．ｃｏｍ」との組み合わせを学習モデルＭ１に入力する。

そして、情報処理装置１００は、ユーザＵ１００の信用スコアを推定する（ステップＳ７）。例えば、図１の例では、情報処理装置１００は、ユーザＵ１００の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ａ．ｃｏｍ」との組み合わせを学習モデルＭ１に入力することで、学習モデルＭ１からスコアが出力される。そして、情報処理装置１００は、シグモイドフィッティング等を用いて学習モデルＭ１によって出力されたスコアを確率値に変換することで、ユーザＵ１００の信用スコアを推定する。続いて、情報処理装置１００は、ユーザＵ１００の信用スコアを金融サーバ２０に送信する（ステップＳ８）。

このように、実施形態に係る情報処理装置１００は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。そして、情報処理装置１００は、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせに基づいて、ユーザに関する情報であるユーザ情報を推定する。これにより、実施形態に係る情報処理装置１００は、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせに基づいて、ユーザに関する情報であるユーザ情報を推定することができるため、ユーザ情報を高精度に推定することができる。

この点について説明する。図１の例を用いて説明すると、情報処理装置１００は、ユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、ユーザの遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザの信用スコアとの関係性を学習する。そして、情報処理装置１００は、予測対象であるユーザの信用スコアを推定する学習モデルＭ１を生成する。このことから、情報処理装置１００は、信用スコアが高いユーザが頻繁にアクセスするアクセス先に関するアクセス情報や、信用スコアが低いユーザが頻繁にアクセスするアクセス先に関するアクセス情報を学習することができるため、先入観がより小さく、かつ、客観的にユーザの信用スコアを推定することができる。これにより、情報処理装置１００は、ユーザの信用スコアを高精度に推定することができる。

〔２．情報処理装置の構成〕
次に、図２を用いて、実施形態に係る情報処理装置１００の構成について説明する。図２は、実施形態に係る情報処理装置１００の構成例を示す図である。図２に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線又は無線で接続され、金融サーバ２０と外部装置５０との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０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、または、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１２０は、学習モデル１２１と、信用スコア記憶部１２２とを有する。

（信用スコア記憶部１２２について）
実施形態に係る信用スコア記憶部１２２は、ユーザの信用スコアに関する情報を記憶する。ここで、図３に、実施形態に係る信用スコア記憶部１２２の一例を示す。図３に示した例では、信用スコア記憶部１２２は、「ユーザＩＤ」、「信用スコア」といった項目を有する。

「ユーザＩＤ」は、ユーザを識別する識別子である。「信用スコア」は、「ユーザＩＤ」に対応付けられた信用スコアであって、学習モデルに基づいて推定された信用スコアに関する情報である。例えば、図３では、ユーザＩＤによって識別された「Ｕ１」は、信用スコアが「０．７」である。

（制御部１３０について）
制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）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。また、制御部１３０は、コントローラであり、例えば、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２に示すように、制御部１３０は、取得部１３１と、受付部１３２と、生成部１３３と、推定部１３４と、送信部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図２に示した接続関係に限られず、他の接続関係であってもよい。

（取得部１３１について）
取得部１３１は、各種情報を取得する。具体的には、取得部１３１は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。例えば、取得部１３１は、ユーザの与信に関する情報を金融サーバ２０から取得する。例えば、図１の例では、取得部１３１は、ユーザの与信に関する情報として、ユーザの信用スコアを金融サーバ２０から取得する。

また、例えば、取得部１３１は、ユーザのアクセス先に関するアクセス情報を外部装置５０から取得する。例えば、図１の例では、取得部１３１は、ユーザのアクセス先に関するアクセス情報として、遷移元アクセス先に関するアクセス情報と、遷移先アクセス先に関するアクセス情報とを外部装置５０から取得する。

（受付部１３２について）
受付部１３２は、各種要求を受け付ける。具体的には、ユーザの信用スコアの要求を金融サーバ２０から受け付ける。例えば、図１の例では、受付部１３２は、予測対象のユーザであるユーザＵ１００の信用スコアを金融サーバ２０から受け付ける。

