ロジスティック回帰分析システム及びロジスティック回帰分析プログラム
【課題】データ項目における構成比が小さいデータカテゴリに対応する説明変数の変数カテゴリを用いてロジスティック回帰分析を行うことが可能になる、ロジスティック回帰分析システム及びロジスティック回帰分析プログラムを提供すること。
【解決手段】ロジスティック回帰分析システムとしての不正検知システム１０は、説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かを、データ項目のデータカテゴリの構成比に基づいて判定する判定部１５ａと、投入することができないと判定された変数カテゴリに対応するデータ項目のデータカテゴリを対象として、事象が過去に発生した確率を算定する確率算定部１５ｂと、この確率を所定倍数で整数化する整数化部１５ｃと、整数化された確率を、変数カテゴリの説明変数の有効性に基づいて展開することにより、説明変数の変数カテゴリの変換値を生成する展開部１５ｄとを備える。
【解決手段】ロジスティック回帰分析システムとしての不正検知システム１０は、説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かを、データ項目のデータカテゴリの構成比に基づいて判定する判定部１５ａと、投入することができないと判定された変数カテゴリに対応するデータ項目のデータカテゴリを対象として、事象が過去に発生した確率を算定する確率算定部１５ｂと、この確率を所定倍数で整数化する整数化部１５ｃと、整数化された確率を、変数カテゴリの説明変数の有効性に基づいて展開することにより、説明変数の変数カテゴリの変換値を生成する展開部１５ｄとを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ロジスティック回帰分析システム及びロジスティック回帰分析プログラムに関する。
【背景技術】
【０００２】
各種の店舗等においてクレジットカード（以下、カード）による決済が行われる際には、店舗等からカード会社に対して、カード番号等の情報を送信することで与信照会が要求される。この与信照会の要求を受けたカード会社は、カードの与信残高照会に加えて、カードの利用が不正利用である可能性についての判定を行っており、この判定には、スコアリングモデルと呼ばれる分析モデルを使用している。このスコアリングモデルとしては様々なモデルが提案されており、その中の一つに、ロジスティック回帰分析を適用したモデルがある（例えば、特許文献１参照）。
【０００３】
このようなロジスティック回帰分析を適用したスコアリングモデルは、カードの不正利用が発生すると予想される確率（以下、予想不正率）に対応するスコアを算定するためのモデルであり、この予想不正率に影響を与え得る説明変数を複数のデータ項目に基づいて算定し、当該算定した複数の説明変数を所定のロジスティック回帰関数に投入することによりスコアを算定する。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００７−２０７０１１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、ロジスティック回帰分析に投入することができる説明変数には、一定の制約が存在することが知られていた。例えば、特定のデータ項目におけるデータカテゴリの構成比が小さい場合、このようなデータカテゴリに対応する説明変数の変数カテゴリについては、いわゆる完全分離や準完全分離の問題が発生するため、ロジスティック回帰分析で扱うことができず、このような変数カテゴリをそのままスコアリングモデルに投入することができなかった。
【０００６】
例えば、換金性の高い商品がカードで購入された場合には、換金性の低い商品が購入された場合に比べて、カードの不正利用が行われる可能性が高いことが判っている。従って、換金性の高い商品については、商品コード（各商品の種類を一意に識別するために予め設定されているコードであり、例えば、貴金属、商品券、プリペイドカード等をそれぞれ区別するためのコード）単位でデータカテゴリを細分化して分析を行い、スコアリングモデルの精度を高めることができると考えられる。しかしながら、このような細分化を行った場合には、データ項目（この例では、換金性の高い商品を含む全ての商品の商品コード）における各データカテゴリ（この例では、貴金属の商品コード、商品券の商品コード、プリペイドカードの商品コード等）の構成比が小さくなり、このような構成比の小さい各データカテゴリに対応する説明変数の変数カテゴリをスコアリングモデルにそのまま投入することができないため、結局は、細分化した分析を行うことはできず、スコアリングモデルの精度を高めることができなかった。
【０００７】
本発明は、上記に鑑みてなされたものであって、データ項目における構成比が小さいデータカテゴリに対応する説明変数の変数カテゴリを用いてロジスティック回帰分析を行うことが可能になる、ロジスティック回帰分析システム及びロジスティック回帰分析プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
請求項１に記載のロジスティック回帰分析システムは、所定の事象が発生する確率に影響を与え得る複数の説明変数の変数カテゴリであって、複数のデータ項目の各々に含まれるデータカテゴリに対応する変数カテゴリを、所定のロジスティック回帰関数に投入することにより前記確率を算定する、ロジスティック回帰分析システムであって、前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応する前記データ項目の前記データカテゴリの構成比に基づいて判定する判定手段と、前記判定手段にて投入することができないと判定された前記変数カテゴリに対応する前記データ項目の前記データカテゴリを対象として、前記事象が過去に発生した確率を算定する確率算定手段と、前記確率算定手段にて算定された確率を所定倍数で整数化する整数化手段と、前記整数化手段にて整数化された確率を、前記判定手段にて投入することができないと判定された前記変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段とを備える。
【０００９】
請求項２に記載のロジスティック回帰分析システムは、請求項１に記載のロジスティック回帰分析システムにおいて、前記判定手段は、前記データ項目に含まれる最小単位のデータカテゴリの構成比に基づいて、前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを判定する。
【００１０】
請求項３に記載のロジスティック回帰分析システムは、請求項１又は２に記載のロジスティック回帰分析システムにおいて、前記確率算定手段は、前記事象が過去に発生した確率を百分率値として算定し、前記整数化手段は、前記確率算定手段にて算定された確率を百倍以上の所定倍数で整数化する。
【００１１】
請求項４に記載のロジスティック回帰分析システムは、請求項１から３のいずれか一項に記載のロジスティック回帰分析システムにおいて、クレジットカードの不正利用が発生する確率に対応するスコアを、前記ロジスティック回帰関数を適用したスコアリングモデルにて算定するシステムであり、前記展開手段にて生成された説明変数の変数カテゴリの変換値を前記スコアリングモデルに投入することにより、前記スコアを算定するスコア算定手段を備える。
【００１２】
請求項５に記載のロジスティック回帰分析プログラムは、所定の事象が発生する確率に影響を与え得る複数の説明変数の変数カテゴリであって、複数のデータ項目の各々に含まれるデータカテゴリに対応する変数カテゴリを、所定のロジスティック回帰関数に投入することにより前記確率を算定する、ロジスティック回帰分析プログラムであって、コンピュータを、前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応する前記データ項目の前記データカテゴリの構成比に基づいて判定する判定手段と、前記判定手段にて投入することができないと判定された前記変数カテゴリに対応する前記データ項目の前記データカテゴリを対象として、前記事象が過去に発生した確率を算定する確率算定手段と、前記確率算定手段にて算定された確率を所定倍数で整数化する整数化手段と、前記整数化手段にて整数化された確率を、前記判定手段にて投入することができないと判定された前記変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段として機能させる。
【発明の効果】
【００１３】
請求項１に記載のロジスティック回帰分析システム、又は請求項５に記載のロジスティック回帰分析プログラムによれば、データ項目における構成比が小さいデータカテゴリに対応する説明変数の変数カテゴリであるために、従来であればロジスティック回帰分析に投入することができなかった変数カテゴリを、変換値に変換してロジスティック回帰分析に投入することができる。従って、従来よりもデータカテゴリを細分化してロジスティック回帰分析を行うことが可能になり、ロジスティック回帰分析の精度を向上させることが可能になる。
【００１４】
請求項２に記載のロジスティック回帰分析システムによれば、データ項目に含まれる最小単位のデータカテゴリの構成比に基づいて、説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かを判定するので、データカテゴリを最小単位に細分化してロジスティック回帰分析を行うことが可能になり、ロジスティック回帰分析の精度を一層向上させることが可能になる。
【００１５】
請求項３に記載のロジスティック回帰分析システムによれば、百分率値として算定した確率を百倍以上の所定倍数で整数化することにより、確率を整数化することができる。
【００１６】
請求項４に記載のロジスティック回帰分析システムによれば、クレジットカードの不正利用が発生する確率に対応するスコア算定するスコアリングモデルに関して、データ項目における構成比が小さいデータカテゴリに対応する説明変数の変数カテゴリであって、従来であればスコアリングモデルに投入することができなかった変数カテゴリを、変換値に変換してロジスティック回帰分析に投入することができる。従って、従来よりもデータカテゴリを細分化してスコアリングモデルによるスコアの算定を行うことが可能になり、スコアリングモデルの精度を向上させることが可能になる。この結果、クレジットカードの不正利用が発生する確率を一層精度よく判定することが可能になる。
【図面の簡単な説明】
【００１７】
【図１】本発明の一実施の形態に係る不正検知システムを含んで構築された承認システムの電気的構成を機能概念的に示したブロック図である。
【図２】会員情報の構成例を示す図である。
【図３】第１利用履歴情報の構成例を示す図である。
【図４】第２利用履歴情報の構成例を示す図である。
【図５】不正判定結果情報の構成例を示す図である。
【図６】スコアリング情報の構成例を示す図である。
【図７】不正検知処理のフローチャートである
【図８】情報蓄積生成処理のフローチャートである。
【図９】回帰分析処理のフローチャートである。
【図１０】データ項目に含まれるデータカテゴリに対応する各種の情報を例示した図である。
【図１１】説明変数変換処理のフローチャートである。
【図１２】説明変数の有効性の設定例を例示した図である。
【図１３】不正判定処理のフローチャートである。
【図１４】システム管理処理のフローチャートである。
【発明を実施するための形態】
【００１８】
以下に添付図面を参照して、この発明に係るロジスティック回帰分析システム及びロジスティック回帰分析プログラムの実施の形態を詳細に説明する。
