KR102103670B1 - 부동산 평가 장치 및 방법 - Google Patents
부동산 평가 장치 및 방법 Download PDFInfo
- Publication number
- KR102103670B1 KR102103670B1 KR1020190086182A KR20190086182A KR102103670B1 KR 102103670 B1 KR102103670 B1 KR 102103670B1 KR 1020190086182 A KR1020190086182 A KR 1020190086182A KR 20190086182 A KR20190086182 A KR 20190086182A KR 102103670 B1 KR102103670 B1 KR 102103670B1
- Authority
- KR
- South Korea
- Prior art keywords
- item
- real estate
- user terminal
- target item
- evaluation
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 167
- 238000013210 evaluation model Methods 0.000 claims abstract description 109
- 230000014759 maintenance of location Effects 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims 1
- 230000001502 supplementing effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 14
- 238000000611 regression analysis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 명세서에 개시된 부동산 평가 방법은 제1 이용자 단말로부터 목표(Target) 항목, 적어도 하나의 속성(Feature) 항목 및 평가 방법 항목을 수신하는 동작, 제1 이용자 단말로부터 목표 항목을 수신한 경우, 수신된 상기 목표 항목과 연관된 것으로 미리 설정된 적어도 하나의 평가 방법 항목을 제1 이용자 단말로 제공하는 동작으로서, 설정은 제1 이용자 단말로부터 목표 항목을 수신하기 전에 미리 부동산 평가 장치에 설정된 것이고, 목표 항목에 대해 속성 항목과 관련된 데이터들에 기반하고 프로세서에 의하여 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성하는 동작, 훈련된 평가 모델에 기반하여 제1 이용자 단말 또는 제2 이용자 단말로부터 요청받은 특정 부동산에 대해 목표 항목의 예측 값을 산정하는 동작, 제1 이용자 단말로부터 속성 항목과 관련된 이용자 보유 데이터를 수신하는 동작 및 이용자 보유 데이터에서 일정 시기의 데이터가 존재하지 않는 경우, 요청받은 특정 부동산과 미리 설정된 거리 이내에 위치하고 미리 설정된 기준에 의해 요청받은 특정 부동산과 유사한 것으로 판단된 유사 부동산들의 속성 항목과 관련된 데이터를 이용자 보유 데이터의 변화에 기반하여 노멀라이즈(normalization)한 후 이용자 보유 데이터의 일정 시기의 데이터로 보완하는 동작을 포함하고, 목표 항목이 특정 부동산의 매매 가격인 경우, 목표 항목의 예측 값을 산정하는 동작은 산정하는 시점의 특정 부동산의 현재가 및 미리 설정된 일정 시점 후의 예측가를 산정하는 동작이고, 목표 항목이 특정 부동산의 매매 가격인 경우, 특정 부동산의 산정된 현재가와 수집된 실거래가를 비교하고, 현재가에 대비하여 실거래가의 수준을 미리 설정된 단계로 나누어 평가하는 동작을 더 포함하고,목표 항목이 특정 부동산의 매매 가격인 경우, 속성 항목은 인구 증가율, 부동산 소비자 심리 지수 및 분양 경기 실사 지수를 포함할 수 있다.
Description
본 발명은 부동산의 각종 항목을 평가하는 장치 및 방법으로서, 더욱 자세하게는 기계 학습 방법 또는 통계 분석 방법을 각종 경제 데이터, 주변 환경 데이터 또는 시장 데이터 등에 적용하여 부동산의 가격, 분양률, 임대율 등의 목표 항목의 값을 예측하는 기술이다.
부동산을 매도 또는 매수하거나 임대 또는 임차 등 많은 부동산 거래를 하고 있으나, 부동산 전문가가 아닌 이상 부동산 가격, 임대율 등에 미치는 각종 경제 지표, 시장 데이터를 반영하여 부동산과 관련된 항목의 수치를 예측하는 것은 매우 어려운 일이다.
종래에는, 부동산에 관한 각종 정보를 파악하기 위해서 부동산 중개업소를 방문하여 정보를 구하거나 언론 및 미디어를 통하여 이를 스스로 파악해야만 했고, 앞서 말한 것처럼 일반 거래자가 이를 부동산 항목의 수치에 반영하는 것은 어려운 문제점이 있었다.
이러한 문제점을 개선하기 위하여 부동산 항목의 수치를 자동으로 예측하여 제공하는 서비스가 생겨났으나, 주로 부동산의 시세를 예측하는 것에만 그칠 뿐 아니라 시세 예측에 사용되는 데이터들을 이용자가 선택할 수 없는 문제점이 있다.
즉, 종래 부동산의 시세가 아닌 다른 항목, 예를 들면 분양률과 같은 항목을 예측하는 기술은 거의 전무하며, 이용자가 예측하고 싶은 부동산의 목표 항목을 예측하기 위한 속성의 항목에 대해서 이용자의 선택권이 없는 문제점이 있다.
종래 단순히 부동산의 시세만 예측 가능하고 이용자가 예측에 반영하고 싶은 데이터를 선택할 수 없는 문제점에 대해서, 시세뿐만 아니라 부동산의 각종 지표를 예측 가능한 부동산 평가 장치 및 방법을 제공한다.
또한, 이용자가 평가 모델에 반영하기를 원하는 데이터의 종류 등을 선택 가능한 부동산 평가 장치 및 방법을 제공한다.
본 명세서는 부동산 평가 방법을 제시한다. 상기 부동산 평가 방법은 제1 이용자 단말로부터 목표(Target) 항목, 적어도 하나의 속성(Feature) 항목 및 평가 방법 항목을 수신하는 동작, 상기 제1 이용자 단말로부터 목표 항목을 수신한 경우, 수신된 상기 목표 항목과 연관된 것으로 미리 설정된 적어도 하나의 평가 방법 항목을 상기 제1 이용자 단말로 제공하는 동작으로서, 상기 설정은 상기 제1 이용자 단말로부터 상기 목표 항목을 수신하기 전에 미리 부동산 평가 장치에 설정된 것이고, 상기 목표 항목에 대해 상기 속성 항목과 관련된 데이터들에 기반하고 프로세서에 의하여 상기 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성하는 동작, 상기 훈련된 평가 모델에 기반하여 상기 제1 이용자 단말 또는 제2 이용자 단말로부터 요청받은 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하는 동작, 상기 제1 이용자 단말로부터 상기 속성 항목과 관련된 이용자 보유 데이터를 수신하는 동작 및 상기 이용자 보유 데이터에서 일정 시기의 데이터가 존재하지 않는 경우, 요청받은 상기 특정 부동산과 미리 설정된 거리 이내에 위치하고 미리 설정된 기준에 의해 요청받은 상기 특정 부동산과 유사한 것으로 판단된 유사 부동산들의 상기 속성 항목과 관련된 데이터를 상기 이용자 보유 데이터의 변화에 기반하여 노멀라이즈(normalization)한 후 상기 이용자 보유 데이터의 상기 일정 시기의 데이터로 보완하는 동작을 포함하고, 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 목표 항목의 예측 값을 산정하는 동작은 산정하는 시점의 상기 특정 부동산의 현재가 및 미리 설정된 일정 시점 후의 예측가를 산정하는 동작이고, 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 특정 부동산의 산정된 현재가와 수집된 실거래가를 비교하고, 상기 현재가에 대비하여 상기 실거래가의 수준을 미리 설정된 단계로 나누어 평가하는 동작을 더 포함하고, 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 속성 항목은 인구 증가율, 부동산 소비자 심리 지수 및 분양 경기 실사 지수를 포함할 수 있다.
상기 평가 방법 및 그 밖의 실시 예는 다음과 같은 특징을 포함할 수 있다.
상기 부동산 평가 방법은 상기 목표 항목, 상기 속성 항목 및 상기 평가 방법 항목은 상기 부동산 평가 장치로부터 전송된 적어도 하나 이상의 목표 항목 리스트, 속성 항목 리스트 및 평가 방법 항목 리스트 중에서 상기 제1 이용자 단말로부터 선택될 수 있다.
상기 부동산 평가 방법은 상기 제1 이용자 단말로부터 수신한 목표 항목에 기반한 상기 속성 항목 리스트를 상기 이용자 단말로 전송하는 동작 또는 상기 제1 이용자 단말로부터 수신한 목표 항목에 기반한 속성 항목 추천 메시지를 상기 이용자 단말로 전송할 수 있다.