（生成部１３３について）
生成部１３３は、取得部１３１によって取得された所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するための学習モデルを生成する。具体的には、生成部１３３は、所定のユーザの与信に関する情報と、所定のユーザのアクセス先に関するアクセス情報とに基づいて、学習モデルＭ１を生成する。

例えば、生成部１３３は、機械学習等の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報と遷移先アクセス先に関するアクセス情報とに基づいて、学習モデルＭ１を生成する。例えば、生成部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とに基づいて、学習モデルＭ１を生成する。

例えば、図１の例では、生成部１３３は、ユーザＵ１の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ａ．ｃｏｍ」と、ユーザＵ１の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｄ．ｃｏｍ」との組み合わせと、ユーザＵ１の信用スコアである「０．９」との関係性を学習する。また、生成部１３３は、ユーザＵ２の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｃ．ｃｏｍ」と、ユーザＵ２の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｅ．ｃｏｍ」との組み合わせと、ユーザＵ２の信用スコアである「０．４」との関係性を学習する。

また、生成部１３３は、ユーザＵ３の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、ユーザＵ３の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｂ．ｃｏｍ」との組み合わせと、ユーザＵ３の信用スコアである「０．５」との関係性を学習する。このように、生成部１３３は、ユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザの信用スコアとの関係性を学習する。

また、上記処理の例に限られず、例えば、生成部１３３は、信用スコアが高いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを正例として信用スコアが「１．０」と学習する。また、生成部１３３は、信用スコアが低いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを負例として信用スコアが「０．０」と学習する。そして、生成部１３３は、学習することで生成された学習モデルＭ１を学習モデル１２１に格納する。

（推定部１３４について）
推定部１３４は、取得部１３１によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。具体的には、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。

例えば、図１の例では、推定部１３４は、ユーザＵ１００の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ａ．ｃｏｍ」との組み合わせを学習モデルＭ１に入力することで、学習モデルＭ１からスコアが出力される。そして、推定部１３４は、シグモイドフィッティング等を用いて学習モデルＭ１によって出力されたスコアを確率値に変換することで、ユーザＵ１００の信用スコアを推定する。そして、推定部１３４は、ユーザＵ１００の信用スコアを信用スコア記憶部１２２に格納する。

（送信部１３５について）
送信部１３５は、各種情報を送信する。具体的には、送信部１３５は、信用スコア記憶部１２２に記憶されるユーザの信用スコアをユーザに送信する。例えば、図１の例では、送信部１３５は、ユーザＵ１００の信用スコアを金融サーバ２０に送信する。

〔３．処理手順（１）学習モデルを生成〕
次に、図４を用いて、実施形態に係る情報処理装置１００が実行する生成処理の手順について説明する。図４は、実施形態に係る情報処理装置が実行する生成処理の流れの一例を示すフローチャートである。

図４に示すように、取得部１３１は、ユーザの与信に関する情報を金融サーバ２０から取得する（ステップＳ１０１）。そして、取得部１３１は、ユーザの与信に関する情報を取得していない場合（ステップＳ１０１；Ｎｏ）、ユーザの与信に関する情報を金融サーバ２０から取得するまで待機する。

一方、取得部１３１は、ユーザの与信に関する情報を金融サーバ２０から取得した場合（ステップＳ１０１；Ｙｅｓ）、ユーザのアクセス先に関するアクセス情報を外部装置５０から取得する（ステップＳ１０２）。そして、生成部１３３は、取得部１３１がユーザのアクセス先に関するアクセス情報を取得していない場合（ステップＳ１０２；Ｎｏ）、ユーザのアクセス先に関するアクセス情報を外部装置５０から取得するまで待機する。

一方、生成部１３３は、取得部１３１がユーザのアクセス先に関するアクセス情報を取得した場合（ステップＳ１０２；Ｙｅｓ）、所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、所定のユーザの信用スコアとに基づいて、学習モデルを生成する（ステップＳ１０３）。

