JP7047231B1

JP7047231B1 - Information processing systems, computer systems and programs

Info

Publication number: JP7047231B1
Application number: JP2021105946A
Authority: JP
Inventors: 英俊横山; 崇人本田
Original assignee: Robot Consulting
Current assignee: Robot Consulting
Priority date: 2021-06-25
Filing date: 2021-06-25
Publication date: 2022-04-05
Anticipated expiration: 2041-06-25
Also published as: WO2022270329A1; JP2023004333A

Abstract

【課題】被害にあった当事者が、弁護士への相談費用だけがかかってしまう頻度を抑制する情報処理システム、コンピュータシステム及びプログラムを提供する。【解決手段】コンピュータシステム１において、ＷＥＢサーバ２０は、被害を受けた状況に関する少なくとも一つの質問と、少なくとも一つの質問夫々に対する選択肢を提示するための情報を出力する提示部２６１と、複数の質問夫々に対してユーザが選択した選択肢を含む被害回答情報を取得する取得部２６２と、被害回答情報に含まれる少なくとも一つの質問夫々について複数の選択肢の夫々が当該ユーザによって選択された選択肢であるか否かを示す要素を含む配列に変換することによって、少なくとも一つの配列を特徴量として生成する変換部２６３と、変換後の特徴量を機械学習モデルに入力することによって、当該被害について裁判の勝敗の確率を表す情報を出力する出力部５２１と、を備える。【選択図】図３PROBLEM TO BE SOLVED: To provide an information processing system, a computer system and a program for suppressing the frequency with which a victim party only incurs a consultation fee with a lawyer. SOLUTION: In a computer system 1, a WEB server 20 has a presentation unit 261 for outputting at least one question regarding a damaged situation and information for presenting options for each of the at least one question, and a plurality of questions. Whether the acquisition unit 262 that acquires the damage response information including the options selected by the user for each and the multiple options for each of at least one question included in the damage response information are the options selected by the user. By converting to an array containing elements indicating whether or not, the conversion unit 263 that generates at least one array as a feature quantity, and by inputting the converted feature quantity into the machine learning model, the winner of the trial for the damage is won or lost. An output unit 521 that outputs information representing the probability of the above is provided. [Selection diagram] Fig. 3

Description

本発明は、情報処理システム、コンピュータシステム及びプログラムに関する。 The present invention relates to information processing systems, computer systems and programs.

近年、コンピュータの発達及び人工知能の研究開発の進展によって、法務の領域においてコンピュータを介した様々なサービスが提供され始めている（例えば、特許文献１参照）。 In recent years, with the development of computers and the progress of research and development of artificial intelligence, various services via computers have begun to be provided in the field of legal affairs (see, for example, Patent Document 1).

特開２０１０‐２５７４１３号公報Japanese Unexamined Patent Publication No. 2010-257413

セクシャルハラスメント（以下、セクハラともいう）またはパワーハラスメント（以下、パワハラともいう）などの被害にあった当事者は、その被害に対する賠償について裁判で争った場合に勝訴できる可能性を、弁護士に相談する前に把握することは難しい。そのため、弁護士に相談しても裁判で勝訴できる可能性が低いと弁護士に判断されれば、加害者と争うことを断念せざるをえず、弁護士への相談費用だけがかかってしまうという問題がある。 Before consulting with a lawyer, a party who has suffered damages such as sexual harassment (hereinafter also referred to as sexual harassment) or power harassment (hereinafter also referred to as power harassment) may be able to win the case if they dispute compensation for the damage in court. It is difficult to grasp. Therefore, if the lawyer decides that it is unlikely that he will win the case even if he consults with the lawyer, he will have to give up fighting with the perpetrator, and only the cost of consulting with the lawyer will be incurred. be.

本発明は、上記問題に鑑みてなされたものであり、被害にあった当事者が、弁護士への相談費用だけがかかってしまうという問題が生じる頻度を抑制することを可能とする情報処理システム、情報処理方法及びプログラムを提供することを目的とする。 The present invention has been made in view of the above problems, and is an information processing system and information that enables the victim to reduce the frequency of the problem that only the cost of consulting a lawyer is incurred. It is an object of the present invention to provide a processing method and a program.

本発明の第１の態様に係る情報処理システムは、被害を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つの質問それぞれに対する選択肢を提示するための情報を出力する提示部と、前記質問それぞれに対してユーザが選択した選択肢を含む被害回答情報を取得する取得部と、被害回答情報に含まれる前記少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが前記ユーザによって選択された選択肢であるか否かを示す要素を含む配列に変換することによって、少なくとも一つの配列を特徴量として生成する変換部と、前記変換後の特徴量を機械学習モデルに入力することによって、前記被害について裁判の勝敗の確率を表す情報を出力する出力部と、を備え、前記機械学習モデルは、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習された機械学習モデルである。 The information processing system according to the first aspect of the present invention has a presentation unit that outputs information for presenting at least one question regarding a damaged situation, an option for each of the at least one question, and each of the above questions. Whether or not each of the plurality of options for each of the at least one question included in the damage response information is the option selected by the user, and the acquisition unit that acquires the damage response information including the options selected by the user. By converting to an array containing elements indicating whether or not, a conversion unit that generates at least one array as a feature amount, and by inputting the converted feature amount into a machine learning model, the winner of the trial for the damage is won or lost. The machine learning model is provided with an output unit that outputs information indicating probability, and the machine learning model uses feature amounts corresponding to the damage situation in the past trial as input data and information indicating the victory or defeat of the past trial as output data. It is a machine learning model trained using a training data set.