상기 부동산 평가 방법은 상기 제1 이용자 단말로부터 상기 목표 항목 또는 상기 속성 항목과 관련된 이용자 보유 데이터를 수신하는 동작을 더 포함하고, 상기 평가 모델을 생성하는 동작은 상기 이용자 보유 데이터 및 상기 속성 항목과 관련된 데이터들에 기반할 수 있다.
상기 부동산 평가 방법의 훈련 방법은 기계 학습(Machine learning) 방법 또는 통계 분석 방법일 수 있고, 상기 제2 이용자 단말로부터 요청받은 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하는 경우, 상기 제1 이용자 단말과 관련된 이용자에게 미리 설정된 보상을 제공할 수 있다.
상기 부동산 평가 방법은 생성된 상기 평가 모델에 대해, 적어도 하나의 상기 속성 항목의 영향도 또는 적어도 하나의 상기 속성 항목의 성능을 평가하는 동작을 포함할 수 있다.
부동산 평가 방법의 다른 실시예는, 제1 이용자 단말로부터 목표(Target) 항목, 적어도 하나의 속성(Feature) 항목 및 평가 방법 항목을 수신하는 동작, 상기 제1 이용자 단말로부터 목표 항목을 수신한 경우, 수신된 상기 목표 항목과 연관된 것으로 미리 설정된 평가 방법 항목을 상기 제1 이용자 단말로 제공하는 동작으로서, 상기 설정은 상기 제1 이용자 단말로부터 상기 목표 항목을 수신하기 전에 미리 부동산 평가 장치에 설정된 것이고, 상기 목표 항목에 대해 상기 속성 항목과 관련된 데이터들에 기반하고 프로세서에 의하여 상기 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성하도록 평가 모델 생성 장치로 요청하는 동작, 상기 평가 모델 생성 장치로부터 상기 훈련된 평가 모델을 제공받는 동작, 상기 제공받은 평가 모델에 기반하여 상기 제1 이용자 단말 또는 제2 이용자 단말로부터 요청받은 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하는 동작, 상기 제1 이용자 단말로부터 상기 속성 항목과 관련된 이용자 보유 데이터를 수신하는 동작 및 상기 이용자 보유 데이터에서 일정 시기의 데이터가 존재하지 않는 경우, 요청받은 상기 특정 부동산과 미리 설정된 거리 이내에 위치하고 미리 설정된 기준에 의해 요청받은 상기 특정 부동산과 유사한 것으로 판단된 유사 부동산들의 상기 속성 항목과 관련된 데이터를 상기 이용자 보유 데이터의 변화에 기반하여 노멀라이즈(normalization)한 후 상기 이용자 보유 데이터의 상기 일정 시기의 데이터로 보완하는 동작을 포함하고, 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 목표 항목의 예측 값을 산정하는 동작은 산정하는 시점의 상기 특정 부동산의 현재가 및 미리 설정된 일정 시점 후의 예측가를 산정하는 동작이고, 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 특정 부동산의 산정된 현재가와 수집된 실거래가를 비교하고, 상기 현재가에 대비하여 상기 실거래가의 수준을 미리 설정된 단계로 나누어 평가하는 동작을 더 포함하고, 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 속성 항목은 인구 증가율, 부동산 소비자 심리 지수 및 분양 경기 실사 지수를 포함할 수 있다.
한편, 본 명세서는 부동산 평가 장치를 제시한다. 상기 부동산 평가 장치는 제1 이용자 단말로부터 목표(Target) 항목, 적어도 하나의 속성(Feature) 항목 및 평가 방법 항목을 수신하는 통신부, 상기 목표 항목에 대해 상기 속성 항목과 관련된 데이터들에 기반하고 프로세서에 의하여 상기 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성하거나, 생성하도록 요청하는 모델 생성부 및상기 훈련된 평가 모델에 기반하여 상기 제1 이용자 단말 또는 제2 이용자 단말로부터 수신한 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하는 부동산 예측부를 포함하고, 상기 통신부는 상기 제1 이용자 단말로부터 목표 항목을 수신한 경우, 수신된 상기 목표 항목과 연관된 것으로 미리 설정된 평가 방법 항목을 상기 제1 이용자 단말로 제공하고, 상기 설정은 상기 제1 이용자 단말로부터 상기 목표 항목을 수신하기 전에 미리 부동산 평가 장치에 설정된 것이고, 상기 통신부는 상기 제1 이용자 단말로부터 상기 속성 항목과 관련된 이용자 보유 데이터를 수신하고, 상기 모델 생성부는 상기 이용자 보유 데이터에서 일정 시기의 데이터가 존재하지 않는 경우, 상기 특정 부동산과 미리 설정된 거리 이내에 위치하고 미리 설정된 기준에 의해 상기 특정 부동산과 유사한 것으로 판단된 유사 부동산들의 상기 속성 항목과 관련된 데이터를 상기 이용자 보유 데이터의 변화에 기반하여 노멀라이즈(normalization)한 후 상기 이용자 보유 데이터의 상기 일정 시기의 데이터로 보완하고, 상기 부동산 예측부는 상기 목표 항목이 특정 부동산의 매매 가격인 경우 상기 목표 항목의 예측 값으로 산정하는 시점의 상기 특정 부동산의 현재가 및 미리 설정된 일정 시점 후의 예측가를 산정하고, 상기 부동산 예측부는 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 특정 부동산의 산정된 현재가와 수집된 실거래가를 비교하고, 상기 현재가에 대비하여 상기 실거래가의 수준을 미리 설정된 단계로 나누어 평가하고, 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 속성 항목은 인구 증가율, 부동산 소비자 심리 지수 및 분양 경기 실사 지수를 포함할 수 있다.
본 명세서에 개시된 실시 예들에 의하면, 이용자가 원하는 다양한 부동산의 목표 항목들의 값을 예측하는 기술을 제공할 수 있다.
본 명세서에 개시된 실시 예들에 의하면, 부동산의 목표 항목을 예측하기 위하여 이용자가 원하는 다양한 속성들을 반영할 수 있다.
본 명세서에 개시된 실시 예들에 의하면, 부동산의 목표 항목을 예측하기 위하여 이용자가 원하는 다양한 훈련 방법에 의해 훈련된 평가 모델을 제공할 수 있다.
본 명세서에 개시된 실시 예들에 의하면, 이용자가 예측하기 원하는 부동산의 목표 항목에 따라 적합한 속성들과 훈련 방법을 이용자에게 제시할 수 있다.
본 명세서에 개시된 실시 예들에 의하면, 한 이용자가 생성한 부동산 평가 모델을 다른 이용자가 활용하여 원하는 부동산의 목표 항목을 예측할 수 있다.
도 1은 부동산 평가 장치를 포함한 실시예를 개략적으로 도시한다.
도 2는 부동산 평가 방법에 대한 동작을 나타내는 흐름도이다.
도 3은 부동산 평가 모델 훈련에 사용되는 이용자 보유 데이터를 보여주는 도면이다.
도 4는 부동산 평가 방법의 이용자 단말로 제공되는 인터페이스를 나타내는 도면이다.
도 5는 부동산 평가 방법의 평가 모델의 훈련에 사용되는 속성 항목들을 나타내는 도면이다.
도 6은 부동산 평가 방법의 이용자 단말로 제공되는 또 다른 인터페이스를 나타내는 도면이다.
도 7은 부동산 평가 방법의 이용자 단말로 제공되는 평가 모델의 성능을 나타내는 도면이다.
도 8은 부동산 평가 방법의 이용자 단말로 제공되는 예측 결과를 나타내는 도면이다.
도 9는 부동산 평가 장치의 다른 실시예를 개략적으로 도시한다.
도 10은 부동산 평가 장치의 예시적인 블록 다이어그램이다.
도 2는 부동산 평가 방법에 대한 동작을 나타내는 흐름도이다.
도 3은 부동산 평가 모델 훈련에 사용되는 이용자 보유 데이터를 보여주는 도면이다.
도 4는 부동산 평가 방법의 이용자 단말로 제공되는 인터페이스를 나타내는 도면이다.
도 5는 부동산 평가 방법의 평가 모델의 훈련에 사용되는 속성 항목들을 나타내는 도면이다.
도 6은 부동산 평가 방법의 이용자 단말로 제공되는 또 다른 인터페이스를 나타내는 도면이다.
도 7은 부동산 평가 방법의 이용자 단말로 제공되는 평가 모델의 성능을 나타내는 도면이다.
도 8은 부동산 평가 방법의 이용자 단말로 제공되는 예측 결과를 나타내는 도면이다.
도 9는 부동산 평가 장치의 다른 실시예를 개략적으로 도시한다.
도 10은 부동산 평가 장치의 예시적인 블록 다이어그램이다.
본 명세서에 개시된 기술은 부동산 평가 장치에 적용될 수 있다. 그러나 본 명세서에 개시된 기술은 이에 한정되지 않고, 상기 기술의 기술적 사상이 적용될 수 있는 모든 전자 장치 및 방법에도 적용될 수 있다.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 명세서에 개시된 기술의 사상을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 명세서에 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 명세서에 개시된 기술의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 본 명세서에 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 명세서에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥 상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예들을 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 명세서에 개시된 기술을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 기술의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 기술의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 그 기술의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
도 1은 부동산 평가 장치(130)를 포함한 실시예를 개략적으로 도시한다. 부동산 평가 장치(130)는 네트워크(120)를 통하여 하나 이상의 이용자 단말(110)과 통신할 수 있다.
이용자 단말(110)은 네트워크(120)에 유선/무선으로 연결되어 부동산 평가 장치(130)와 통신을 수행할 수 있다. 본 명세서에 개시된 실시예의 이용자 단말(110)은 퍼스널 컴퓨터(PC, Personal Computer) 뿐만 아니라 태블릿 컴퓨터, 스마트폰 등을 포함한다.
본 명세서에서 개시되는 네트워크(120)는 예를 들어, 무선 네트워크, 유선 네트워크, 인터넷과 같은 공용 네트워크, 사설 네트워크, 모바일 통신 네트워크용 광역 시스템(global system for mobile communication network; GSM) 네트워크, 범용 패킷 무선 네트워크(general packet radio network; GPRS), 근거리 네트워크(local area network; LAN), 광역 네트워크(wide area network; WAN), 거대도시 네트워크(metropolitan area network; MAN), 셀룰러 네트워크, 공중 전화 교환 네트워크(public switched telephone network; PSTN), 개인 네트워크(personal area network), 블루투스, Wi-Fi 다이렉트(Wi-Fi Direct), 근거리장 통신(Near Field communication), 초 광 대역(UltraWide band), 이들의 조합, 또는 임의의 다른 네트워크일 수 있지만 이들로 한정되는 것은 아니다.
이용자 단말(110)은 아래에서 설명될 부동산 평가 모델 생성 인터페이스를 통해 부동산 평가 장치(130)에 부동산 목표(Target) 항목을 예측하기 위한 모델의 생성을 요청할 수 있고, 상기 목표 항목 평가 모델 생성에 반영하기 위한 속성(Feature) 항목을 직접 제공하거나 부동산 평가 장치(130)로부터 제시 받은 속성 항목 리스트에서 원하는 속성을 선택할 수 있다.
부동산 평가 장치(130)는 이용자 단말(110)로부터 제공 또는 선택된 목표 항목에 대한 평가 모델을 훈련 및 생성하기 위해 이용자 단말(110)로부터 선택된 속성 항목의 데이터를 부동산 평가 장치(130)에 유선 또는 무선으로 연결된 저장부 또는 데이터베이스(131)에서 읽거나 별도의 데이터 제공 장치 또는 정보 데이터베이스 장치(140)에 네트워크(120)를 통하여 요청하고 제공받을 수 있다.
또한, 부동산 평가 장치(130)는 별도의 데이터 제공 장치 또는 정보 데이터베이스 장치(140)가 제공하지 않거나, 부동산 평가 장치(130)의 저장부 또는 데이터베이스(131)에 보유하고 있지 않으나 이용자가 반영하기를 원하는 속성 항목의 데이터 경우 이용자 단말(110)로부터 제공받아 목표 항목에 대한 평가 모델을 훈련 및 생성할 수 있다.
부동산 평가 장치(130)는 이용자 단말(111)이 요청한 목표 항목에 대한 평가 모델을 훈련 및 생성한 후, 상기 이용자 단말(111) 또는 상기 생성된 평가 모델을 이용하기를 원하는 별도의 이용자 단말(112)이 요청한 특정 부동산에 대하여 상기 생성된 평가 모델을 이용하여 상기 목표 항목의 예측 값을 산정하여 요청한 이용자 단말(111, 112)로 제공할 수 있다.
도 2는 부동산 평가 장치(130)의 부동산 평가 방법에 대한 동작을 나타내는 흐름도이다. 이하에서 설명되는 부동산 평가 방법은, 이용자 단말(110)이 부동산 평가 장치(130)로 부동산 평가 평가 모델의 생성 또는 생성된 평가 모델을 이용하여 부동산의 평가를 요청한 후 수행될 수 있다.
이용자 단말(110)은 도 4와 같은 인터페이스를 통해서 목표 항목, 속성 항목 또는 평가 방법 항목을 선택(S210)할 수 있다. 도 4와 같은 인터페이스는 스마트폰 등의 어플리케이션을 통해서 수행될 수 있으나, 인터넷 사이트의 HTML 코드 또는 자바 스크립트(Java Script) 등의 웹언어로 구현된 페이지를 통해서 수행될 수도 있다.
부동산 평가 장치(130)는 이용자 단말(110)에 목표(Target) 항목 리스트(430), 속성 항목 리스트(410, 420) 및 평가 방법 항목 리스트(440)를 제공할 수 있고, 상기 리스트들 중에서 이용자 단말(110)이 선택한 목표 항목, 속성 항목 또는 평가 방법 항목을 수신할 수 있다(SS210).
목표 항목은 이용자가 예측을 원하는 항목으로서, 부동산의 거래가, 부동산전세가, 부동산 월세가, 부동산 분양가 분양률, 임대율, 부동산 낙찰 예상가 등일 수 있으며 특별히 그 종류를 한정하지 않는다.목표 항목은 부동산 평가 장치(130)가 미리 설정되어 있는 목표 항목 리스트(430)를 이용자 단말(110)로 제공하고 이용자 단말(110)이 목표 항목 리스트(430)에서 원하는 목표 항목을 선택하거나, 부동산 평가 장치(130)가 미리 설정하지 않은 목표 항목이라도 이용자가 데이터를 보유한 목표 항목의 경우 부동산 평가 장치(130)로 이를 제공하고 목표 항목에 대하여 평가 모델을 훈련시킬 것을 요청할 수 있다.
일 실시예로서, 도 3의 경우 이용자가 특정 부동산의 월별 임대율 데이터(310)를 보유하고 있고 상기 특정 부동산의 임대율 평가 모델을 훈련 및 생성을 요청하는 경우, 부동산 평가 장치(130)는 이용자 단말(110)로부터 도 3과 같은 월별 임대율 데이터(310)를 수신하여 상기 특정 부동산의 임대율 평가 모델을 훈련 및 생성할 수 있다.
이 경우, 특정 시기의 데이터가 존재하지 않는 경우, 예를 들면 도 3의 부동산의 월별 임대율 데이터(310)에서 2016년 10월 및 2017년 3월의 경우처럼 임대율 데이터가 존재하지 않는 경우, 부동산 평가 장치(130)는 해당 시기의 데이터를 주변 시기의 데이터들을 이용하여 보간(interpolation)하거나, 해당 시기와 가장 가까운 과거 데이터로 생성하거나, 데이터 없음(NULL)으로 처리할 수 있다.
다른 방법으로는 해당 부동산과 기 설정된 거리 이내에 존재하는 유사한 부동산의 데이터가 존재하는 경우 이를 고려하여 자동적으로 또는 사용자의 선택에 의해 존재하지 않는 데이터 구간의 데이터를 생성할 수 있다. 예를 들어, A 아파트의 B 평형의 부동산 실거래가 데이터가 일부분 존재하지 않는 경우, 기 설정된 거리 이내의 C 아파트의 해당 기간 동안의 B 평형의 부동산 평균 실거래가를 적절한 전처리(예를 들어, A 아파트와의 실거래가 변화에 적합하게 노멀라이즈(normalization) 변형함.)하여 적용할 수 있고, 특별히 그 방법을 한정하지 않으며 평가 모델의 훈련 방법에 따라 통상의 기술에 따라 다양하게 적용 가능하다.