例えば、生成部１３３は、機械学習等の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報と遷移先アクセス先に関するアクセス情報とに基づいて、学習モデルを生成する。例えば、生成部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザの信用スコアと、所定のユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とに基づいて、学習モデルを生成する。

例えば、図１の例では、生成部１３３は、ユーザＵ１の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ａ．ｃｏｍ」と、ユーザＵ１の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｄ．ｃｏｍ」との組み合わせと、ユーザＵ１の信用スコアである「０．９」との関係性を学習する。また、生成部１３３は、ユーザＵ２の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｃ．ｃｏｍ」と、ユーザＵ２の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｅ．ｃｏｍ」との組み合わせと、ユーザＵ１の信用スコアである「０．４」との関係性を学習する。

また、生成部１３３は、ユーザＵ３の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、ユーザＵ３の遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ｂ．ｃｏｍ」との組み合わせと、ユーザＵ３の信用スコアである「０．５」との関係性を学習する。このように、生成部１３３は、ユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザの信用スコアとの関係性を学習する。

また、上記処理の例に限られず、例えば、生成部１３３は、信用スコアが高いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを正例として信用スコアが「１．０」と学習する。また、生成部１３３は、信用スコアが低いユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせを負例として信用スコアが「０．０」と学習する。

そして、生成部１３３は、学習することで生成された学習モデルＭ１に基づいて、予測対象であるユーザの遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせが入力された場合に、予測対象であるユーザのスコアを出力する。

〔４．処理手順（２）信用スコアを推定〕
次に、図５を用いて、実施形態に係る情報処理装置１００が実行する推定処理の手順について説明する。図５は、実施形態に係る情報処理装置が実行する推定処理の流れの一例を示すフローチャートである。

図５に示すように、受付部１３２は、ユーザの信用スコアの要求を受け付ける（ステップＳ２０１）。そして、推定部１３４は、受付部１３１がユーザの信用スコアの要求を受け付けていない場合（ステップＳ２０１；Ｎｏ）、ユーザの信用スコアの要求を受け付けるまで待機する。

一方、推定部１３４は、受付部１３２がユーザの信用スコアの要求を受け付けた場合（ステップＳ２０１；Ｙｅｓ）、学習モデルにユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、ユーザが第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせに関する情報を入力することで、ユーザの信用スコアを推定する（ステップＳ２０２）。

例えば、図１の例では、推定部１３４は、ユーザＵ１００の遷移元アクセス先に関するアクセス情報を示す第１のドメインである「Ｆ．ｃｏｍ」と、遷移先アクセス先に関するアクセス情報を示す第２のドメインである「Ａ．ｃｏｍ」との組み合わせを学習モデルＭ１に入力することで、学習モデルＭ１からスコアが出力される。そして、情報処理装置１００は、シグモイドフィッティング等を用いて学習モデルＭ１によって出力されたスコアを確率値に変換することで、ユーザＵ１００の信用スコアを推定する。

そして、送信部１３５は、推定部１３３によって推定された信用スコアを金融サーバ２０に送信する（ステップＳ２０３）。例えば、図１の例では、送信部１３５は、ユーザＵ１００の信用スコアを金融サーバ２０に送信する。

〔５．変形例〕
上述した情報処理装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理装置１００の他の実施形態について説明する。

〔５−１．生成処理（１）３つ以上のドメイン〕
上記実施形態では、情報処理装置１００の生成部１３３が所定のユーザの遷移元アクセス先に関するアクセス情報と、遷移先アクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するための学習モデルを生成する生成処理の一例を説明したが、上記生成処理に限定されない。

具体的には、生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせと、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。また、具体的には、生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせと、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。

より具体的には、生成部１３３は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが遷移元アクセス先に遷移するより前にアクセスしたアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせと、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。また、より具体的には、生成部１３３は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが遷移先アクセス先に遷移した後にアクセスしたアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせと、所定のユーザに関する情報との組み合わせに基づいて、学習モデルを生成してもよい。

これにより、実施形態に係る情報処理装置１００の生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報又はユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報のいずれかとの組み合わせと、所定のユーザに関する情報とに基づいて、学習モデルを生成するため、ユーザ情報を高精度に推定することができる。

〔５−２．生成処理（２）ドメインとクエリ〕
上記実施形態では、情報処理装置１００の生成部１３３が所定のユーザの遷移元アクセス先に関するアクセス情報と、遷移先アクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するための学習モデルを生成する生成処理の一例を説明したが、上記生成処理に限定されない。具体的には、生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザによって入力されたクエリに関する情報と、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。

より具体的には、生成部１３３は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザによって入力されたクエリに関する情報と、所定のユーザに関する情報とに基づいて、学習モデルを生成してもよい。

これにより、実施形態に係る情報処理装置１００の生成部１３３は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、ユーザによって入力されたクエリに関する情報と、所定のユーザに関する情報とに基づいて、学習モデルを生成するため、ユーザ情報を高精度に推定することができる。

〔５−３．推定処理（１）閲覧回数〕
上記実施形態では、情報処理装置１００の推定部１３４が遷移元アクセス先に関するアクセス情報を示すドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示すドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定する推定処理の一例を説明したが、上記推定処理に限定されない。

具体的には、推定部１３４は、ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報と、第１のコンテンツから遷移した先の第２のコンテンツに関する情報との組み合わせに基づいて、ユーザ情報を推定する。

より具体的には、推定部１３４は、ユーザによる閲覧の回数である閲覧回数が所定の閾値以上である第１のコンテンツを示す第１のドメインに関する情報と、ユーザによる閲覧回数が所定の閾値以上である第２のコンテンツを示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。

また、より具体的には、取得部１３１は、所定のユーザによる閲覧回数が所定の閾値以上である遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、閲覧回数が所定の閾値以上である遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とを取得する。そして、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定してもよい。

例えば、所定の閾値が１万回であるものとする。この場合、取得部１３１は、所定のユーザによる閲覧回数が１万回以上である遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、閲覧回数が１万回以上である遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報とを取得する。そして、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定してもよい。

これにより、実施形態に係る情報処理装置１００の推定部１３４は、ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツを示す第１のドメインに関する情報と、ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツを示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

〔５−４．推定処理（２）ドメイン配下の所定の階層情報〕
上記実施形態では、情報処理装置１００の推定部１３４が遷移元アクセス先に関するアクセス情報を示すドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示すドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定する推定処理の一例を説明したが、上記推定処理に限定されない。具体的には、推定部１３４は、第１のドメインに関する情報及び第１のドメインの配下の所定の階層情報と、第２のドメインに関する情報及び第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定してもよい。

より具体的には、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報及び遷移元アクセス先に関するアクセス情報を示すＵＲＬ（Uniform Resource Locator）のうち、第１のドメインの配下の所定の階層情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報及び遷移先アクセス先に関するアクセス情報を示すＵＲＬのうち、第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定してもよい。

例えば、図６の例では、取得部１３１は、遷移元アクセス先に関するアクセス情報である「Ａ．ｃｏｍ」に関する情報と、遷移先アクセス先に関するアクセス情報である「Ｂ．ｃｏｍ」に関する情報とを取得する。このとき、遷移元アクセス先に関するアクセス情報のアクセス回数は「１０万回」であり、遷移先アクセス先に関するアクセス情報のアクセス回数は「１０００万回」である。また、遷移先アクセス先に関するアクセス情報のＵＲＬのうち、ドメインの下位の階層を示す「Ｂ．Ｃｏｍ／ＡＡＡ」のアクセス回数は、「１００万回」であり、ドメインの下位の階層を示す「Ｂ．Ｃｏｍ／ＡＡＡ／ＢＢＢ」のアクセス回数は、「１０万回」である。この場合、推定部１３４は、遷移元アクセス先に関するアクセス情報である「Ａ．ｃｏｍ」に関する情報と、遷移元アクセス先に関するアクセス情報を示す「Ａ．ｃｏｍ」と同一のアクセス回数を有する遷移先アクセス先に関するアクセス情報を示す「Ｂ．Ｃｏｍ／ＡＡＡ／ＢＢＢ」に関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。

これにより、実施形態に係る情報処理装置１００の推定部１３４は、第１のドメインに関する情報及び第１のドメインの配下の所定の階層情報と、第２のドメインに関する情報及び第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

〔５−５．推定処理（３）３つ以上のドメイン〕
上記実施形態では、情報処理装置１００の推定部１３４が遷移元アクセス先に関するアクセス情報を示すドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示すドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定する推定処理の一例を説明したが、上記推定処理に限定されない。具体的には、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。また、具体的には、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。

より具体的には、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが遷移元アクセス先に遷移するより前にアクセスしたアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。また、より具体的には、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが遷移先アクセス先に遷移した後にアクセスしたアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定してもよい。

これにより、実施形態に係る情報処理装置１００の推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報又はユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報のいずれかとの組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

〔５−６．推定処理（４）ドメインとクエリ〕
上記実施形態では、情報処理装置１００の推定部１３４が遷移元アクセス先に関するアクセス情報を示すドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示すドメインに関する情報との組み合わせに基づいて、ユーザの信用スコアを推定する推定処理の一例を説明したが、上記推定処理に限定されない。具体的には、取得部１３１は、ユーザによって入力されたクエリに関する情報をさらに取得し、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定してもよい。

より具体的には、推定部１３４は、遷移元アクセス先に関するアクセス情報を示す第１のドメインに関する情報と、遷移先アクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定してもよい。

これにより、実施形態に係る情報処理装置１００の推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る金融サーバ２０、外部装置５０及び情報処理装置１００は、例えば図７に示すような構成のコンピュータ１０００によって実現される。以下、情報処理装置１００を例に挙げて説明する。図７は、情報処理装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００がネットワークＮを介して生成したデータを他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

〔７．その他〕
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、推定部は、推定手段や推定回路に読み替えることができる。

〔８．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、推定部１３４とを有する。取得部１３１は、ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する。推定部１３４は、取得部１３１によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、ユーザに関する情報であるユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のドメインに関する情報及び第１のドメインの配下の所定の階層情報と、第２のドメインに関する情報及び第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、第１のドメインに関する情報及び第１のドメインの配下の所定の階層情報と、第２のドメインに関する情報及び第２のドメインの配下の所定の階層情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、ユーザが第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザによって入力されたクエリに関する情報をさらに取得し、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、クエリに関する情報とに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、推定部１３４は、ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報と、第１のコンテンツから遷移した先の第２のコンテンツに関する情報との組み合わせに基づいて、ユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報と、第１のコンテンツから遷移した先の第２のコンテンツに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、推定部１３４は、ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、推定部１３４は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定する。

これにより、実施形態に係る情報処理装置１００は、第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定するため、ユーザの信用スコアを高精度に推定することができる。

また、実施形態に係る情報処理装置１００において、所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するための学習モデルを生成する生成部１３３をさらに備え、推定部１３４は、生成部１３３によって生成された学習モデルに基づいて、遷移前のアクセス先に関するアクセス情報と遷移後のアクセス先に関するアクセス情報との組み合わせからユーザ情報を推定する。

これにより、実施形態に係る情報処理装置１００は、所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、所定のユーザが遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、所定のユーザに関する情報とに基づいて、ユーザ情報を予測するために生成された学習モデルに基づいて、遷移前のアクセス先に関するアクセス情報と遷移後のアクセス先に関するアクセス情報との組み合わせからユーザ情報を推定するため、ユーザ情報を高精度に推定することができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

１ 情報処理システム
２０ 金融サーバ
５０ 外部装置
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 学習モデル
１２２ 信用スコア記憶部
１３０ 制御部
１３１ 取得部
１３２ 受付部
１３３ 生成部
１３４ 推定部
１３５ 送信部

Claims (14)

1. ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する取得部と、
   前記取得部によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定する推定部と、
   を備えたことを特徴とする情報処理装置。
2. 前記推定部は、
   前記第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、前記第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記推定部は、
   前記第１のドメインに関する情報及び前記第１のドメインの配下の所定の階層情報と、前記第２のドメインに関する情報及び前記第２のドメインの配下の所定の階層情報との組み合わせに基づいて、前記信用スコアを推定する、
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記推定部は、
   前記第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、前記第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、前記ユーザが前記第１のアクセス先に遷移するより前にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
   ことを特徴とする請求項１〜３のいずれか１つに記載の情報処理装置。
5. 前記推定部は、
   前記第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、前記第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報と、前記ユーザが前記第２のアクセス先に遷移した後にアクセスした第３のアクセス先に関するアクセス情報を示す第３のドメインに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
   ことを特徴とする請求項１〜３のいずれか１つに記載の情報処理装置。
6. 前記取得部は、
   前記ユーザによって入力されたクエリに関する情報をさらに取得し、
   前記推定部は、
   前記第１のアクセス先に関するアクセス情報を示す第１のドメインに関する情報と、前記第２のアクセス先に関するアクセス情報を示す第２のドメインに関する情報との組み合わせと、前記クエリに関する情報とに基づいて、前記信用スコアを推定する、
   ことを特徴とする請求項１〜５のいずれか１つに記載の情報処理装置。
7. 前記推定部は、
   前記ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報と、当該第１のコンテンツから遷移した先の第２のコンテンツに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
   ことを特徴とする請求項１〜６のいずれか１つに記載の情報処理装置。
8. 前記推定部は、
   前記ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、前記ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記信用スコアを推定する、
   ことを特徴とする請求項７に記載の情報処理装置。
9. 前記取得部によって取得された所定のユーザによってアクセスされた遷移前のアクセス先に関するアクセス情報と、当該所定のユーザが当該遷移前のアクセス先から遷移した先の遷移後のアクセス先に関するアクセス情報との組み合わせと、当該所定のユーザの信用スコアとに基づいて、前記信用スコアを予測するための学習モデルを生成する生成部をさらに備え、
   前記推定部は、
   前記生成部によって生成された学習モデルに基づいて、前記遷移前のアクセス先に関するアクセス情報と前記遷移後のアクセス先に関するアクセス情報との組み合わせから前記信用スコアを推定する、
   ことを特徴とする請求項１〜８のいずれか１つに記載の情報処理装置。
10. ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する取得部と、
    前記取得部によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザに関する情報であるユーザ情報を推定する推定部と、
    を備え、
    前記推定部は、
    前記ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、当該第１のコンテンツから遷移した先の第２のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記ユーザ情報を推定する、
    ことを特徴とする情報処理装置。
11. コンピュータが実行する情報処理方法であって、
    ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報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アクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定する推定工程と、
    を含むことを特徴とする情報処理方法。
12. ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する取得手順と、
    前記取得手順によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先に関するアクセス情報から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザの金融サービスに対する信用度合いに関する情報である信用スコアを推定する推定手順と、
    をコンピュータに実行させることを特徴とする情報処理プログラム。
13. コンピュータが実行する情報処理方法であって、
    ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報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アクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザに関する情報であるユーザ情報を推定する推定工程と、
    を含み、
    前記推定工程は、
    前記ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、当該第１のコンテンツから遷移した先の第２のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記ユーザ情報を推定する、
    ことを特徴とする情報処理方法。
14. ユーザによるネットワークを介したアクセスに関する情報であるアクセス情報を取得する取得手順と、
    前記取得手順によって取得されたアクセス情報に基づいて、ユーザによってアクセスされた第１のアクセス先に関するアクセス情報と、当該第１のアクセス先から遷移した先の第２のアクセス先に関するアクセス情報との組み合わせから、前記ユーザに関する情報であるユーザ情報を推定する推定手順と、
    をコンピュータに実行させ、
    前記推定手順は、
    前記ユーザによって閲覧された第１のアクセス先として第１のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第１のコンテンツに関する情報を示す第１のドメインに関する情報と、当該第１のコンテンツから遷移した先の第２のコンテンツに関する情報のうち、前記ユーザによる閲覧の回数が所定の閾値以上である第２のコンテンツに関する情報を示す第２のドメインに関する情報との組み合わせに基づいて、前記ユーザ情報を推定する、
    ことを特徴とする情報処理プログラム。

Images