この構成によれば、セクハラ、パワハラなどの被害にあった当事者は、その被害に対する賠償について裁判で争った場合に勝訴できる可能性を、弁護士に相談する前に把握することができる。そのため、裁判で争った場合に勝訴できる可能性が一定程度ある場合に弁護士に相談することによって、被害にあった当事者が、弁護士への相談費用だけがかかってしまうという問題が生じる頻度を抑制することができる。更に裁判で勝訴できる可能性が高い場合に被害者が弁護士に相談するようになるので、弁護士の貴重な時間が受任できない事件の相談に取られてしまう事態の頻度を抑制することができる。更に情報処理システムが質問を被害者に提示することによって、弁護士が毎回同じ質問を繰り返す必要がなくなり弁護士の貴重な時間が取られるのを抑制することができる。 According to this configuration, a party suffering from sexual harassment, power harassment, etc. can grasp the possibility of winning a case in case of a dispute over compensation for the damage before consulting a lawyer. Therefore, by consulting with a lawyer when there is a certain possibility of winning the case in the case of a dispute in a trial, the frequency with which the victim will only have to consult with a lawyer will be suppressed. be able to. Furthermore, since the victim will consult with a lawyer when there is a high possibility that the case will be won in the trial, it is possible to reduce the frequency of cases in which the lawyer's precious time is taken to consult a case that cannot be accepted. Furthermore, by presenting the question to the victim by the information processing system, the lawyer does not have to repeat the same question every time, and the lawyer's valuable time can be suppressed.

本発明の第２の態様に係る情報処理システムは、第１の態様に係る情報処理システムであって、複数の前記質問毎に選択肢の数が異なる場合、前記変換部は、それぞれの前記質問に対する回答を、最も選択肢が多い数の要素を有する配列に変換することによって、前記複数の配列を生成してもよい。 The information processing system according to the second aspect of the present invention is the information processing system according to the first aspect, and when the number of choices is different for each of the plurality of questions, the conversion unit responds to each question. The plurality of sequences may be generated by converting the answer into an array having the number of elements with the most choices.

本発明の第３の態様に係る情報処理システムは、第１または第２の態様に係る情報処理システムであって、前記回答情報が変換された前記配列は、選択の有無に応じて選択肢に対応する要素が０または１となる配列であってもよい。 The information processing system according to the third aspect of the present invention is the information processing system according to the first or second aspect, and the sequence to which the answer information is converted corresponds to the options depending on the presence or absence of selection. It may be an array in which the elements to be processed are 0 or 1.

本発明の第４の態様に係る情報処理システムは、第１から第３のいずれかの態様に係る情報処理システムであって、前記被害は、セクシャルハラスメントまたはパワーハラスメントであってもよい。 The information processing system according to the fourth aspect of the present invention is the information processing system according to any one of the first to third aspects, and the damage may be sexual harassment or power harassment.

本発明の第５の態様に係るコンピュータシステムは、被害を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つの質問それぞれに対する選択肢を提示するための情報を出力する提示部と、前記質問それぞれに対してユーザが選択した選択肢を含む被害回答情報を取得する取得部と、被害回答情報に含まれる前記少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが前記ユーザによって選択された選択肢であるか否かを示す要素を含む配列に変換することによって、少なくとも一つの配列を特徴量として生成する変換部と、前記変換後の特徴量を機械学習モデルに入力することによって、前記被害について裁判の勝敗の確率を表す情報を出力する出力部と、を備え、前記機械学習モデルは、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習された機械学習モデルである。 The computer system according to the fifth aspect of the present invention has a presentation unit that outputs information for presenting at least one question regarding a damaged situation, an option for each of the at least one question, and each of the above questions. On the other hand, the acquisition unit that acquires the damage response information including the options selected by the user, and whether or not each of the plurality of options for each of the at least one question included in the damage response information is the option selected by the user. By converting to an array containing the elements indicating The machine learning model is provided with an output unit that outputs information representing the past trial, and the machine learning model uses the feature amount corresponding to the damage situation in the past trial as input data and the information indicating the victory or defeat of the past trial as output data. It is a machine learning model trained using a data set.

本発明の第６の態様に係るプログラムは、コンピュータに、被害を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つの質問それぞれに対する選択肢を提示するための情報を出力する提示手順、前記質問それぞれに対してユーザが選択した選択肢を含む被害回答情報を取得する取得手順、被害回答情報に含まれる前記少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが前記ユーザによって選択された選択肢であるか否かを示す要素を含む配列に変換することによって、少なくとも一つの配列を特徴量として生成する変換手順、前記変換後の特徴量を機械学習モデルに入力することによって、前記被害について裁判の勝敗の確率を表す情報を出力する出力手順、を実行させるためのプログラムであって、前記機械学習モデルは、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習された機械学習モデルであるプログラムである。 The program according to the sixth aspect of the present invention is a presentation procedure for outputting information to a computer for presenting at least one question regarding a damaged situation and options for each of the at least one question, and each of the above questions. Whether or not each of the plurality of options for each of the at least one question included in the damage response information and the acquisition procedure for acquiring the damage response information including the options selected by the user is the option selected by the user. A conversion procedure that generates at least one array as a feature quantity by converting it to an array that includes the elements indicating It is a program for executing an output procedure for outputting information to be represented, and the machine learning model uses feature amounts corresponding to the damage situation in the past trial as input data and outputs information indicating the victory or defeat of the past trial. It is a program that is a machine learning model trained using a training data set as output data.

本発明の一態様によれば、セクハラ、パワハラなどの被害にあった当事者は、その被害に対する賠償について裁判で争った場合に勝訴できる可能性を、弁護士に相談する前に把握することができる。そのため、裁判で争った場合に勝訴できる可能性が一定程度ある場合に弁護士に相談することによって、被害にあった当事者が、弁護士への相談費用だけがかかってしまうという問題が生じる頻度を抑制することができる。更に裁判で勝訴できる可能性が高い場合に被害者が弁護士に相談するようになるので、弁護士の貴重な時間が受任できない事件の相談に取られてしまう事態の頻度を抑制することができる。更に情報処理システムが質問を被害者に提示することによって、弁護士が毎回同じ質問を繰り返す必要がなくなり弁護士の貴重な時間が取られるのを抑制することができる。 According to one aspect of the present invention, a party suffering from sexual harassment, power harassment, or the like can grasp the possibility of winning a case in case of a dispute over compensation for the damage before consulting a lawyer. Therefore, by consulting with a lawyer when there is a certain possibility of winning the case in the case of a dispute in a trial, the frequency with which the victim will only have to consult with a lawyer will be suppressed. be able to. Furthermore, since the victim will consult with a lawyer when there is a high possibility that the case will be won in the trial, it is possible to reduce the frequency of cases in which the lawyer's precious time is taken to consult a case that cannot be accepted. Furthermore, by presenting the question to the victim by the information processing system, the lawyer does not have to repeat the same question every time, and the lawyer's valuable time can be suppressed.