평가 방법 항목은 목표 항목을 예측하기 위한 평가 모델을 훈련하는 방법으로서 선형 회귀 분석, 로지스틱 회귀 분석, 푸아송 회귀 분석, 다중 회귀 분석 등의 통계적인 방법이거나 서포트 벡터 머신(Support Vector Machine: SVM), CNN(Convolution Neural Network), MLP(Multi-Layer Perceptron) 등의 신경망 학습(Neural Network) 방법일 수 있다.
속성 항목은 목표 항목의 예측을 위해 평가 방법의 훈련에 이용되는 데이터로서 도 5를 참조하면 부동산과 관련되어 있는 각종 경제지표, 시장 환경 지표, 지역 데이터 등일 수 있다. 경제 지표와 관련되어 있는 세부 속성 항목으로서는 통화량, 금리, 가계 부채 등일 수 있고, 시장 환경과 관련되어 있는 세부 속성 항목으로서는 주택 신규 공급 데이터, 주변 아파트 평균 가격(매매, 전세, 월세 등), 주택 매매량 추이, 부동산 소비자 심리 지수, 분양 경기 실사 지수, 주택 인허가 데이터, 주택 분양 또는 미분양 데이터 등일 수 있다. 그 외 부동산과 관련되어 있는 데이터로서 학군 데이터(초등학교, 중등학교, 고등학교의 학생수, 진학률 등), 교통 인프라 정보, 연령별 인구 구조 등 지역 데이터 또한 속성 항목으로서 사용될 수 있다.
속성 항목은 시계열적 데이터 형태를 가진 앞서 데이터들 이외에도 자연어로 구성된 데이터 또한 수치화 변형되어 사용될 수 있고 그 종류를 한정하지 않는다. 따라서, 뉴스 데이터, 부동산 정책 정보 등 또한 속성 항목으로 사용될 수 있다.
속성 항목은 부동산 평가 장치(130)가 미리 설정되어 있는 속성 항목 리스트(410, 420)를 이용자 단말(110)로 제공하고 상기 이용자 단말(110)이 속성 항목 리스트(410, 420)에서 평가 모델의 훈련을 위해 사용되기를 원하는 속성 항목을 선택하거나, 부동산 평가 장치(130)가 미리 설정하지 않은 속성 항목이라도 이용자가 데이터를 보유한 속성 항목의 경우 부동산 평가 장치(130)로 이를 제공하고 속성 항목을 활용하여 평가 모델을 훈련시킬 것을 요청할 수 있다.
도 4를 참조하면, 속성 항목 리스트는 대분류(410)로 분야별로 구별되어 이용자 단말로 제공될 수 있으며, 각 대분류별 속성 항목 리스트(420)이 별개로 제공될 수 있다.
속성 항목의 데이터들은 부동산 평가 장치(130)의 저장부 또는 데이터베이스(131)에 미리 저장되어 있거나, 별도의 데이터 제공 장치 또는 정보 데이터베이스 장치(140)에 네트워크(120)를 통하여 요청하고 제공받을 수 있다.
예를 들어, 도 5를 참조하면 공공 데이터로서 오픈(Open)되어 있는 각종 경제 지표 및 데이터들을 통계청, 국토 교통부 등의 공공 기관이나 한국 은행으로부터 제공받을 수 있고, 사설 뉴스 서버 또는 사설 정보 제공처로부터 유선 또는 무선으로 제공받을 수 있다.
또한, 부동산 평가 장치(130)는 별도의 데이터 제공 장치 또는 정보 데이터베이스 장치(140)가 제공하지 않거나, 부동산 평가 장치(130)의 저장부 또는 데이터베이스(131)에 보유하고 있지 않으나 이용자가 반영하기를 원하는 속성 항목의 데이터 경우 이용자 단말(110)로부터 제공받아 목표 항목에 대한 평가 모델을 훈련 및 생성할 수 있다.
일 실시예로서, 도 3의 경우 이용자가 특정 부동산의 월별 매매가 대비 전세가 데이터(320)를 보유하고 있고 특정 목표 항목의 평가 모델에 대한 훈련 및 생성을 요청하는 경우, 부동산 평가 장치(130)는 이용자 단말로부터 도 3과 같은 월별 매매가 대비 전세가 데이터(320)를 수신하여 특정 부동산의 목표 항목의 평가 모델을 훈련 및 생성할 때 다른 속성 항목의 데이터들과 같이 활용할 수 있다.
이 경우, 특정 시기의 데이터가 존재하지 않는 경우, 예를 들면 도 3의 부동산의 월별 매매가 대비 전세가 데이터(320)에서 2016년 8월의 경우처럼 데이터가 존재하지 않는 경우, 부동산 평가 장치(130)는 해당 시기의 데이터를 주변 시기의 데이터들을 이용하여 보간 처리하거나 데이터 없음으로 처리할 수 있고 특별히 그 방법을 한정하지 않는다.
본 발명에 따른 일 실시예에서, 부동산 평가 장치(130)는 이용자 단말(110)로부터 목표 항목을 수신한 후, 수신된 목표 항목과 관련되어 있는 속성 항목 리스트 또는 평가 방법 항목 리스트를 상기 이용자 단말(110)로 전송할 수 있다.
도 6을 참조하면, 이용자 단말(110)이 수신한 목표 항목 리스트(630) 중에서, 매매가(641)를 목표 항목으로 선택하면, 매매가 예측과 관련이 있는 것으로 미리 설정된 속성 항목 리스트, 예를 들어 인구 증가율(621)을 선택하도록 추천하거나 필수적으로 선택하도록 설정하여 이용자 단말(110)로 제공할 수 있다.
따라서, 기계 학습이나 이용자가 원하는 목표 항목의 예측을 위해 필요한 속성들을 선택하기 위한 이용자의 어려움을 낮출 수 있는 효과가 있다.
이와 유사하게, 도 6을 참조하면, 이용자 단말(110)이 수신한 목표 항목 리스트(630) 중에서, 매매가(641)를 목표 항목으로 선택하면, 매매가 예측에 적합한 평가 항법 항목 리스트, 예를 들어 선형회귀 분석 방법(641)을 선택하도록 추천하거나 필수적으로 선택하도록 설정하여 이용자 단말(110)로 제공할 수 있다.
따라서, 기계 학습이나 이용자가 원하는 목표 항목의 예측에 적합한 평가 모델을 훈련하는 평가 방법을 선택하기 위한 이용자의 어려움을 낮출 수 있는 효과가 있다.
부동산 평가 장치(130)는 이용자 단말(110)로부터 수신한 목표 항목에 대해 이용자 단말(110)이 선택한 속성 항목들과 관련된 데이터들을 이용하여 이용자 단말(110)이 선택한 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성(S220)할 수 있다. 평가 방법, 즉 평가 모델을 훈련하는 방법은 앞서 설명한 것처럼 선형 회귀 분석, 로지스틱 회귀 분석, 푸아송 회귀 분석, 다중 회귀 분석 등의 통계적인 방법이거나 서포트 벡터 머신, 신경망 학습 방법 등 특별히 그 종류를 한정하지 않는다.
부동산 평가 장치(130)는 평가 모델을 생성한 후, 평가 모델 생성을 요청한 이용자에게 생성된 평가 모델에 따른 예측값과 목표 항목값의 비교 결과(710) 또는 평가 모델의 신뢰도(720) 등을 포함한 평가 모델 성능에 대한 도 7과 같은 평가 결과를 제공할 수 있다. 따라서, 이용자는 부동산 평가 장치(130)로부터 제공된 평가 모델 성능을 고려하여 속성 항목 또는 평가 방법 항목을 다시 선택할 수 있다.
다른 실시예에서, 부동산 평가 장치(130)는 평가 모델을 생성한 후, 평가 모델 생성을 요청한 이용자에게 평가 모델에 끼친 각 속성 항목들의 영향도 또는 적어도 하나의 속성 항목의 성능을 평가하여 제공할 수 있다.
예를 들어서, 이용자가 목표 항목으로 부동산의 매매가를 선택하고, 이를 위한 속성 항목들로 20대 인구 증가율, 주변 부동산 신규 공급 동향 및 주변 부동산 전세 가격 추이를 선택한 후 생성된 평가 모델에 제일 영향을 끼친 속성 항목들을 순서대로 제시하거나, 목표 항목의 추이와 가장 비슷한 추이를 가지는 속성 항목을 제시하거나, 반대로 목표 항목의 추이와 가장 무관한 추이를 가지는 속성 항목을 제시할 수 있다. 따라서, 이용자는 부동산 평가 장치(130)로부터 제공된 각 속성 항목의 영향을 고려하여 속성 항목 또는 평가 방법 항목을 다시 선택할 수 있다.
부동산 평가 장치(130)는 훈련된 평가 모델에 기반하여 이용자 단말(110)로부터 수신한 특정 부동산에 대해 목표 항목의 예측 값을 산정(S230)할 수 있고, 그 결과를 상기 이용자 단말(110)로 전송할 수 있다.
예를 들어, 이용자가 도 7과 같은 평가 모델을 생성하였고 해당 평가 모델을 이용하여 특정 부동산의 매매가격의 예측을 요청하면, 부동산 평가 장치(130)는 도 7의 평가 모델에 기반하여 상기 특정 부동산의 현재가 및 예측가를 예측하고 이에 대한 평가 결과를 이용자 단말(110)로 전송할 수 있다.
도 8을 참조하면, 부동산 평가 장치(130)는 평가 모델에 기반하여 예측된 현재가와 수집된 데이터의 실거래가를 비교하여, 실거래가의 수준에 대한 평가(810, 820)를 미리 설정된 단계로 나누어 평가할 수 있고, 예측된 현재가(830) 및 특정 시점 후의 예측가(850)를 이용자 단말(110)로 제공할 수 있다.
본 발명에 따른 다른 실시예로, 제1 이용자가 선택한 속성 항목들의 데이터 및 제1 이용자가 제공한 속성 항목들의 데이터를 이용하여, 제1 이용자가 선택한 학습 방법으로 훈련되어 생성된 평가 모델은 다른 이용자에게 공유될 수 있다.
예를 들어, 제1 이용자가 자신의 선택으로 복수의 속성 항목들을 이용하여 회귀 분석 방법으로 훈련한 아파트 매매가 평가 모델을 제2 이용자가 이용하여 특정 부동산의 매매가를 예측하기 위해 사용할 수 있다.
따라서, 여러 이용자들이 다양한 평가 모델을 만들어 내고 서로 공유함으로써, 다양한 부동산 목표 항목들에 대한 평가 모델 생성을 활성화할 수 있는 효과가 있다.
이 경우, 타 이용자에게 평가 모델을 공유한 제1 이용자에게 미리 설정된 보상을 제공할 수 있고, 타 이용자들의 이용회수에 비례하여 보상을 제공할 수 있다.
도 9를 참조하여 부동산 평가 장치(930)의 다른 실시예를 설명한다.
부동산 평가 장치(930)는 네트워크(920)를 통하여 하나 이상의 이용자 단말(910)과 통신할 수 있다.
이용자 단말(910)은 퍼스널 컴퓨터(PC, Personal Computer) 뿐만 아니라 태블릿 컴퓨터, 스마트폰 등을 포함하고, 네트워크(920)에 유선/무선으로 연결되어 부동산 평가 장치(930)와 통신을 수행할 수 있다.
이용자 단말(910)은 부동산 평가 모델 생성 인터페이스를 통해 부동산 평가 장치(930)에 부동산 목표 항목을 예측하기 위한 모델의 생성을 요청할 수 있고, 상기 목표 항목 평가 모델 생성에 반영하기 위한 속성 항목을 직접 제공하거나 부동산 평가 장치(930)로부터 제시 받은 속성 항목 리스트에서 원하는 속성을 선택할 수 있다.
부동산 평가 장치(930)는 이용자 단말(910)로부터 제공 또는 선택된 목표 항목에 대한 평가 모델을 훈련 및 생성하기 위해 이용자 단말(910)로부터 선택된 속성 항목의 데이터를 부동산 평가 장치(930)에 유선 또는 무선으로 연결된 저장부 또는 데이터베이스(931)에서 읽거나 별도의 데이터 제공 장치 또는 정보 데이터베이스 장치(940)에 네트워크(920)를 통하여 요청하고 제공받을 수 있다.
또한, 부동산 평가 장치(930)는 별도의 데이터 제공 장치 또는 정보 데이터베이스 장치(940)가 제공하지 않거나, 부동산 평가 장치(930)의 저장부 또는 데이터베이스(931)에 보유하고 있지 않으나 이용자가 반영하기를 원하는 속성 항목의 데이터 경우 이용자 단말(910)로부터 제공받을 수 있다.
부동산 평가 장치(930)는 이용자 단말(910)로부터 수신한 목표 항목에 대해 이용자 단말(910)이 선택한 속성 항목들과 관련된 데이터들을 이용하여 이용자 단말(910)이 선택한 평가 방법 항목의 평가 방법으로 훈련하여 평가 모델을 생성하도록 평가 모델 생성 장치(950)로 요청할 수 있다.
따라서, 높은 연산 능력을 필요로 하는 평가 모델의 훈련에 클라우드(cloud) 서비스를 이용하여, 다수의 이용자가 평가 모델 생성을 요청하는 경우에도 안정적으로 평가 모델을 생성하여 제공할 수 있는 효과가 있다.
부동산 평가 장치(930)는 평가 모델 생성 장치(950)로 평가 모델 생성을 요청할 때, 이용자 단말(910)이 선택한 속성 항목들의 데이터들을 평가 모델 생성 장치(950)로 제공하거나, 별도의 데이터 제공 장치 또는 정보 데이터베이스 장치(940)로부터 평가 모델 생성 장치(950)로 제공하도록 요청할 수 있다.
부동산 평가 장치(930)는 평가 모델 생성 장치(950)가 생성한 평가 모델을 제공받아, 상기 이용자 단말(911) 또는 상기 생성된 평가 모델을 이용하기를 원하는 별도의 이용자 단말(912)이 요청한 특정 부동산에 대하여 상기 생성된 평가 모델을 이용하여 상기 목표 항목의 예측 값을 산정하여 요청한 이용자 단말(911, 912)로 제공할 수 있다.
도 10은 부동산 평가 장치(130, 930)의 구성을 나타내는 예시 적인 블록 다이어그램이다. 본 명세서에 개시된 부동산 평가 장치 (130, 930)는 통신부(1010), 저장부(1020), 모델 생성부(1030) 및 예측부(1040)을 포함할 수 있다.
통신부(1010)는 이용자 단말(110, 910)에 목표 항목 리스트(430), 속성 항목 리스트(410, 420) 및 평가 방법 항목 리스트(440)를 제공할 수 있고, 상기 리스트들 중에서 이용자 단말이 선택한 목표 항목, 속성 항목 또는 평가 방법 항목을 수신할 수 있으며, 유선 및/또는 무선 통신 모듈로 구성될 수 있다. 예를 들어, 통신부(1010)는, 와이파이(Wireless Fidelity, Wi-Fi), 블루투스(Bluetooth), 지그비(Zigbee), 엔에프씨(near field communication: NFC), 와이브로(Wireless Broadband Internet: Wibro) 등의 무선 통신모듈과 이더넷(Ethernet) 등의 유선 랜(LAN)과 같은 유선 통신 모듈 등을 포함할 수 있다. 상기 통신부(1010)는 네트워크를 통해 이용자 단말(110, 1010)과 유무선 통신을 수행할 수 있다.
부동산 평가 장치(130, 930) 미리 설정되어 있는 목표 항목 리스트(430)를 이용자 단말로 제공하고 이용자 단말이 목표 항목 리스트(430)에서 원하는 목표 항목을 선택하거나, 부동산 평가 장치(130, 930)가 미리 설정하지 않은 목표 항목이라도 이용자가 데이터를 보유한 목표 항목의 경우 부동산 평가 장치(130, 930)로 이를 제공하고 목표 항목에 대하여 평가 모델을 훈련시킬 것을 요청할 수 있다.
부동산 평가 장치(130, 930)는 별도의 데이터 제공 장치 또는 정보 데이터베이스 장치(140, 940)가 제공하지 않거나, 부동산 평가 장치(130, 930)의 저장부 또는 데이터베이스(131, 931)에 보유하고 있지 않으나 이용자가 반영하기를 원하는 속성 항목의 데이터 경우 이용자 단말(110, 910)로부터 제공받아 목표 항목에 대한 평가 모델을 훈련 및 생성할 수 있다.