【００１９】
ロジスティック回帰分析システム及びロジスティック回帰分析プログラムは、所定の事象が発生する確率を算定するためのロジスティック回帰分析を行うものであるが、算定対象とする事象は任意であり、カードの予想不正率、企業の信用リスク、病気の発生確率等に使用することができる。以下では、カードの予想不正率に使用した例について説明するものとし、「ロジスティック回帰分析システム」を「不正検知システム」、「ロジスティック回帰分析プログラム」を「不正検知プログラム」と称する。
【００２０】
（構成）
まず、不正検知システムの構成を説明する。図１は、本実施の形態に係る不正検知システムを含んで構築された承認システムの電気的構成を機能概念的に示したブロック図である。図１に示すように、承認システム１は、カードの利用の承認（オーソリ）を行うためのシステムであり、不正検知システム１０、業務ホスト２０、承認ホスト（オーソリホスト）３０、不正判定端末４０、及びシステム管理端末５０を、インターネットの如きネットワーク６０を介して相互に通信可能に接続して構成されている。
【００２１】
（構成−不正検知システム）
不正検知システム１０は、カードの不正利用を検知するためのシステムであり、ネットワークインターフェース（以下、ネットワークＩＦ）１１、記憶部１２、及び制御部１３を備えて構成されている。
【００２２】
ネットワークＩＦ１１は、不正検知システム１０の処理に必要な情報の入力を受け付ける入力手段であると共に、不正検知システム１０から外部に情報を出力するための出力手段であり、例えば、公知のネットワークボードとして構成されている。
【００２３】
記憶部１２は、不正検知システム１０の処理に必要な各種の情報を記憶する記憶手段であり、例えばハードディスクやその他の記録媒体によって構成されるもので、会員情報ＤＢ（以下、データベースを「ＤＢ」と称する）１２ａ、利用履歴情報ＤＢ１２ｂ、不正判定結果情報ＤＢ１２ｃ、及びスコアリング情報ＤＢ１２ｄを備える。これら各ＤＢの詳細は後述する。
【００２４】
制御部１３は、不正検知システム１０を制御する制御手段であり、具体的には、ＣＰＵ、当該ＣＰＵ上で解釈実行される各種のプログラム（ＯＳなどの基本制御プログラムや、ＯＳ上で起動され特定機能を実現するアプリケーションプログラムを含む）、及びプログラムや各種のデータを格納するためのＲＡＭの如き内部メモリを備えて構成されるコンピュータである。特に、本実施の形態に係る不正検知プログラムは、コンピュータ読み取り可能な記録媒体に格納され、当該記録媒体から不正検知システム１０にインストールされることで、制御部１３の各部を実質的に構成する。
【００２５】
この制御部１３は、機能概念的に、情報蓄積生成部１４、回帰分析部１５、不正判定部１６、及びシステム管理部１７を備えている。情報蓄積生成部１４は、記憶部１２に対する各種の情報の蓄積や、各種の情報の生成を行う情報蓄積生成手段である。回帰分析部１５は、ロジスティック回帰分析を適用したスコアリングモデルに基づいてスコアを算定する回帰分析手段である。不正判定部１６は、回帰分析部１５にて算定されたスコアを用いたクレジットカードの不正利用の判定を行うため、必要な処理を行う不正判定手段である。システム管理部１７は、スコアリングモデルの分析や評価に関する処理を行うシステム管理手段である。これら各部の具体的な機能については、後述する。
【００２６】
さらに、回帰分析部１５は、判定部１５ａ、確率算定部１５ｂ、整数化部１５ｃ、展開部１５ｄ、及びスコア算定部１５ｅを備える。判定部１５ａは、説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応するデータ項目のデータカテゴリの構成比に基づいて判定する判定手段である。確率算定部１５ｂは、判定部１５ａにて投入することができないと判定された変数カテゴリに対応するデータ項目のデータカテゴリを対象として、事象が過去に発生した確率を算定する確率算定手段である。整数化部１５ｃは、確率算定部１５ｂにて算定された確率を所定倍数で整数化する整数化手段である。展開部１５ｄは、整数化部１５ｃにて整数化された確率を、判定部１５ａにて投入することができないと判定された変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段である。スコア算定部１５ｅは、展開部１５ｄにて生成された説明変数の変数カテゴリの変換値をスコアリングモデルに投入することにより、スコアを算定するスコア算定手段である。これら各部の具体的な機能や用語の意味については、後述する。
【００２７】
次に、記憶部１２の各ＤＢの詳細について説明する。ただし、各ＤＢに格納される情報として以下で説明する情報は、あくまで例示であり、実際には、一部を省略することができ、他の情報を含めることができ、あるいは他の情報で置換することができる。
【００２８】
図１の会員情報ＤＢ１２ａは、カードの正当な利用者として登録された者（以下、会員）に関する情報（以下、会員情報）を格納する会員情報格納手段である。この会員情報は、図２の構成例に示すように、項目「利用者会員番号」、項目「カード総供与」、項目「カードキャッシング総供与」、項目「利用者生年月日」、項目「利用者性別」、項目「カード有効期限」、項目「利用者入会年月日」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「利用者会員番号」に対応する情報は、各会員に一意に付与された会員番号である。項目「カード総供与」に対応する情報は、各会員のカードの総利用可能額である。項目「カードキャッシング総供与」に対応する情報は、各会員のカードによるキャッシングの総利用可能額である。項目「利用者生年月日」に対応する情報は、各会員の生年月日である。項目「利用者性別」に対応する情報は、各会員の性別であり、例えば「０」は男性、「１」は女性を示す。項目「カード有効期限」に対応する情報は、各会員のカードの有効期限である。項目「利用者入会年月日」に対応する情報は、各会員がカードに入会した年月日である。
【００２９】
図１の利用履歴情報ＤＢ１２ｂは、カードの利用履歴に関する情報（以下、利用履歴情報）を格納する利用履歴情報格納手段である。この利用履歴情報は、本実施の形態では、第１利用履歴情報と第２利用履歴情報を含む。第１利用履歴情報は、承認ホスト３０から送信された承認情報（オーソリ情報）を含んで構成されるもので、図３の構成例に示すように、項目「一意キー」、項目「利用者会員番号」、項目「承認受付年月日」、項目「承認受付時刻」、項目「利用金額」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「一意キー」を除いた各項目に対応する情報は、承認ホスト３０から送信された承認情報に含まれる情報である。項目「一意キー」に対応する情報は、制御部１３によって自動的に一意に採番された情報であって、第１利用履歴情報の主キーになる情報である。項目「利用者会員番号」に対応する情報は、各会員に一意に付与された会員番号である。項目「承認受付年月日」に対応する情報は、承認が受け付けられた年月日、項目「承認受付時刻」に対応する情報は、承認が受け付けられた時刻、項目「利用金額」に対応する情報は、承認の対象となっている金額である。なお、承認ホスト３０から送信された承認情報には、これら各情報以外にも各種の情報（例えば、後述する具体的における商品コード）が含まれるが、本実施の形態においてはその説明を省略する。
【００３０】
また、第２利用履歴情報は、カードの利用履歴に統計的処理を施して生成された情報を含んで構成されるもので、図４の構成例に示すように、項目「利用者会員番号」、項目「承認受付年月日」、項目「承認受付時刻」、項目「過去１回前からの経過時間」、項目「過去ｎ回前からの経過時間」、項目「過去１回前利用時間」、項目「過去ｎ回前利用時間」、項目「過去１回前利用チャネル」、項目「過去ｎ回前利用チャネル」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「利用者会員番号」、項目「承認受付年月日」、及び項目「承認受付時刻」に対応する情報は、図３の第１利用履歴情報における同一項目に対応する情報と同じである。項目「過去１回前からの経過時間」に対応する情報は、承認の対象となっている会員が、過去１回前のカード利用を行ってから今回のカード利用を行うまでの経過時間である。項目「過去ｎ回前からの経過時間」に対応する情報は、承認の対象となっている会員が、過去ｎ回前のカード利用を行ってから今回のカード利用を行うまでの経過時間である。なお、「ｎ」は整数であり、図示は省略するが、第２利用履歴情報は、１とｎの間の各整数ｘ（＝２、３、・・・、ｎ−１）に対応する項目「過去ｘ回前からの経過時間」と、この項目に対応する情報を含んで構成されている（以下、ｎを用いて表現された他の情報についても同じ）。項目「過去１回前利用時間」に対応する情報は、承認の対象となっている会員が、過去１回前のカード利用を行った時間である。項目「過去ｎ回前利用時間」に対応する情報は、承認の対象となっている会員が、過去ｎ回前のカード利用を行った時間である。項目「過去１回前利用チャネル」に対応する情報は、承認の対象となっている会員が、過去１回前のカード利用を行ったチャネルである。チャネルとは、カードの利用経路であり、例えば、国内又は海外のいずれか一方と対面又は非対面のいずれか一方とを組わせて特定され、「対面国内」、「対面海外」、「非対面国内」、「非対面海外」の４つのチャネルがある。特定される。項目「過去ｎ回前利用チャネル」に対応する情報は、承認の対象となっている会員が、過去ｎ回前のカード利用を行ったチャネルである。
【００３１】
図１の不正判定結果情報ＤＢ１２ｃは、カードの不正判定の結果に関する情報（以下、不正判定結果情報）を格納する不正判定結果情報格納手段である。この不正判定結果情報は、図５の構成例に示すように、項目「利用者会員番号」、項目「承認受付年月日」、項目「承認受付時刻」、項目「ヒットルールＩＤ」、項目「スコア」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「利用者会員番号」、項目「承認受付年月日」、及び項目「承認受付時刻」に対応する情報は、図３の第１利用履歴情報における同一項目に対応する情報と同じである。項目「ヒットルールＩＤ」に対応する情報は、カードの不正判定を行うためのルールのうち、各承認の情報に合致したルール（ヒットルール）を一意に特定するためのルール特定情報である。項目「スコア」に対応する情報は、スコアリングモデルを用いて算定されたスコアである。なお、実際には、この不正判定結果情報には、さらに、承認ホスト３０から受信した承認情報、会員情報ＤＢ１２ａから取得された会員情報、及び利用履歴情報ＤＢ１２ｂから取得された後述する第１分析対象履歴情報及び第２分析対象履歴情報が含められるが、これら各情報は図５では図示の便宜上省略する。
【００３２】
図１のスコアリング情報ＤＢ１２ｄは、スコアリングモデルを用いた不正判定に関する情報（以下、スコアリング情報）を格納するスコアリング情報格納手段である。このスコアリング情報は、図６の構成例に示すように、項目「利用者会員番号」、項目「承認受付年月日」、項目「承認受付時刻」、項目「説明変数１」、項目「説明変数ｎ」、項目「スコア」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「利用者会員番号」、項目「承認受付年月日」、及び項目「承認受付時刻」に対応する情報は、図３の第１利用履歴情報における同一項目に対応する情報と同じである。項目「説明変数１」に対応する情報は、スコアリングモデルに投入された１番目の説明変数である。項目「説明変数ｎ」に対応する情報は、スコアリングモデルに投入されたｎ番目の説明変数である。項目「スコア」に対応する情報は、スコアリングモデルを用いて算定されたスコアである。