本実施形態に係る情報処理システムの概略構成図である。It is a schematic block diagram of the information processing system which concerns on this embodiment. 本実施形態に係るユーザ端末の概略構成図である。It is a schematic block diagram of the user terminal which concerns on this embodiment. 本実施形態に係るＷＥＢサーバの概略構成図である。It is a schematic block diagram of the WEB server which concerns on this embodiment. 機械学習における学習工程と推定工程を説明するための模式図である。It is a schematic diagram for demonstrating the learning process and the estimation process in machine learning. ユーザ端末１に表示される被害内容入力画面の一例である。This is an example of a damage content input screen displayed on the user terminal 1. 図５の続きの判定結果画面の一例である。It is an example of the determination result screen which is the continuation of FIG. 本実施形態の処理の流れの一例を示すフローチャートの一例である。It is an example of the flowchart which shows an example of the processing flow of this embodiment.

以下、各実施形態について、図面を参照しながら説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。 Hereinafter, each embodiment will be described with reference to the drawings. However, more detailed explanation than necessary may be omitted. For example, detailed explanations of already well-known matters and duplicate explanations for substantially the same configuration may be omitted. This is to avoid unnecessary redundancy of the following description and to facilitate the understanding of those skilled in the art.

上記の課題に加えてまたは替えて、弁護士にとっても被害にあった当事者から事件についてヒアリングするまでは、裁判で勝訴できる可能性が分からない。裁判で勝訴できる可能性が低い場合には事件を受任できず、弁護士の貴重な時間が受任できない事件の相談に取られてしまうという問題がある。 In addition to or in lieu of the above issues, the lawyer does not know the possibility of winning the case until the victim hears about the case. If it is unlikely that the case will be won in the trial, the case cannot be accepted, and the lawyer's precious time will be taken to the consultation of the case that cannot be accepted.

更に加えて、弁護士が被害にあった当事者（相談者）からヒアリングする際の質問は、その被害の種類毎に共通しているので、例えばセクハラなら相談者が違っても弁護士は同じ質問をすることになる。このように弁護士は、毎回同じ質問を繰り返すことになり、忙しい弁護士の貴重な時間が取られてしまうという問題がある。本実施形態では、これらの問題についても解決する。 Furthermore, since the questions asked by a lawyer when hearing from the victim (consultant) are common to each type of damage, for example, in the case of sexual harassment, the lawyer asks the same question even if the counselor is different. It will be. In this way, lawyers have the problem of asking the same questions every time, which takes up valuable time for busy lawyers. In this embodiment, these problems are also solved.

図１は、本実施形態に係る情報処理システムの概略構成図である。図１に示すように、情報処理システムＳは一例として、ユーザ端末１と、ユーザ端末１と通信回路網ＣＮ１を介して接続されたコンピュータシステム２のＷＥＢサーバ２０と、コンピュータシステム２と通信回路網ＣＮ２を介して接続された管理者端末３を備える。コンピュータシステム２は、ユーザ端末１と通信するＷＥＢサーバ２０と、管理者端末３及びＷＥＢサーバ２０と通信するデータベースサーバ４と、ＷＥＢサーバ２０及びデータベースサーバ４と通信するＡＩサーバ５とを備える。 FIG. 1 is a schematic configuration diagram of an information processing system according to the present embodiment. As shown in FIG. 1, as an example, the information processing system S includes a user terminal 1, a WEB server 20 of a computer system 2 connected to the user terminal 1 via a communication circuit network CN1, and a computer system 2 and a communication circuit network. The administrator terminal 3 connected via CN2 is provided. The computer system 2 includes a WEB server 20 that communicates with the user terminal 1, a database server 4 that communicates with the administrator terminal 3 and the WEB server 20, and an AI server 5 that communicates with the WEB server 20 and the database server 4.

データベースサーバ４はデータベース４１を有し、データベース４１には、被害（例えばセクハラ、パワハラなど）について過去の裁判の情報が蓄積されている。具体的には例えばデータベース４１には、過去の裁判における被害の状況に相当する特徴量と、当該過去の裁判の勝敗を表す情報との組が蓄積されている。 The database server 4 has a database 41, and the database 41 stores information on past trials regarding damage (for example, sexual harassment, power harassment, etc.). Specifically, for example, the database 41 stores a set of a feature amount corresponding to the damage situation in the past trial and information indicating the victory or defeat of the past trial.

ＡＩサーバ５は、ストレージ５０とプロセッサ５２とを有する。ストレージ５０には、機械学習モデル５１が記憶されており、この機械学習モデル５１は、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習された機械学習モデルである。この学習は、プロセッサ５２によって、データベース４１に蓄積されたデータを用いて実行される。プロセッサ５２は、ストレージ１３から本実施形態に係るプログラムをメモリ１４にロードし、当該プログラムに含まれる一連の命令を実行することによって、出力部５２１として機能する。出力部５２１は、当該変換後の特徴量を機械学習モデル５１に入力することによって、当該被害について裁判の勝敗の確率を表す情報を出力する。 The AI server 5 has a storage 50 and a processor 52. A machine learning model 51 is stored in the storage 50, and the machine learning model 51 uses feature quantities corresponding to the damage situation in the past trial as input data and outputs information indicating the victory or defeat of the past trial. It is a machine learning model trained using the training data set. This learning is executed by the processor 52 using the data stored in the database 41. The processor 52 functions as an output unit 521 by loading the program according to the present embodiment from the storage 13 into the memory 14 and executing a series of instructions included in the program. The output unit 521 inputs the converted feature amount into the machine learning model 51, and outputs information indicating the probability of winning or losing the trial for the damage.

ユーザ端末１は、例えばセクハラ、パワハラなどの被害にあった当事者がユーザとして使用する端末装置であり、例えば、多機能携帯電話（いわゆるスマートフォン）などの携帯電話、タブレット、ノートパソコン、またはデスクトップパソコンなどである。ユーザ端末１は例えば、ＷＥＢブラウザを用いて、コンピュータシステム２から提供される情報を表示する。なお、これに限らず、ユーザ端末１は例えば、専用のアプリケーションがインストールされており、このアプリケーションを立ち上げることで、このアプリケーションによって表示される画面においてコンピュータシステム２から提供される情報を表示してもよい。以下、本実施形態では、ユーザ端末１は、一例としてスマートフォンであるものとして説明する。 The user terminal 1 is a terminal device used by a party who has suffered damage such as sexual harassment or power harassment as a user. Is. The user terminal 1 uses, for example, a WEB browser to display information provided by the computer system 2. Not limited to this, for example, a dedicated application is installed in the user terminal 1, and by launching this application, the information provided by the computer system 2 is displayed on the screen displayed by this application. May be good. Hereinafter, in the present embodiment, the user terminal 1 will be described as being a smartphone as an example.

例えば管理者端末３は、コンピュータシステム２を管理する管理者が使用する端末装置であり、例えば、多機能携帯電話（いわゆるスマートフォン）などの携帯電話、タブレット、パーソナルコンピュータ（例えば、ノートパソコンまたはデスクトップパソコン）などである。管理者の操作に従って、管理者端末３は、データベース４１を更新するために、データをデータベース４１を追加するようデータを送信する。以下、本実施形態では、管理者端末３は、一例としてパーソナルコンピュータであるものとして説明する。 For example, the administrator terminal 3 is a terminal device used by an administrator who manages a computer system 2, and is, for example, a mobile phone such as a multifunctional mobile phone (so-called smartphone), a tablet, or a personal computer (for example, a laptop computer or a desktop computer). ) And so on. According to the operation of the administrator, the administrator terminal 3 transmits data to add the database 41 in order to update the database 41. Hereinafter, in the present embodiment, the administrator terminal 3 will be described as an example of a personal computer.

図２は、本実施形態に係るユーザ端末の概略構成図である。図２に示すように、ユーザ端末１は例えば、入力インタフェース１１と、通信モジュール１２と、ストレージ１３と、メモリ１４と、ディスプレイ１５と、プロセッサ１６とを備える。
入力インタフェース１１は、ユーザからの入力を受け付け、受け付けた入力に応じた入力信号をプロセッサ１６へ出力する。入力インタフェース１１は例えばタッチパネルである。
通信モジュール１２は、通信回路網ＣＮ１に接続されて、通信回路網ＣＮ１に接続されているコンピュータシステム２と通信する。この通信は有線であっても無線であってもよい。 FIG. 2 is a schematic configuration diagram of a user terminal according to the present embodiment. As shown in FIG. 2, the user terminal 1 includes, for example, an input interface 11, a communication module 12, a storage 13, a memory 14, a display 15, and a processor 16.
The input interface 11 receives an input from the user and outputs an input signal corresponding to the received input to the processor 16. The input interface 11 is, for example, a touch panel.
The communication module 12 is connected to the communication circuit network CN1 and communicates with the computer system 2 connected to the communication circuit network CN1. This communication may be wired or wireless.

ストレージ１３には、プロセッサ１６が読み出して実行するためのプログラム、アプリケーション及び各種のデータが格納されている。このアプリケーションは、コンピュータシステム例えばクラウド経由でダウンロードされてインストールされたものであってもよい。
メモリ１４は、データ及びプログラムを一時的に保持する。メモリ１４は、揮発性メモリであり、例えばＲＡＭ（Random Access Memory）である。 The storage 13 stores programs, applications, and various data for the processor 16 to read and execute. This application may be downloaded and installed via a computer system such as the cloud.
The memory 14 temporarily holds data and programs. The memory 14 is a volatile memory, for example, a RAM (Random Access Memory).

ディスプレイ１５は、プロセッサ１６の指令に従って情報を表示する。なお、ディスプレイ１５はユーザ端末１に内蔵ではなく、ユーザ端末１に外付けであってもよい。 The display 15 displays information according to the instructions of the processor 16. The display 15 may not be built in the user terminal 1 but may be externally attached to the user terminal 1.

プロセッサ１６は、ストレージ１３から本実施形態に係るプログラムをメモリ１４にロードし、当該プログラムに含まれる一連の命令を実行する。 The processor 16 loads the program according to the present embodiment from the storage 13 into the memory 14, and executes a series of instructions included in the program.

図３は、本実施形態に係るＷＥＢサーバの概略構成図である。図３に示すように、ＷＥＢサーバ２０は、入力インタフェース２１と、通信モジュール２２と、記憶装置の一例であるストレージ２３と、メモリ２４と、プロセッサ２６とを備える。
入力インタフェース２１は、コンピュータシステム２（具体的にはＷＥＢサーバ２０）の管理者からの入力を受け付け、受け付けた入力に応じた入力信号をプロセッサ２６へ出力する。 FIG. 3 is a schematic configuration diagram of a WEB server according to the present embodiment. As shown in FIG. 3, the WEB server 20 includes an input interface 21, a communication module 22, a storage 23 as an example of a storage device, a memory 24, and a processor 26.
The input interface 21 receives an input from the administrator of the computer system 2 (specifically, the WEB server 20), and outputs an input signal corresponding to the received input to the processor 26.

通信モジュール２２は、通信回路網ＣＮ１に接続されて、通信回路網ＣＮ１に接続されているユーザ端末１と通信する。この通信は有線であっても無線であってもよい。更に通信モジュール２２は、データベースサーバ４と通信する。これにより、データベース４１にアクセスできる。また通信モジュール２２は、ＡＩサーバ５と通信する。これにより、通信モジュール２２は、機械学習モデル５１に対して入力データを送信し、この入力データが機械学習モデル５１に入力されたときに出力されるデータを受信することができる。これらの通信は有線であっても無線であってもよい。 The communication module 22 is connected to the communication circuit network CN1 and communicates with the user terminal 1 connected to the communication circuit network CN1. This communication may be wired or wireless. Further, the communication module 22 communicates with the database server 4. As a result, the database 41 can be accessed. Further, the communication module 22 communicates with the AI server 5. As a result, the communication module 22 can transmit input data to the machine learning model 51 and receive data output when the input data is input to the machine learning model 51. These communications may be wired or wireless.

ストレージ２３は、プロセッサ２６が読み出して実行するためのプログラム及び各種のデータが格納されている。
メモリ２４は、データ及びプログラムを一時的に保持する。メモリ２４は、揮発性メモリであり、例えばＲＡＭ（Random Access Memory）である。 The storage 23 stores a program and various data for the processor 26 to read and execute.
The memory 24 temporarily holds data and programs. The memory 24 is a volatile memory, for example, a RAM (Random Access Memory).

プロセッサ２６は、ストレージ２３からプログラムをメモリ２４にロードし、当該プログラムに含まれる一連の命令を実行することで、提示部２６１、取得部２６２、変換部２６３として機能する。 The processor 26 loads a program from the storage 23 into the memory 24 and executes a series of instructions included in the program to function as a presentation unit 261, an acquisition unit 262, and a conversion unit 263.

＜機械学習モデルへ入力する特徴量に変換する前処理の例について＞
本実施形態に係るコンピュータシステム２は、機械学習モデルを用いた訴訟結果予測システムである。コンピュータシステム２は、被害者（相談者）から得られた被害回答情報を特徴量に変換し、その特徴量に基づき、その訴訟の勝敗を予測する。 <Example of preprocessing to convert to features input to machine learning model>
The computer system 2 according to the present embodiment is a litigation result prediction system using a machine learning model. The computer system 2 converts the damage response information obtained from the victim (consultant) into a feature amount, and predicts the outcome of the proceedings based on the feature amount.

具体的には例えば本実施形態に係るコンピュータシステム２は、相談者が選択肢を選択することによって被害に関する内容を表す被害回答情報が入力された場合、勝訴／敗訴の確率を出力する。被害回答情報はそれぞれ選択方式であるため、変換部２６３は、選択された項目に基づいて、被害回答情報をOne-hotベクトルに変換し特徴量とする。
ここで、One-hotベクトルvとは、例えば選択項目数nのうち、i番目を選択した場合、１それ以外の要素は０となるようなベクトルのことであり、次のようなベクトルである。 Specifically, for example, the computer system 2 according to the present embodiment outputs the probability of winning / losing when the consultant selects the option and the damage response information indicating the content related to the damage is input. Since each damage response information is a selection method, the conversion unit 263 converts the damage response information into a One-hot vector based on the selected item and uses it as a feature quantity.
Here, the One-hot vector v is a vector in which, for example, when the i-th item is selected from the number of selected items n, 1 and other elements are 0, and the vector is as follows. ..

１つの質問に対する回答が１つのOne-hotベクトルに変換され、すなわち１つの配列に変換される。これにより複数の質問に対する回答が、複数の配列に変換される。この変換により、文章として表現された選択項目を数値的に解析することが可能である。なお、０と１は逆であってもよく、配列は選択の有無に応じて選択肢に対応する要素が０または１となる配列であってもよい。 The answer to one question is transformed into one One-hot vector, i.e. converted into one array. This transforms the answers to multiple questions into multiple arrays. By this conversion, it is possible to numerically analyze the selected items expressed as sentences. Note that 0 and 1 may be reversed, and the array may be an array in which the element corresponding to the option is 0 or 1 depending on the presence or absence of selection.

続いて機械学習における学習工程と推定工程について図４を用いて説明する。図４は、機械学習における学習工程と推定工程を説明するための模式図である。図４に示すように、学習工程では、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習される。予測結果として扱う出力データは、勝訴を１、敗訴を０（もしくは勝訴を０、敗訴を１）として機械学習を行う。 Next, the learning process and the estimation process in machine learning will be described with reference to FIG. FIG. 4 is a schematic diagram for explaining a learning process and an estimation process in machine learning. As shown in FIG. 4, in the learning process, learning is performed using a learning data set in which the feature amount corresponding to the damage situation in the past trial is used as input data and the information indicating the victory or defeat of the past trial is used as output data. .. The output data handled as the prediction result is machine-learned with 1 for winning and 0 for losing (or 0 for winning and 1 for losing).

一方、学習後の推定工程では、対象被害の状況に相当する特徴量が機械学習モデル５１に入力された場合、当該対象被害に対する裁判の勝敗の確率を表す情報が出力される。 On the other hand, in the estimation process after learning, when the feature amount corresponding to the situation of the target damage is input to the machine learning model 51, the information indicating the probability of winning or losing the trial for the target damage is output.

続いて、図５及び図６を用いてセクハラを例に画面遷移の一例を説明する。図５は、ユーザ端末１に表示される被害内容入力画面の一例である。図６は、図５の続きの画面の一例である。図５の被害内容入力画面Ｇ１には、セクハラ行為の加害者の情報を記載するテキストボックスＢ１～Ｂ３、この加害者の協力者の情報を記載するテキストボックスＢ４～Ｂ６、セクハラを行った加害者とユーザ（被害者）との関係を選択するセレクトボックスＢ７、セレクトボックスＢ７での選択肢が「その他」の場合に関係を入力するテキストボックスＢ８、セクハラ行為の内容を選択するチェックボックスＢ９～Ｂ１１が示されている。図６には、一例としてセクハラでの勝訴確率（ここでは一例として７０％）が表示され、最初のページに戻るためのボタンＢ２１が表示されている。 Subsequently, an example of screen transition will be described with reference to FIGS. 5 and 6 by taking sexual harassment as an example. FIG. 5 is an example of a damage content input screen displayed on the user terminal 1. FIG. 6 is an example of a screen following the screen of FIG. In the damage content input screen G1 of FIG. 5, text boxes B1 to B3 for describing the information of the perpetrator of the sexual harassment act, text boxes B4 to B6 for describing the information of the cooperator of the perpetrator, and the perpetrator who performed the sexual harassment. Select box B7 for selecting the relationship between the user (victim) and the user (victim), text box B8 for inputting the relationship when the option in select box B7 is "Other", and check boxes B9 to B11 for selecting the content of sexual harassment are shown. ing. In FIG. 6, the probability of winning a case in sexual harassment (here, 70% as an example) is displayed as an example, and the button B21 for returning to the first page is displayed.

図５の画面Ｇ１に示すように、弁護士への相談を希望する被害者は、ユーザとして図５に示すＷｅｂ画面上で被害内容（もしくは相談内容）を入力し、その被害内容は全てデータベース４１に格納される。格納された被害回答情報のうち選択形式のものが上記の処理によって特徴量に変換され、変換された特徴量が機械学習モデル５１へ入力されると、勝訴確率が出力される。これにより、被害内容に基づいた勝訴確率が図６の画面Ｇ２に示すようにＷｅｂ画面上で提示される。 As shown in the screen G1 of FIG. 5, the victim who wishes to consult with a lawyer inputs the damage content (or consultation content) on the Web screen shown in FIG. 5 as a user, and all the damage content is stored in the database 41. Stored. Among the stored damage response information, the selection format is converted into a feature amount by the above processing, and when the converted feature amount is input to the machine learning model 51, the winning probability is output. As a result, the probability of winning the case based on the damage content is presented on the Web screen as shown in the screen G2 of FIG.

上述の一連の処理の間に、提示部２６１は、被害（例えば、セクシャルハラスメントまたはパワーハラスメントなど）を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つのそれぞれに対する選択肢を提示するよう制御する。これにより、ユーザ端末１に、例えば図５のセレクトボックスＢ７、チェックボックスＢ９～Ｂ１１が提示される。
取得部２６２は、当該少なくとも一つの質問それぞれに対してユーザが選択した選択肢を表す被害回答情報を取得する。 During the series of processes described above, the presentation unit 261 controls to present at least one question regarding the situation of being damaged (for example, sexual harassment or power harassment) and an option for each of the at least one. As a result, for example, the select boxes B7 and the check boxes B9 to B11 of FIG. 5 are presented to the user terminal 1.
The acquisition unit 262 acquires damage response information representing the options selected by the user for each of the at least one question.

変換部２６３は、被害回答情報に含まれる当該少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが当該ユーザが選択した選択肢であるか否かを示す要素を含む配列に変換することによって、少なくとも一つの配列を特徴量として生成する。 The conversion unit 263 converts at least one of the at least one question included in the damage response information into an array including an element indicating whether or not each of the plurality of options is the option selected by the user. Generate an array as a feature quantity.

その際、例えば、当該少なくとも一つの質問毎に選択肢の数が異なる場合、変換部２６３は、それぞれの当該質問に対する回答を、最も選択肢が多い数の要素を有する配列に変換することによって、当該少なくとも一つの配列を生成する。具体的には例えば、当該被害回答情報が変換された当該配列は、選択された選択肢の順番の要素が１、選択されなかった選択肢の順番の要素が０の配列である。 At that time, for example, when the number of choices is different for each of the at least one question, the conversion unit 263 converts the answer to each question into an array having the number of elements having the largest number of choices, so that at least the answer is given. Generate one array. Specifically, for example, the array to which the damage response information is converted is an array in which the elements in the order of the selected options are 1 and the elements in the order of the non-selected options are 0.

この相談から実際に訴訟に発展し、勝訴／敗訴のデータが得られた場合、新たに機械学習モデル５１の学習データとして使用されてもよい。加えて、機械学習モデル５１が予測した勝訴確率は弁護士側でも確認することができ、自由記述項目と合わせて弁護士の判断材料として効果的に使用してもよい。 If the consultation actually develops into a litigation and the winning / losing data is obtained, it may be newly used as the learning data of the machine learning model 51. In addition, the probability of winning the case predicted by the machine learning model 51 can be confirmed by the lawyer, and may be effectively used as a judgment material for the lawyer together with the free description item.

図７は、本実施形態の処理の流れの一例を示すフローチャートの一例である。
（ステップＳ１０）まずユーザ端末１は、被害内容を入力するＷＥＢページのＵＲＬをＷＥＢサーバ２０へ送信する。 FIG. 7 is an example of a flowchart showing an example of the processing flow of the present embodiment.
(Step S10) First, the user terminal 1 transmits the URL of the WEB page for inputting the damage content to the WEB server 20.

（ステップＳ２０）これに応じて、ＷＥＢサーバ２０は、被害内容入力画面情報を送信する。具体的には例えば提示部２６１は、被害を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つの質問それぞれに対する選択肢を提示するための情報として被害内容入力画面情報を出力する。 (Step S20) In response to this, the WEB server 20 transmits the damage content input screen information. Specifically, for example, the presentation unit 261 outputs damage content input screen information as information for presenting at least one question regarding the damaged situation and options for each of the at least one question.

（ステップＳ３０）次にユーザ端末１は、ステップＳ２０で送信された被害内容入力画面情報を受信し、この被害内容入力画面を表示する。 (Step S30) Next, the user terminal 1 receives the damage content input screen information transmitted in step S20, and displays the damage content input screen.

（ステップＳ４０）次にユーザ端末１は、被害内容入力画面において被害者から回答を受け付けた場合、被害回答情報をＷＥＢサーバ２０へ送信する。 (Step S40) Next, when the user terminal 1 receives a reply from the victim on the damage content input screen, the user terminal 1 transmits the damage reply information to the WEB server 20.

（ステップＳ５０）次にＷＥＢサーバ２０は、被害回答情報を受信した場合、ＷＥＢサーバ２０の取得部２６２は、被害回答情報を受信した場合、当該複数の質問それぞれに対してユーザが選択した選択肢を含む被害回答情報を取得する。次にＷＥＢサーバ２０の変換部２６３は、被害回答情報を受信した場合、被害回答情報に含まれる当該少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが当該ユーザによって選択された選択肢であるか否かを示す要素を含む配列に変換することによって、少なくとも一つの配列を特徴量として生成する。 (Step S50) Next, when the WEB server 20 receives the damage response information, the acquisition unit 262 of the WEB server 20 selects the option selected by the user for each of the plurality of questions when the WEB server 20 receives the damage response information. Obtain damage response information including. Next, when the conversion unit 263 of the WEB server 20 receives the damage response information, whether or not each of the plurality of options for each of the at least one question included in the damage response information is the option selected by the user. By converting to an array containing the elements indicating, at least one array is generated as a feature quantity.

（ステップＳ６０）次にＷＥＢサーバ２０は、生成した特徴量をＡＩサーバ５へ送信する。 (Step S60) Next, the WEB server 20 transmits the generated feature amount to the AI server 5.

（ステップＳ７０）次にＡＩサーバ５の出力部５２１は、ステップＳ６０で送信された特徴量を受信した場合、機械学習モデルにこの特徴量を入力して、裁判の勝敗の確率を表す情報を出力する。 (Step S70) Next, when the output unit 521 of the AI server 5 receives the feature amount transmitted in step S60, it inputs this feature amount into the machine learning model and outputs information indicating the probability of winning or losing the trial. do.

（ステップＳ８０）次にＡＩサーバ５の出力部５２１は、裁判の勝敗の確率を表す情報をＷＥＢサーバ２０へ送信する。 (Step S80) Next, the output unit 521 of the AI server 5 transmits information indicating the probability of winning or losing the trial to the WEB server 20.

（ステップＳ９０）次にＷＥＢサーバ２０の提示部２６１は、この裁判の勝敗の確率を表す情報を含む判定結果画面情報を生成する。 (Step S90) Next, the presentation unit 261 of the WEB server 20 generates determination result screen information including information indicating the probability of winning or losing of this trial.

（ステップＳ１００）次にＷＥＢサーバ２０の提示部２６１は、生成した判定結果画面情報をユーザ端末１へ送信する。 (Step S100) Next, the presentation unit 261 of the WEB server 20 transmits the generated determination result screen information to the user terminal 1.

（ステップＳ１１０）ユーザ端末１は、ステップＳ１００で送信された判定結果画面情報を受信し、この判定結果画面を表示する。 (Step S110) The user terminal 1 receives the determination result screen information transmitted in step S100 and displays the determination result screen.

以上、本実施形態に係る情報処理システムは、被害を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つの質問それぞれに対する選択肢を提示するよう制御する提示部２６１と、当該複数の質問それぞれに対してユーザが選択した選択肢を表す被害回答情報を取得する取得部２６２と、被害回答情報に含まれる当該少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが当該ユーザによって選択された選択肢であるか否かを示す要素を含む配列に変換することによって、少なくとも一つの配列を特徴量として生成する変換部２６３と、当該変換後の特徴量を機械学習モデルに入力することによって、当該被害について裁判の勝敗の確率を表す情報を出力する出力部５２１と、を備える。当該機械学習モデルは、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習された機械学習モデルである情報処理システムである。 As described above, the information processing system according to the present embodiment has a presentation unit 261 that controls to present at least one question regarding the damaged situation, an option for each of the at least one question, and each of the plurality of questions. Whether or not each of the plurality of options for each of the at least one question included in the damage response information is the option selected by the user, and the acquisition unit 262 that acquires the damage response information representing the option selected by the user. By converting to an array containing the elements indicating An output unit 521 that outputs information representing a probability is provided. The machine learning model is a machine learning model learned using a learning data set that uses feature quantities corresponding to the damage situation in the past trial as input data and information indicating the victory or defeat of the past trial as output data. It is an information processing system.

なお、上述した実施形態で説明したコンピュータシステム２の少なくとも一部の機能は、ユーザ端末１で実行されてもよい。例えばユーザ端末１が提示部、取得部、変換部、出力部の少なくとも一つを備えていてもよい。また上述した実施形態で説明したコンピュータシステム２の少なくとも一部は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、コンピュータシステム２の少なくとも一部の機能を実現するプログラムをコンピュータ読み取り可能な記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。 It should be noted that at least a part of the functions of the computer system 2 described in the above-described embodiment may be executed by the user terminal 1. For example, the user terminal 1 may include at least one of a presentation unit, an acquisition unit, a conversion unit, and an output unit. Further, at least a part of the computer system 2 described in the above-described embodiment may be configured by hardware or software. When configured by software, a program that realizes at least a part of the functions of the computer system 2 may be stored in a computer-readable recording medium, read by a computer, and executed. The recording medium is not limited to a removable one such as a magnetic disk or an optical disk, and may be a fixed recording medium such as a hard disk device or a memory.

また、コンピュータシステム２の少なくとも一部の機能を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。 Further, a program that realizes at least a part of the functions of the computer system 2 may be distributed via a communication line (including wireless communication) such as the Internet. Further, the program may be encrypted, modulated, compressed, and distributed via a wired line or a wireless line such as the Internet, or stored in a recording medium.

さらに、一つまたは複数の情報機器によってコンピュータシステム２を機能させてもよい。複数の情報機器を用いる場合、そのうちの１つをコンピュータとし、当該コンピュータが所定のプログラムを実行することによりコンピュータシステム２の少なくとも１つの手段として機能が実現されてもよい。 Further, the computer system 2 may be operated by one or more information devices. When a plurality of information devices are used, one of them may be a computer, and the function may be realized as at least one means of the computer system 2 by executing a predetermined program by the computer.

また、方法の発明においては、全ての工程（ステップ）をコンピュータによって自動制御で実現するようにしてもよい。また、各工程をコンピュータに実施させながら、工程間の進行制御を人の手によって実施するようにしてもよい。また、さらには、全工程のうちの少なくとも一部を人の手によって実施するようにしてもよい。 Further, in the invention of the method, all the steps (steps) may be realized by automatic control by a computer. Further, the progress control between the processes may be manually performed while the computer is used to perform each process. Further, at least a part of the whole process may be manually performed.

以上、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。 As described above, the present invention is not limited to the above embodiment as it is, and at the implementation stage, the components can be modified and embodied within a range that does not deviate from the gist thereof. In addition, various inventions can be formed by an appropriate combination of the plurality of components disclosed in the above-described embodiment. For example, some components may be removed from all the components shown in the embodiments. Further, components over different embodiments may be combined as appropriate.

１ユーザ端末
１１入力インタフェース
１２通信モジュール
１３ストレージ
１４メモリ
１５ディスプレイ
１６プロセッサ
２コンピュータシステム
２０ＷＥＢサーバ
２１入力インタフェース
２２通信モジュール
２３ストレージ
２４メモリ
２６プロセッサ
２６１提示部
２６２取得部
２６３変換部
３管理者端末
４データベースサーバ
４１データベース
５ＡＩサーバ
５０ストレージ
５１機械学習モデル
５２プロセッサ
５２１出力部
ＣＮ１、ＣＮ２通信回路網
Ｓ情報処理システム 1 User terminal 11 Input interface 12 Communication module 13 Storage 14 Memory 15 Display 16 Processor 2 Computer system 20 WEB server 21 Input interface 22 Communication module 23 Storage 24 Memory 26 Processor 261 Presentation unit 262 Acquisition unit 263 Conversion unit 3 Administrator terminal 4 Database Server 41 Database 5 AI Server 50 Storage 51 Machine learning model 52 Processor 521 Output unit CN1, CN2 Communication network S Information processing system

Claims

被害を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つの質問それぞれに対する選択肢を提示するための情報を出力する提示部と、
前記質問それぞれに対してユーザが選択した選択肢を含む被害回答情報を取得する取得部と、
被害回答情報に含まれる前記少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが前記ユーザによって選択された選択肢であるか否かを示す要素を含む特徴量を生成する変換部と、
前記変換後の特徴量を機械学習モデルに入力することによって、前記被害について裁判の勝敗の確率を表す情報を出力する出力部と、
を備え、
前記機械学習モデルは、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習された機械学習モデルである情報処理システム。 A presentation unit that outputs at least one question about the damaged situation and information for presenting options for each of the at least one question.
An acquisition unit that acquires damage response information including options selected by the user for each of the above questions.
A conversion unit that generates a feature amount including an element indicating whether or not each of the plurality of options for each of the at least one question included in the damage answer information is the option selected by the user.
By inputting the converted features into the machine learning model, an output unit that outputs information indicating the probability of winning or losing the trial for the damage, and an output unit.
Equipped with
The machine learning model is a machine learning model learned using a learning data set in which feature quantities corresponding to the damage situation in the past trials are used as input data and information indicating the victory or defeat of the past trials is used as output data. Information processing system.

複数の前記質問毎に選択肢の数が異なる場合、前記変換部は、それぞれの前記質問に対する回答を、最も選択肢が多い数の要素を有する配列に変換することによって、複数の配列を前記特徴量として生成する
請求項１に記載の情報処理システム。 When the number of choices is different for each of the plurality of questions, the conversion unit converts the answer to each question into an array having the number of elements having the largest number of choices, thereby converting the plurality of sequences into the feature quantity. The information processing system according to claim 1, which is generated as .

前記被害回答情報が変換された前記配列は、選択された選択肢の順番の要素が１、選択されなかった選択肢の順番の要素が０の配列である
請求項２に記載の情報処理システム。 The information processing system according to claim 2 , wherein the array in which the damage response information is converted is an array in which the elements in the order of the selected options are 1 and the elements in the order of the non-selected options are 0.

前記被害は、セクシャルハラスメントまたはパワーハラスメントである
請求項１から３のいずれか一項に記載の情報処理システム。 The information processing system according to any one of claims 1 to 3, wherein the damage is sexual harassment or power harassment.

被害を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つの質問それぞれに対する選択肢を提示するための情報を出力する提示部と、
前記質問それぞれに対してユーザが選択した選択肢を含む被害回答情報を取得する取得部と、
被害回答情報に含まれる前記少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが前記ユーザによって選択された選択肢であるか否かを示す要素を含む特徴量を生成する変換部と、
前記変換後の特徴量を機械学習モデルに入力することによって、前記被害について裁判の勝敗の確率を表す情報を出力する出力部と、
を備え、
前記機械学習モデルは、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習された機械学習モデルであるコンピュータシステム。 A presentation unit that outputs at least one question about the damaged situation and information for presenting options for each of the at least one question.
An acquisition unit that acquires damage response information including options selected by the user for each of the above questions.
A conversion unit that generates a feature amount including an element indicating whether or not each of the plurality of options for each of the at least one question included in the damage answer information is the option selected by the user.
By inputting the converted features into the machine learning model, an output unit that outputs information indicating the probability of winning or losing the trial for the damage, and an output unit.
Equipped with
The machine learning model is a machine learning model learned using a learning data set in which feature quantities corresponding to the damage situation in the past trials are used as input data and information indicating the victory or defeat of the past trials is used as output data. Computer system.

コンピュータに、
被害を受けた状況に関する少なくとも一つの質問と、当該少なくとも一つの質問それぞれに対する選択肢を提示するための情報を出力する提示手順、
前記質問それぞれに対してユーザが選択した選択肢を含む被害回答情報を取得する取得手順、
被害回答情報に含まれる前記少なくとも一つの質問それぞれについて複数の選択肢のそれぞれが前記ユーザによって選択された選択肢であるか否かを示す要素を含む特徴量を生成する変換手順、
前記変換後の特徴量を機械学習モデルに入力することによって、前記被害について裁判の勝敗の確率を表す情報を出力する出力手順、
を実行させるためのプログラムであって、
前記機械学習モデルは、過去の裁判における被害の状況に相当する特徴量を入力データとし当該過去の裁判の勝敗を表す情報を出力データとする学習データセットを用いて学習された機械学習モデルであるプログラム。
On the computer
A presentation procedure that outputs information to present at least one question about the affected situation and options for each of the at least one question.
Acquisition procedure for acquiring damage response information including options selected by the user for each of the above questions,
A conversion procedure that generates a feature quantity including an element indicating whether or not each of the plurality of options is an option selected by the user for each of the at least one question included in the damage answer information.
An output procedure that outputs information indicating the probability of winning or losing a trial for the damage by inputting the converted feature amount into the machine learning model.
It is a program to execute
The machine learning model is a machine learning model learned using a learning data set in which feature quantities corresponding to the damage situation in the past trials are used as input data and information indicating the victory or defeat of the past trials is used as output data. program.