부동산 평가 장치(130, 930)는 이용자 단말(110, 910)로부터 수신한 목표 항목에 대해 이용자 단말(110, 910)이 선택한 속성 항목들과 관련된 데이터들을 이용하여 이용자 단말(110, 910)이 선택한 평가 방법 항목의 평가 방법으로 훈련하여 평가 모델을 생성할 수 있다.
다른 실시예에서, 부동산 평가 장치(130, 930)는 이용자 단말(110, 910)로부터 수신한 목표 항목에 대해 이용자 단말(110, 910)이 선택한 속성 항목들과 관련된 데이터들을 이용하여 이용자 단말(110, 910)이 선택한 평가 방법 항목의 평가 방법으로 훈련하여 평가 모델을 생성하도록 평가 모델 생성 장치(950)로 요청하고, 훈련된 평가 모델을 제공받을 수 있다.
부동산 평가 장치(130, 930)는 훈련된 평가 모델에 기반하여 이용자 단말(110, 910)로부터 수신한 특정 부동산에 대해 목표 항목의 예측 값을 산정할 수 있고, 그 결과를 상기 이용자 단말(110, 910)로 전송할 수 있다.
본 문서에서 사용된 용어 "모듈"은, 예를 들어, 하드웨어, 소프트웨어 또는 펌웨어(firmware) 중 하나 또는 둘 이상의 조합을 포함하는 단위(unit)를 의미할 수 있다. "모듈"은, 예를 들어, 유닛(unit), 로직(logic), 논리블록 (logical block), 부품(component), 또는 회로(circuit) 등의 용어와 바꾸어 사용(interchangeably use)될 수 있다. "모듈"은, 일체로 구성된 부품의 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수도 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있다. 예를 들어, "모듈"은, 알려졌거나 앞으로 개발될, 어떤 동작들을 수행하는 ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays) 또는 프로그램 가능 논리 장치(programmable-logic device) 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는, 예컨대, 프로그램 모듈의 형태로 컴퓨터로 읽을 수 있는 저장매체(computer-readable storage media)에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서에 의해 실행될 경우, 상기 하나 이상의 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 읽을 수 있는 저장매체는, 예를 들어, 메모리가 될 수 있다.
컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(magnetic media)(예: 자기테이프), 광기록 매체(optical media)(예: CD-ROM(compact disc read only memory), DVD(digital versatile disc), 자기-광 매체(magneto-optical media)(예: 플롭티컬 디스크(floptical disk)), 하드웨어 장치(예: ROM(read only memory), RAM(random access memory), 또는 플래시 메모리 등) 등을 포함할 수 있다. 또한, 프로그램 명령에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 다양한 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지다.
다양한 실시예에 따른 모듈 또는 프로그램 모듈은 전술된 구성요소들 중 적어도 하나 이상을 포함하거나, 일부가 생략되거나, 또는 추가적인 다른 구성요소를 더 포함할 수 있다. 다양한 실시예에 따른 모듈, 프로그램 모듈 또는 다른 구성요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)한 방법으로 실행될 수 있다. 또한, 일부 동작은 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
이상에서 본 명세서의 기술에 대한 바람직한 실시 예가 첨부된 도면들을 참조하여 설명되었다. 여기서, 본 명세서 및 청구 범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.
본 발명의 범위는 본 명세서에 개시된 실시 예들로 한정되지 아니하고, 본 발명은 본 발명의 사상 및 특허청구범위에 기재된 범주 내에서 다양한 형태로 수정, 변경, 또는 개선될 수 있다.
110, 910: 이용자 단말
130, 930: 부동산 평가 장치
131, 931: 저장부 또는 데이터베이스
140, 940: 데이터 제공 장치 또는 정보 데이터베이스 장치
410, 420, 610, 620: 속성 항목 리스트
430, 630: 목표 항목 리스트
440, 640: 평가 방법 항목 리스트
950: 평가 모델 생성 장치
130, 930: 부동산 평가 장치
131, 931: 저장부 또는 데이터베이스
140, 940: 데이터 제공 장치 또는 정보 데이터베이스 장치
410, 420, 610, 620: 속성 항목 리스트
430, 630: 목표 항목 리스트
440, 640: 평가 방법 항목 리스트
950: 평가 모델 생성 장치
Claims (9)
- 제1 이용자 단말로부터 목표(Target) 항목, 적어도 하나의 속성(Feature) 항목 및 평가 방법 항목을 수신하는 동작;
상기 제1 이용자 단말로부터 목표 항목을 수신한 경우, 수신된 상기 목표 항목과 연관된 것으로 미리 설정된 적어도 하나의 속성 항목 및 평가 방법 항목을 상기 제1 이용자 단말로 제공하는 동작으로서, 상기 설정은 상기 제1 이용자 단말로부터 상기 목표 항목을 수신하기 전에 미리 부동산 평가 장치에 설정된 것이고, 상기 속성 항목은 적어도 하나의 대분류 항목과 상기 대분류 항목의 각 하위 분류로 적어도 하나의 소분류 항목을 가지고;
상기 목표 항목에 대해 상기 속성 항목과 관련된 데이터들에 기반하고 프로세서에 의하여 상기 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성하는 동작;
상기 생성된 평가 모델에 따른 목표 항목의 예측 값과 실거래가의 비교 결과, 평가 모델의 신뢰도, 상기 생성된 평가 모델에 끼친 속성 항목의 영향도, 및 적어도 하나의 속성 항목의 성능 평가 결과를 상기 제1 이용자 단말로 제공하는 동작;
상기 훈련된 평가 모델에 기반하여 상기 제1 이용자 단말 또는 제2 이용자 단말로부터 요청받은 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하는 동작;
상기 제1 이용자 단말로부터 상기 속성 항목과 관련된 이용자 보유 데이터를 수신하는 동작; 및
상기 이용자 보유 데이터에서 일정 시기의 데이터가 존재하지 않는 경우, 요청받은 상기 특정 부동산과 미리 설정된 거리 이내에 위치하고 미리 설정된 기준에 의해 요청받은 상기 특정 부동산과 유사한 것으로 판단된 유사 부동산들의 상기 속성 항목과 관련된 데이터를 상기 이용자 보유 데이터의 변화에 기반하여 노멀라이즈(normalization)한 후 노멀라이즈된 상기 유사 부동산들의 상기 속성 항목과 관련된 데이터로 상기 이용자 보유 데이터의 상기 일정 시기의 데이터를 보완하는 동작을 포함하고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 목표 항목의 예측 값을 산정하는 동작은 산정하는 시점의 상기 특정 부동산의 현재가 및 미리 설정된 일정 시점 후의 예측가를 산정하는 동작이고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 특정 부동산의 산정된 현재가와 수집된 실거래가를 비교하고, 상기 현재가에 대비하여 상기 실거래가의 수준을 미리 설정된 단계로 나누어 평가하고, 상기 현재가 및 상기 미리 설정된 일정 시점 후의 예측가를 상기 제1 이용자 단말로 제공하는 동작을 더 포함하고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 속성 항목은 인구 증가율, 부동산 소비자 심리 지수 및 분양 경기 실사 지수를 포함하고,
상기 목표 항목, 상기 속성 항목 및 상기 평가 방법 항목은 상기 부동산 평가 장치로부터 제공된 적어도 하나 이상의 목표 항목 리스트, 속성 항목 리스트 및 평가 방법 항목 리스트 중에서 상기 제1 이용자 단말로부터 선택된 부동산 평가 장치의 부동산 평가 방법. - 삭제
- 제1 항에 있어서,
상기 제1 이용자 단말로부터 수신한 목표 항목에 기반한 상기 속성 항목 리스트를 상기 제2 이용자 단말로 제공하는 동작 또는 상기 제1 이용자 단말로부터 수신한 목표 항목에 기반한 속성 항목 추천 메시지를 상기 제2 이용자 단말로 제공하는 동작을 포함하는 부동산 평가 장치의 부동산 평가 방법. - 제1 항에 있어서,
상기 평가 방법은 기계 학습(Machine learning) 방법 또는 통계 분석 방법인 부동산 평가 장치의 부동산 평가 방법. - 제1 항에 있어서,
상기 제2 이용자 단말로부터 요청받은 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하는 경우, 상기 제1 이용자 단말과 관련된 이용자에게 미리 설정된 보상을 제공하는 부동산 평가 장치의 부동산 평가 방법. - 제1 항에 있어서,
생성된 상기 평가 모델에 대해, 적어도 하나의 상기 속성 항목의 영향도를 평가하는 동작을 포함하는 부동산 평가 장치의 부동산 평가 방법. - 제1 이용자 단말로부터 목표(Target) 항목, 적어도 하나의 속성(Feature) 항목 및 평가 방법 항목을 수신하는 동작;
상기 제1 이용자 단말로부터 목표 항목을 수신한 경우, 수신된 상기 목표 항목과 연관된 것으로 미리 설정된 속성 항목 및 평가 방법 항목을 상기 제1 이용자 단말로 제공하는 동작으로서, 상기 설정은 상기 제1 이용자 단말로부터 상기 목표 항목을 수신하기 전에 미리 부동산 평가 장치에 설정된 것이고, 상기 속성 항목은 적어도 하나의 대분류 항목과 상기 대분류 항목의 각 하위 분류로 적어도 하나의 소분류 항목을 가지고;
상기 목표 항목에 대해 상기 속성 항목과 관련된 데이터들에 기반하고 프로세서에 의하여 상기 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성하도록 평가 모델 생성 장치로 요청하는 동작;
상기 생성된 평가 모델에 따른 목표 항목의 예측 값과 실거래가의 비교 결과, 평가 모델의 신뢰도, 상기 생성된 평가 모델에 끼친 속성 항목의 영향도, 및 적어도 하나의 속성 항목의 성능 평가 결과를 상기 제1 이용자 단말로 제공하는 동작;
상기 평가 모델 생성 장치로부터 상기 훈련된 평가 모델을 제공받는 동작;
상기 제공받은 평가 모델에 기반하여 상기 제1 이용자 단말 또는 제2 이용자 단말로부터 요청받은 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하는 동작;
상기 제1 이용자 단말로부터 상기 속성 항목과 관련된 이용자 보유 데이터를 수신하는 동작; 및
상기 이용자 보유 데이터에서 일정 시기의 데이터가 존재하지 않는 경우, 요청받은 상기 특정 부동산과 미리 설정된 거리 이내에 위치하고 미리 설정된 기준에 의해 요청받은 상기 특정 부동산과 유사한 것으로 판단된 유사 부동산들의 상기 속성 항목과 관련된 데이터를 상기 이용자 보유 데이터의 변화에 기반하여 노멀라이즈(normalization)한 후 노멀라이즈된 상기 유사 부동산들의 상기 속성 항목과 관련된 데이터로 상기 이용자 보유 데이터의 상기 일정 시기의 데이터를 보완하는 동작을 포함하고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 목표 항목의 예측 값을 산정하는 동작은 산정하는 시점의 상기 특정 부동산의 현재가 및 미리 설정된 일정 시점 후의 예측가를 산정하는 동작이고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 특정 부동산의 산정된 현재가와 수집된 실거래가를 비교하고, 상기 현재가에 대비하여 상기 실거래가의 수준을 미리 설정된 단계로 나누어 평가하고, 상기 현재가 및 상기 미리 설정된 일정 시점 후의 예측가를 상기 제1 이용자 단말로 제공하는 동작을 더 포함하고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 속성 항목은 인구 증가율, 부동산 소비자 심리 지수 및 분양 경기 실사 지수를 포함하고,
상기 목표 항목, 상기 속성 항목 및 상기 평가 방법 항목은 상기 부동산 평가 장치로부터 제공된 적어도 하나 이상의 목표 항목 리스트, 속성 항목 리스트 및 평가 방법 항목 리스트 중에서 상기 제1 이용자 단말로부터 선택되는 부동산 평가 장치의 부동산 평가 방법. - 제1 이용자 단말로부터 목표(Target) 항목, 적어도 하나의 속성(Feature) 항목 및 평가 방법 항목을 수신하는 통신부;
상기 목표 항목에 대해 상기 속성 항목과 관련된 데이터들에 기반하고 프로세서에 의하여 상기 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성하거나, 생성하도록 요청하는 모델 생성부; 및
상기 훈련된 평가 모델에 기반하여 상기 제1 이용자 단말 또는 제2 이용자 단말로부터 수신한 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하고, 상기 생성된 평가 모델에 따른 목표 항목의 예측 값과 실거래가의 비교 결과, 평가 모델의 신뢰도, 상기 생성된 평가 모델에 끼친 속성 항목의 영향도, 및 적어도 하나의 속성 항목의 성능 평가 결과를 생성하는 부동산 예측부를 포함하고,
상기 통신부는 상기 제1 이용자 단말로부터 목표 항목을 수신한 경우, 수신된 상기 목표 항목과 연관된 것으로 미리 설정된 속성 항목 및 평가 방법 항목을 상기 제1 이용자 단말로 제공하고, 상기 설정은 상기 제1 이용자 단말로부터 상기 목표 항목을 수신하기 전에 미리 부동산 평가 장치에 설정된 것이고, 상기 속성 항목은 적어도 하나의 대분류 항목과 상기 대분류 항목의 각 하위 분류로 적어도 하나의 소분류 항목을 가지고,
상기 통신부는 상기 제1 이용자 단말로부터 상기 속성 항목과 관련된 이용자 보유 데이터를 수신하고,
상기 모델 생성부는 상기 이용자 보유 데이터에서 일정 시기의 데이터가 존재하지 않는 경우, 상기 특정 부동산과 미리 설정된 거리 이내에 위치하고 미리 설정된 기준에 의해 상기 특정 부동산과 유사한 것으로 판단된 유사 부동산들의 상기 속성 항목과 관련된 데이터를 상기 이용자 보유 데이터의 변화에 기반하여 노멀라이즈(normalization)한 후 노멀라이즈된 상기 유사 부동산들의 상기 속성 항목과 관련된 데이터로 상기 이용자 보유 데이터의 상기 일정 시기의 데이터를 보완하고,
상기 부동산 예측부는 상기 목표 항목이 특정 부동산의 매매 가격인 경우 상기 목표 항목의 예측 값으로 산정하는 시점의 상기 특정 부동산의 현재가 및 미리 설정된 일정 시점 후의 예측가를 산정하고,
상기 부동산 예측부는 상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 특정 부동산의 산정된 현재가와 수집된 실거래가를 비교하고, 상기 현재가에 대비하여 상기 실거래가의 수준을 미리 설정된 단계로 나누어 평가하고, 상기 현재가 및 상기 미리 설정된 일정 시점 후의 예측가를 상기 제1 이용자 단말로 제공하고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 속성 항목은 인구 증가율, 부동산 소비자 심리 지수 및 분양 경기 실사 지수를 포함하고,
상기 목표 항목, 상기 속성 항목 및 상기 평가 방법 항목은 상기 부동산 평가 장치로부터 제공된 적어도 하나 이상의 목표 항목 리스트, 속성 항목 리스트 및 평가 방법 항목 리스트 중에서 상기 제1 이용자 단말로부터 선택되는 부동산 평가 장치. - 컴퓨터 하드웨어와 결합되어,
제1 이용자 단말로부터 목표(Target) 항목, 적어도 하나의 속성(Feature) 항목 및 평가 방법 항목을 수신하는 동작;
상기 제1 이용자 단말로부터 목표 항목을 수신한 경우, 수신된 상기 목표 항목과 연관된 것으로 미리 설정된 속성 항목 및 평가 방법 항목을 상기 제1 이용자 단말로 제공하는 동작으로서, 상기 설정은 상기 제1 이용자 단말로부터 상기 목표 항목을 수신하기 전에 미리 부동산 평가 장치에 설정된 것이고, 상기 속성 항목은 적어도 하나의 대분류 항목과 상기 대분류 항목의 각 하위 분류로 적어도 하나의 소분류 항목을 가지고;
상기 목표 항목에 대해 상기 속성 항목과 관련된 데이터들에 기반하고 프로세서에 의하여 상기 평가 방법 항목의 평가 방법으로 훈련(training)하여 평가 모델을 생성하는 동작;
상기 생성된 평가 모델에 따른 목표 항목의 예측 값과 실거래가의 비교 결과, 평가 모델의 신뢰도, 상기 생성된 평가 모델에 끼친 속성 항목의 영향도, 및 적어도 하나의 속성 항목의 성능 평가 결과를 상기 제1 이용자 단말로 제공하는 동작;
상기 훈련된 평가 모델에 기반하여 상기 제1 이용자 단말 또는 제2 이용자 단말로부터 요청받은 특정 부동산에 대해 상기 목표 항목의 예측 값을 산정하는 동작;
상기 제1 이용자 단말로부터 상기 속성 항목과 관련된 이용자 보유 데이터를 수신하는 동작; 및
상기 이용자 보유 데이터에서 일정 시기의 데이터가 존재하지 않는 경우, 요청받은 상기 특정 부동산과 미리 설정된 거리 이내에 위치하고 미리 설정된 기준에 의해 요청받은 상기 특정 부동산과 유사한 것으로 판단된 유사 부동산들의 상기 속성 항목과 관련된 데이터를 상기 이용자 보유 데이터의 변화에 기반하여 노멀라이즈(normalization)한 후 노멀라이즈된 상기 유사 부동산들의 상기 속성 항목과 관련된 데이터로 상기 이용자 보유 데이터의 상기 일정 시기의 데이터를 보완하는 동작을 포함하고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 목표 항목의 예측 값을 산정하는 동작은 산정하는 시점의 상기 특정 부동산의 현재가 및 미리 설정된 일정 시점 후의 예측가를 산정하는 동작이고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 특정 부동산의 산정된 현재가와 수집된 실거래가를 비교하고, 상기 현재가에 대비하여 상기 실거래가의 수준을 미리 설정된 단계로 나누어 평가하고, 상기 현재가 및 상기 미리 설정된 일정 시점 후의 예측가를 상기 제1 이용자 단말로 제공하는 동작을 더 포함하고,
상기 목표 항목이 특정 부동산의 매매 가격인 경우, 상기 속성 항목은 인구 증가율, 부동산 소비자 심리 지수 및 분양 경기 실사 지수를 포함하고,
상기 목표 항목, 상기 속성 항목 및 상기 평가 방법 항목은 상기 부동산 평가 장치로부터 제공된 적어도 하나 이상의 목표 항목 리스트, 속성 항목 리스트 및 평가 방법 항목 리스트 중에서 상기 제1 이용자 단말로부터 선택되는 상기 동작들을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190086182A KR102103670B1 (ko) | 2019-07-17 | 2019-07-17 | 부동산 평가 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190086182A KR102103670B1 (ko) | 2019-07-17 | 2019-07-17 | 부동산 평가 장치 및 방법 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180123733 Division | 2018-10-17 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102103670B1 true KR102103670B1 (ko) | 2020-04-23 |
Family
ID=70472190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190086182A KR102103670B1 (ko) | 2019-07-17 | 2019-07-17 | 부동산 평가 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102103670B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633745A (zh) * | 2020-12-30 | 2021-04-09 | 北京机电工程研究所 | 一种产品的可靠性属性表达方法 |
| KR20220116925A (ko) * | 2021-02-16 | 2022-08-23 | 허준열 | 부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090003026A (ko) * | 2007-07-05 | 2009-01-09 | 부동산일일사 주식회사 | 네트워크 기반의 부동산 임대지수 산정시스템 |
| KR20090103087A (ko) * | 2008-03-27 | 2009-10-01 | 연세대학교 산학협력단 | 토지 가치 모니터링 시스템 및 그 방법 |
| KR101764834B1 (ko) * | 2016-07-27 | 2017-08-04 | 주식회사 케이앤컴퍼니 | 빅데이터를 이용한 부동산 시세 추정 시스템 및 방법 |
| KR101773911B1 (ko) | 2016-09-27 | 2017-09-01 | 주식회사 케이앤컴퍼니 | 실거래가 및 공시지가를 이용한 부동산 시세추정장치 및 방법 |
| KR20170109269A (ko) * | 2016-03-21 | 2017-09-29 | 김형순 | 부동산 가격 산정 장치 |
| KR20180014803A (ko) * | 2018-01-30 | 2018-02-09 | 주식회사 인포리언스 | 데이터 탐색 장치 |
| KR20180079995A (ko) * | 2017-01-03 | 2018-07-11 | 주식회사 데일리인텔리전스 | 머신러닝을 기반으로 데이터를 분석하는 프로그램을 생성하기 위한 방법 |
-
2019
- 2019-07-17 KR KR1020190086182A patent/KR102103670B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090003026A (ko) * | 2007-07-05 | 2009-01-09 | 부동산일일사 주식회사 | 네트워크 기반의 부동산 임대지수 산정시스템 |
| KR20090103087A (ko) * | 2008-03-27 | 2009-10-01 | 연세대학교 산학협력단 | 토지 가치 모니터링 시스템 및 그 방법 |
| KR20170109269A (ko) * | 2016-03-21 | 2017-09-29 | 김형순 | 부동산 가격 산정 장치 |
| KR101764834B1 (ko) * | 2016-07-27 | 2017-08-04 | 주식회사 케이앤컴퍼니 | 빅데이터를 이용한 부동산 시세 추정 시스템 및 방법 |
| KR101773911B1 (ko) | 2016-09-27 | 2017-09-01 | 주식회사 케이앤컴퍼니 | 실거래가 및 공시지가를 이용한 부동산 시세추정장치 및 방법 |
| KR20180079995A (ko) * | 2017-01-03 | 2018-07-11 | 주식회사 데일리인텔리전스 | 머신러닝을 기반으로 데이터를 분석하는 프로그램을 생성하기 위한 방법 |
| KR20180014803A (ko) * | 2018-01-30 | 2018-02-09 | 주식회사 인포리언스 | 데이터 탐색 장치 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633745A (zh) * | 2020-12-30 | 2021-04-09 | 北京机电工程研究所 | 一种产品的可靠性属性表达方法 |
| KR20220116925A (ko) * | 2021-02-16 | 2022-08-23 | 허준열 | 부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 |
| KR102556291B1 (ko) | 2021-02-16 | 2023-07-17 | 허준열 | 부동산 분양정보에 따른 ai 투자분석을 서비스하기 위한 투자분석용 애플리케이션을 구현하기 위하여 매체에 저장된 컴퓨터 프로그램 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10891628B1 (en) | Using cognitive computing to improve relationship pricing | |
| US9336494B1 (en) | Re-training a machine learning model | |
| US11514345B2 (en) | Systems and methods for generating automated decisions | |
| US20160350101A1 (en) | Online marketplace of plugins for enhancing dialog systems | |
| US10776816B2 (en) | System and method for building a targeted audience for an online advertising campaign | |
| CA2985966A1 (en) | Client driven referral management system and methods | |
| KR102008992B1 (ko) | 챗봇을 이용한 부동산 거래 비서 서비스 장치 및 방법 | |
| US11004006B2 (en) | Method and system for dynamic trust model for personalized recommendation system in shared and non-shared economy | |
| Basu et al. | A LUTI microsimulation framework to evaluate long-term impacts of automated mobility on the choice of housing-mobility bundles | |
| CN109417644A (zh) | 跨屏广告投放的收益优化 | |
| US20210035128A1 (en) | System for predicting optimal operating hours for merchants | |
| Kuok et al. | Economic policy uncertainty and international tourism demand: A global vector autoregressive approach | |
| KR20200127810A (ko) | 중고거래가격 자동추정방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
| CN111210255A (zh) | 广告推送方法、装置及电子设备 | |
| CN113393299A (zh) | 推荐模型训练方法、装置、电子设备和存储介质 | |
| Basu et al. | Can increased accessibility from emerging mobility services create a car-lite future? Evidence from Singapore using LUTI microsimulation | |
| Kaza et al. | Location efficiency and mortgage risks for low-income households | |
| KR102103670B1 (ko) | 부동산 평가 장치 및 방법 | |
| US10394804B1 (en) | Method and system for increasing internet traffic to a question and answer customer support system | |
| KR102306689B1 (ko) | 고객 만족도 기반 광고 최적화 방법, 장치, 및 시스템 | |
| Cheng et al. | Trust in online ride-sharing transactions: Impacts of heterogeneous order features | |
| KR102471705B1 (ko) | Ｑｒ코드 방문인증 기반 리워드 서비스 제공 시스템 | |
| US20220188881A1 (en) | Value map generation and processing | |
| US11645664B2 (en) | Dynamic web content insertion | |
| Allahviranloo et al. | Online Platform for Matching and Trading Shares of Autonomous Vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |