KR102509598B1 - 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 - Google Patents
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 Download PDFInfo
- Publication number
- KR102509598B1 KR102509598B1 KR1020220056635A KR20220056635A KR102509598B1 KR 102509598 B1 KR102509598 B1 KR 102509598B1 KR 1020220056635 A KR1020220056635 A KR 1020220056635A KR 20220056635 A KR20220056635 A KR 20220056635A KR 102509598 B1 KR102509598 B1 KR 102509598B1
- Authority
- KR
- South Korea
- Prior art keywords
- real estate
- information
- user
- customized
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 238000007477 logistic regression Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 235000013410 fast food Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000001960 triggered 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/08—Auctions
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본원의 일 측면에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법은 네트워크를 통해 수집된 부동산 정보에 전처리 프로세스를 적용하여 부동산 정보 데이터를 생성하는 단계; 부동산 정보 데이터에 기초하여 소비자 선택 모델을 통해 부동산 의사결정 파라미터를 선별하는 단계; 신규 사용자 정보가 입력되면 신규 사용자 정보를 부동산 정보 추천 모델에 입력하여 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하고, 계산된 사용자 가중치 점수에 따라 추천 부동산 정보를 포함하는 맞춤형 부동산 정보 데이터를 생성하는 단계; 및 맞춤형 부동산 정보 데이터를 사용자 단말에 제공하는 단계;를 포함한다.
Description
본 발명은 부동산 맞춤형 정보 추천 방법에 대한 것으로, 보다 상세하게는 소비자 선택 모델을 이용하여 의사결정에 영향을 주는 주요 요소들을 분석하여 개인별 부동산 맞춤형 정보를 추천하는 방법 및 서버에 관한 것이다.
부동산정보는 전통적으로 공인중개사의 인적 네트워크를 통해 제공되어 왔으나 인터넷의 발달로 인해 부동산정보를 인터넷을 통해 제공하는 서비스가 확산되어 왔다. 특히, 부동산 매물정보를 인터넷을 통해 게시하여 부동산 거래 중개를 돕는 용도로 광범위하게 활용되어 왔다.
공공데이터의 제공 및 이용 활성화에 관한 법률이 시행된 이후, 개인들이 제공하는 부동산 매물 정보뿐 아니라 국가가 제공하는 실거래가 정보, 등기 정보 등을 얻어 가공 및 활용하기에 유리한 환경이 조성되었다. 이미 있는 부동산정보를 단순히 게시하여 유통하는 서비스에서 벗어나 부동산정보를 가공 하여 사용자들에게 필요한 정보를 적정하게 제공하는 서비스들이 개발되고 있다.
그러나 대형포탈에서 제공하는 부동산 정보, 중소 부동산 프랜차이즈 업체의 온라인 사이트나, 광고업체 등이 제공하는 부동산 정보는 부동산 매물의 지역, 금액, 면적 등의 기본적인 명세의 제공에 그치고 있으며, 수많은 매물정보를 쉽게 찾을 수 있는 것처럼 보이나, 실제 계약을 위해서는 여러 곳의 부동산 중개업소에 전화를 걸어서 알아보거나, 직접 부동산 중개업소를 방문하여 많은 시간과 노력을 투입하여 부동산 매물을 찾을 수 밖에 없다.
일반적으로 사람들은 교통이 편리하고 쾌적한 환경을 공통적으로 선호하지만 높은 가격 때문에 본인이 원하는 요건이 모두 갖춰진 선택이 아닌 자신의 예산 범위 내에서 효용이 가장 높은 선택을 할 수밖에 없다. 하지만 여러 부동산의 요소 중 무엇을 선택하고 무엇을 포기할 것인지 즉, 고려해야할 요소들이 많아질수록 복잡하고 힘든 계산과정이 필요하며, 여기에 비교대상 매물이 늘어나면 기하급수적으로 의사결정시 고려해야할 요소들이 많아지게 된다. 이 과정에서 많은 고민과 정신적 노동이 수반되며, 사람들은 복잡한 고민을 직접하기보다는 전문가의 의견을 참고하려고 하며, 많은 사람들이 특정인의 의견에 동조하면서 쏠림 현상 및 가격 양극화 등의 문제가 발생하기도 한다.
온라인 상에서 부동산 매물을 찾는 것은 일반화된 일이지만 오히려 정보의 홍수 속에서 정보의 양이 늘어날수록 정작 본인에게 필요한 정보를 검색해 찾는 일은 어려워지고 있다. 기존에는 사람들이 온라인 부동산 매물을 보고 일일이 확인하고 나에게 맞는 요소들이 들어있는지, 자신의 예산에 해당 매물이 포함되는지, 주어진 예산 내에서 최고의 효용을 나타내는 최적의 대안이 무엇인지 찾는 과정을 수행해 왔다. 이 과정은 절대적인 시간도 많이 소요될 뿐 아니라 높은 정신적 노동을 요구하며 특히, 매일 업데이트 되는 매물 정보를 추가적으로 모니터링, 분석, 의사결정하기 위해서는 자주, 오랫동안 매물 정보를 지켜보아야 한다. 즉, 등록된 매물이나 현재까지의 많은 선택지들 중 자신에게 해당되는 정보를 선별하는 과정에서, 사람들은 끊임없이 필요한 정보를 수집, 처리하기 위해 반복된 의사결정 프로세스를 거쳐야 하며, 시간과 노력을 충분히 투입할 수 없는 일반인들의 경우, 방대한 정보를 처리하여 본인에게 최적의 선택을 찾아내는 일은 쉬운 일이 아니다.
종래 기술에서는 의사결정에 이르는 과정 속에 추상적인 가치체계를 정량화, 수치화 할 수 있는 방안이 부족하며, 이러한 가치체계를 소비자 선택모델을 활용해서 구체화, 정량화 시킴으로써 개인의 의사결정 과정을 알고리즘화하면 수작업에 의존했던 특정 부동산에 대한 평가를 자동화 시킬 수 있다. 이는 기존 아날로그 의사결정 모델(온라인상에 정보가 공개되기는 하지만, 결국 정보의 분석과 의사결정은 머릿속에서 이뤄짐)이 디지털로 변환되는 것을 의미하며, 이를 통해 방대한 온라인 상의 자원들을 사람을 대신하여 기계가 정보 수집, 처리, 의사결정을 도울 수 있도록 할 수 있으며, 이러한 디지털화는 데이터 활용도를 높여줘 대용량의 데이터베이스와의 연계 및 자동화, 처리용량의 증가를 통해 다양한 어플리케이션을 만들어 낼 수 있다.