【００３３】
（構成−業務ホスト）
次に、図１の業務ホスト２０について説明する。この業務ホスト２０は、会員情報の管理を行うホストコンピュータであり、図２に示した会員情報を格納しており、この会員情報を必要に応じて不正検知システム１０に送信する。
【００３４】
（構成−承認ホスト）
図１の承認ホスト３０は、店舗等に設定された図示しないカード端末から照会のために送信された承認情報を受信して処理するホストコンピュータであり、この承認情報等を必要に応じて不正検知システム１０に送信する。
【００３５】
（構成−不正判定端末）
図１の不正判定端末４０は、不正判定業務を担当する担当者の端末であり、例えば、カード会社に設置される端末であって、公知のパーソナルコンピュータと同様に構成されている。
【００３６】
（構成−システム管理端末）
図１のシステム管理端末５０は、不正検知システム１０の管理を担当する担当者の端末であり、例えば、システム会社に設置される端末であって、公知のパーソナルコンピュータと同様に構成されている。
【００３７】
（処理）
次に、このように構成された承認システム１によって実行される不正検知処理について説明する。図７は、不正検知システム１０が実行する不正検知処理のフローチャートである（以下の各処理の説明ではステップを「Ｓ」と略記する）。この不正検知処理は、例えば不正検知システム１０の起動後に繰り返して起動させるもので、情報蓄積生成処理（ＳＡ１）、回帰分析処理（ＳＡ２）、不正判定処理（ＳＡ３）、及びシステム管理処理（ＳＡ４）を順次実行する。以下、これら各処理について順次説明する。
【００３８】
（処理−情報蓄積生成処理）
最初に、情報蓄積生成処理について説明する。この処理は、各種の情報の蓄積と生成を行う処理であり、情報蓄積生成部１４によって実行される。図８は、情報蓄積生成処理のフローチャートである。業務ホスト２０に対する会員情報の新規登録や更新が公知の手段で行われると、業務ホスト２０はこの会員情報を不正検知システム１０に送信する。不正検知システム１０の情報蓄積生成部１４は、会員情報を業務ホスト２０から受信すると（ＳＢ１、Ｙｅｓ）、新規登録された会員情報を会員情報ＤＢ１２ａに追加し、あるいは更新された会員情報を会員情報ＤＢ１２ａに反映させる（ＳＢ２）。
【００３９】
また、カードが店舗等で利用されると、店舗等に設置された図示しないカード端末は、承認ホスト３０に対して、承認情報と共に、与信残高と不正利用の照会要求を送信する。この照会要求を受けた承認ホスト３０は、承認情報を不正検知システム１０に送信する。不正検知システム１０の情報蓄積生成部１４は、承認情報を承認ホスト３０から受信すると（ＳＢ３、Ｙｅｓ）、この承認情報に含まれる利用者会員番号に対応する会員情報を会員情報ＤＢ１２ａから取得する（ＳＢ４）。
【００４０】
次いで、情報蓄積生成部１４は、承認情報に基づいて、利用履歴情報ＤＢ１２ｂの第１利用履歴情報を蓄積する（ＳＢ５）。例えば、所定方法で一意キーを採番し、この一意キーを主キーとして承認情報に付加することによって第１利用履歴情報を生成し、この第１利用履歴情報を利用履歴情報ＤＢ１２ｂに追加する。
【００４１】
また、情報蓄積生成部１４は、承認情報に含まれる利用者会員番号に対応する全ての第１利用履歴情報を利用履歴情報ＤＢ１２ｂから取得した後、この第１利用履歴情報に基づいて、不正利用のスコアリングに使用する履歴情報（以下、第１分析対象履歴情報）を生成する（ＳＢ６）。第１分析対象履歴情報は、例えば、直近５分以内の利用回数、直近３０分以内の利用回数、直近５分以内の利用合計金額、直近３０分以内の利用合計金額、直近５分以内の利用金額平均、直近３０分以内の利用金額平均等を含んで構成されるもので、４つのチャネル毎に生成される。
【００４２】
また、情報蓄積生成部１４は、承認情報に含まれる利用者会員番号を主キーとし、承認情報に含まれる承認受付年月日及び承認受付時刻を含む第２利用履歴情報を生成し、この第２利用履歴情報を利用履歴情報ＤＢ１２ｂに蓄積する（ＳＢ７）。この際、第２利用履歴情報の他の情報（過去１回前からの経過時間等）は、利用履歴情報ＤＢ１２ｂにそれまでに蓄積された第１利用履歴情報であって、承認情報に含まれる利用者会員番号に対応する第１利用履歴情報を参照することによって生成される。これにて情報蓄積生成処理を終了する。
【００４３】
（処理−回帰分析処理）
次に、図７の回帰分析処理について説明する。この処理は、ロジスティック回帰分析を適用して構成されたスコアリングモデルを用いてスコアを算定する処理であり、回帰分析部１５及びその各部によって実行される。図９は、回帰分析処理のフローチャートである。回帰分析部１５は、図８のＳＢ３で受信した承認情報、ＳＢ４で取得した会員情報、及びＳＢ６で生成した第１分析対象履歴情報、及びＳＢ７で生成した第２利用履歴情報の中から、スコアリングモデルに投入する説明変数を算定するための所定の複数のデータ項目を取得する（ＳＣ１）。例えば、データ項目としては、承認受付時刻、利用金額、商品コード等がある。
【００４４】
そして、回帰分析部１５の判定部１５ａは、説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応するデータ項目のデータカテゴリの構成比に基づいて判定する（ＳＣ２）。「データカテゴリ」とは、データ項目に含まれる情報であり、データ項目の内部における配置順序に意味を持たない情報であって、主としてセット型のデータである。例えば、データカテゴリとしては、データ項目である「カード番号（クレジットカードを一意に特定するための番号）」に含まれる各カード番号、データ項目である「加盟店コード（クレジットカードが使用された店舗等を一意に特定するためのコード）」に含まれる各加盟店コード、データ項目である「業種コード（クレジットカードが使用された店舗等の業種を一意に特定するためのコード）」に含まれる各業種コード、データ項目である「商品コード（クレジットカードを使用して購入等された商品を一意に特定するためのコード）」に含まれる各商品コードが該当する。また、「構成比」とは、各データカテゴリが属するデータ項目に含まれる全てのデータカテゴリに対して、当該各データカテゴリが占める比率である。例えば、この構成比は、過去の履歴に基づいて予め特定し、不正判定端末４０を介して記憶部１２に予め記憶させておくことができる。説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かは、例えば、各データカテゴリの構成比が、記憶部１２に予め設定された所定値未満（一例として、１％未満）である場合に（各データカテゴリの構成比が小さい場合に）、投入することができないと判定する。特に、ここでは、判定部１５ａは、データ項目に含まれる最小単位のデータカテゴリ別に、判定を行う。ここで、「最小単位でのデータカテゴリ」とは、それ以上細分化することができないデータカテゴリであり、図１０の例では、各商品コードが、最小単位でのデータカテゴリに該当する。そして、判定部１５ａは、ロジスティック回帰関数に投入することができないと判定した変数カテゴリがある場合には、当該変数カテゴリに対応するデータ項目のデータカテゴリを対象として、説明変数変換処理を起動する（ＳＣ３）。
【００４５】
図１０には、データ項目に含まれるデータカテゴリに対応する各種の情報を示す。この図１０の例では、データ項目が「商品コード」であり、データカテゴリ（最小単位のデータカテゴリ）が各商品コードである場合を示す。この例では、データカテゴリである商品コード＝１００１の構成比は３５．０１％、データカテゴリである商品コード＝１００２の構成比は０．１８％であり、データカテゴリである商品コードの全ての構成比の合計値は１００％である。そして、上記所定値を１％とする場合、図１０の例では、データカテゴリである商品コード＝１００２〜１００５、３００９の構成比が当該所定値未満であるため、これらデータカテゴリである商品コード＝１００２〜１００５、３００９に対応する変数カテゴリが、ロジスティック回帰関数にそのまま投入することができない変数カテゴリであると判定されることになる。そして、このような変数カテゴリが存在する場合には、当該変数カテゴリに対応するデータカテゴリを対象として、説明変数変換処理を起動する。
【００４６】
図１１は、説明変数変換処理のフローチャートである。回帰分析部１５の確率算定部１５ｂは、判定部１５ａにて投入することができないと判定された変数カテゴリに対応するデータ項目のデータカテゴリを対象として、事象が過去に発生した確率を算定する（ＳＤ１）。「事象が過去に発生した確率」とは、スコアリングモデルに適用したロジスティック回帰分析が算定する確率であり、本実施の形態においては、過去に不正が発生した確率（以下、不正発生率）である。この確率は、各ＤＢに記憶されている情報に基づいて算定する。図１０の例では、データカテゴリである商品コード＝１００１に対する過去の承認件数が、不正件数＝１００であり、真正件数＝１００，０００であるため、不正発生率＝（１００／（１００＋１００，０００））×１００＝０．１０％が算定される（なお、図１０の例では、小数点第３桁以降を四捨五入した例を示すが、端数処理は任意に変更可能である）。
【００４７】
次いで、回帰分析部１５の整数化部１５ｃは、このように算出した確率を所定数倍することで整数化する（ＳＤ２）。「所定数倍」とは、任意に設定することができるが、百分率値である確率を整数化する観点からは少なくとも１００倍以上であることが好ましく、さらに、小さい確率を有効化するためには、さらに大きな倍数（例えば、１０００倍や１００００倍）することが好ましい。例えば、この倍率は、不正判定端末４０を介して記憶部１２に予め記憶させておくことができる。図１０の例では、このように整数化した値を「整数比」として例示する。この図１０では、所定数倍＝１０００とした例を示しており、上記商品コードの不正発生率＝０．１０％は、０．１０％＝（１／１０００）×１０００＝１として整数化されている（なお、図１０の例では、小数点第１桁以降を切り捨てた例を示すが、端数処理は任意に変更可能である）。
【００４８】
そして、回帰分析部１５の展開部１５ｄは、整数化した確率を展開して変換値を生成する（ＳＤ３）。「展開する」とは、確率を拡大することを意味する。この展開は、１）判定部１５ａにて投入することができないと判定された変数カテゴリの説明変数の有効性であって、複数の説明変数の全体に対する当該説明変数の有効性に基づいて、かつ、２）尺度を維持するように行われる。「有効性」とは、所定の事象が発生する確率に対して、各説明変数がどの程度影響しているのかを表す度合（百分率値）であり、全ての説明変数の有効性の合計値が１００％となるように設定された数値である。図１２には、説明変数の有効性の設定例を例示する。この有効性は、例えば、不正検知システム１０の管理者が過去の不正利用履歴等を参照して任意の方法で決定し、不正判定端末４０を介して記憶部１２に予め記憶させておくことができる。「尺度」とは、整数化した確率の数値の相対的な大きさであり、上記の例ではデータカテゴリである商品コードの不正発生率の相対的な大きさである。このような条件を満たすため、例えば、整数化した確率に対して、当該確率に対応する説明変数の有効性に対応する数値を乗算することにより、上記展開を行う。例えば、図１２の例では、データ項目である商品コードに対応する説明変数の有効性＝１２％であるため、展開比率＝１．２に設定する。従って、図１０に「変換値」として例示するように、整数化した不正発生率＝１、１０、３２、８３３に対応する変換値が、それぞれ１（＝１×１．２）、１２（＝１０×１．２）、３８（＝３２×１．２）、９９９（＝８３３×１．２）と算定される（なお、図１０の例では、小数点第１桁以降を切り捨てた例を示すが、端数処理は任意に変更可能である）。また、この展開の際には、数値範囲が所定範囲を超えないように、整数化した確率の最小値と最大値を求めてその数値範囲を特定し、最小値や最大値が所定値を超えないように、展開比率を決定する。図１０の例では、整数化した不正発生率の最小値＝０、最大値＝８３３であることから、数値範囲＝０〜８３３となり、最大値＝８３３が所定値である９９９を超えないように、展開を行っている。このような処理を行うことで、例えば、不正率＝０．０１％を変換値＝１に展開し、この変換値をそのままスコアリングモデルに投入することが可能になる。これにて図１１の説明変数変換処理を終了し、図９の回帰分析処理に戻る。
【００４９】
なお、このように生成した変換値に対して、必要に応じて、展開部１５ｄが、数値型データに対する公知の説明変数加工プロセスをさらに適用して、変換値の再変換を行うことで再変換値を算定し、この再変換値をスコアリングモデルに投入してもよい。このような公知のプロセスとしては、丸め処理やセット型データへの再変換処理等を挙げることができる。丸め処理とは、数値を、一定の丸め幅の整数倍の数値に置換する処理である。また、セット型データへの再変換処理とは、数値データをセット型データに置換する処理である。このような処理を行って得られた再変換値を、図１０に例示する。この例では、丸め処理とセット型データへの再変換処理の両方を適用して得られた再変換値を示しており、変換値の０と１を、０又は１のいずれかに丸めた上で、セット型データである再変換値Ａに置換している。同様に、変換値１２、３９、４６を、それぞれセット型データである再変換値Ｂ、Ｃ、Ｄに置換している。
【００５０】
このように説明変数変換処理が終了した後、図９の回帰分析処理において、回帰分析部１５のスコア算定部１５ｅは、説明変数変換処理の対象にならなかった変数カテゴリ（構成比が小さくないデータカテゴリに対応する変数カテゴリ）と、説明変数変換処理によって生成された変換値や再変換値（構成比が小さいデータカテゴリに対応する変数カテゴリに対応する変換値や再変換値）とを、ロジスティック回帰分析を適用して構築された所定のスコアリングモデルに投入することにより、予想不正率（スコア）を算定する（ＳＣ４）。ただし、スコアリングモデルとしては公知のモデルを使用することができるので、その詳細な説明は省略する。これにて回帰分析処理を終了する。
【００５１】
（処理−不正判定処理）
次に、図７の不正判定処理について説明する。この処理は、スコアリングモデルを用いて算定されたスコア等を参照し、承認要求が行われたカードの利用が不正利用であるか否かを判定する処理であり、不正判定部１６によって実行される。図１３は、不正判定処理のフローチャートである。
【００５２】
不正判定部１６は、図８のＳＢ３で受信した承認情報、ＳＢ４で取得した会員情報、ＳＢ６で生成した第１分析対象履歴情報及び第２分析対象履歴情報、及び図９のＳＣ３で算定したスコアが、所定のルールに合致するか否かを判定する（ＳＥ１）。「ルール」とは、不正利用の可能性が高いパターンを示す判定基準であり、例えば、不正検知システム１０の担当者によって複数のルールが設定されて予め記憶部１２に記憶されている。一例としては、「スコア＝６００点以上、利用金額＝１０万円以上、過去１回前利用金額＝１０万円以上、かつ、過去１回前からの経過時間＝５分以内」というルールが設定されており、不正判定部１６は、上記取得した各情報に照らして当該ルールに含まれる全ての条件が満たされるか否かを判定し、満たされる場合には、当該ルールに合致すると判定される（このように合致すると判定されたルールを、ヒットルールと称する）。
【００５３】
そして、所定の複数のルールのうち、いずれか一つ以上のルールに合致すると判定された場合（ＳＥ２、Ｙｅｓ）、不正判定部１６は、照会要求が行われている承認を保留する旨を、承認ホスト３０に送信する（ＳＥ３）。次いで、不正判定部１６は、図８のＳＢ３で受信した承認情報、ＳＢ４で取得した会員情報、ＳＢ６で生成した第１分析対象履歴情報、及びＳＢ７で生成した第２利用履歴情報、及び図９のＳＣ４で算定したスコアと、ＳＥ１で判定されたヒットルールを一意に識別するヒットルールＩＤとを含む情報であって、承認情報の利用者会員番号を主キーとする不正判定結果情報を生成して不正判定結果情報ＤＢ１２ｃに蓄積する（ＳＥ４）。
【００５４】
次いで、不正判定部１６は、上記生成した不正判定結果情報を不正判定端末４０に送信する（ＳＥ５）。この結果、不正判定端末４０に設けたモニタに不正判定結果情報が出力されるので、業務担当者は、この不正判定結果情報を参照することで、照会が要求されているカードの利用が不正利用であるか否かを最終的に判断し、この不正判定結果を不正判定端末４０を介して不正検知システム１０に送信する。不正判定部１６は、不正判定結果を受信すると（ＳＥ６、Ｙｅｓ）、この不正判定結果を承認ホスト３０に送信して（ＳＥ７）、不正判定処理を終了する。
【００５５】
（処理−システム管理処理）
最後に、図７のシステム管理処理について説明する。この処理は、スコアリングモデルの精度の分析や評価を行い、必要に応じてスコアリングモデルの更新を行う処理であり、システム管理部１７によって実行される。図１４は、システム管理処理のフローチャートである。
【００５６】
システム管理部１７は、図８のＳＢ３で受信した承認情報、図９のＳＣ３でスコアリングモデルに投入された説明変数、及び図９のＳＣ４で算定したスコアを含む情報であって、承認情報の利用者会員番号を主キーとするスコアリング情報を生成してスコアリング情報ＤＢ１２ｄに蓄積する（ＳＦ１）。そして、システム管理部１７は、システム管理端末５０からの要求に応じて（ＳＦ２、Ｙｅｓ）、このスコアリング情報をスコアリング情報ＤＢ１２ｄから取得してシステム管理端末５０に送信する（ＳＦ３）。この結果、システム管理端末５０に設けたモニタにスコアリング情報が出力されるので、システム管理担当者は、このスコアリング情報を参照することで、スコアリングモデルの精度を所定方法で解析する。そして、システム管理担当者は、この精度のレポート作成を定期的に行うと共に、スコアリングモデルが劣化している場合には、システム管理端末５０から不正検知システム１０に更新データを送信することで、スコアリングモデルの各パラメータを変更し、スコアリングモデルの精度の維持及び向上を図る。例えば、図１１のＳＤ２における整数化の倍率を見直したり、図１２に例示した各説明変数の有効性を見直す。システム管理部１７は、システム管理端末５０から送信された更新データに基づいて、スコアリングモデルの更新等を行う（ＳＦ５）。これにてシステム管理処理を終了する。
【００５７】
（実施の形態に対する変形例）
以上、本発明に係る実施の形態について説明したが、本発明の具体的な構成及び手段は、特許請求の範囲に記載した各発明の技術的思想の範囲内において、任意に改変及び改良することができる。以下、このような変形例について説明する。
【００５８】
（変形例−分散や統合について）
また、上述した各電気的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、各部の分散・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・統合して構成できる。例えば、不正検知システム１０の機能の一部を承認ホスト３０や不正判定端末４０に持たせてもよく、あるいは、不正検知システム１０の機能を複数台のコンピュータに分散して持たせてもよい。また、回帰分析処理の一部として説明した処理を、他の処理で行う等、各処理の一部を相互に入れ替えてもよい。
【００５９】
（説明変数変換処理について）
上記実施の形態では、最小単位のデータカテゴリの構成比に基づいて判定を行っているが、この構成比は、細分化したい単位に応じたデータカテゴリの構成比であればよい。例えば、最小単位のデータカテゴリではなくても、従来よりも細分化されたデータカテゴリであって、従来よりも分析精度を向上させることができる程度に細分化されたデータカテゴリの構成比を採用することができる。また、データ項目毎に細分化すべき単位を予め設定しておき、この単位を参照して、各データ項目毎に異なる単位で判定を行ってもよい。
【符号の説明】
【００６０】
１ 承認システム
１０ 不正検知システム
１１ ネットワークＩＦ
１２ 記憶部
１２ａ 会員情報ＤＢ
１２ｂ 利用履歴情報ＤＢ
１２ｃ 不正判定結果情報ＤＢ
１２ｄ スコアリング情報ＤＢ
１３ 制御部
１４ 情報蓄積生成部
１５ 回帰分析部
１５ａ 変換対象判定部
１５ｂ 確率算定部
１５ｃ 整数化部
１５ｄ 展開部
１５ｅ スコア算定部
１６ 不正判定部
１７ システム管理部
２０ 業務ホスト
３０ 承認ホスト
４０ 不正判定端末
５０ システム管理端末
６０ ネットワーク
【技術分野】
【０００１】
本発明は、ロジスティック回帰分析システム及びロジスティック回帰分析プログラムに関する。
【背景技術】
【０００２】
各種の店舗等においてクレジットカード（以下、カード）による決済が行われる際には、店舗等からカード会社に対して、カード番号等の情報を送信することで与信照会が要求される。この与信照会の要求を受けたカード会社は、カードの与信残高照会に加えて、カードの利用が不正利用である可能性についての判定を行っており、この判定には、スコアリングモデルと呼ばれる分析モデルを使用している。このスコアリングモデルとしては様々なモデルが提案されており、その中の一つに、ロジスティック回帰分析を適用したモデルがある（例えば、特許文献１参照）。
【０００３】
このようなロジスティック回帰分析を適用したスコアリングモデルは、カードの不正利用が発生すると予想される確率（以下、予想不正率）に対応するスコアを算定するためのモデルであり、この予想不正率に影響を与え得る説明変数を複数のデータ項目に基づいて算定し、当該算定した複数の説明変数を所定のロジスティック回帰関数に投入することによりスコアを算定する。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００７−２０７０１１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、ロジスティック回帰分析に投入することができる説明変数には、一定の制約が存在することが知られていた。例えば、特定のデータ項目におけるデータカテゴリの構成比が小さい場合、このようなデータカテゴリに対応する説明変数の変数カテゴリについては、いわゆる完全分離や準完全分離の問題が発生するため、ロジスティック回帰分析で扱うことができず、このような変数カテゴリをそのままスコアリングモデルに投入することができなかった。
【０００６】
例えば、換金性の高い商品がカードで購入された場合には、換金性の低い商品が購入された場合に比べて、カードの不正利用が行われる可能性が高いことが判っている。従って、換金性の高い商品については、商品コード（各商品の種類を一意に識別するために予め設定されているコードであり、例えば、貴金属、商品券、プリペイドカード等をそれぞれ区別するためのコード）単位でデータカテゴリを細分化して分析を行い、スコアリングモデルの精度を高めることができると考えられる。しかしながら、このような細分化を行った場合には、データ項目（この例では、換金性の高い商品を含む全ての商品の商品コード）における各データカテゴリ（この例では、貴金属の商品コード、商品券の商品コード、プリペイドカードの商品コード等）の構成比が小さくなり、このような構成比の小さい各データカテゴリに対応する説明変数の変数カテゴリをスコアリングモデルにそのまま投入することができないため、結局は、細分化した分析を行うことはできず、スコアリングモデルの精度を高めることができなかった。
【０００７】
本発明は、上記に鑑みてなされたものであって、データ項目における構成比が小さいデータカテゴリに対応する説明変数の変数カテゴリを用いてロジスティック回帰分析を行うことが可能になる、ロジスティック回帰分析システム及びロジスティック回帰分析プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
請求項１に記載のロジスティック回帰分析システムは、所定の事象が発生する確率に影響を与え得る複数の説明変数の変数カテゴリであって、複数のデータ項目の各々に含まれるデータカテゴリに対応する変数カテゴリを、所定のロジスティック回帰関数に投入することにより前記確率を算定する、ロジスティック回帰分析システムであって、前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応する前記データ項目の前記データカテゴリの構成比に基づいて判定する判定手段と、前記判定手段にて投入することができないと判定された前記変数カテゴリに対応する前記データ項目の前記データカテゴリを対象として、前記事象が過去に発生した確率を算定する確率算定手段と、前記確率算定手段にて算定された確率を所定倍数で整数化する整数化手段と、前記整数化手段にて整数化された確率を、前記判定手段にて投入することができないと判定された前記変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段とを備える。
【０００９】
請求項２に記載のロジスティック回帰分析システムは、請求項１に記載のロジスティック回帰分析システムにおいて、前記判定手段は、前記データ項目に含まれる最小単位のデータカテゴリの構成比に基づいて、前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを判定する。
【００１０】
請求項３に記載のロジスティック回帰分析システムは、請求項１又は２に記載のロジスティック回帰分析システムにおいて、前記確率算定手段は、前記事象が過去に発生した確率を百分率値として算定し、前記整数化手段は、前記確率算定手段にて算定された確率を百倍以上の所定倍数で整数化する。
【００１１】
請求項４に記載のロジスティック回帰分析システムは、請求項１から３のいずれか一項に記載のロジスティック回帰分析システムにおいて、クレジットカードの不正利用が発生する確率に対応するスコアを、前記ロジスティック回帰関数を適用したスコアリングモデルにて算定するシステムであり、前記展開手段にて生成された説明変数の変数カテゴリの変換値を前記スコアリングモデルに投入することにより、前記スコアを算定するスコア算定手段を備える。
【００１２】
請求項５に記載のロジスティック回帰分析プログラムは、所定の事象が発生する確率に影響を与え得る複数の説明変数の変数カテゴリであって、複数のデータ項目の各々に含まれるデータカテゴリに対応する変数カテゴリを、所定のロジスティック回帰関数に投入することにより前記確率を算定する、ロジスティック回帰分析プログラムであって、コンピュータを、前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応する前記データ項目の前記データカテゴリの構成比に基づいて判定する判定手段と、前記判定手段にて投入することができないと判定された前記変数カテゴリに対応する前記データ項目の前記データカテゴリを対象として、前記事象が過去に発生した確率を算定する確率算定手段と、前記確率算定手段にて算定された確率を所定倍数で整数化する整数化手段と、前記整数化手段にて整数化された確率を、前記判定手段にて投入することができないと判定された前記変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段として機能させる。
【発明の効果】
【００１３】
請求項１に記載のロジスティック回帰分析システム、又は請求項５に記載のロジスティック回帰分析プログラムによれば、データ項目における構成比が小さいデータカテゴリに対応する説明変数の変数カテゴリであるために、従来であればロジスティック回帰分析に投入することができなかった変数カテゴリを、変換値に変換してロジスティック回帰分析に投入することができる。従って、従来よりもデータカテゴリを細分化してロジスティック回帰分析を行うことが可能になり、ロジスティック回帰分析の精度を向上させることが可能になる。
【００１４】
請求項２に記載のロジスティック回帰分析システムによれば、データ項目に含まれる最小単位のデータカテゴリの構成比に基づいて、説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かを判定するので、データカテゴリを最小単位に細分化してロジスティック回帰分析を行うことが可能になり、ロジスティック回帰分析の精度を一層向上させることが可能になる。
【００１５】
請求項３に記載のロジスティック回帰分析システムによれば、百分率値として算定した確率を百倍以上の所定倍数で整数化することにより、確率を整数化することができる。
【００１６】
請求項４に記載のロジスティック回帰分析システムによれば、クレジットカードの不正利用が発生する確率に対応するスコア算定するスコアリングモデルに関して、データ項目における構成比が小さいデータカテゴリに対応する説明変数の変数カテゴリであって、従来であればスコアリングモデルに投入することができなかった変数カテゴリを、変換値に変換してロジスティック回帰分析に投入することができる。従って、従来よりもデータカテゴリを細分化してスコアリングモデルによるスコアの算定を行うことが可能になり、スコアリングモデルの精度を向上させることが可能になる。この結果、クレジットカードの不正利用が発生する確率を一層精度よく判定することが可能になる。
【図面の簡単な説明】
【００１７】
【図１】本発明の一実施の形態に係る不正検知システムを含んで構築された承認システムの電気的構成を機能概念的に示したブロック図である。
【図２】会員情報の構成例を示す図である。
【図３】第１利用履歴情報の構成例を示す図である。
【図４】第２利用履歴情報の構成例を示す図である。
【図５】不正判定結果情報の構成例を示す図である。
【図６】スコアリング情報の構成例を示す図である。
【図７】不正検知処理のフローチャートである
【図８】情報蓄積生成処理のフローチャートである。
【図９】回帰分析処理のフローチャートである。
【図１０】データ項目に含まれるデータカテゴリに対応する各種の情報を例示した図である。
【図１１】説明変数変換処理のフローチャートである。
【図１２】説明変数の有効性の設定例を例示した図である。
【図１３】不正判定処理のフローチャートである。
【図１４】システム管理処理のフローチャートである。
【発明を実施するための形態】
【００１８】
以下に添付図面を参照して、この発明に係るロジスティック回帰分析システム及びロジスティック回帰分析プログラムの実施の形態を詳細に説明する。
【００１９】
ロジスティック回帰分析システム及びロジスティック回帰分析プログラムは、所定の事象が発生する確率を算定するためのロジスティック回帰分析を行うものであるが、算定対象とする事象は任意であり、カードの予想不正率、企業の信用リスク、病気の発生確率等に使用することができる。以下では、カードの予想不正率に使用した例について説明するものとし、「ロジスティック回帰分析システム」を「不正検知システム」、「ロジスティック回帰分析プログラム」を「不正検知プログラム」と称する。
【００２０】
（構成）
まず、不正検知システムの構成を説明する。図１は、本実施の形態に係る不正検知システムを含んで構築された承認システムの電気的構成を機能概念的に示したブロック図である。図１に示すように、承認システム１は、カードの利用の承認（オーソリ）を行うためのシステムであり、不正検知システム１０、業務ホスト２０、承認ホスト（オーソリホスト）３０、不正判定端末４０、及びシステム管理端末５０を、インターネットの如きネットワーク６０を介して相互に通信可能に接続して構成されている。
【００２１】
（構成−不正検知システム）
不正検知システム１０は、カードの不正利用を検知するためのシステムであり、ネットワークインターフェース（以下、ネットワークＩＦ）１１、記憶部１２、及び制御部１３を備えて構成されている。
【００２２】
ネットワークＩＦ１１は、不正検知システム１０の処理に必要な情報の入力を受け付ける入力手段であると共に、不正検知システム１０から外部に情報を出力するための出力手段であり、例えば、公知のネットワークボードとして構成されている。
【００２３】
記憶部１２は、不正検知システム１０の処理に必要な各種の情報を記憶する記憶手段であり、例えばハードディスクやその他の記録媒体によって構成されるもので、会員情報ＤＢ（以下、データベースを「ＤＢ」と称する）１２ａ、利用履歴情報ＤＢ１２ｂ、不正判定結果情報ＤＢ１２ｃ、及びスコアリング情報ＤＢ１２ｄを備える。これら各ＤＢの詳細は後述する。
【００２４】
制御部１３は、不正検知システム１０を制御する制御手段であり、具体的には、ＣＰＵ、当該ＣＰＵ上で解釈実行される各種のプログラム（ＯＳなどの基本制御プログラムや、ＯＳ上で起動され特定機能を実現するアプリケーションプログラムを含む）、及びプログラムや各種のデータを格納するためのＲＡＭの如き内部メモリを備えて構成されるコンピュータである。特に、本実施の形態に係る不正検知プログラムは、コンピュータ読み取り可能な記録媒体に格納され、当該記録媒体から不正検知システム１０にインストールされることで、制御部１３の各部を実質的に構成する。
【００２５】
この制御部１３は、機能概念的に、情報蓄積生成部１４、回帰分析部１５、不正判定部１６、及びシステム管理部１７を備えている。情報蓄積生成部１４は、記憶部１２に対する各種の情報の蓄積や、各種の情報の生成を行う情報蓄積生成手段である。回帰分析部１５は、ロジスティック回帰分析を適用したスコアリングモデルに基づいてスコアを算定する回帰分析手段である。不正判定部１６は、回帰分析部１５にて算定されたスコアを用いたクレジットカードの不正利用の判定を行うため、必要な処理を行う不正判定手段である。システム管理部１７は、スコアリングモデルの分析や評価に関する処理を行うシステム管理手段である。これら各部の具体的な機能については、後述する。
【００２６】
さらに、回帰分析部１５は、判定部１５ａ、確率算定部１５ｂ、整数化部１５ｃ、展開部１５ｄ、及びスコア算定部１５ｅを備える。判定部１５ａは、説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応するデータ項目のデータカテゴリの構成比に基づいて判定する判定手段である。確率算定部１５ｂは、判定部１５ａにて投入することができないと判定された変数カテゴリに対応するデータ項目のデータカテゴリを対象として、事象が過去に発生した確率を算定する確率算定手段である。整数化部１５ｃは、確率算定部１５ｂにて算定された確率を所定倍数で整数化する整数化手段である。展開部１５ｄは、整数化部１５ｃにて整数化された確率を、判定部１５ａにて投入することができないと判定された変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段である。スコア算定部１５ｅは、展開部１５ｄにて生成された説明変数の変数カテゴリの変換値をスコアリングモデルに投入することにより、スコアを算定するスコア算定手段である。これら各部の具体的な機能や用語の意味については、後述する。
【００２７】
次に、記憶部１２の各ＤＢの詳細について説明する。ただし、各ＤＢに格納される情報として以下で説明する情報は、あくまで例示であり、実際には、一部を省略することができ、他の情報を含めることができ、あるいは他の情報で置換することができる。
【００２８】
図１の会員情報ＤＢ１２ａは、カードの正当な利用者として登録された者（以下、会員）に関する情報（以下、会員情報）を格納する会員情報格納手段である。この会員情報は、図２の構成例に示すように、項目「利用者会員番号」、項目「カード総供与」、項目「カードキャッシング総供与」、項目「利用者生年月日」、項目「利用者性別」、項目「カード有効期限」、項目「利用者入会年月日」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「利用者会員番号」に対応する情報は、各会員に一意に付与された会員番号である。項目「カード総供与」に対応する情報は、各会員のカードの総利用可能額である。項目「カードキャッシング総供与」に対応する情報は、各会員のカードによるキャッシングの総利用可能額である。項目「利用者生年月日」に対応する情報は、各会員の生年月日である。項目「利用者性別」に対応する情報は、各会員の性別であり、例えば「０」は男性、「１」は女性を示す。項目「カード有効期限」に対応する情報は、各会員のカードの有効期限である。項目「利用者入会年月日」に対応する情報は、各会員がカードに入会した年月日である。
【００２９】
図１の利用履歴情報ＤＢ１２ｂは、カードの利用履歴に関する情報（以下、利用履歴情報）を格納する利用履歴情報格納手段である。この利用履歴情報は、本実施の形態では、第１利用履歴情報と第２利用履歴情報を含む。第１利用履歴情報は、承認ホスト３０から送信された承認情報（オーソリ情報）を含んで構成されるもので、図３の構成例に示すように、項目「一意キー」、項目「利用者会員番号」、項目「承認受付年月日」、項目「承認受付時刻」、項目「利用金額」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「一意キー」を除いた各項目に対応する情報は、承認ホスト３０から送信された承認情報に含まれる情報である。項目「一意キー」に対応する情報は、制御部１３によって自動的に一意に採番された情報であって、第１利用履歴情報の主キーになる情報である。項目「利用者会員番号」に対応する情報は、各会員に一意に付与された会員番号である。項目「承認受付年月日」に対応する情報は、承認が受け付けられた年月日、項目「承認受付時刻」に対応する情報は、承認が受け付けられた時刻、項目「利用金額」に対応する情報は、承認の対象となっている金額である。なお、承認ホスト３０から送信された承認情報には、これら各情報以外にも各種の情報（例えば、後述する具体的における商品コード）が含まれるが、本実施の形態においてはその説明を省略する。
【００３０】
また、第２利用履歴情報は、カードの利用履歴に統計的処理を施して生成された情報を含んで構成されるもので、図４の構成例に示すように、項目「利用者会員番号」、項目「承認受付年月日」、項目「承認受付時刻」、項目「過去１回前からの経過時間」、項目「過去ｎ回前からの経過時間」、項目「過去１回前利用時間」、項目「過去ｎ回前利用時間」、項目「過去１回前利用チャネル」、項目「過去ｎ回前利用チャネル」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「利用者会員番号」、項目「承認受付年月日」、及び項目「承認受付時刻」に対応する情報は、図３の第１利用履歴情報における同一項目に対応する情報と同じである。項目「過去１回前からの経過時間」に対応する情報は、承認の対象となっている会員が、過去１回前のカード利用を行ってから今回のカード利用を行うまでの経過時間である。項目「過去ｎ回前からの経過時間」に対応する情報は、承認の対象となっている会員が、過去ｎ回前のカード利用を行ってから今回のカード利用を行うまでの経過時間である。なお、「ｎ」は整数であり、図示は省略するが、第２利用履歴情報は、１とｎの間の各整数ｘ（＝２、３、・・・、ｎ−１）に対応する項目「過去ｘ回前からの経過時間」と、この項目に対応する情報を含んで構成されている（以下、ｎを用いて表現された他の情報についても同じ）。項目「過去１回前利用時間」に対応する情報は、承認の対象となっている会員が、過去１回前のカード利用を行った時間である。項目「過去ｎ回前利用時間」に対応する情報は、承認の対象となっている会員が、過去ｎ回前のカード利用を行った時間である。項目「過去１回前利用チャネル」に対応する情報は、承認の対象となっている会員が、過去１回前のカード利用を行ったチャネルである。チャネルとは、カードの利用経路であり、例えば、国内又は海外のいずれか一方と対面又は非対面のいずれか一方とを組わせて特定され、「対面国内」、「対面海外」、「非対面国内」、「非対面海外」の４つのチャネルがある。特定される。項目「過去ｎ回前利用チャネル」に対応する情報は、承認の対象となっている会員が、過去ｎ回前のカード利用を行ったチャネルである。
【００３１】
図１の不正判定結果情報ＤＢ１２ｃは、カードの不正判定の結果に関する情報（以下、不正判定結果情報）を格納する不正判定結果情報格納手段である。この不正判定結果情報は、図５の構成例に示すように、項目「利用者会員番号」、項目「承認受付年月日」、項目「承認受付時刻」、項目「ヒットルールＩＤ」、項目「スコア」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「利用者会員番号」、項目「承認受付年月日」、及び項目「承認受付時刻」に対応する情報は、図３の第１利用履歴情報における同一項目に対応する情報と同じである。項目「ヒットルールＩＤ」に対応する情報は、カードの不正判定を行うためのルールのうち、各承認の情報に合致したルール（ヒットルール）を一意に特定するためのルール特定情報である。項目「スコア」に対応する情報は、スコアリングモデルを用いて算定されたスコアである。なお、実際には、この不正判定結果情報には、さらに、承認ホスト３０から受信した承認情報、会員情報ＤＢ１２ａから取得された会員情報、及び利用履歴情報ＤＢ１２ｂから取得された後述する第１分析対象履歴情報及び第２分析対象履歴情報が含められるが、これら各情報は図５では図示の便宜上省略する。
【００３２】
図１のスコアリング情報ＤＢ１２ｄは、スコアリングモデルを用いた不正判定に関する情報（以下、スコアリング情報）を格納するスコアリング情報格納手段である。このスコアリング情報は、図６の構成例に示すように、項目「利用者会員番号」、項目「承認受付年月日」、項目「承認受付時刻」、項目「説明変数１」、項目「説明変数ｎ」、項目「スコア」等の各項目と、これら各項目に対応するデータを、相互に対応付けて構成されている。項目「利用者会員番号」、項目「承認受付年月日」、及び項目「承認受付時刻」に対応する情報は、図３の第１利用履歴情報における同一項目に対応する情報と同じである。項目「説明変数１」に対応する情報は、スコアリングモデルに投入された１番目の説明変数である。項目「説明変数ｎ」に対応する情報は、スコアリングモデルに投入されたｎ番目の説明変数である。項目「スコア」に対応する情報は、スコアリングモデルを用いて算定されたスコアである。
【００３３】
（構成−業務ホスト）
次に、図１の業務ホスト２０について説明する。この業務ホスト２０は、会員情報の管理を行うホストコンピュータであり、図２に示した会員情報を格納しており、この会員情報を必要に応じて不正検知システム１０に送信する。
【００３４】
（構成−承認ホスト）
図１の承認ホスト３０は、店舗等に設定された図示しないカード端末から照会のために送信された承認情報を受信して処理するホストコンピュータであり、この承認情報等を必要に応じて不正検知システム１０に送信する。
【００３５】
（構成−不正判定端末）
図１の不正判定端末４０は、不正判定業務を担当する担当者の端末であり、例えば、カード会社に設置される端末であって、公知のパーソナルコンピュータと同様に構成されている。
【００３６】
（構成−システム管理端末）
図１のシステム管理端末５０は、不正検知システム１０の管理を担当する担当者の端末であり、例えば、システム会社に設置される端末であって、公知のパーソナルコンピュータと同様に構成されている。
【００３７】
（処理）
次に、このように構成された承認システム１によって実行される不正検知処理について説明する。図７は、不正検知システム１０が実行する不正検知処理のフローチャートである（以下の各処理の説明ではステップを「Ｓ」と略記する）。この不正検知処理は、例えば不正検知システム１０の起動後に繰り返して起動させるもので、情報蓄積生成処理（ＳＡ１）、回帰分析処理（ＳＡ２）、不正判定処理（ＳＡ３）、及びシステム管理処理（ＳＡ４）を順次実行する。以下、これら各処理について順次説明する。
【００３８】
（処理−情報蓄積生成処理）
最初に、情報蓄積生成処理について説明する。この処理は、各種の情報の蓄積と生成を行う処理であり、情報蓄積生成部１４によって実行される。図８は、情報蓄積生成処理のフローチャートである。業務ホスト２０に対する会員情報の新規登録や更新が公知の手段で行われると、業務ホスト２０はこの会員情報を不正検知システム１０に送信する。不正検知システム１０の情報蓄積生成部１４は、会員情報を業務ホスト２０から受信すると（ＳＢ１、Ｙｅｓ）、新規登録された会員情報を会員情報ＤＢ１２ａに追加し、あるいは更新された会員情報を会員情報ＤＢ１２ａに反映させる（ＳＢ２）。
【００３９】
また、カードが店舗等で利用されると、店舗等に設置された図示しないカード端末は、承認ホスト３０に対して、承認情報と共に、与信残高と不正利用の照会要求を送信する。この照会要求を受けた承認ホスト３０は、承認情報を不正検知システム１０に送信する。不正検知システム１０の情報蓄積生成部１４は、承認情報を承認ホスト３０から受信すると（ＳＢ３、Ｙｅｓ）、この承認情報に含まれる利用者会員番号に対応する会員情報を会員情報ＤＢ１２ａから取得する（ＳＢ４）。
【００４０】
次いで、情報蓄積生成部１４は、承認情報に基づいて、利用履歴情報ＤＢ１２ｂの第１利用履歴情報を蓄積する（ＳＢ５）。例えば、所定方法で一意キーを採番し、この一意キーを主キーとして承認情報に付加することによって第１利用履歴情報を生成し、この第１利用履歴情報を利用履歴情報ＤＢ１２ｂに追加する。
【００４１】
また、情報蓄積生成部１４は、承認情報に含まれる利用者会員番号に対応する全ての第１利用履歴情報を利用履歴情報ＤＢ１２ｂから取得した後、この第１利用履歴情報に基づいて、不正利用のスコアリングに使用する履歴情報（以下、第１分析対象履歴情報）を生成する（ＳＢ６）。第１分析対象履歴情報は、例えば、直近５分以内の利用回数、直近３０分以内の利用回数、直近５分以内の利用合計金額、直近３０分以内の利用合計金額、直近５分以内の利用金額平均、直近３０分以内の利用金額平均等を含んで構成されるもので、４つのチャネル毎に生成される。
【００４２】
また、情報蓄積生成部１４は、承認情報に含まれる利用者会員番号を主キーとし、承認情報に含まれる承認受付年月日及び承認受付時刻を含む第２利用履歴情報を生成し、この第２利用履歴情報を利用履歴情報ＤＢ１２ｂに蓄積する（ＳＢ７）。この際、第２利用履歴情報の他の情報（過去１回前からの経過時間等）は、利用履歴情報ＤＢ１２ｂにそれまでに蓄積された第１利用履歴情報であって、承認情報に含まれる利用者会員番号に対応する第１利用履歴情報を参照することによって生成される。これにて情報蓄積生成処理を終了する。
【００４３】
（処理−回帰分析処理）
次に、図７の回帰分析処理について説明する。この処理は、ロジスティック回帰分析を適用して構成されたスコアリングモデルを用いてスコアを算定する処理であり、回帰分析部１５及びその各部によって実行される。図９は、回帰分析処理のフローチャートである。回帰分析部１５は、図８のＳＢ３で受信した承認情報、ＳＢ４で取得した会員情報、及びＳＢ６で生成した第１分析対象履歴情報、及びＳＢ７で生成した第２利用履歴情報の中から、スコアリングモデルに投入する説明変数を算定するための所定の複数のデータ項目を取得する（ＳＣ１）。例えば、データ項目としては、承認受付時刻、利用金額、商品コード等がある。
【００４４】
そして、回帰分析部１５の判定部１５ａは、説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応するデータ項目のデータカテゴリの構成比に基づいて判定する（ＳＣ２）。「データカテゴリ」とは、データ項目に含まれる情報であり、データ項目の内部における配置順序に意味を持たない情報であって、主としてセット型のデータである。例えば、データカテゴリとしては、データ項目である「カード番号（クレジットカードを一意に特定するための番号）」に含まれる各カード番号、データ項目である「加盟店コード（クレジットカードが使用された店舗等を一意に特定するためのコード）」に含まれる各加盟店コード、データ項目である「業種コード（クレジットカードが使用された店舗等の業種を一意に特定するためのコード）」に含まれる各業種コード、データ項目である「商品コード（クレジットカードを使用して購入等された商品を一意に特定するためのコード）」に含まれる各商品コードが該当する。また、「構成比」とは、各データカテゴリが属するデータ項目に含まれる全てのデータカテゴリに対して、当該各データカテゴリが占める比率である。例えば、この構成比は、過去の履歴に基づいて予め特定し、不正判定端末４０を介して記憶部１２に予め記憶させておくことができる。説明変数の変数カテゴリをロジスティック回帰関数に投入することができるか否かは、例えば、各データカテゴリの構成比が、記憶部１２に予め設定された所定値未満（一例として、１％未満）である場合に（各データカテゴリの構成比が小さい場合に）、投入することができないと判定する。特に、ここでは、判定部１５ａは、データ項目に含まれる最小単位のデータカテゴリ別に、判定を行う。ここで、「最小単位でのデータカテゴリ」とは、それ以上細分化することができないデータカテゴリであり、図１０の例では、各商品コードが、最小単位でのデータカテゴリに該当する。そして、判定部１５ａは、ロジスティック回帰関数に投入することができないと判定した変数カテゴリがある場合には、当該変数カテゴリに対応するデータ項目のデータカテゴリを対象として、説明変数変換処理を起動する（ＳＣ３）。
【００４５】
図１０には、データ項目に含まれるデータカテゴリに対応する各種の情報を示す。この図１０の例では、データ項目が「商品コード」であり、データカテゴリ（最小単位のデータカテゴリ）が各商品コードである場合を示す。この例では、データカテゴリである商品コード＝１００１の構成比は３５．０１％、データカテゴリである商品コード＝１００２の構成比は０．１８％であり、データカテゴリである商品コードの全ての構成比の合計値は１００％である。そして、上記所定値を１％とする場合、図１０の例では、データカテゴリである商品コード＝１００２〜１００５、３００９の構成比が当該所定値未満であるため、これらデータカテゴリである商品コード＝１００２〜１００５、３００９に対応する変数カテゴリが、ロジスティック回帰関数にそのまま投入することができない変数カテゴリであると判定されることになる。そして、このような変数カテゴリが存在する場合には、当該変数カテゴリに対応するデータカテゴリを対象として、説明変数変換処理を起動する。
【００４６】
図１１は、説明変数変換処理のフローチャートである。回帰分析部１５の確率算定部１５ｂは、判定部１５ａにて投入することができないと判定された変数カテゴリに対応するデータ項目のデータカテゴリを対象として、事象が過去に発生した確率を算定する（ＳＤ１）。「事象が過去に発生した確率」とは、スコアリングモデルに適用したロジスティック回帰分析が算定する確率であり、本実施の形態においては、過去に不正が発生した確率（以下、不正発生率）である。この確率は、各ＤＢに記憶されている情報に基づいて算定する。図１０の例では、データカテゴリである商品コード＝１００１に対する過去の承認件数が、不正件数＝１００であり、真正件数＝１００，０００であるため、不正発生率＝（１００／（１００＋１００，０００））×１００＝０．１０％が算定される（なお、図１０の例では、小数点第３桁以降を四捨五入した例を示すが、端数処理は任意に変更可能である）。
【００４７】
次いで、回帰分析部１５の整数化部１５ｃは、このように算出した確率を所定数倍することで整数化する（ＳＤ２）。「所定数倍」とは、任意に設定することができるが、百分率値である確率を整数化する観点からは少なくとも１００倍以上であることが好ましく、さらに、小さい確率を有効化するためには、さらに大きな倍数（例えば、１０００倍や１００００倍）することが好ましい。例えば、この倍率は、不正判定端末４０を介して記憶部１２に予め記憶させておくことができる。図１０の例では、このように整数化した値を「整数比」として例示する。この図１０では、所定数倍＝１０００とした例を示しており、上記商品コードの不正発生率＝０．１０％は、０．１０％＝（１／１０００）×１０００＝１として整数化されている（なお、図１０の例では、小数点第１桁以降を切り捨てた例を示すが、端数処理は任意に変更可能である）。
【００４８】
そして、回帰分析部１５の展開部１５ｄは、整数化した確率を展開して変換値を生成する（ＳＤ３）。「展開する」とは、確率を拡大することを意味する。この展開は、１）判定部１５ａにて投入することができないと判定された変数カテゴリの説明変数の有効性であって、複数の説明変数の全体に対する当該説明変数の有効性に基づいて、かつ、２）尺度を維持するように行われる。「有効性」とは、所定の事象が発生する確率に対して、各説明変数がどの程度影響しているのかを表す度合（百分率値）であり、全ての説明変数の有効性の合計値が１００％となるように設定された数値である。図１２には、説明変数の有効性の設定例を例示する。この有効性は、例えば、不正検知システム１０の管理者が過去の不正利用履歴等を参照して任意の方法で決定し、不正判定端末４０を介して記憶部１２に予め記憶させておくことができる。「尺度」とは、整数化した確率の数値の相対的な大きさであり、上記の例ではデータカテゴリである商品コードの不正発生率の相対的な大きさである。このような条件を満たすため、例えば、整数化した確率に対して、当該確率に対応する説明変数の有効性に対応する数値を乗算することにより、上記展開を行う。例えば、図１２の例では、データ項目である商品コードに対応する説明変数の有効性＝１２％であるため、展開比率＝１．２に設定する。従って、図１０に「変換値」として例示するように、整数化した不正発生率＝１、１０、３２、８３３に対応する変換値が、それぞれ１（＝１×１．２）、１２（＝１０×１．２）、３８（＝３２×１．２）、９９９（＝８３３×１．２）と算定される（なお、図１０の例では、小数点第１桁以降を切り捨てた例を示すが、端数処理は任意に変更可能である）。また、この展開の際には、数値範囲が所定範囲を超えないように、整数化した確率の最小値と最大値を求めてその数値範囲を特定し、最小値や最大値が所定値を超えないように、展開比率を決定する。図１０の例では、整数化した不正発生率の最小値＝０、最大値＝８３３であることから、数値範囲＝０〜８３３となり、最大値＝８３３が所定値である９９９を超えないように、展開を行っている。このような処理を行うことで、例えば、不正率＝０．０１％を変換値＝１に展開し、この変換値をそのままスコアリングモデルに投入することが可能になる。これにて図１１の説明変数変換処理を終了し、図９の回帰分析処理に戻る。
【００４９】
なお、このように生成した変換値に対して、必要に応じて、展開部１５ｄが、数値型データに対する公知の説明変数加工プロセスをさらに適用して、変換値の再変換を行うことで再変換値を算定し、この再変換値をスコアリングモデルに投入してもよい。このような公知のプロセスとしては、丸め処理やセット型データへの再変換処理等を挙げることができる。丸め処理とは、数値を、一定の丸め幅の整数倍の数値に置換する処理である。また、セット型データへの再変換処理とは、数値データをセット型データに置換する処理である。このような処理を行って得られた再変換値を、図１０に例示する。この例では、丸め処理とセット型データへの再変換処理の両方を適用して得られた再変換値を示しており、変換値の０と１を、０又は１のいずれかに丸めた上で、セット型データである再変換値Ａに置換している。同様に、変換値１２、３９、４６を、それぞれセット型データである再変換値Ｂ、Ｃ、Ｄに置換している。
【００５０】
このように説明変数変換処理が終了した後、図９の回帰分析処理において、回帰分析部１５のスコア算定部１５ｅは、説明変数変換処理の対象にならなかった変数カテゴリ（構成比が小さくないデータカテゴリに対応する変数カテゴリ）と、説明変数変換処理によって生成された変換値や再変換値（構成比が小さいデータカテゴリに対応する変数カテゴリに対応する変換値や再変換値）とを、ロジスティック回帰分析を適用して構築された所定のスコアリングモデルに投入することにより、予想不正率（スコア）を算定する（ＳＣ４）。ただし、スコアリングモデルとしては公知のモデルを使用することができるので、その詳細な説明は省略する。これにて回帰分析処理を終了する。
【００５１】
（処理−不正判定処理）
次に、図７の不正判定処理について説明する。この処理は、スコアリングモデルを用いて算定されたスコア等を参照し、承認要求が行われたカードの利用が不正利用であるか否かを判定する処理であり、不正判定部１６によって実行される。図１３は、不正判定処理のフローチャートである。
【００５２】
不正判定部１６は、図８のＳＢ３で受信した承認情報、ＳＢ４で取得した会員情報、ＳＢ６で生成した第１分析対象履歴情報及び第２分析対象履歴情報、及び図９のＳＣ３で算定したスコアが、所定のルールに合致するか否かを判定する（ＳＥ１）。「ルール」とは、不正利用の可能性が高いパターンを示す判定基準であり、例えば、不正検知システム１０の担当者によって複数のルールが設定されて予め記憶部１２に記憶されている。一例としては、「スコア＝６００点以上、利用金額＝１０万円以上、過去１回前利用金額＝１０万円以上、かつ、過去１回前からの経過時間＝５分以内」というルールが設定されており、不正判定部１６は、上記取得した各情報に照らして当該ルールに含まれる全ての条件が満たされるか否かを判定し、満たされる場合には、当該ルールに合致すると判定される（このように合致すると判定されたルールを、ヒットルールと称する）。
【００５３】
そして、所定の複数のルールのうち、いずれか一つ以上のルールに合致すると判定された場合（ＳＥ２、Ｙｅｓ）、不正判定部１６は、照会要求が行われている承認を保留する旨を、承認ホスト３０に送信する（ＳＥ３）。次いで、不正判定部１６は、図８のＳＢ３で受信した承認情報、ＳＢ４で取得した会員情報、ＳＢ６で生成した第１分析対象履歴情報、及びＳＢ７で生成した第２利用履歴情報、及び図９のＳＣ４で算定したスコアと、ＳＥ１で判定されたヒットルールを一意に識別するヒットルールＩＤとを含む情報であって、承認情報の利用者会員番号を主キーとする不正判定結果情報を生成して不正判定結果情報ＤＢ１２ｃに蓄積する（ＳＥ４）。
【００５４】
次いで、不正判定部１６は、上記生成した不正判定結果情報を不正判定端末４０に送信する（ＳＥ５）。この結果、不正判定端末４０に設けたモニタに不正判定結果情報が出力されるので、業務担当者は、この不正判定結果情報を参照することで、照会が要求されているカードの利用が不正利用であるか否かを最終的に判断し、この不正判定結果を不正判定端末４０を介して不正検知システム１０に送信する。不正判定部１６は、不正判定結果を受信すると（ＳＥ６、Ｙｅｓ）、この不正判定結果を承認ホスト３０に送信して（ＳＥ７）、不正判定処理を終了する。
【００５５】
（処理−システム管理処理）
最後に、図７のシステム管理処理について説明する。この処理は、スコアリングモデルの精度の分析や評価を行い、必要に応じてスコアリングモデルの更新を行う処理であり、システム管理部１７によって実行される。図１４は、システム管理処理のフローチャートである。
【００５６】
システム管理部１７は、図８のＳＢ３で受信した承認情報、図９のＳＣ３でスコアリングモデルに投入された説明変数、及び図９のＳＣ４で算定したスコアを含む情報であって、承認情報の利用者会員番号を主キーとするスコアリング情報を生成してスコアリング情報ＤＢ１２ｄに蓄積する（ＳＦ１）。そして、システム管理部１７は、システム管理端末５０からの要求に応じて（ＳＦ２、Ｙｅｓ）、このスコアリング情報をスコアリング情報ＤＢ１２ｄから取得してシステム管理端末５０に送信する（ＳＦ３）。この結果、システム管理端末５０に設けたモニタにスコアリング情報が出力されるので、システム管理担当者は、このスコアリング情報を参照することで、スコアリングモデルの精度を所定方法で解析する。そして、システム管理担当者は、この精度のレポート作成を定期的に行うと共に、スコアリングモデルが劣化している場合には、システム管理端末５０から不正検知システム１０に更新データを送信することで、スコアリングモデルの各パラメータを変更し、スコアリングモデルの精度の維持及び向上を図る。例えば、図１１のＳＤ２における整数化の倍率を見直したり、図１２に例示した各説明変数の有効性を見直す。システム管理部１７は、システム管理端末５０から送信された更新データに基づいて、スコアリングモデルの更新等を行う（ＳＦ５）。これにてシステム管理処理を終了する。
【００５７】
（実施の形態に対する変形例）
以上、本発明に係る実施の形態について説明したが、本発明の具体的な構成及び手段は、特許請求の範囲に記載した各発明の技術的思想の範囲内において、任意に改変及び改良することができる。以下、このような変形例について説明する。
【００５８】
（変形例−分散や統合について）
また、上述した各電気的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、各部の分散・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・統合して構成できる。例えば、不正検知システム１０の機能の一部を承認ホスト３０や不正判定端末４０に持たせてもよく、あるいは、不正検知システム１０の機能を複数台のコンピュータに分散して持たせてもよい。また、回帰分析処理の一部として説明した処理を、他の処理で行う等、各処理の一部を相互に入れ替えてもよい。
【００５９】
（説明変数変換処理について）
上記実施の形態では、最小単位のデータカテゴリの構成比に基づいて判定を行っているが、この構成比は、細分化したい単位に応じたデータカテゴリの構成比であればよい。例えば、最小単位のデータカテゴリではなくても、従来よりも細分化されたデータカテゴリであって、従来よりも分析精度を向上させることができる程度に細分化されたデータカテゴリの構成比を採用することができる。また、データ項目毎に細分化すべき単位を予め設定しておき、この単位を参照して、各データ項目毎に異なる単位で判定を行ってもよい。
【符号の説明】
【００６０】
１ 承認システム
１０ 不正検知システム
１１ ネットワークＩＦ
１２ 記憶部
１２ａ 会員情報ＤＢ
１２ｂ 利用履歴情報ＤＢ
１２ｃ 不正判定結果情報ＤＢ
１２ｄ スコアリング情報ＤＢ
１３ 制御部
１４ 情報蓄積生成部
１５ 回帰分析部
１５ａ 変換対象判定部
１５ｂ 確率算定部
１５ｃ 整数化部
１５ｄ 展開部
１５ｅ スコア算定部
１６ 不正判定部
１７ システム管理部
２０ 業務ホスト
３０ 承認ホスト
４０ 不正判定端末
５０ システム管理端末
６０ ネットワーク
【特許請求の範囲】
【請求項１】
所定の事象が発生する確率に影響を与え得る複数の説明変数の変数カテゴリであって、複数のデータ項目の各々に含まれるデータカテゴリに対応する変数カテゴリを、所定のロジスティック回帰関数に投入することにより前記確率を算定する、ロジスティック回帰分析システムであって、
前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応する前記データ項目の前記データカテゴリの構成比に基づいて判定する判定手段と、
前記判定手段にて投入することができないと判定された前記変数カテゴリに対応する前記データ項目の前記データカテゴリを対象として、前記事象が過去に発生した確率を算定する確率算定手段と、
前記確率算定手段にて算定された確率を所定倍数で整数化する整数化手段と、
前記整数化手段にて整数化された確率を、前記判定手段にて投入することができないと判定された前記変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段と、
を備えるロジスティック回帰分析システム。
【請求項２】
前記判定手段は、前記データ項目に含まれる最小単位のデータカテゴリの構成比に基づいて、前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを判定する、
請求項１に記載のロジスティック回帰分析システム。
【請求項３】
前記確率算定手段は、前記事象が過去に発生した確率を百分率値として算定し、
前記整数化手段は、前記確率算定手段にて算定された確率を百倍以上の所定倍数で整数化する、
請求項１又は２に記載のロジスティック回帰分析システム。
【請求項４】
クレジットカードの不正利用が発生する確率に対応するスコアを、前記ロジスティック回帰関数を適用したスコアリングモデルにて算定するシステムであり、
前記展開手段にて生成された説明変数の変数カテゴリの変換値を前記スコアリングモデルに投入することにより、前記スコアを算定するスコア算定手段を備える、
請求項１から３のいずれか一項に記載のロジスティック回帰分析システム。
【請求項５】
所定の事象が発生する確率に影響を与え得る複数の説明変数の変数カテゴリであって、複数のデータ項目の各々に含まれるデータカテゴリに対応する変数カテゴリを、所定のロジスティック回帰関数に投入することにより前記確率を算定する、ロジスティック回帰分析プログラムであって、
コンピュータを、
前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応する前記データ項目の前記データカテゴリの構成比に基づいて判定する判定手段と、
前記判定手段にて投入することができないと判定された前記変数カテゴリに対応する前記データ項目の前記データカテゴリを対象として、前記事象が過去に発生した確率を算定する確率算定手段と、
前記確率算定手段にて算定された確率を所定倍数で整数化する整数化手段と、
前記整数化手段にて整数化された確率を、前記判定手段にて投入することができないと判定された前記変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段と、
として機能させるロジスティック回帰分析プログラム。
【請求項１】
所定の事象が発生する確率に影響を与え得る複数の説明変数の変数カテゴリであって、複数のデータ項目の各々に含まれるデータカテゴリに対応する変数カテゴリを、所定のロジスティック回帰関数に投入することにより前記確率を算定する、ロジスティック回帰分析システムであって、
前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応する前記データ項目の前記データカテゴリの構成比に基づいて判定する判定手段と、
前記判定手段にて投入することができないと判定された前記変数カテゴリに対応する前記データ項目の前記データカテゴリを対象として、前記事象が過去に発生した確率を算定する確率算定手段と、
前記確率算定手段にて算定された確率を所定倍数で整数化する整数化手段と、
前記整数化手段にて整数化された確率を、前記判定手段にて投入することができないと判定された前記変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段と、
を備えるロジスティック回帰分析システム。
【請求項２】
前記判定手段は、前記データ項目に含まれる最小単位のデータカテゴリの構成比に基づいて、前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを判定する、
請求項１に記載のロジスティック回帰分析システム。
【請求項３】
前記確率算定手段は、前記事象が過去に発生した確率を百分率値として算定し、
前記整数化手段は、前記確率算定手段にて算定された確率を百倍以上の所定倍数で整数化する、
請求項１又は２に記載のロジスティック回帰分析システム。
【請求項４】
クレジットカードの不正利用が発生する確率に対応するスコアを、前記ロジスティック回帰関数を適用したスコアリングモデルにて算定するシステムであり、
前記展開手段にて生成された説明変数の変数カテゴリの変換値を前記スコアリングモデルに投入することにより、前記スコアを算定するスコア算定手段を備える、
請求項１から３のいずれか一項に記載のロジスティック回帰分析システム。
【請求項５】
所定の事象が発生する確率に影響を与え得る複数の説明変数の変数カテゴリであって、複数のデータ項目の各々に含まれるデータカテゴリに対応する変数カテゴリを、所定のロジスティック回帰関数に投入することにより前記確率を算定する、ロジスティック回帰分析プログラムであって、
コンピュータを、
前記説明変数の変数カテゴリを前記ロジスティック回帰関数に投入することができるか否かを、当該変数カテゴリに対応する前記データ項目の前記データカテゴリの構成比に基づいて判定する判定手段と、
前記判定手段にて投入することができないと判定された前記変数カテゴリに対応する前記データ項目の前記データカテゴリを対象として、前記事象が過去に発生した確率を算定する確率算定手段と、
前記確率算定手段にて算定された確率を所定倍数で整数化する整数化手段と、
前記整数化手段にて整数化された確率を、前記判定手段にて投入することができないと判定された前記変数カテゴリの説明変数の有効性に基づいて展開することにより、当該確率の算定の対象となったデータカテゴリに対応する説明変数の変数カテゴリの変換値を生成する展開手段と、
として機能させるロジスティック回帰分析プログラム。
【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】
【公開番号】特開２０１２−１７３８９９（Ｐ２０１２−１７３８９９Ａ）
【公開日】平成２４年９月１０日（２０１２．９．１０）
【国際特許分類】
【出願番号】特願２０１１−３４０１２（Ｐ２０１１−３４０１２）
【出願日】平成２３年２月１８日（２０１１．２．１８）
【出願人】（３９９１０４８４４）ＳＣＳＫ株式会社 (7)
【公開日】平成２４年９月１０日（２０１２．９．１０）
【国際特許分類】
【出願日】平成２３年２月１８日（２０１１．２．１８）
【出願人】（３９９１０４８４４）ＳＣＳＫ株式会社 (7)
[ Back to top ]