(특허문헌 1) 대한민국 공개특허공보 제 10-2009-0126474 호 (발명의 명칭: 맞춤형 부동산 정보 제공 시스템
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서 소비자 선택 모델을 이용하여 부동산 맞춤형 정보 추천 방법 제공한다.
소비자들의 의사결정에 영향을 미치는 주요 파라미터를 추출하여 소비자 선택 모델을 구성하고, 요소별 가치 분석 기법을 활용하여 개인별 가중치를 계산하여 개인별 맞춤형 정보를 제공한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 개시의 제 1측면에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법은 네트워크를 통해 수집한 부동산 정보에 전처리 프로세스를 적용하여 부동산 정보 데이터를 생성하는 단계; 부동산 정보 데이터에 기초하여 소비자 선택 모델을 통해 부동산 의사결정 파라미터를 선별하는 단계; 신규 사용자 정보가 입력되면 신규 사용자 정보를 부동산 정보 추천 모델에 입력하여 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하고, 계산된 사용자 가중치 점수에 따라 추천 부동산 정보를 포함하는 맞춤형 부동산 정보 데이터를 생성하는 단계; 및 맞춤형 부동산 정보 데이터를 사용자 단말에 제공하는 단계;를 포함한다. 이 때 네트워크를 통해 수집한 부동산 정보 외에도 사용자가 직간접적으로 생성한 정보 및 오프라인에서 수집한 정보를 더 포함하여 전처리 프로세스를 적용하여 부동산 정보 데이터를 생성할 수 있다.
상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 개시의 제 2 측면에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 서버는 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 프로그램이 저장된 메모리; 메모리에 저장된 프로그램을 실행하는 프로세서를 포함한다. 프로세서는 프로그램의 실행에 의해, 네트워크를 통해 수집한 부동산 정보에 전처리 프로세스를 적용하여 부동산 정보 데이터를 생성하고, 부동산 정보 데이터에 기초하여 소비자 선택 모델을 통해 부동산 의사결정 파라미터를 선별하고, 신규 사용자 정보가 입력되면 신규 사용자 정보를 부동산 정보 추천 모델에 입력하여 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하고, 계산된 사용자 가중치 점수에 따라 추천 부동산 정보를 포함하는 맞춤형 부동산 정보 데이터를 생성하고, 맞춤형 부동산 정보 데이터를 사용자 단말에 제공한다.
전술한 본원의 과제 해결 수단 중 어느 하나에 의하면, 부동산 시장에서 매도자, 매수자, 중개인에게 맞춤형 부동산 정보를 제공함으로써 거래를 활성화시키고 부동산 시장의 구조를 합리적으로 변경할 수 있다.
소비자 선택 모델을 이용하여 부동산 맞춤형 정보 추천 방법을 사용함으로써 온라인상의 방대한 부동산 정보를 수집, 관리하고 의사결정 하는데 소요되는 시간적 비용과 수고를 절감할 수 있다. 불분명한 요소별 선호체계를 구조화 시키고 요소별 예민도를 측정하여, 머릿속에 머물고 있던 비정형 가치체계를 정형화 시키고 디지털화 시킴으로써 방대한 부동산 데이터를 직접 활용해 사용자에게 최적의 선택을 방대한 정보에서 검색하고 분석할 수 있다. 뿐만 아니라 온라인 상에 허위 매물을 올려 고객의 연락을 유도한 다음 다른 매물을 소개하는 기존의 부동산 중개업소들의 횡포를 방지하고 실제 매물을 기반으로 고객에게 매물을 추천하는 등 기존의 공급자 중심의 부동산 거래를 수요자 중심으로 근본적으로 변화시켜 시장의 효율과 신뢰를 동시에 제고할 수 있다.
도 1은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 서버의 구성을 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 시스템의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 진행 단계를 나타낸 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 신규 사용자 정보 수집을 위한 사용자 가치 평가 테스트를 설명하는 도면이다.
도 5은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 신규 사용자 정보 수집을 위한 사용자 가치 평가 테스트를 설명하는 도면이다.
도 6은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 부동산 정보 추천 모델에서 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하는 단계를 설명하는 도면이다.
도 7은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 부동산 정보 추천 모델에서 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하는 단계를 설명하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 시스템의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 진행 단계를 나타낸 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 신규 사용자 정보 수집을 위한 사용자 가치 평가 테스트를 설명하는 도면이다.
도 5은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 신규 사용자 정보 수집을 위한 사용자 가치 평가 테스트를 설명하는 도면이다.
도 6은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 부동산 정보 추천 모델에서 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하는 단계를 설명하는 도면이다.
도 7은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 부동산 정보 추천 모델에서 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하는 단계를 설명하는 도면이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 “상에” 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 서버의 구성을 도시한 블록도이다.
도시된 바와 같이 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 서버(100)는 통신 모듈(110), 메모리(120), 프로세서(130), 데이터베이스(140) 및 입력모듈(150)을 포함할 수 있다.
통신모듈(110)은 접속된 사용자 단말(100) 및 연동된 서버(200)와 각각 데이터를 통신한다. 통신모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
메모리(120)에는 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 프로그램이 저장된다. 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 프로그램은 네트워크를 통해 수집된 부동산 정보에 전처리 프로세스를 적용하여 부동산 정보 데이터를 생성하고, 상기 부동산 정보 데이터에 기초하여 소비자 선택 모델을 통해 부동산 의사결정 파라미터를 선별하고, 신규 사용자 정보가 입력되면 상기 신규 사용자 정보를 부동산 정보 추천 모델에 입력하여 상기 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하고, 상기 계산된 사용자 가중치 점수에 따라 추천 부동산 정보를 포함하는 맞춤형 부동산 정보 데이터를 생성하고, 상기 맞춤형 부동산 정보 데이터를 사용자 단말에 제공한다.
이러한 메모리(120)에는 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 서버(100)의 구동을 위한 운영 체제나 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 프로그램의 실행 과정에서 발생되는 여러 종류가 데이터가 저장된다.
이때, 메모리(120)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다.
또한, 메모리(120)는 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(120)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로세서(130)는 메모리(140)에 저장된 프로그램을 실행하되, 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천프로그램의 실행에 따르는 전체 과정을 제어한다. 프로세서(130)가 수행하는 각각의 동작에 대해서는 추후 보다 상세히 살펴보기로 한다.
이러한 프로세서(130)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이 크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
데이터베이스(140)는 프로세서(130)의 제어에 따라, 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천시스템에 필요한 데이터를 저장 또는 제공한다. 이러한 데이터베이스(140)는 메모리(140)와는 별도의 구성 요소로서 포함되거나, 또는 메모리(140)의 일부 영역에 구축될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 시스템의 구성을 도시한 블록도이다.
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법은 서버(100) 또는 사용자 단말(200)에서 실시될 수 있다. 수집된 부동산 정보에 기초한 데이터 분석은 서버(100)에서 이루어지고, 맞춤형 부동산 정보 데이터가 사용자 단말(200)에 제공 될 수 있다.
도 3은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 진행 단계를 나타낸 흐름도이다.
프로세서(130)는 네트워크를 통해 수집된 부동산 정보에 전처리 프로세스를 적용하여 부동산 정보 데이터를 생성한다.
프로세서(130)는 전처리 프로세스를 적용하여 동일 부동산에 대한 복수의 부동산 정보들을 하나의 통합된 그룹으로 인식하여 그룹화할 수 있다. 예를 들면 복수의 부동산 정보 플랫폼에 등록된 동일 매물에 대한 정보를 하나의 정보로 정리하거나, 동일 부동산 정보 플랫폼에 공인중개사 각각이 업로드한 동일 매물에 대한 정보를 하나의 정보로 통합할 수 있다. 또한 프로세서(130)는 부동산 정보의 업로드 시기, 거래완료여부 등을 고려하여 현재 유효하지 않은 부동산 정보들을 필터링 할 수 있다.
부동산 정보 데이터는 개별 부동산 특징 데이터 및 부동산 환경 정보를 포함하고, 개별 부동산 특징 데이터는 가격 정보, 구조 정보, 크기 정보, 층수, 시설의 노후도 정보, 공용시설 정보 또는 주차정보 중 하나 이상을 포함하고, 부동산 환경 정보는 교통 정보, 학군 정보 또는 주변 환경 정보 중 하나 이상을 포함하는 것일 수 있다.
프로세서(130)는 상기 부동산 정보 데이터에 기초하여 소비자 선택 모델을 통해 부동산 의사결정 파라미터를 선별한다.
프로세서(130)는 부동산 거래시 의사결정에 영향을 주는 주요 요소들을 소비자 선택 모델을 통해 계량적으로 분석하여 의사결정에 영향을 주는 파라미터를 선별할 수 있다. 예를 들어, 사용자가 부동산을 선택하는 경우 크기, 구조, 노후도, 교통정보, 학군정보, 단지 규모 등에 대한 파라미터를 추출하고, 각 파라미터의 값을 조절하면서 파라미터 변화에 따른 지불의사를 판단할 수 있다. 이 때 지불의사가 높은 파라미터 순으로 부동산 의사결정 파라미터를 정렬하고, 정해진 기준에 따라 부동산 추천에 사용할 부동산 의사결정 파라미터를 선별할 수 있다.
프로세서(130)는 사용자 단말로부터 신규 사용자 정보를 수신할 수 있다.
신규 사용자 정보는 나이, 성별, 직업 정보, 직장위치 정보, 선호 지역 정보, 지인정보, 예산정보 또는 구매목적 정보 중 하나 이상을 포함할 수 있다.
프로세서(130)는 이후 사용자 단말에 사용자 가치 평가 테스트를 제공하고, 상기 사용자 가치 평가 테스트 결과를 수신하여, 신규 사용자 정보에 포함 시킬 수 있다.
사용자 가치 평가 테스트는 단계적 질문 정보로 구성되며, "회사가기(지하철/버스/자가용) 적합도", "공부시키기(학교/학원) 적합도", "장보기(마트시설, 백화점) 적합도", "외식하기(패스트푸드, 한식집, 카페 등) 적합도", "배달주문(사용자의 거주지 지역에 대한 모바일 앱 상에 올라와 있는 업체 수) 적합도", "심야시간 보행하기(안전도) 적합도", "주차하기 적합도", "병원가기 적합도", "운동하기 적합도", "산책하기 적합도" 와 같은 질문으로 구성될 수 있다.
이와 별개로 프로세서(130)는 사용자 가치 평가 테스트를 통해 사용자에게 두 가지 부동산 정보를 제시하고, 선호하는 부동산 정보를 선택하도록 하는 단계를 반복하면서 사용자의 정보를 수집할 수 있다.
예를 들면, 프로세서(130)는 각 부동산 정보에 대해 가격을 달리 제시하여, 사용자의 반복되는 선택에 따라, 부동산 정보의 각 파라미터에 대한 지불의사를 판단할 수 있다.
프로세서(130)는 신규 사용자 정보를 부동산 정보 추천 모델에 입력하여 상기 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산한다.
부동산 정보 추천 모델은 요소별 가치 분석 기법을 이용하여 사용자 가중치 점수를 계산하고, 상기 가중치 점수에 따라 추천 부동산 정보를 생성하는 것일 수 있다. 요소별 가치 분석이란 어떤 제품 또는 서비스가 갖고 있는 속성 하나하나에 고객이 부여하는 가치를 추정함으로써, 그 고객이 어떤 제품을 선택할지를 예측하는 기법으로, 구체적인 소비자 행동의 요인을 측정하기 위한 방법의 하나이다. 소비자 행동이 특정한 목표를 갖고 유발될 경우, 여기에는 소비자의 여러 가지 심리적 요인이 관계하며, 또한 구매 결정의 메커니즘이 보다 복잡하게 되기 때문에 사전에 조사를 행하고, 고객 선호도와 그 결과를 분석하여 제공하는 상품을 최적화 할 수 있다.
부동산 정보 추천 모델은 상기 부동산 정보 데이터 및 신규 사용자 정보를 입력으로 인공신경망을 이용하여 학습되어 사용자 가중치 점수를 계산하고, 상기 가중치 점수에 따라 추천 부동산 정보를 생성하는 것일 수 있다. 또한 맞춤형 부동산 정보 데이터를 사용자 단말에 제공한 이후, 추천 부동산 정보의 정확도를 평가하고, 상기 평가된 정확도를 상기 부동산 정보 추천 모델에 업데이트 하는 단계를 더 포함할 수 있다.
부동산 정보 추천 모델은 이용자들의 사용 형태, 소비 기록 등 정보를 분석하여 이용자가 선호하는 정보를 예측하는 협업 필터링(collaborative filtering), 내용 기반 필터링(content-based filtering), 하이브리드 중 어느 하나를 사용할 수도 있고, 인공 신경망을 이용한 추천 모델을 사용할 수도 있다.
프로세서(130)는 부동산 정보 데이터에서 텍스트를 추출할 때, 순환 신경망에 기반한 텍스트 추출 모듈을 사용하여, 수집된 정보에서 각 단어에 대해 로지스틱 회귀를 수행하여 텍스트를 추출할 수 있다. 이 때 순환 신경망은 양방향 LSTM(Long Short Term Memory models)을 이용할 수 있다.
프로세서(130)는 계산된 사용자 가중치 점수에 따라 추천 부동산 정보를 포함하는 맞춤형 부동산 정보 데이터를 생성한다.
프로세서(130)는 상기 맞춤형 부동산 정보 데이터를 사용자 단말에 제공한다.
도 4는 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 신규 사용자 정보 수집을 위한 사용자 가치 평가 테스트를 설명하는 도면이다.
부동산 맞춤형 정보 추천 방법은 회원 가입 등을 통해 신규 사용자 정보를 수집할 수 있다. 주요 신상정보는 다음과 같다.
앞으로 거주하게 될 가족의 구성으로 성인, 자녀의 연령, 학령, 인원 수, 추가 가족계획 여부, 애완동물 정보 등을 수집할 수 있다. 현재 거주지역과 주요 거점, 가장 자주 방문하는 지점, 방문 빈도, 이동 수단, 이동 동선 등에 대한 정보를 수집할 수 있다. 복수의 선호하는 지역 정보를 수집할 수 있다. 추가적으로 나이, 자동차 보유유무 및 보유 자동차의 종류, 부동산 선택과 관련된 취미정보를 수집할 수 있다.
요소별 가치 분석을 활용하여 소비자 선택 모델을 통해 부동산 의사결정 파라미터를 선별하기 위한 질문을 구성하기 위해 수집한 신규 사용자 정보를 활용할 수 있다.
부동산 의사결정 파라미터의 우선순위를 정하기 위한 질문은 도 4와 같다. 예를들어 두가지 부동산 정보를 사용자에게 제공하고 선호하는 부동산 정보를 선택하는 단계를 여러 번 반복할 수 있다.
도 5은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 신규 사용자 정보 수집을 위한 사용자 가치 평가 테스트를 설명하는 도면이다.
도5의 질문은 위치의 우선순위를 정하기 위한 것으로, 지도상에서 선호하는 위치를 선택하면, 선택에 따라 사용자 가치 평가가 가능하다. 예를 들어, 학교, 지하철, 회사, 백화점을 포함하는 구성요소를 중심으로 선호 위치를 선택하면, 선택에 따라 각 구성요소에 가중치를 높일 수 있다. 질문을 반복하여 위치선호도를 평가할 수 있다.
도 6은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 부동산 정보 추천 모델에서 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하는 단계를 설명하는 도면이다.
예를들어 두가지 부동산 정보를 사용자에게 제공하고 선호하는 부동산 정보를 선택하는 단계를 여러 번 반복할 수 있다. 이때 동일한 질문에서 가격을 변경하여 질문을 반복함으로써, 구성요소별 지불 의사가 어느정도인지 판단 가능하다.
도 7은 본 발명의 일 실시예에 따른 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법의 부동산 정보 추천 모델에서 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하는 단계를 설명하는 도면이다.
예를 들어, 신규 사용자 정보 수집 및 사용자 가치 평가 테스트를 통해 A씨의 가치체계를 평가할 수 있고, 수집된 부동산 정보 데이터에서 K아파트의 파라미터별 점수를 평가할 수 있으며 해당 결과를 조합하여 A씨의 K 아파트에 대한 예상 평가점수를 산출할 수 있다. 또한 서울시 30대 중산층과 같은 특정 그룹에 대한 K 아파트 평가점수 산출도 가능하다.
또 다른 실시예로 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법은, 라이프 스타일 데이터 단계적 수집을 위해 사용자 단말로 단계적 질문 정보를 전송하고, 답변 결과를 데이터베이스에 저장할 수 있다.
서버(100)는 '제 1 단계적 질문 정보 카테고리'로 각 사용자 단말(200)을 운영하는 사용자의 지역 및 아파트(community)에 대한 상대적 순위(rating)를 파라미터별로 축적한다. 질문은 다음과 같을 수 있다. 서버(100)는 사용자 단말(200)을 운용하는 사용자의 "사는 지역, 아파트에 대한 정보"를 질문하고, 주소정보를 답변 정보로 수신한 뒤, 주소정보를 주소정보 제공 서버로 전송하여, 주소정보에 해당하는 사는 건물 또는 아파트의 크기 정보를 수신할 수 있다.
다음으로 서버(100)는 '제 2 단계적 질문 정보 카테고리'로 각 사용자 단말(200)을 운영하는 사용자의 살고 있는 지역의 라이프 스타일을 통해 살기 좋은 곳인지 여부를 각 파라미터(attribute) 별로 답변 정보를 수집한다.
보다 구체적으로, 서버(100)는 라이프 스타일 질문(Action oriented question)을 위해 머신러닝 모듈(Machine learing Module)을 추가적으로 구비하고, 머신러닝 모듈에 의한 각 파라미터별 답변에 대한 평가치를 통계화 한다.
여기서 라이프 스타일 질문으로, "회사가기(지하철/버스/자가용) 적합도", "공부시키기(학교/학원 등) 적합도", "장보기(마트시설, 백화점 등)", "외식하기(패스트푸드, 한식집, 카페 등) 적합도", "배달주문(사용자의 거주지 지역에 대한 모바일 앱 상에 올라와 있는 업체 수) 적합도", "심야시간 보행하기(안전도) 적합도", "주차하기 접합도", "병원가기 접합도", "운동하기 적합도", "산책하기 접합도" 등을 사용자 단말(200)로 네트워크를 통해 전송한 뒤, 각 파라미터별 제 1 내지 제 n(n은 2 이상의 자연수) 단계로 구분된 파라미터 점수를 수집하여 데이터베이스에 저장한다.
이후, 서버(100)는 사용자 거주지를 포함하여 미리 설정된 지역에 대한 빅데이터를 미리 설정된 기간 축적하게 되면, 아파트 또는 지역에 대한 사용자들의 공통분모가 나오게 되고, 각 파라미터에 대한 평가치(rating)를 추출하는 과정을 수행한다. 보다 구체적으로, 서버(100)는 '제 1 단계적 질문 정보 카테고리'에 대한 답변 정보로 건물 또는 아파트의 크기 정보를 수신한 뒤, 해당 건물 또는 아파트에 대한 지역 내에서의 '제 2 단계적 질문 정보 카테고리'에 대한 답변 정보로 라이프 스타일에 대한 파라미터별 평가치(rating)를 추천하여 데이터베이스에 저장한다.
이후, 서버(100)는 네트워크를 통해 각 매도인 단말 또는 부동산 중개인 단말로부터 개별 집 특징 데이터 축적 과정을 수행한다. 즉, 서버(100)는 디테일한 개별 집의 특징에 대해서 데이터를 수집해야 하므로, 부동산을 매각하려고 하는 부동산 중개인이 운영하는 부동산 중개인 단말이나 집주인이 운영하는 매도인 단말로부터 '개별 집 특징 데이터'를 직접 수신할 수 있고, 외부의 서버에 저장된 빅데이터로부터 소스(source)를 추출하는 방식으로 수집할 수 있다. 개별 집 특성 데이터는, 방 개수와 구조, 개별 방의 크기, 층수, 시설의 노후도(화장실, 싱크대, 바닥 등), 공용시설(경비실, 엘리베이터, 복도 등) 상태 정보를 포함할 수 있다.
여기서 '개별 집 특징 데이터' 중 '방 개수와 구조'에 대해서는 각 부동산 중개인 단말이 인트라넷을 통해 부동산 중개 서버에 저장한 빅데이터 중 가장 비슷한 것에 대해서 부동산 중개인 단말 또는 매도인 단말로부터의 선택 신호 수신에 따르는 부동산 중개인 또는 매도인이 선택적으로 고르는 방식으로 수집할 수 있다.
또한, '개별 집 특징 데이터' 중 '개별 방의 크기'에 대한 수집 시, 부동산 중개인 단말 및 매도인 단말이 컴퓨팅 기능을 구비한 스마트 폰 또는 스마트 패드인 경우, 카메라 촬영을 통해 자동적으로 평면도를 그려주는 평면도 드로잉 앱을 통해 드로잉된 평면도를 수집하는 방식으로 수행하거나, 개별 방의 벽을 기준으로 카메라 촬영을 통해 자동으로 방의 크기를 자동적으로 연산해 주는 방 면적 연산 앱을 통해서 연산된 방의 크기 정보를 수집하는 방식으로 수행할 수 있다.
사용자 단말(200)의 살고자하는 라이프 스타일 데이터의 파라미터별 가중치 정보와 개별 집 특징 데이터의 각 파라미터 정보를 포함하는 부동산 서치 요청을 위한 네트워크를 통한 서버(100)로의 액세스(access) 이후, 서버(100)는 라이프 스타일 데이터 단계적 수집 과정에서 평가치를 통계화하여 생성된 각 파라미터별 스코어와의 매칭, 그리고 개별 집 특징 데이터의 각 파라미터 정보와 가장 근접한 정보를 갖는 개별 집에 대한 분석을 수행할 수 있다.
서버(100)는 각 파라미터별 스코어 및 개별 집 특징 데이터와 매칭되는 미리 설정된 순위까지 상위 랭크된 부동산 매물 정보를 추출하여, 네트워크를 통해 부동산 서치를 요청한 사용자 단말(200)에 제공한다. 즉 새로운 사용자(user)에 해당하는 단계에서 부동산 서치를 요청한 사용자에 대한 파라미터별 스코어 분석을 수행하고, 각 파라미터에 대한 스코어와 매칭되는지를 분석할 뿐만 아니라, 개별 집 특징 데이터의 각 파라미터 정보와도 매칭되는지를 분석함으로써, 가장 매칭되는 미리 설정된 순위 예를 들어 상위 5개에 대한 부동산 매물 정보를 제공할 수 있다. 이러한 부동산 매물 정보에 대해서 서버(100)는 "해당지역 2800명의 자료를 분석한 결과로, 그 중에 당신이 좋아할 만한 집으로는 어느 아파트 어느 호수이며 가격은 얼마입니다. 이와 비슷한 지역과 비슷한 물건으로는 다음과 같은 리스트의 물건을 저희가 가지고 있습니다…"라는 메시지를 통해 온라인 서비스를 제공할 수 있다.
사용자 단말(200)의 부동산 서치 요청을 위한 서버(100)로의 액세스 이후, 라이프 스타일 데이터 단계적 수집 과정에서의 각 파라미터별 스코어를 분석할 수 있다. 즉, 사용자 단말(200)의 살고자 하는 라이프 스타일 데이터의 파라미터별 가중치 정보와 개별 부동산 특징 데이터의 각 파라미터 정보를 포함하는 부동산 서치 요청을 위한 네트워크를 통한 서버(100)로의 액세스(access) 이후, 서버(100)는 라이프 스타일 데이터 단계적 수집 과정에서 평가치를 통계화하여 생성된 각 파라미터별 스코어와의 매칭, 그리고 개별 부동산 특징 데이터의 각 파라미터 정보와 가장 근접한 정보를 갖는 개별 부동산에 대한 분석을 수행한 뒤, 개별 부동산 리스트를 생성한다.
서버(100)는 사용자 단말(200)로부터 프로파일 정보를 수집한다. 각 사용자(user)의 프로파일에 대한 정보는 찾는 지역, 지역성, 시설물, 지인, Budget, 진정성에 대한 정보를 수집한다.
여기서 찾는 지역 정보는 지역권역/메트로권역 등으로 권역을 물어보거나 지도에서 타겟(target) 지역(특정구의 경계를 찾는 사람은 2개의 특정구를 선택하도록 하는 방식)을 선택하도록 하며, 지역성 정보에 대해서는 "다음 중에 중요하다고 생각하는 키워드(Keyword), 해시태그(hash tag)는 무엇인가요? 조용/주택가/한강/공원/산책로/교육여건/지하철/도심/공기 깨끗/병원/..."과 같은 질문을 통해 선택하도록 하며, 시설물 에 대한 정보에 대해서는 "낡은-새 건물/아파트-아파트 외/저층-고층/주차장/전망/햇볕(남향)/..."와 같은 선택 사항에서 선택하도록 하며, 사이즈에 대한 정보에 대해서는 "같이 살 사람 (직계 O명, 그외 O명), 동거인 성별나이, 방 개수, 사이즈 (30평, 40평, 50평), 화장실수, 발코니확장, ..."과 같은 선택 사항에서 선택하도록 하며, 지인 정보에 대해서는 "가까이 살고 싶은 사람 주소, 멀리 살고 싶은 사람주소, ..,"과 같은 선택 사항에서 선택하도록 하며, Budget 정보에 대해서는 순투자 가능 금액(서버(100) 내에는 대출과 전세 상태를 유지하면서 매입하는 경우에 대한 연산 모듈을 구비)에 대한 정보를 입력하도록 하며, 진정성에 대한 정보에 대해서는 장난 또는 호기심에 집을 알아보는지 정말 집을 알아보는지를 분석하기 위해 웹사이트 응답 속도 또는 행동 패턴 등을 통해 파악하기도 하고, 반환해주는 보증금 3만원에 대한 결제 여부를 통해 파악하여 수집한다.
서버(100)는 제공된 각 사용자(user)의 정보 및 개인식별 정보를 감추고 개별 집 리스트 및 프로파일 정보를 지정된 부동산 중개인 단말로 전송함으로써, 프로파일 정보와 프로파일 정보의 매칭을 통해 부동산 중개인에 의해 매칭되는 부동산 매물에 대한 단계를 수행한 사용자 단말(200)로의 추천이 수행되도록 한다.
이 경우 서버운영자는 지정된 부동산 중개인 단말을 운영하는 부동산 중개인에 대해서, 수수료를 취득할 수 있고, 한편 부동산 중개인들은 진정성이 있고, 자신이 가지고 있는 부동산 매물을 좋아할 만한 고객에 대해 타겟(TARGET) 마케팅 할 수 있는 기회를 제공받을 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
100: 서버
110: 통신 모듈
120: 메모리
130: 프로세서
140: 데이터베이스
150: 입력모듈
200: 사용자 단말
110: 통신 모듈
120: 메모리
130: 프로세서
140: 데이터베이스
150: 입력모듈
200: 사용자 단말
Claims (15)
- 서버에 의해 수행되는 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법에 있어서,
(a) 네트워크를 통해 수집된 부동산 정보에 전처리 프로세스를 적용하여 부동산 정보 데이터를 생성하는 단계;
(b) 상기 부동산 정보 데이터에 기초하여 소비자 선택 모델을 통해 부동산 의사결정 파라미터를 선별하는 단계;
(c) 신규 사용자 정보가 입력되면 상기 신규 사용자 정보를 부동산 정보 추천 모델에 입력하여 상기 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하고, 상기 계산된 사용자 가중치 점수에 따라 추천 부동산 정보를 포함하는 맞춤형 부동산 정보 데이터를 생성하는 단계; 및
(d) 상기 맞춤형 부동산 정보 데이터를 사용자 단말에 제공하는 단계;
를 포함하며,
상기 (b)단계 이후 사용자 단말에 사용자 가치 평가 테스트를 제공하고, 상기 (c)단계에서 입력되는 신규 사용자 정보는 상기 사용자 가치 평가 테스트 결과를 포함하고,
상기 사용자 가치 평가 테스트는, 복수의 단계로 구성되고, 각 단계들은 질문을 포함하며, 상기 질문은 신규 사용자 정보를 활용하여 구성되며, 상기 신규 사용자 정보는 나이, 성별, 직업 정보, 직장위치 정보, 선호 지역 정보, 지인 정보, 예산 정보 또는 구매목적 정보 중 하나 이상을 포함하는 것이고,
상기 (c) 단계의 사용자 가중치 점수를 계산하는 단계는, 상기 사용자 가치 평가 테스트를 통하여 사용자의 가치체계에 대한 파라미터별 점수를 평가하고, 특정 부동산의 파라미터별 점수를 평가하고, 상기 사용자의 가치체계와 특정 부동산의 파라미터별 점수를 조합하여 사용자의 특정 부동산에 대한 예상 평가점수를 산출하고,
상기 부동산 정보 데이터는 개별 부동산 특징 데이터 및 부동산 환경 정보를
포함하고,
상기 개별 부동산 특징 데이터는 가격 정보, 구조 정보, 크기 정보, 층수, 시설의 노후도 정보, 공용시설 정보 또는 주차정보 중 하나 이상을 포함하고, 부동산 중개인 단말이나 매도인 단말로부터 수신하거나 외부의 서버로부터 추출되는 것
이고,
상기 부동산 환경 정보는 교통 정보, 학군 정보 또는 주변 환경 정보 중 하나 이상을 포함하고,
상기 개별 부동산 특징 데이터가 개별 방의 크기를 더 포함하는 경우,
상기 개별 방의 크기는, 카메라 촬영을 통해 자동적으로 평면도를 그려주는 평면도 드로잉 앱을 통해 드로잉된 평면도를 부동산 중개인 단말 또는 매도인 단말로부터 수신하여 수집되거나, 개별 방의 벽을 기준으로 카메라 촬영을 통해 자동으로 방의 크기를 자동적으로 연산해 주는 방 면적 연산 앱을 통해서 연산된 방의 크기 정보를 부동산 중개인 단말 또는 매도인 단말로부터 수신하여 수집되는 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제 1 항에 있어서,
(e) 사용자의 웹사이트 응답 속도, 행동 패턴, 이용 요금 결제 여부를 통해 사용자의 거래 진정성을 파악하여 부동산 중개인에게 제공하는 단계;를 더 포함하는, 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제1항에 있어서,
상기 부동산 정보 추천 모델은, 사용자의 사용 형태, 소비 기록 정보를 분석하여 사용자가 선호하는 정보를 예측하기 위해 협업 필터링(collaborative filtering) 또는 내용 기반 필터링(content-based filtering)을 이용하는 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제 1 항에 있어서,
상기 부동산 정보 추천 모델은, 상기 부동산 정보 데이터에서 텍스트를 추출하기 위해 순환 신경망에 기반한 텍스트 추출 모듈을 이용하여, 상기 부동산 정보 데이터에서 각 단어에 대한 로지스틱 회귀를 수행하여 텍스트를 추출하는 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제1항에 있어서,
상기 (c) 단계는,
상기 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수와 복수의 부동산 매물의 파라미터 점수를 비교하여, 상기 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수와 유사도가 가장 높은 파라미터 점수를 가지는 N개 부동산 매물 정보 포함하는 맞춤형 부동산 정보 데이터를 도출하되, 상기 N은 사용자가 설정하는 1 이상의 정수인 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제1항에 있어서,
상기 사용자 가치 평가 테스트를 구성하는 각 단계의 질문은,
지도상에서 사용자가 선호하는 위치가 선택될 경우, 선택된 위치와 인근 시설 간의 관계에 기반하여 인근 시설에 대한 가중치를 정하는, 위치선호도 평가 질문을 포함하는 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제1항에 있어서,
상기 사용자 가치 평가 테스트를 구성하는 각 단계의 질문은,
두 가지 부동산 정보 및 각 부동산의 가격을 제시하고, 선호하는 부동산 정보를 선택하도록 하는 질문단계를 반복하여 사용자 정보를 수집하고, 각 부동산 정보에 대해 가격을 달리 제시하여 사용자의 반복되는 선택에 따라, 상기 부동산 정보의 각 파라미터에 대한 지불의사를 판단하는 지불의사 판단 질문을 포함하는 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제 1 항에 있어서,
상기 전처리 프로세스는 동일 부동산에 대한 복수의 부동산 정보들을 하나의 통합된 그룹으로 인식하여 그룹화하고, 기설정된 조건에 해당하는 부동산 정보들을 필터링하는 단계를 포함하는,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 삭제
- 삭제
- 제 1 항에 있어서,
상기 부동산 정보 추천 모델은 요소별 가치 분석 기법을 이용하여 사용자 가중치 점수를 계산하고, 상기 가중치 점수에 따라 추천 부동산 정보를 생성하는 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제 1 항에 있어서,
상기 부동산 정보 추천 모델은 상기 부동산 정보 데이터 및 신규 사용자 정보를 입력으로 인공신경망을 이용하여 학습되어 사용자 가중치 점수를 계산하고, 상기 가중치 점수에 따라 추천 부동산 정보를 생성하는 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 제 12 항에 있어서,
상기 (d)단계 이후 추천 부동산 정보의 정확도를 평가하고, 상기 평가된 정확도를 상기 부동산 정보 추천 모델에 업데이트 하는 단계를 더 포함하는,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법. - 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 서버에 있어서,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 프로그램이 저장된 메모리;
상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하며, 상기 프로세서는 상기 프로그램의 실행에 의해,
네트워크를 통해 수집된 부동산 정보에 전처리 프로세스를 적용하여 부동산 정보 데이터를 생성하고,
상기 부동산 정보 데이터에 기초하여 소비자 선택 모델을 통해 부동산 의사 결정 파라미터를 선별하고,
신규 사용자 정보가 입력되면 상기 신규 사용자 정보를 부동산 정보 추천 모델에 입력하여 상기 선별된 부동산 의사결정 파라미터 별 사용자 가중치 점수를 계산하고, 상기 계산된 사용자 가중치 점수에 따라 추천 부동산 정보를 포함하는 맞춤형 부동산 정보 데이터를 생성하고,
상기 맞춤형 부동산 정보 데이터를 사용자 단말에 제공하며,
상기 부동산 의사 결정 파라미터 선별 이후 사용자 단말에 사용자 가치 평가 테스트를 제공하고, 상기 신규 사용자 정보는 상기 사용자 가치 평가 테스트 결과를 포함하고,
상기 사용자 가치 평가 테스트는, 복수의 단계로 구성되고, 각 단계들은 질문을 포함하며, 상기 질문은 신규 사용자 정보를 활용하여 구성되며, 상기 신규 사용자 정보는 나이, 성별, 직업 정보, 직장위치 정보, 선호 지역 정보, 지인 정보, 예산 정보 또는 구매목적 정보 중 하나 이상을 포함하는 것이고,
상기 사용자 가중치 점수는, 상기 사용자 가치 평가 테스트를 통하여 사용자의 가치체계에 대한 파라미터별 점수를 평가하고, 특정 부동산의 파라미터별 점수를 평가하고, 상기 사용자의 가치체계와 특정 부동산의 파라미터별 점수를 조합하여 사용자의 특정 부동산에 대한 예상 평가점수를 산출하고,
상기 부동산 정보 데이터는 개별 부동산 특징 데이터 및 부동산 환경 정보를
포함하고,
상기 개별 부동산 특징 데이터는 가격 정보, 구조 정보, 크기 정보, 층수, 시설의 노후도 정보, 공용시설 정보 또는 주차정보 중 하나 이상을 포함하고, 부동산 중개인 단말이나 매도인 단말로부터 수신하거나 외부의 서버로부터 추출되는 것
이고,
상기 부동산 환경 정보는 교통 정보, 학군 정보 또는 주변 환경 정보 중 하나 이상을 포함하고,
상기 개별 부동산 특징 데이터가 개별 방의 크기를 더 포함하는 경우,
상기 개별 방의 크기는, 카메라 촬영을 통해 자동적으로 평면도를 그려주는 평면도 드로잉 앱을 통해 드로잉된 평면도를 부동산 중개인 단말 또는 매도인 단말로부터 수신하여 수집되거나, 개별 방의 벽을 기준으로 카메라 촬영을 통해 자동으로 방의 크기를 자동적으로 연산해 주는 방 면적 연산 앱을 통해서 연산된 방의 크기 정보를 부동산 중개인 단말 또는 매도인 단말로부터 수신하여 수집되는 것인,
소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 서버. - 제 1 항에 따르는 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 비일시적 컴퓨터 판독가능 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220056635A KR102509598B1 (ko) | 2019-12-11 | 2022-05-09 | 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190164493A KR20210073819A (ko) | 2019-12-11 | 2019-12-11 | 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 |
| KR1020220056635A KR102509598B1 (ko) | 2019-12-11 | 2022-05-09 | 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190164493A Division KR20210073819A (ko) | 2019-12-11 | 2019-12-11 | 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220065735A KR20220065735A (ko) | 2022-05-20 |
| KR102509598B1 true KR102509598B1 (ko) | 2023-03-14 |
Family
ID=76330403
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190164493A KR20210073819A (ko) | 2019-12-11 | 2019-12-11 | 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 |
| KR1020220056635A KR102509598B1 (ko) | 2019-12-11 | 2022-05-09 | 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190164493A KR20210073819A (ko) | 2019-12-11 | 2019-12-11 | 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 |
Country Status (2)
| Country | Link |
|---|---|
| KR (2) | KR20210073819A (ko) |
| WO (1) | WO2021117928A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102432552B1 (ko) * | 2021-11-10 | 2022-08-12 | 김유신 | 인공지능 기반 매수인에게 매물을 자동으로 추천하는 부동산 거래 플랫폼의 운영 방법 |
| KR102455636B1 (ko) * | 2022-02-17 | 2022-10-19 | 주식회사 에스씨컴퍼니 | 빅데이터 기반 인공지능을 이용한 맞춤형 ３ｄ 인테리어 시뮬레이션 서비스 제공 시스템 |
| KR102461336B1 (ko) | 2022-07-12 | 2022-10-31 | 디노바디앤씨 주식회사 | 거주자 동선 기반 공유 주택 그룹 내 맞춤형 주택 추천 방법, 장치 및 시스템 |
| KR102566017B1 (ko) * | 2022-08-26 | 2023-08-11 | 주식회사 굿픽 | 분양 대행 상품 정보 제공 관리 시스템 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015001884A (ja) * | 2013-06-17 | 2015-01-05 | 新日鉄住金ソリューションズ株式会社 | 候補提示装置、候補提示方法及びプログラム |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090126474A (ko) | 2008-06-04 | 2009-12-09 | 박소미 | 맞춤형 부동산 정보 제공 시스템 |
| KR20120110074A (ko) * | 2012-08-23 | 2012-10-09 | 김영환 | 집합건물 매물정보의 제공 방법 및 시스템 |
| KR101698262B1 (ko) * | 2015-02-09 | 2017-02-01 | 엄주태 | 부동산 직거래 서비스 방법 |
| US10664893B2 (en) * | 2016-03-02 | 2020-05-26 | Social Data Sciences, Inc. | System to customize recommendations by soliciting and analyzing suggestions and evaluations tailored to a particular subject |
| KR101826647B1 (ko) * | 2016-10-19 | 2018-03-22 | 김성국 | 머신 러닝 기술을 통한 개인 맞춤형 자동차 중개 시스템 |
| KR101975448B1 (ko) * | 2018-08-14 | 2019-05-08 | (주) 에이투연구소 | 인공지능을 이용하여 빅데이터 기반 상품 투자 추천 알고리즘을 평가하는 시스템 및 방법 |
-
2019
- 2019-12-11 KR KR1020190164493A patent/KR20210073819A/ko not_active IP Right Cessation
- 2019-12-11 WO PCT/KR2019/017492 patent/WO2021117928A1/ko active Application Filing
-
2022
- 2022-05-09 KR KR1020220056635A patent/KR102509598B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015001884A (ja) * | 2013-06-17 | 2015-01-05 | 新日鉄住金ソリューションズ株式会社 | 候補提示装置、候補提示方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021117928A1 (ko) | 2021-06-17 |
| KR20220065735A (ko) | 2022-05-20 |
| KR20210073819A (ko) | 2021-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102509598B1 (ko) | 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버 | |
| Glaeser et al. | Big data and big cities: The promises and limitations of improved measures of urban life | |
| Sarkar et al. | Evaluation of supplier capability and performance: A method for supply base reduction | |
| Abidoye et al. | Critical determinants of residential property value: professionals’ perspective | |
| KR102045477B1 (ko) | 이커머스 플랫폼 평가 시스템 | |
| US20160027051A1 (en) | Clustered Property Marketing Tool & Method | |
| US20160092959A1 (en) | Tag Based Property Platform & Method | |
| Ünel et al. | Valuations of building plots using the AHP method | |
| Mo et al. | Impact of built environment on first-and last-mile travel mode choice | |
| Antoniou et al. | A multi-criteria decision-making support system for choice of method of compensation for highway construction contractors in Greece | |
| Polo Peña et al. | Online marketing strategy and market segmentation in the Spanish rural accommodation sector | |
| KR102290132B1 (ko) | 부동산 가격 예측 장치 및 방법 | |
| US20220391402A1 (en) | Systems and methods for mapping real estate to real estate seeker preferences | |
| Ahmadi et al. | Pricing strategies for online hotel searching: a fuzzy inference system procedure | |
| KR101873319B1 (ko) | 실시간 홍보 및 이벤트 제공시스템 | |
| Larraz et al. | A computer-assisted expert algorithm for real estate valuation in Spanish cities | |
| JP7390633B2 (ja) | Ａｉを利用した不動産売却計画書オークションシステム | |
| Boo et al. | Tourists’ online reviews of convention centers | |
| KR102094595B1 (ko) | 신뢰 지수의 시간 의존 특징을 이용한 신뢰지수 예측 방법 및 시스템 | |
| JP2013210752A (ja) | 個人行動嗜好分析システムおよび個人行動嗜好分析方法 | |
| Esfandiar et al. | To shop or not to shop while traveling? Exploring the influence of shopping mall attributes on overall tourist shopping satisfaction | |
| Lu et al. | Retail store location screening: A machine learning-based approach | |
| JP2021152825A (ja) | 住宅営業支援装置、住宅営業支援システム、住宅営業支援方法および住宅営業支援プログラム | |
| Kou | Analysing Housing Price in Australia with Data Science Methods | |
| KR102526003B1 (ko) | 상가 부동산 매물 정보 제공 방법 및 서버 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |