KR102574180B1 - 빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하기 위한 장치 및 방법 - Google Patents
빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하기 위한 장치 및 방법 Download PDFInfo
- Publication number
- KR102574180B1 KR102574180B1 KR1020230055521A KR20230055521A KR102574180B1 KR 102574180 B1 KR102574180 B1 KR 102574180B1 KR 1020230055521 A KR1020230055521 A KR 1020230055521A KR 20230055521 A KR20230055521 A KR 20230055521A KR 102574180 B1 KR102574180 B1 KR 102574180B1
- Authority
- KR
- South Korea
- Prior art keywords
- real estate
- analysis
- business
- information
- address
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 409
- 238000000034 method Methods 0.000 title claims description 43
- 238000011161 development Methods 0.000 claims abstract description 75
- 230000004044 response Effects 0.000 claims abstract description 42
- 238000003058 natural language processing Methods 0.000 claims description 37
- 238000012552 review Methods 0.000 claims description 34
- 238000010276 construction Methods 0.000 claims description 29
- 230000001419 dependent effect Effects 0.000 claims description 29
- 230000001105 regulatory effect Effects 0.000 claims description 14
- 230000033228 biological regulation Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000009193 crawling Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 15
- 239000000284 extract Substances 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 6
- 238000003915 air pollution Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000003673 groundwater Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 개시는 빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하는 시스템에 관한 것이다. 본 개시에 따르면, 부동산 분석 장치(150)는 개발 관련자 단말로부터, 부동산 주소를 획득하고, 상기 부동산 주소의 획득에 대응하여, 상기 부동산 주소에 관련된 부동산 정보를 수집하고, 상기 부동산 정보를 이용하여 시장 분석 폼과 사업성 분석 폼을 결정하고, 상기 시장 분석 폼에 따라, 상기 부동산 주소에 대한 입지 환경, 및 거래 환경에 관련된 시장 분석 정보를 생성하고, 상기 사업성 분석 폼에 기반하여, 상기 부동산 주소에 대한 투자 타당성 검토에 관련된 사업성 분석 정보를 생성하고, 상기 시장 분석 정보, 및 상기 사업성 분석 정보 중 적어도 하나를 표시하는 부동산 종합 분석 보고서를 생성할 수 있다.
Description
본 개시(disclosure)는 일반적으로 빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하는 시스템에 관한 것으로, 보다 구체적으로 자연어 처리를 수행하는 인공 신경망 모델을 이용하여 부동산 개발 관련자에게 부동산의 시장 분석과 사업성 분석 내용이 포함된 부동산 종합 분석 보고서를 제공하기 위한 장치 및 방법에 관한 것이다.
정보 처리가 인터넷과 컴퓨터에 기반하여 이루어지면서 다양한 상업적 정보가 정보 처리되어 인터넷에 제공되고 있다. 과거에는 가전제품과 가구, 책 등을 중심으로 인터넷을 통한 상거래가 이루어졌으며, 최근에는 부동산의 거래에서도 기초적인 정보가 인터넷을 통해 공유되고 있다.
부동산은 일반적인 자본의 규모가 매우 크고 개발과 관련된 다양한 규제가 얽혀 있다. 그에 따라, 부동산을 개발하고자 하는 개발 관련자나 투자자는 개발 사업을 진행함에 있어 고려해야 할 상황이 굉장히 많으며, 개발 사업 시작 단계에서 고려되지 못한 요소를 뒤늦게 발견한 경우 손해가 매우 크다는 문제가 있다. 따라서, 부동산 개발에 관련한 사업은 다른 사업들 대비 규제 상황들을 고려한 보다 꼼꼼한 검토가 필요하다.
종래에 따르면, 부동산 개발 관련자나 투자자는 부동산에 대하여 정보들을 일일이 수집하고 각자의 경험과 노하우를 통해 부동산에 대한 시장성과 투자성을 검토하는 방식이나, 외부 업체에 부동산 종합 분석 보고서를 의뢰하는 방식으로 부동산 종합 분석 보고서를 작성하였다. 직접 검토하는 방식은 개인의 능력이나 역량에 의존하는 방식이기 때문에, 부동산 종합 분석 보고서의 내용은 경험과 경력의 수준에 따라 상이하여 객관적이지 못하였으며, 외부 업체에 부동산 종합 분석 보고서를 의뢰하는 방식은 외부 업체 의뢰에 따른 비용 부담이 큰 문제가 있었다. 그에 따라, 부동산에 대한 부동산 종합 분석 보고서를 보다 객관적이고 빠르게 작성하기 위한 기술 개발이 요구되고 있다.
전술한 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지 기술을 지시하지 않는다.
상술한 바와 같은 논의를 바탕으로, 본 개시(disclosure)는 빅데이터를 기반으로 부동산 개발 관련자에게 부동산의 시장 분석과 투자 분석 내용이 포함된 부동산 종합 분석 보고서를 제공하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 부동산 주소에 대한 반응 정보와 부동산 현황 정보를 이용하여 부동산 종합 분석 보고서의 시장 분석 폼(form)과 사업성 분석 폼을 결정하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 인공 신경망 구조의 NLP(natural language processing) 모델을 이용하여 부동산 정보로부터 부동산 검토를 위한 독립 문장과 의존 문장을 생성함으로써, 단어가 아닌 문장 형태의 부동산 종합 분석 보고서를 작성하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 부동산 소유주에 대한 사업 조건으로부터 소유주의 공동 사업 의향 정도를 판단하고, 그에 따라 투자자와 소유주를 연결하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 부동산 주소에 근접한 도로의 교통량을 직접 수집하고 분석하여 부동산 종합 분석 보고서의 목차를 갱신하기 위한 장치 및 방법을 제공한다.
본 개시의 다양한 실시 예들에 따르면, 부동산 개발 관련자에게 분석 정보를 제공하는 부동산 분석 장치의 동작 방법은 개발 관련자 단말로부터, 부동산 주소를 획득하는 단계, 상기 부동산 주소의 획득에 대응하여, 상기 부동산 주소에 관련된 부동산 정보를 수집하는 단계, 상기 부동산 정보를 이용하여 시장 분석 폼과 사업성 분석 폼을 결정하는 단계, 상기 시장 분석 폼에 따라, 상기 부동산 주소에 대한 입지 환경, 및 거래 환경에 관련된 시장 분석 정보를 생성하는 단계, 상기 사업성 분석 폼에 기반하여, 상기 부동산 주소에 대한 투자 타당성 검토에 관련된 사업성 분석 정보를 생성하는 단계, 및 상기 시장 분석 정보, 및 상기 사업성 분석 정보 중 적어도 하나를 표시하는 부동산 종합 분석 보고서를 생성하는 단계를 포함하고, 상기 사업성 분석 정보는 상기 부동산 주소에 대한 사업 환경, 업체 정보, 사업지 분석, 시장 분석, 공사기간 산정, 규제 사항, 및 시공성을 포함할 수 있다.
다른 일 실시 예에 따르면, 상기 부동산 주소에 관련된 부동산 정보를 수집하는 단계는 웹 크롤링을 이용하여, 상기 부동산 주소에 대한 언론 기사, 거주자 후기에 관련된 반응 정보를 수집하는 단계, 및 적어도 하나의 외부 기관 서버로부터, 상기 부동산 주소의 현황을 지시하는 부동산 현황 정보를 수신하는 단계를 포함하고, 상기 시장 분석 폼과 사업성 분석 폼을 결정하는 단계는 상기 반응 정보에 포함된 텍스트로부터 시장 반응 키워드를 추출하여, 시장 분석 요소들에 대한 제1 중요도 그룹을 산출하는 단계, 상기 제1 중요도 그룹에 기반하여, 상기 시장 분석 정보에 대한 목차와 상기 시장 분석 요소들 각각의 크기를 결정하여 시장 분석 폼을 결정하는 단계, 상기 반응 정보에 포함된 텍스트로부터 사업성 반응 키워드를 추출하여, 사업성 분석 요소들에 대한 제2 중요도 그룹을 산출하는 단계, 및 상기 제2 중요도 그룹에 기반하여, 상기 사업성 분석 정보에 대한 목차와 상기 사업성 분석 요소들 각각의 크기를 결정하여 사업성 분석 폼을 결정하는 단계를 포함할 수 있다.
다른 일 실시 예에 따르면, 상기 사업성 분석 정보를 생성하는 단계는 상기 부동산 현황 정보에 포함된 텍스트들을 독립 문장 생성 대상 또는 의존 문장 생성 대상으로 분류하는 단계, 제1 NLP 모델을 이용하여, 상기 독립 문장 생성 대상으로 분류된 텍스트로부터 현황 키워드를 추출하고, 상기 현황 키워드로부터 적어도 하나의 독립 문장을 출력하는 단계, 제2 NLP 모델을 이용하여, 상기 의존 문장 생성 대상으로 분류된 텍스트로부터 환경 키워드를 추출하고, 상기 환경 키워드에 관련된 추가 문장을 이용하여 적어도 하나의 의존 문장을 출력하는 단계, 및 상기 사업성 분석 폼에 따라 상기 적어도 하나의 독립 문장과 적어도 하나의 의존 문장을 배치하여, 사업성 분석 정보를 생성하는 단계를 포함할 수 있다.
다른 일 실시 예에 따르면, 상기 제1 NLP 모델과 상기 제2 NLP 모델 각각은 LLM로 구성되는 모델을 포함하고, 상기 적어도 하나의 독립 문장은 지구단위계획구역, 용적률, 건폐율, 매입 예상가, 예상 건축비, 예상 평당 분양가, 예상 개발 이익금을 기술하는 문장을 포함하고, 상기 적어도 하나의 의존 문장은 규제 사항 분석, 시공성 분석을 기술하는 문장을 포함할 수 있다.
다른 일 실시 예에 따르면, 부동산 분석 장치의 동작 방법은 상기 부동산 주소에 대한 소유주 단말로부터 거래 종류, 개발 형태, 매도 의사, 및 부담 사항에 대한 사업 조건을 수신하는 단계, 상기 사업 조건에 기반하여, 상기 소유주의 공동 사업 의향 정도를 판단하는 단계, 상기 공동 사업 의향 정도가 임계 값 이상인 경우, 상기 개발 관련자 단말로 상기 사업 조건을 송신하고, 상기 개발 관련자 단말로부터 공동 사업 방식에 대한 사업 제안을 수신하여 상기 소유주 단말에 전달하고, 상기 소유주 단말과 상기 개발 관련자 단말로 오픈 채팅방을 위한 웹 페이지를 주소를 송신하는 단계를 더 포함할 수 있다.
다른 일 실시 예에 따르면, 부동산 분석 장치의 동작 방법은 상기 부동산 주소로부터 미리 설정된 거리 내에 배치된 적어도 하나의 도로의 위치와 상기 적어도 하나의 도로의 교통량을 지시하는 도로 정보를 수신하는 단계, 상기 도로 정보를 이용하여 상기 부동산 주소에서 시간 별 소음 레벨과 시간 별 대기 오염 레벨을 산출하여 환경 레벨을 결정하는 단계, 및 상기 환경 레벨이 미리 설정된 임계 레벨 이상인 경우, 상기 투자 분석 폼에 환경 목차를 추가하는 단계를 더 포함할 수 있다.
본 발명의 다양한 각각의 측면들 및 특징들은 첨부된 청구항들에서 정의된다. 종속 청구항들의 특징들의 조합들(combinations)은, 단지 청구항들에서 명시적으로 제시되는 것뿐만 아니라, 적절하게 독립항들의 특징들과 조합될 수 있다.
또한, 본 개시에 기술된 임의의 하나의 실시 예(any one embodiment) 중 선택된 하나 이상의 특징들은 본 개시에 기술된 임의의 다른 실시 예 중 선택된 하나 이상의 특징들과 조합될 수 있으며, 이러한 특징들의 대안적인 조합이 본 개시에 논의된 하나 이상의 기술적 문제를 적어도 부분적으로 경감시키거나, 본 개시로부터 통상의 기술자에 의해 식별될 수 있는(discernable) 기술적 문제를 적어도 부분적으로 경감시키고, 나아가 실시 예의 특징들(embodiment features)의 이렇게 형성된 특정한 조합(combination) 또는 순열(permutation)이 통상의 기술자에 의해 양립 불가능한(incompatible) 것으로 이해되지만 않는다면, 그 조합은 가능하다.
본 개시에 기술된 임의의 예시 구현(any described example implementation)에 있어서 둘 이상의 물리적으로 별개의 구성 요소들은 대안적으로, 그 통합이 가능하다면 단일 구성 요소로 통합될 수도 있으며, 그렇게 형성된 단일한 구성 요소에 의해 동일한 기능이 수행된다면, 그 통합은 가능하다. 반대로, 본 개시에 기술된 임의의 실시 예(any embodiment)의 단일한 구성 요소는 대안적으로, 적절한 경우, 동일한 기능을 달성하는 둘 이상의 별개의 구성 요소들로 구현될 수도 있다.
본 발명의 특정 실시 예들(certain embodiments)의 목적은 종래 기술과 관련된 문제점 및/또는 단점들 중 적어도 하나를, 적어도 부분적으로, 해결, 완화 또는 제거하는 것에 있다. 특정 실시 예들(certain embodiments)은 후술하는 장점들 중 적어도 하나를 제공하는 것을 목적으로 한다.
본 개시의 다양한 실시 예들에 따른 장치 및 방법은 빅데이터를 기반으로 부동산 개발 관련자에게 부동산의 시장 분석과 투자 분석 내용이 포함된 부동산 종합 분석 보고서를 제공하기 위한 장치 및 방법을 제공할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 부동산 주소에 대한 반응 정보와 부동산 현황 정보를 이용하여 부동산 종합 분석 보고서의 시장 분석 폼(form)과 사업성 분석 폼을 유동적으로 결정함으로써, 부동산의 특징에 맞는 목차 및 크기로 부동산 종합 분석 보고서를 작성할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 인공 신경망 구조의 NLP 모델을 이용하여 부동산 정보로부터 부동산 검토를 위한 독립 문장과 의존 문장을 생성하여 단어가 아닌 매끄러운 문장 형태의 부동산 종합 분석 보고서를 작성할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 부동산 소유주에 대한 사업 조건으로부터 소유주의 공동 사업 의향 정도를 판단하고, 그에 따라 투자자, 금융사, 설계사, 시공사, 시행사, 및 중개사와 같이 부동산 개발에 관련된 자와 소유주를 연결하여 개발 사업이 원활하게 진행될 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 부동산 주소에 근접한 도로의 교통량을 직접 수집하고 분석하여 부동산 종합 분석 보고서의 목차를 갱신함으로써, 도로 교통에 관련된 추가 정보를 개발 관련자에게 제공할 수 있게 한다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 본 개시의 다양한 실시 예들에 따른, 부동산 종합 분석 보고서를 작성하는 부동산 분석 시스템을 도시한다.
도 2는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 부동산 분석 장치의 구성을 도시한다.
도 3은 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 부동산 종합 분석 보고서를 작성하는 방법에 대한 모식도를 도시한다.
도 4는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 사업성 분석 정보가 표시되는 UI 화면의 일 예를 도시한다.
도 5는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 부동산 종합 분석 보고서의 일 예를 도시한다.
도 6은 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 부동산 분석 장치의 동작 방법에 대한 흐름도를 도시한다.
도 1은 본 개시의 다양한 실시 예들에 따른, 부동산 종합 분석 보고서를 작성하는 부동산 분석 시스템을 도시한다.
도 2는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 부동산 분석 장치의 구성을 도시한다.
도 3은 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 부동산 종합 분석 보고서를 작성하는 방법에 대한 모식도를 도시한다.
도 4는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 사업성 분석 정보가 표시되는 UI 화면의 일 예를 도시한다.
도 5는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 부동산 종합 분석 보고서의 일 예를 도시한다.
도 6은 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템에서, 부동산 분석 장치의 동작 방법에 대한 흐름도를 도시한다.
본 개시에서 사용되는 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 개시에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 개시에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 개시에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 개시에서 정의된 용어일지라도 본 개시의 실시 예들을 배제하도록 해석될 수 없다.
이하에서 설명되는 본 개시의 다양한 실시 예들에서는 하드웨어적인 접근 방법을 예시로서 설명한다. 하지만, 본 개시의 다양한 실시 예들에서는 하드웨어와 소프트웨어를 모두 사용하는 기술을 포함하고 있으므로, 본 개시의 다양한 실시 예들이 소프트웨어 기반의 접근 방법을 제외하는 것은 아니다.
이하 본 개시는 빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하는 시스템에 관한 것이다. 구체적으로, 본 개시는 자연어 처리를 수행하는 인공 신경망을 이용하여 부동산 개발 관련자에게 부동산의 시장 분석과 투자 분석 내용이 포함된 부동산 종합 분석 보고서를 제공하기 위한 기술을 설명한다.
아래에서는 첨부한 도면을 참조하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 다양한 실시예들을 상세히 설명한다. 그러나 본 개시의 기술적 사상은 다양한 형태로 변형되어 구현될 수 있으므로 본 명세서에서 설명하는 실시예들로 제한되지 않는다. 본 명세서에 개시된 실시예들을 설명함에 있어서 관련된 공지 기술을 구체적으로 설명하는 것이 본 개시의 기술적 사상의 요지를 흐릴 수 있다고 판단되는 경우 그 공지 기술에 대한 구체적인 설명을 생략한다. 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
본 명세서에서 어떤 요소가 다른 요소와 "연결"되어 있다고 기술될 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라 그 중간에 다른 요소를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 어떤 요소가 다른 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 요소 외에 또 다른 요소를 배제하는 것이 아니라 또 다른 요소를 더 포함할 수 있는 것을 의미한다.
일부 실시예들은 기능적인 블록 구성들 및 다양한 처리 단계들로 설명될 수 있다. 이러한 기능 블록들의 일부 또는 전부는 특정 기능을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 본 개시의 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 본 개시의 기능 블록이 수행하는 기능은 복수의 기능 블록에 의해 수행되거나, 본 개시에서 복수의 기능 블록이 수행하는 기능들은 하나의 기능 블록에 의해 수행될 수도 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다.
또한, 본 개시에서, 특정 조건의 만족(satisfied), 충족(fulfilled) 여부를 판단하기 위해, 초과 또는 미만의 표현이 사용되었으나, 이는 일 예를 표현하기 위한 기재일 뿐 이상 또는 이하의 기재를 배제하는 것이 아니다. '이상'으로 기재된 조건은 '초과', '이하'로 기재된 조건은 '미만', '이상 및 미만'으로 기재된 조건은 '초과 및 이하'로 대체될 수 있다.
또한, 본 개시에서 이미지는 평면 또는 공간에 배열된 광선, 혹은 매체에 의해 정보를 시각으로 포착하도록 구상화한 이미지를 지시한다. 본 개시의 일 실시 예에 따르면, 영상은 정지 영상, 및 동영상을 포함할 수 있으며, 보고서에 표시되는 지도, 도식화된 이미지 모두를 포함할 수 있다.
도 1은 본 개시의 다양한 실시 예들에 따른, 부동산 종합 분석 보고서를 작성하는 부동산 분석 시스템(100)을 도시한다.
부동산 분석 시스템(100)은 토지 개발에 있어, 해당 토지에 대한 평가하여 시장성 및/또는 투자성을 분석하는 시스템을 지시한다. 구체적으로, 부동산 분석 시스템은 부동산 개발 업체, 투자자, 자산가, 시행사, 시공사, 설계사 중개사와 같이 부동산 개발에 관련된 업을 수행하는 법인 또는 자연인이 토지를 개발하는 경우, 해당 토지에 대한 가치를 평가 분석하는 시스템을 지시한다. 개발 관련자는 신규 사업 토지를 발굴하고 신규 사업 토지에 대한 개발 계획을 세울 수 있다. 여기서, 부동산 분석 시스템(100)은 개발 관련자가 부동산 개발 사업을 원활하게 수행할 수 있도록 부동산에 대한 분석을 수행하는 시스템을 의미할 수 있다. 본 개시의 일 실시 예에 따르면, 부동산 분석 시스템(100)은 소유주 단말(110), 개발 관련자 단말(120), 외부 기관 서버(130), 부동산 분석 장치(150), 및 네트워크(170)를 포함할 수 있다.
소유주 단말(110)은 부동산을 소유한 소유주(111)가 이용하는 전자 장치를 지시한다. 소유주(111)는 토지와 같은 부동산을 소유하거나 토지에 대한 사용 수익 권한을 가진 권리자를 의미한다. 소유주(111)는 소유주 단말(110)에 탑재된 애플리케이션을 이용하여 개발 관련자와 소통할 수 있다. 본 개시의 일 실시 예에 따르면, 소유주 단말(110)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말을 포함할 수 있다. 구체적으로, 소유주 단말(110)은 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(personal digital assistants), PMP(portable multimedia player), 태블릿 PC를 지시할 수 있다. 소유주 단말(110)은 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 개발 관련자 단말(120), 외부 기관 서버(130), 및 부동산 분석 장치(150) 중 적어도 하나와 통신을 수행할 수 있다.
개발 관련자 단말(120)은 부동산을 개발 사업에 관련된 업을 수행하는 자가 운용하는 전자 장치를 지시한다. 개발 관련자(121)는 금융사, 신탁사, 시행사, 시공사, 중개사, 투자자, 자본가 등 부동산 개발 사업에 대한 서비스를 제공하는 모든 법인 또는 자연인을 의미한다. 개발 관련자(121)는 개발 관련자 단말(120)에 탑재된 애플리케이션을 이용하여 개발 사업에 대한 업무를 진행할 수 있다. 본 개시의 일 실시 예에 따르면, 소유주 단말(110)과 같이, 개발 관련자 단말(120)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말을 포함할 수 있다.
외부 기관 서버(130)는 부동산에 관련된 외부 기관이 운용하는 서버 장치를 지시한다. 외부 기관은 부동산에 관련된 빅데이터를 저장하여 공시하는 공공 기관을 지시할 수 있다. 예를 들어, 외부 기관 서버는 부동산 관련 정부 기관, 시군구청, 민간 기관, 및 지도를 제공하는 민간 업체가 운용하는 서버 장치를 포함할 수 있다. 외부 기관 서버(130)는 외부 기관이 운용하는 서버로서, 네트워크를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 외부 기관 서버(130)는 부동산 규제, 용도, 사업 환경과 같은 부동산 관련 빅데이터를 데이터베이스(database)(140)에 저장할 수 있으며, 저장된 빅데이터를 공중에 대한 열람 서비스를 제공할 수 있다.
부동산 분석 장치(150)는 부동산에 대한 분석을 수행하는 부동산 분석업자가 운용하는 전자 장치를 지시한다. 부동산 분석 장치(150)는 부동산의 시장성과 투자성을 고려한 부동산 종합 분석 보고서를 생성할 수 있다. 여기서 부동산 종합 분석 보고서는 상품의 적합성 판단, 적정분양가 산정을 목표로 하는 시장 분석 정보와, 자금조달시 금융권에서 사업 전반에 대하여 사업구도, 자금조달, 입지분석, 분양가산정의 적정성, 각종 규제사항분석, 설계, 공사기간, 시공부분, 수익율 분석 등 사업전체 전반을 검토를 목표로 하는 사업성 분석 정보를 표시하는 보고서를 지시할 수 있다. 이를 위하여, 부동산 분석 장치(150)는 부동산 주소를 입력 받고, 부동산 주소에 대한 부동산 정보를 수집하고 NLP 모델을 이용하여 부동산에 대한 시장성과 사업성을 분석함으로써, 자동으로 부동산 종합 분석 보고서를 생성할 수 있다. 부동산 분석 장치(150) 또한, 소유주 단말(110)과 같이 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말을 포함할 수 있다.
도 1에 도시된 바와 같이, 부동산 분석 시스템(100)의 구성요소들은 네트워크(170)를 통해 연결될 수 있다. 본 개시의 일 실시 예에 따르면, 네트워크(170)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd generation partnership project) 네트워크, LTE(long term evolution) 네트워크, 5GPP(5rd generation partnership project) 네트워크, WIMAX(world interoperability for microwave access) 네트워크, 인터넷(internet), LAN(local area network), Wireless LAN(wireless local area network), WAN(wide area network), PAN(personal area network), 블루투스 (bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(digital multimedia broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
부동산 분석 시스템(100)에 따르면, 부동산 분석업자는 토지 소유주(111)와 개발 관련자(121)를 연결하여 부동산 개발이 원활하게 이루어질 수 있도록 지원하는 플랫폼 역할을 수행할 수 있다. 토지 소유주(111)는 본인이 소유한 토지에 관한 정보와 희망하는 사업 조건 등을 부동산 분석업자에게 제공할 수 있고, 부동산 분석 업자는 해당 부동산에 대한 매물 정보를 개발 관련자에게 제공할 수 있다. 또한, 부동산 분석 업자는 부동산 주소가 입력된 경우, NLP 모델을 이용하여 부동산 주소에 대한 반응 정보와 부동산 현황 정보로부터 시장성과 사업성을 분석하여 보고서 형태로 개발 관련자에게 제공함으로써, 개발 관련자에게 보다 신속하고 객관적인 투자 검토 보고서를 제공할 수 있다. 이하에서, 부동산 분석 업자가 운용하는 부동산 분석 장치(150)의 구체적인 구성과 동작이 상세히 설명된다.
도 2는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템(100)에서, 부동산 분석 장치(150)의 구성(200)을 도시한다.
이하 사용되는 '...부', '...기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 부동산 분석 장치(150)는 메모리(210), 프로세서(220), 통신부(230), 입출력 인터페이스(240), 및 디스플레이부(250)를 포함할 수 있다.
메모리(210)는 부동산 분석 장치(150)의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 일시적 또는 영구적으로 저장한다. 메모리(210)는 RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있으나, 본 발명이 이에 한정되는 것은 아니다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism)을 이용하여 메모리(210)와 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 실시예에 따라서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신부(230)를 통해 메모리(210)에 로딩될 수도 있다. 또한, 메모리(210)는 프로세서(220)의 요청에 따라 저장된 데이터를 제공할 수 있다. 본 개시의 일 실시 예에 따르면, 메모리(210)는 부동산 주소가 입력된 경우, 부동산 정보를 수집하여 저장할 수 있다. 또한, 메모리(210)는 생성된 부동산 종합 분석 보고서를 저장할 수 있다.
프로세서(220)는 부동산 분석 장치(150)의 전반적인 동작들을 제어한다. 예를 들어, 프로세서(220)는 통신부(230)를 통해 신호가 송신 및 수신되도록 제어할 수 있다. 또한, 프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신부(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다. 예를 들어, 프로세서(220)는 부동산 분석 장치(150)가 후술하는 다양한 실시 예들에 따른 동작들을 수행하도록 제어할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(220)는 개발 관련자 단말로부터, 부동산 주소를 획득하고, 부동산 주소의 획득에 대응하여, 부동산 주소에 관련된 부동산 정보를 수집하고, 부동산 정보를 이용하여 시장 분석 폼과 사업성 분석 폼을 결정하고, 시장 분석 폼에 따라, 부동산 주소에 대한 입지 환경, 및 거래 환경에 관련된 시장 분석 정보를 생성하고, 사업성 분석 폼에 기반하여, 부동산 주소에 대한 투자 타당성 검토에 관련된 사업성 분석 정보를 생성하고, 시장 분석 정보, 및 사업성 분석 정보 중 적어도 하나를 표시하는 부동산 종합 분석 보고서를 생성하도록 제어할 수 있다. 여기서, 사업성 분석 정보는 부동산 주소에 대한 사업 환경, 업체 정보, 사업지 분석, 시장 분석, 공기 산정, 규제 사항, 및 시공성을 포함할 수 있다.
또한, 프로세서(220)는 인공 신경망 모델 구조로 구현될 수 있다. 즉, 인공 신경망 모델 구조는 프로세서(220)를 통해 하드웨어 또는 소프트웨어로 구현될 수 있다. 인공 신경망은 부동산에 관련된 빅데이터를 이용하여 학습될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 부동산 분석 장치(150) 자체에서 수행되거나, 별도의 학습용 서버를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공 신경망 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 DNN(deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
본 명세서에 걸쳐, 신경망은 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드는 뉴런(neuron)들로 지칭될 수도 있다. 인공 신경망은 복수의 노드들을 포함하여 구성되며, 노드들은 하나 이상의 링크에 의해 상호 연결될 수 있다. 신경망 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있다. 하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다.
본 개시에 따른 인공 신경망은 NLP 모델로 구현될 수 있으며, NLP 모델은 거대한 양의 텍스트 데이터 내의 단어들 사이의 관계 추론이 가능한, 공개된 LLM(large language model)을 지시할 수 있다. NLP 모델은 텍스트로부터 의미가 있는 정보를 분석 및 추출할 수 있어, 현재, 기계 번역, 비즈니스 분류, 및 챗봇과 같은 등 다양한 형태로 운용되고 있다. 본 개시에 따른 NLP 모델은 부동산 정보를 입력 받고, 부동산 정보에 포함된 키워드를 조합하여 문장 형태의 검토 결과를 출력하도록 학습된 모델을 지시할 수 있다.
통신부(230)는 무선 채널을 통해 신호를 송수신하기 위한 기능들을 수행한다. 통신부(230)의 전부 또는 일부는 송신부, 수신부, 송수신부로 지칭될 수 있다. 통신부(230)는 통신망을 통해 부동산 분석 장치(150)와 적어도 하나의 다른 노드가 서로 통신하기 위한 기능을 제공할 수 있다. 본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 요청 신호를 생성한 경우, 요청 신호는 통신부(230)의 제어에 따라 통신망을 통해 적어도 하나의 다른 노드로 전달될 수 있다. 역으로, 적어도 하나의 다른 노드의 프로세서의 제어에 따라 제공되는 제어 신호나 명령, 콘텐츠, 파일 등이 통신부(230)를 통해 부동산 분석 장치(150)로 수신될 수 있다. 본 개시의 일 실시 예에 따르면, 통신부(230)는 외부 기관 서버(130)로부터 부동산에 관련된 정보를 수신할 수 있다. 또한, 통신부(230)는 개발 관련자 단말(120)로 부동산 종합 분석 보고서를 송신할 수 있다.
입출력 인터페이스(240)는 입출력 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 이때 입력 장치는 예를 들어 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 이미지를 표시하기 위한 디스플레이부 등과 같은 장치의 형태로 구비될 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 구체적으로, 부동산 분석 장치(150)의 프로세서(220)는 메모리(210)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(240)를 통해 디스플레이에 표시될 수 있다. 본 개시의 일 실시 예에 따르면, 입출력 인터페이스(240)는 디스플레이부(250)와의 인터페이스를 위한 수단을 포함할 수 있다. 입출력 인터페이스(240)는 디스플레이부(250)에 표시된 웹 브라우징 윈도우에 대한 사용자 입력을 수신할 수 있고, 전술한 사용자 입력에 응답하여 디스플레이부(250)를 통해 출력할 출력 데이터를 프로세서(220)로부터 전달받을 수 있다. 본 개시의 일 실시 예에 따르면, 입출력 인터페이스(240)는 보고서 작성을 제어하기 위한 제어 신호를 직접 입력 받을 수 있다.
디스플레이부(250)는 하나 이상의 디스플레이를 포함하는 디스플레이 모듈을 지시한다. 디스플레이부(250)에 포함된 하나 이상의 디스플레이 각각은 개별적으로 독립된 컨텐츠를 표시할 수 있고, 전술한 하나 이상의 디스플레이가 결합하여 단일 컨텐츠를 표시할 수도 있다. 본 개시의 일 실시 예에 따르면, 디스플레이부(250)에 포함된 하나 이상의 디스플레이는 물리적으로 분리된 다중 디스플레이를 포함할 수 있고, 물리적으로 결합된 다중 디스플레이일 수도 있으며, 하나의 화면을 분할하여 사용할 수 있는 디스플레이일 수도 있다. 본 개시의 일 실시 예에 따르면, 디스플레이부(250)는 보고서 작성 현황을 디스플레이에 표시할 수 있다.
부동산 분석 장치(150)는 부동산 주소를 획득하면, 자동으로 부동산 주소에 관련된 부동산 정보를 수집하고 이에 대한 시장 분석, 및 사업성 분석을 수행하여 부동산 종합 분석 보고서를 출력할 수 있다. 구체적으로, 부동산 분석 장치(150)는 부동산 정보를 수집한 이후, 부동산 정보에 기반하여 부동산 종합 분석 보고서의 폼을 결정할 수 있다. 이후, 부동산 분석 장치(150)는 부동산 정보의 내용에 따라 독립 문장 생성 대상 또는 의존 문장 생성 대상으로 분류하고, NLP 모델을 이용하여 독립 문장과 의존 문장 각각을 생성하여 종합적인 시장성 및 투자 타당성 검토를 생성할 수 있다. 부동산 분석 장치(150)는 검토 내용이 포함되도록 부동산 종합 분석 보고서를 작성함으로써, 개발 관련자에게 보다 객관적인 시장성 및 사업성 검토 결과를 제공할 수 있다. 도 3에서, 부동산 분석 장치(150)가 부동산 종합 분석 보고서를 생성하는 구체적인 과정이 상세히 설명된다.
도 3은 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템(100)에서, 부동산 종합 분석 보고서를 작성하는 방법에 대한 모식도(300)를 도시한다.
도 3을 참고하면, 부동산 분석 장치(150)는 부동산 주소(310)를 획득하고, 부동산 정보(320)를 수집하고, 부동산 종합 분석 보고서(350)를 생성하여 출력한다. 구체적으로, 부동산 분석 장치(150)는 부동산 주소(310)의 획득에 대응하여 복수의 외부 기관 서버들에 저장된 부동산 정보(320)를 수집할 수 있다. 이후, 부동산 분석 장치(150)는 부동산 주소(310)와 부동산 정보(320)를 이용하여 시장 분석 폼(331), 사업성 분석 폼(341)을 결정하고, 각각의 폼에 따라 시장 분석 정보(333)와 사업성 분석 정보(343)를 생성하고, 생성된 정보를 이용하여 부동산 종합 분석 보고서(350)를 생성할 수 있다.
부동산 분석 장치(150)는 부동산 주소(310)를 획득한다. 부동산 주소(310)는 개발 대상이 되는 토지의 주소를 지시할 수 있다. 토지 소유주(111)는 개발을 희망하는 토지에 대한 부동산 주소를 부동산 분석업자가 운용하는 웹 사이트에 업로드 할 수 있으며, 개발 관련자(121)는 업로드된 부동산 주소를 확인하고 해당하는 부동산 주소를 선택할 수 있다. 그에 따라, 부동산 분석 장치(150)는 개발 관련자 단말(120)로부터 부동산 주소(310) 획득할 수 있다.
부동산 분석 장치(150)는 부동산 주소의 획득에 대응하여, 부동산 주소에 관련된 부동산 정보를 수집한다. 부동산 분석 장치(150)는 부동산 주소에 대한 규제, 용도 등을 확인하기 위하여, 네트워크를 통해 통신하여 부동산 정보를 수집할 수 있다. 여기서, 부동산 정보는 부동산 주소에 대한 언론 기사, 거주자 후기에 관련된 반응 정보(321)와, 부동산 주소의 규제나 용도와 같은 현황을 지시하는 부동산 현황 정보(323)를 포함할 수 있다.
부동산 분석 장치(150)는 웹 크롤링(crawling)을 이용하여, 부동산 주소(310)에 대한 언론들이 발행한 기사, 부동산 관련 민간 애플리케이션을 통해 실거주 후기에 관한 텍스트를 수집할 수 있다. 또한, 부동산 분석 장치(150)는 외부 기관 서버(130)로부터 부동산 현황 정보(323)를 수집할 수 있다. 부동산 분석 장치(150)가 수집하는 부동산 현황 정보와 수집처는 <표 1>과 같이 결정될 수 있다.
본 개시는 <표 1>의 수집처로부터 부동산 현황 정보를 수집하는 경우를 예시하지만, 수집처는 부동산 현황 정보를 저장 및 보관하는 모든 기관 서버를 지시할 수 있으며, <표 1>과 같이 한정되지 않는다.
즉, 부동산 분석 장치(150)는 부동산 주소(310)의 획득에 대응하여 정부 및 공공 기관이 열람하는 부동산 규제나 용도 등에 관한 부동산 현황 정보를 일괄적으로 수집할 수 있으며, 추가적으로 민간에서 주로 사용되는 부동산 관련 애플리케이션을 통해 논의된 부동산 실거주 후기, 근처에서 발생한 사건 사고 등과 같은 반응 정보를 수집함으로써, 부동산 현황 정보로부터 확인이 불가한 기타 사건 정보를 모두 수집할 수 있다.
부동산 분석 장치(150)는 부동산 정보(320)를 이용하여 시장 분석 폼(331)과 사업성 분석 폼(341)을 결정한다. 부동산 분석 장치(150)는 반응 정보(320)에 포함된 텍스트에서 시장 반응 키워드, 사업성 반응 키워드를 추출하고, 이를 통해, 해당 부동산 주소에서 가장 높은 관심도가 무엇인지를 결정함으로써, 시장 분석 폼(331), 사업성 분석 폼(341)을 결정할 수 있다. 여기서, 시장 분석 폼(331)은 부동산 종합 분석 보고서(350)의 시장 분석 영역에 표시될 내용의 컨텐츠 목차, 크기, 및 배치를 지시하고, 사업성 분석 폼(341)은 부동산 종합 분석 보고서(350)의 사업성 분석 영역에 표시될 내용의 컨텐츠 목차, 크기, 및 배치를 지시할 수 있다.
본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 반응 정보(321)에 포함된 텍스트로부터 시장 반응 키워드를 추출하여, 시장 분석 요소들에 대한 제1 중요도 그룹을 산출하고, 제1 중요도 그룹에 기반하여 시장 분석 정보에 대한 목차와 시장 분석 요소들 각각의 크기를 결정하여 시장 분석 폼을 결정할 수 있다.
여기서, 시장 분석 요소들은 입지 환경 요소들과 거래 환경 요소들로 구성될 수 있고, 입지 환경 요소들은 교통, 학군, 기업, 관공서, 생활편의를 포함할 수 있고, 거래 환경 요소들은 주변 부동산 거래 정보, 인근지역 부동산 분양 규모, 평당 분양가, 분양률, 매매가와 전세가 동향, 해당 지역 경매 낙찰가율 등을 포함할 수 있다. 또한, 시장 반응 키워드는 'X호선', 'OO번 버스', 'OO 초등학교', 'OO 기업'과 같은 입지 환경 요소에 대한 키워드들과, 'O억원' '가격상승' '낙찰가율' 과 같이 거래 환경 요소에 대한 키워드들을 포함할 수 있다. 시장 분석 요소들 및 시장 반응 키워드의 포함 내역은 사용자의 설정에 따라 변경될 수 있다. 부동산 분석 장치(150)는 반응 정보(320)에 포함된 텍스트에서 키워드를 추출하고, 추출 빈도에 기반하여 시장 분석 요소들 각각에 대한 중요 순위를 지시하는 제1 중요도 그룹을 산출할 수 있다. 이후, 부동산 분석 장치(150)는 중요도가 높은 요소가 비중이 크고 선순위 목차에 배치되도록 함으로써 시장 분석 폼(331)을 결정할 수 있다.
동일한 방법으로, 부동산 분석 장치(150)는 반응 정보(321)에 포함된 텍스트로부터 사업성 반응 키워드를 추출하여, 사업성 분석 요소들에 대한 제2 중요도 그룹을 산출하고, 제2 중요도 그룹에 기반하여 사업성 분석 정보에 대한 목차와 시장 분석 요소들 각각의 크기를 결정하여 사업성 분석 폼(341)을 결정할 수 있다.
여기서, 사업성 분석 요소들은 사업 환경 요소들, 업체 정보 요소들, 사업지 분석 요소들, 시장 분석 요소들, 시장 분석 요소들, 공사기간 산정 요소들, 규제 사항 요소들, 시공성 요소들로 구성될 수 있다.
사업 환경 요소들은 사업명, 지도 상 위치, 대지면적, 건축 면적, 연면적, 지구단위계획구역, 건폐율, 용적률, 매입 예상가, 예상 건축비, 예상 평당 분양가, 예상 개발 이익금, 도로접면, 지형높이, 지형형상, 사업 추진 일정, 미분양 현황을 포함할 수 있고, 업체 정보 요소들은 시행사, 시공사, 설계사, 중개사를 포함할 수 있고, 사업지 분석 요소들은 교통분석, 직장분석, 학군 분석, 생활편의 분석, 관공서 분석을 포함할 수 있고, 시장 분석 요소들은 국내 경기 동향, 인근지역 분양 사례, 적정 분양가, 거래 가격을 포함할 수 있고, 공사기간 산정 요소들은 공사기간에 미치는 영향 분석을 포함할 수 있고, 규제 사항 요소들은 토지 규제 사항, 규제에 따른 분석, 인근 지역 문화재 분석을 포함할 수 있고, 시공성 요소들은 지반조건 분석, 지하수위 분석을 포함할 수 있다.
또한, 사업성 반응 키워드는 '용적률', '건폐율', '토지거래허가', '투기과열지구'와 같은 사업 환경 요소들에 대한 키워드, 'OO 신탁', 'OO 건설'과 같은 업체 정보 요소들에 대한 키워드, 'X 호선', 'OO번 버스'와 같은 사업지 분석 요소들에 대한 키워드, '금리 인상', '건설 경기'와 같은 시장 분석 요소들에 대한 키워드, '공사 기간'과 같은 공사기간 산정 요소들에 대한 키워드, 'O종일반주거지역', '준주거지역'과 같은 규제 사항 요소들에 대한 키워드, 및 '지하공사', '실트질 모래'와 '지하수위'와 같은 시공성 요소들에 대한 키워드를 포함할 수 있다. 사업성 분석 요소들 및 사업성 반응 키워드의 포함 내역은 사용자의 설정에 따라 변경될 수 있다. 부동산 분석 장치(150)는 반응 정보(320)에 포함된 텍스트에서 키워드를 추출하고, 추출 빈도에 기반하여 사업성 분석 요소들 각각에 대한 중요 순위를 지시하는 제2 중요도 그룹을 하고, 중요도가 높은 요소가 비중이 크고 선순위 목차에 배치되도록 함으로써 사업성 분석 폼(341)을 결정할 수 있다. 그에 따라, 부동산 분석 장치(150)는 사업성 분석 정보에서, 사업 환경, 업체 정보, 사업지 분석, 시장 분석, 공사기간 산정, 규제 사항, 및 시공성 각각에서, 컨텐츠들에 대한 배치와 크기를 결정할 수 있다.
부동산 분석 장치(150)는 시장 분석 폼(331)에 따라 부동산 주소(310)에 대한 입지 환경, 및 거래 환경에 관련된 시장 분석 정보(333)를 생성하고, 사업성 분석 폼(341)에 따라 부동산 주소(310)에 대한 투자 타장성 검토에 관련된 사업성 분석 정보(343)를 생성한다. 여기서, 시장 분석 정보(333)는 입지 환경, 거래 환경에 대한 컨텐츠를 포함할 수 있으며, 사업성 분석 정보(343)는 부동산 주소에 대한 사업 환경, 업체 정보, 사업지 분석, 시장 분석, 공사기간 산정, 규제 사항, 및 시공성에 대한 컨텐츠를 포함할 수 있다.
구체적으로, 부동산 분석 장치(150)는 부동산 현황 정보(323)에서 추출된 정보를 이용하여, 입지 환경 요소들, 거래 환경 요소들 각각에 대응되는 컨텐츠들을 생성하고, 시장 분석 폼(331)에 따라 컨텐츠들을 배치함으로써, 시장 분석 정보(333)를 생성할 수 있다. 본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 부동산 현황 정보(323)로부터 교통, 학군, 기업, 관공서, 생활편의, 주변환경 거래정보, 매매가 동향, 낙찰가율 각각에 대응되는 컨텐츠를 생성하고, 시장 분석 폼(331)에 맞게 배치하여 부동산 종합 분석 보고서에 포함될 시장 분석 정보를 생성할 수 있다.
부동산 분석 장치(150)는 부동산 현황 정보(323)에서 추출된 정보를 이용하여 사업성 분석 요소들 각각에 대응되는 컨텐츠들을 생성하고, 사업성 분석 폼(341)에 따라 컨텐츠들을 배치함으로써, 사업성 분석 정보(343)를 생성할 수 있다. 즉, 부동산 분석 장치(150)는 부동산 현황 정보(323)로부터, 토지 위치, 용적률, 건폐율, 토지 정보, 건축법규, 지구단위계획, 지반구조, 지하수위, 도로 인접 정도, 사업명, 시행사, 시공사, 신탁사, 설계사, 중개사 등, 사업성 분석 요소들 각각에 대응되는 컨텐츠를 생성하고 사업성 분석 폼(341)에 따라 내용을 배치함으로써, 부동산 종합 분석 보고서에 포함될 사업성 분석 정보를 생성할 수 있다.
부동산 분석 장치(150)는 사업성 분석 정보를 생성하기 위하여, 부동산 현황 정보(323)에 포함된 텍스트들을 독립 문장 생성 대상 또는 의존 문장 생성 대상으로 분류한다. 여기서, 독립 문장은 텍스트에 포함된 핵심 키워드로부터 독립적으로 문구 추가 없이 독립적으로 형성되는 문장을 지시하고, 의존 문장은 핵심 키워드에 학습된 문구들을 추가하여 형성되는 문장을 지시한다. 본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 핵심 키워드의 결과 값에 관련된 텍스트의 경우 독립 문장 생성 대상으로 결정하고, 핵심 키워드를 통해 파생되는 내용에 관련된 텍스트의 경우 의존 문장 생성 대상으로 결정할 수 있다.
이후, 부동산 분석 장치(150)는 제1 NLP 모델을 이용하여 독립 문장을 생성한다. 부동산 분석 장치(150)는 제1 NLP 모델을 이용하여 독립 문장 형성 대상의 여러 줄의 텍스트를 분절하여 각 문장 별 현황 키워드를 추출하고, 현황 키워드를 통해 독립 문장을 생성할 수 있다. 제1 NLP 모델은 독립 문장 형성 대상 텍스트를 입력 받고, 텍스트들에서 현황 키워드를 추출하여 문장을 형성하도록 미리 학습될 수 있다. 여기서, 독립 문장은 지구단위계획구역, 용적률, 건폐율, 매입 예상가, 예상 건축비, 예상 평당 분양가, 예상 개발 이익금을 기술하는 문장을 포함할 수 있다.
예를 들어, 부동산 분석 장치(150)의 제1 NLP 모델은 독립 문장 생성 대상이 되는 텍스트에서, OO역, GBD까지 30분, OO초등학교, XX마트, XX 우체국을 추출하고, '해당 사업지는 OO역 인근에 입지하고 있으며, GBD까지 30분 이내 접근 가능하여 교통 환경이 매우 우수한 편입니다. 또한 해당 사업지는 1km 이내에 OO초등학교가 있으며, OO초등학교는 XX%의 높은 학업 성취도를 가지고 있습니다. 추가적으로, 해당 사업지 인근에는 대형 마트인 XX 마트, XX 우체국이 있어 쾌적한 생활환경을 영유할 수 있습니다'를 생성할 수 있다.
예를 들어, 부동산 분석 장치(150)의 제1 NLP 모델은 독립 문장 생성 대상이 되는 텍스트에서 매입 예상가, 용적율, 건폐율, 지구단위계획구역, 건축비, 임대료, 금융비용을 추출하고, '해당 개발부지의 적정 매입 예상가는 000원입니다. 용적율 00% 및 건폐율 00%로, 지구단위 계획구역에 포함됩니다. 예상 건축비는 000원/평을 가정하는 경우 00억으로, 예상 개발 이익금은 000억원(매출액대비00%)으로 예상됩니다.'를 생성할 수 있다.
또한, 부동산 분석 장치(150)는 제2 NLP 모델을 이용하여 의존 문장 형성 대상의 텍스트에서 문장 별 추가 문구를 추가하여 의존 문장을 생성할 수 있다. 이를 위하여, 제2 NLP 모델은 의존 문장 형성 대상 텍스트를 입력 받고, 텍스트들에서 환경 키워드를 추출하여, 환경 키워드에 관련된 추가 문장을 이용하여 의존 문장을 형성하도록 미리 학습될 수 있다. 여기서, 의존 문장은 규제 사항 분석, 시공성 분석을 기술하는 문장을 포함할 수 있다.
예를 들어, 부동산 분석 장치(150)의 제2 NLP 모델은 의존 문장 생성 대상이 되는 텍스트에서 OO신도시개발, OO호선, 선호도가 높은 지역이라고 볼 수 있지만, 부동산 규제가 강화된 지역을 추출하고, 환경 키워드에 대한 '개발 완료에 따른 주거 선호도 상승 예상', '교통이 우수', '미분양 증가, 외부 수요 감소에 대한 변수가 있습니다'와 같은 추가 문구를 결정하고, 환경 키워드와 추가 문구를 이용하여 ' OO사업지는 현재 미개발 지역이나 주변 OO신도시 개발 완료에 따른 주거 선호도 상승이 예상되며, OO호선이 도보 5분 내에 위치하여 교통이 우수합니다. 하지만, 부동산 규제 강화 이후 미분양증가, 외부 수요 감소에 대한 변수가 있습니다.'와 같은 의존 문장을 생성할 수 있다.
예를 들어, 부동산 분석 장치(150)의 제2 NLP 모델은 연약지반, 암반, 도심지, 민원, 문화재를 추출하고, '해당 부분이 공기 지연 이슈가 있을 수 있으며, 인근 지역 분양시 민원으로 인한 소송이 진행된 사례가 있으며, 최근 인근 지역 문화재 발굴로 인하여 문화재 발굴 리스크가 있습니다.'와 같은 의존 문장을 생성할 수 있다.
부동산 분석 장치(150)는 독립 문장과 의존 문장을 더하여 사업성 분석 정보를 생성할 수 있다. 이후, 부동산 분석 장치(150) 시장 분석 정보(333), 사업성 분석 정보(343) 중 적어도 하나를 표시하는 부동산 종합 분석 보고서(350)하여 개발 관련자에게 전달할 수 있다. 이를 통해, 개발 관련자는 부동산 주소(310)를 입력하면 그에 대응되는 부동산 종합 분석 보고서(350)를 통해 신속하고 객관적으로 확인할 수 있다.
추가적으로, 부동산 분석 장치(150)는 부동산 종합 분석 보고서의 최상단에 종합 검토를 배치할 수 있다. 종합 검토는 사업성 분석 정보(343)를 요약하고 부동산 주소(310)에 대한 종합적인 의견을 제시하는 컨텐츠를 지시한다. 부동산 분석 장치(150)는 NLP 모델들을 이용하여 부동산 현황 정보(323)로부터 종합 검토를 생성할 수 있다. 종합 검토의 구체적인 예는 도 5에 도시된다.
추가로, 부동산 분석 장치(150)는 부동산 개발을 촉진시키기 위하여, 소유주(111)와 개발 관련자(121)가 공동으로 부동산을 개발할 수 있도록 지원할 수 있다. 소유주(111)는 개발을 희망하는 토지에 사업 조건을 부동산 분석업자가 운용하는 웹 사이트에 업로드 할 수 있다. 부동산 분석 장치(150)는 업로드된 사업 조건을 이용하여 소유주가 공동 사업 의향 정도를 판단하고, 그에 따라 소유주와 투자자를 연결시키기 위한 오픈 채팅방 서비스를 제공할 수 있다.
구체적으로, 부동산 분석 장치(150)는 부동산 주소에 대한 소유주 단말로부터 거래 종류, 개발 형태, 매도 의사, 및 부담 사항에 대한 사업 조건을 수신하고, 사업 조건에 기반하여, 소유주의 공동 사업 의향 정도를 판단한다. 본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 거래 종류가 단순 매매가 아닌 매매+개발인 경우에서 의향 정도를 높게 설정하고, 개발 형태가 고층 다세대 개발인 경우에서 의향 정도를 높게 설정하고, 매도 의사 유무와 공동 사업 제안 사이의 통계 데이터에 기반하여, 매도 의사에 대응되는 의향 정도를 설정하고, 부담사항에 금전 부족에 대한 내용이 있는 경우 의향 정도를 높게 설정할 수 있다. 각각의 요소 별 의향 정도는 테이블 형태로 미리 저장될 수 있다. 이후, 부동산 분석 장치(150)는 각각의 의향 정도를 합산한 결과 값이 임계 값 이상인 경우, 소유주가 공동 사업으로 진행하고자 하는 의향이 있는 것으로 판단할 수 있다. 그에 따라, 부동산 분석 장치(150)는 부동산 종합 분석 보고서를 열람한 개발 관련자 단말(120)로 사업 조건을 송신하고, 개발 관련자 단말(120)로부터 공동 사업 방식에 대한 사업 제안을 수신하여 소유주 단말(110)에 전달할 수 있다. 추가로, 소유주(111)와 개발 관련자(121)가 상호 원활하게 개발 논의가 이루어질 수 있도록, 소유주 단말(110)과 개발 관련자 단말(120)로 오픈 채팅방을 위한 웹 페이지를 주소를 송신함으로써, 개발 편의성을 향상시킬 수 있다.
추가적으로, 부동산 분석 장치(150)는 부동산 주소에 근접한 도로에서 교통량에 따른 소음, 대기 오염을 고려하여, 사업성 분석 폼(341)에 환경에 대한 추가 목차를 생성할 수 있다. 부동산 분석 장치(150)는 근접 도로에 대한 교통량 정보를 직접 수집할 수 있으며, 교통량에 대응되는 소음 및 대기 오염의 정도를 지시하는 테이블을 이용하여 환경 레벨을 결정할 수 있다. 부동산 분석 장치(150)는 환경 레벨이 일정 수준 이상인 경우 환경으로 인한 피해를 사업성 분석 정보(343)에 강조 표시함으로써, 사업성 분석 정보에 대한 신뢰도를 향상시킬 수 있다. 본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 부동산 주소(310)로부터 미리 설정된 거리 내에 배치된 적어도 하나의 도로의 위치와 적어도 하나의 도로의 교통량을 지시하는 도로 정보를 수신하고, 도로 정보를 이용하여 부동산 주소에서 시간 별 소음 레벨과 시간 별 대기 오염 레벨을 산출하여 환경 레벨을 결정하고, 환경 레벨이 미리 설정된 임계 레벨 이상인 경우, 사업성 분석 폼에 환경 목차를 추가할 수 있다.
도 4는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템(100)에서, 사업성 분석 정보(343)가 표시되는 UI 화면의 일 예(400)를 도시한다.
사업성 분석 정보(343)는 사업 환경, 업체 정보, 사업지 분석, 시장 분석, 공사기간 산정, 규제 사항, 및 시공성에 관한 정보를 포함할 수 있다. 부동산 분석 장치(150)는 부동산 현황 정보(323)를 이용하여 투자 타당성 검토에 관련된 복수의 컨텐츠들을 생성할 수 있고, 생성한 컨텐츠들을 각각의 목차에 맞게 배치함으로써 사업성 분석 정보를 생성할 수 있다. 여기서, 도 4는 사업성 분석 정보(343) 중에 사업지 분석에 대응되는 컨텐츠들이 표시되는 경우를 예시한다.
도 4를 참고하면, 사업성 분석 정보(343)를 표시하는 UI 화면은 기본 목차가 표시되는 제1 UI 영역(410), 지도 컨텐츠가 표시되는 제2 UI 영역(420), 및 분석 컨텐츠가 표시되는 제3 UI 영역(430)을 포함할 수 있다.
부동산 분석 장치(150)는 부동산 현황 정보(323)로부터 부동산 주소를 표시하는 지도를 획득할 수 있으며, 지도에서 부동산 주소를 기준으로 교통, 직장, 학교, 편의시설과 같이 주변 환경에 대한 정보가 표시되는 컨텐츠를 생성할 수 있다. 또한, 부동산 분석 장치(150)는 사업지 분석 요소들에 포함된 교통 분석, 직장 분석, 학군 분석, 생활편의 분석, 및 관공서 분석 각각에 대응되는 컨텐츠들을 생성할 수 있다. 이후, 부동산 분석 장치(150)는 사업성 분석 폼(341)에 따라 생성한 컨텐츠들을 배치함으로써, 사업지 분석에 대한 사업성 분석 정보를 생성할 수 있다.
도 5는 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템(100)에서, 부동산 종합 분석 보고서(350)의 일 예(500)를 도시한다.
부동산 종합 분석 보고서(350)는 시장 분석 정보(333)와 사업성 분석 정보(343) 중 적어도 하나를 표시하기에 앞서, 보고서의 최상단에 종합 검토를 표시할 수 있다. 도 5는 부동산 종합 분석 보고서(350)가 최상단에 표시되는 종합 검토를 예시하며, 종합 검토 이후부터 시장성 분석 정보 및/또는 사업성 분석 정보가 표시된다.
도 5를 참고하면, 부동산 종합 분석 보고서(350)는 일반적인 프로젝트 목차, 보고서 분석 주체와 같은 기본 정보를 표시하는 제1 검토 영역(510), 및 종합 검토를 표시하는 제2 검토 영역(520), 및 시장 분석 정보나 사업성 분석 정보를 표시하는 제3 검토 영역(530)을 포함할 수 있다.
부동산 분석 장치(150)는 제1 NLP 모델을 이용하여 지구단위계획구역, 용적률, 건폐율, 매입 예상가, 예상 건축비, 예상 평당 분양가, 예상 개발 이익금에 대한 문장을 생성하고, 제2 NLP 모델을 이용하여 외부 수요 변화와 같은 사업 환경에 대한 문장을 생성하여 제2 영역(520)에 배치함으로써, 부동산 종합 분석 보고서를 생성할 수 있다.
도 6은 본 개시의 다양한 실시 예들에 따른 부동산 분석 시스템(100)에서, 부동산 분석 장치(150)의 동작 방법에 대한 흐름도(600)를 도시한다.
도 5를 참고하면 단계(601)에서, 부동산 분석 장치(150)는 개발 관련자 단말로부터, 부동산 주소를 획득한다. 부동산 분석 장치(150)는 개발 관련자 단말(120)로부터 부동산 주소를 수신할 수 있다.
단계(603)에서, 부동산 분석 장치(150)는 부동산 주소의 획득에 대응하여, 부동산 주소에 관련된 부동산 정보를 수집한다. 부동산 분석 장치(150)는 웹 크롤링을 통해 정보를 수집하거나 외부 기관 서버(130)로부터 열람 가능한 자료를 추출하여 부동산 정보를 획득할 수 있다.
본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 웹 크롤링을 이용하여, 부동산 주소에 대한 언론 기사, 거주자 후기에 관련된 반응 정보를 수집하고, 적어도 하나의 외부 기관 서버로부터, 부동산 주소의 현황을 지시하는 부동산 현황 정보를 수신할 수 있다.
단계(605)에서, 부동산 분석 장치(150)는 부동산 정보를 이용하여 시장 분석 폼과 사업성 분석 폼을 결정한다. 부동산 분석 장치(150)는 부동산 정보의 반응 정보를 이용하여 부동산 종합 분석 보고서에 표시될 컨텐츠의 목차, 크기, 배치를 결정할 수 있다.
본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 반응 정보에 포함된 텍스트로부터 시장 반응 키워드를 추출하여, 시장 분석 요소들에 대한 제1 중요도 그룹을 산출하고, 제1 중요도 그룹에 기반하여, 시장 분석 정보에 대한 목차와 시장 분석 요소들 각각의 크기를 결정하여 시장 분석 폼을 결정하고, 반응 정보에 포함된 텍스트로부터 사업성 반응 키워드를 추출하여, 사업성 분석 요소들에 대한 제2 중요도 그룹을 산출하고, 제2 중요도 그룹에 기반하여, 사업성 분석 정보에 대한 목차와 사업성 분석 요소들 각각의 크기를 결정하여 사업성 분석 폼을 결정할 수 있다.
단계(607)에서, 부동산 분석 장치(150)는 시장 분석 폼에 따라, 부동산 주소에 대한 입지 환경, 및 거래 환경에 관련된 시장 분석 정보를 생성한다. 부동산 분석 장치(150)는 시장 분석 요소들 각각에 대한 컨텐츠를 생성하고, 컨텐츠들을 시장 분석 폼에 맞게 배치하여 시장 분석 정보를 생성할 수 있다.
단계(609)에서, 부동산 분석 장치(150)는 사업성 분석 폼에 기반하여, 부동산 주소에 대한 투자 타당성 검토에 관련된 사업성 분석 정보를 생성한다. 부동산 분석 장치(150)는 부동산 현황 정보로부터 사업성 분석 요소들에 대한 컨텐츠들을 생성하고, 사업성 분석 폼에 맞게 컨텐츠를 배치함으로써, 사업성 분석 정보를 생성할 수 있다.
본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 사업성 분석 정보를 생성하고, 부동산 현황 정보에 포함된 텍스트들을 독립 문장 생성 대상 또는 의존 문장 생성 대상으로 분류하고, 제1 NLP 모델을 이용하여, 독립 문장 생성 대상으로 분류된 텍스트로부터 현황 키워드를 추출하고, 현황 키워드로부터 적어도 하나의 독립 문장을 출력하고, 제2 NLP 모델을 이용하여, 의존 문장 생성 대상으로 분류된 텍스트로부터 환경 키워드를 추출하고, 환경 키워드에 관련된 추가 문장을 이용하여 적어도 하나의 의존 문장을 출력하고, 사업성 분석 폼에 따라 적어도 하나의 독립 문장과 적어도 하나의 의존 문장을 배치하여, 사업성 분석 정보를 생성할 수 있다.
본 개시의 일 실시 예에 따르면, 제1 NLP 모델과 제2 NLP 모델 각각은 LLM(large language model)로 구성되는 모델을 포함하고, 적어도 하나의 독립 문장은 지구단위계획구역, 용적률, 건폐율, 매입 예상가, 예상 건축비, 예상 평당 분양가, 예상 개발 이익금을 기술하는 문장을 포함하고, 적어도 하나의 의존 문장은 규제 사항 분석, 시공성 분석을 기술하는 문장을 포함할 수 있다.
단계(611)에서, 부동산 분석 장치(150)는 시장 분석 정보, 및 사업성 분석 정보 중 적어도 하나를 표시하는 부동산 종합 분석 보고서를 생성한다. 부동산 분석 장치(150)는 투자자의 요구에 맞게 시장 분석 정보와 사업성 분석 정보 중 적어도 하나를 부동산 종합 분석 보고서에 포함시킴으로써, 부동산 종합 분석 보고서를 생성할 수 있다. 여기서, 사업성 분석 정보는 부동산 주소에 대한 사업 환경, 업체 정보, 사업지 분석, 시장 분석, 공사기간 산정, 규제 사항, 및 시공성을 포함할 수 있다.
부동산 분석 장치(150)는 소유주와 개발 관련자의 공동 사업을 지원할 수 있다. 본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 부동산 주소에 대한 소유주 단말로부터 거래 종류, 개발 형태, 매도 의사, 및 부담 사항에 대한 사업 조건을 수신하고, 사업 조건에 기반하여, 소유주의 공동 사업 의향 정도를 판단하고, 공동 사업 의향 정도가 임계 값 이상인 경우, 개발 관련자 단말로 사업 조건을 송신하고, 개발 관련자 단말로부터 공동 사업 방식에 대한 사업 제안을 수신하여 소유주 단말에 전달하고, 소유주 단말과 개발 관련자 단말로 오픈 채팅방을 위한 웹 페이지를 주소를 송신할 수 있다.
부동산 분석 장치(150)는 부동산 주소에 인접한 도로의 교통량을 직접 수집하여 환경에 대한 추가 목차를 생성할 수 있다. 본 개시의 일 실시 예에 따르면, 부동산 분석 장치(150)는 부동산 주소로부터 미리 설정된 거리 내에 배치된 적어도 하나의 도로의 위치와 적어도 하나의 도로의 교통량을 지시하는 도로 정보를 수신하고, 도로 정보를 이용하여 부동산 주소에서 시간 별 소음 레벨과 시간 별 대기 오염 레벨을 산출하여 환경 레벨을 결정하고, 환경 레벨이 미리 설정된 임계 레벨 이상인 경우, 사업성 분석 폼에 환경 목차를 추가할 수 있다.
본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다. 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있으며, 하드웨어와 결합되어 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.
이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(read only memory, ROM), 전기적 삭제가능 프로그램가능 롬(electrically erasable programmable read only memory, EEPROM), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(compact disc-ROM, CD-ROM), 디지털 다목적 디스크(digital versatile discs, DVDs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.
또한, 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(local area network), WAN(wide area network), 또는 SAN(storage area network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시 예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크상의 별도의 저장장치가 본 개시의 실시 예를 수행하는 장치에 접속할 수도 있다.
상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
111 소유주 110 소유주 단말
121 개발 관련자 120 개발 관련자 단말
130 외부 기관 서버 140 데이터베이스
150 부동산 분석 장치 170 네트워크
210 메모리 220 프로세서
230 통신부 240 입출력 인터페이스
250 디스플레이부 310 부동산 주소
320 부동산 정보 321 반응 정보
323 부동산 현황 정보 331 시장 분석 폼
333 시장 분석 정보 341 사업성 분석 폼
343 사업성 분석 정보
350 부동산 종합 분석 보고서
410 제1 UI 영역 420 제2 UI 영역
430 제3 UI 영역 510 제1 검토 영역
520 제2 검토 영역 530 제3 검토 영역
121 개발 관련자 120 개발 관련자 단말
130 외부 기관 서버 140 데이터베이스
150 부동산 분석 장치 170 네트워크
210 메모리 220 프로세서
230 통신부 240 입출력 인터페이스
250 디스플레이부 310 부동산 주소
320 부동산 정보 321 반응 정보
323 부동산 현황 정보 331 시장 분석 폼
333 시장 분석 정보 341 사업성 분석 폼
343 사업성 분석 정보
350 부동산 종합 분석 보고서
410 제1 UI 영역 420 제2 UI 영역
430 제3 UI 영역 510 제1 검토 영역
520 제2 검토 영역 530 제3 검토 영역
Claims (5)
- 부동산 개발 관련자에게 분석 정보를 제공하는 부동산 분석 장치에 의하여 수행되는, 상기 부동산 분석 장치의 동작하는 방법에 있어서,
개발 관련자 단말로부터, 부동산 주소를 획득하는 단계;
상기 부동산 주소의 획득에 대응하여, 상기 부동산 주소에 관련된 부동산 정보를 수집하는 단계;
상기 부동산 정보를 이용하여 시장 분석 폼과 사업성 분석 폼을 결정하는 단계;
상기 시장 분석 폼에 따라, 상기 부동산 주소에 대한 입지 환경, 및 거래 환경에 관련된 시장 분석 정보를 생성하는 단계;
상기 사업성 분석 폼에 기반하여, 상기 부동산 주소에 대한 투자 타당성 검토에 관련된 사업성 분석 정보를 생성하는 단계; 및
상기 시장 분석 정보, 및 상기 사업성 분석 정보 중 적어도 하나를 표시하는 부동산 종합 분석 보고서를 생성하는 단계를 포함하고,
상기 사업성 분석 정보는 상기 부동산 주소에 대한 사업 환경, 업체 정보, 사업지 분석, 시장 분석, 공사기간 산정, 규제 사항, 및 시공성을 포함하고,
상기 부동산 주소에 관련된 부동산 정보를 수집하는 단계는,
웹 크롤링(crawling)을 이용하여, 상기 부동산 주소에 대한 언론 기사, 거주자 후기에 관련된 반응 정보를 수집하는 단계; 및
적어도 하나의 외부 기관 서버로부터, 상기 부동산 주소의 현황을 지시하는 부동산 현황 정보를 수신하는 단계를 포함하고,
상기 시장 분석 폼과 사업성 분석 폼을 결정하는 단계는,
상기 반응 정보에 포함된 텍스트로부터 시장 반응 키워드를 추출하여, 시장 분석 요소들에 대한 제1 중요도 그룹을 산출하는 단계;
상기 제1 중요도 그룹에 기반하여, 상기 시장 분석 정보에 대한 목차와 상기 시장 분석 요소들 각각의 크기를 결정하여 시장 분석 폼을 결정하는 단계;
상기 반응 정보에 포함된 텍스트로부터 사업성 반응 키워드를 추출하여, 사업성 분석 요소들에 대한 제2 중요도 그룹을 산출하는 단계; 및
상기 제2 중요도 그룹에 기반하여, 상기 사업성 분석 정보에 대한 목차와 상기 사업성 분석 요소들 각각의 크기를 결정하여 사업성 분석 폼을 결정하는 단계를 포함하고,
상기 사업성 분석 정보를 생성하는 단계는,
상기 부동산 현황 정보에 포함된 텍스트들을 독립 문장 생성 대상 또는 의존 문장 생성 대상으로 분류하는 단계;
제1 NLP(natural language processing) 모델을 이용하여, 상기 독립 문장 생성 대상으로 분류된 텍스트로부터 현황 키워드를 추출하고, 상기 현황 키워드로부터 적어도 하나의 독립 문장을 출력하는 단계;
제2 NLP 모델을 이용하여, 상기 의존 문장 생성 대상으로 분류된 텍스트로부터 환경 키워드를 추출하고, 상기 환경 키워드에 관련된 추가 문장을 이용하여 적어도 하나의 의존 문장을 출력하는 단계; 및
상기 사업성 분석 폼에 따라 상기 적어도 하나의 독립 문장과 적어도 하나의 의존 문장을 배치하여, 사업성 분석 정보를 생성하는 단계를 포함하는 방법.
- 삭제
- 삭제
- 청구항 1에 있어서,
상기 제1 NLP 모델과 상기 제2 NLP 모델 각각은 LLM(large language model)로 구성되는 모델을 포함하고,
상기 적어도 하나의 독립 문장은 지구단위계획구역, 용적률, 건폐율, 매입 예상가, 예상 건축비, 예상 평당 분양가, 예상 개발 이익금을 기술하는 문장을 포함하고,
상기 적어도 하나의 의존 문장은 규제 사항 분석, 시공성 분석을 기술하는 문장을 포함하는 방법.
- 청구항 1에 있어서,
상기 부동산 주소에 대한 소유주 단말로부터 거래 종류, 개발 형태, 매도 의사, 및 부담 사항에 대한 사업 조건을 수신하는 단계;
상기 사업 조건에 기반하여, 상기 소유주의 공동 사업 의향 정도를 판단하는 단계;
상기 공동 사업 의향 정도가 임계 값 이상인 경우, 상기 개발 관련자 단말로 상기 사업 조건을 송신하고, 상기 개발 관련자 단말로부터 공동 사업 방식에 대한 사업 제안을 수신하여 상기 소유주 단말에 전달하고, 상기 소유주 단말과 상기 개발 관련자 단말로 오픈 채팅방을 위한 웹 페이지를 주소를 송신하는 단계를 더 포함하는 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230055521A KR102574180B1 (ko) | 2023-04-27 | 2023-04-27 | 빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하기 위한 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230055521A KR102574180B1 (ko) | 2023-04-27 | 2023-04-27 | 빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하기 위한 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102574180B1 true KR102574180B1 (ko) | 2023-09-04 |
Family
ID=88018509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230055521A KR102574180B1 (ko) | 2023-04-27 | 2023-04-27 | 빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하기 위한 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102574180B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102686048B1 (ko) * | 2023-09-06 | 2024-07-17 | 지오딕트 주식회사 | 지구단위계획의 해석 기반 건축 시뮬레이션 생성 방법 및 그 장치 |
| KR102686049B1 (ko) * | 2023-09-06 | 2024-07-17 | 지오딕트 주식회사 | 도시계획 기반 부동산 개발부지 정보 제공 방법 및 그 장치 |
| CN118674179A (zh) * | 2024-08-23 | 2024-09-20 | 清华大学 | 基于大语言模型的城市用地规划方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010086605A (ko) * | 2001-06-27 | 2001-09-15 | 오한곤 | 네트워크를 이용한 부동산 개발 컨설팅방법 및 부동산개발방법 |
| KR20110054221A (ko) * | 2009-11-17 | 2011-05-25 | 서울대학교산학협력단 | 웹지리정보시스템을 활용한 부동산 개발사업의 사업대상지 선정 시스템 및 그의 제어방법 |
| KR20130019629A (ko) * | 2011-08-17 | 2013-02-27 | 엔에이치엔비즈니스플랫폼 주식회사 | 부동산 물건의 유형별 입지 및 상권 분석 서비스 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체 |
| KR20210074071A (ko) * | 2019-12-11 | 2021-06-21 | 홍재화 | 부동산 분석 보고서 작성 방법 및 시스템 |
| KR102332624B1 (ko) | 2021-06-03 | 2021-12-01 | (주)파이퍼블릭 | 빅데이터 기반 상업용 부동산 투자 추천 방법 및 장치 |
-
2023
- 2023-04-27 KR KR1020230055521A patent/KR102574180B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010086605A (ko) * | 2001-06-27 | 2001-09-15 | 오한곤 | 네트워크를 이용한 부동산 개발 컨설팅방법 및 부동산개발방법 |
| KR20110054221A (ko) * | 2009-11-17 | 2011-05-25 | 서울대학교산학협력단 | 웹지리정보시스템을 활용한 부동산 개발사업의 사업대상지 선정 시스템 및 그의 제어방법 |
| KR20130019629A (ko) * | 2011-08-17 | 2013-02-27 | 엔에이치엔비즈니스플랫폼 주식회사 | 부동산 물건의 유형별 입지 및 상권 분석 서비스 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체 |
| KR20210074071A (ko) * | 2019-12-11 | 2021-06-21 | 홍재화 | 부동산 분석 보고서 작성 방법 및 시스템 |
| KR102332624B1 (ko) | 2021-06-03 | 2021-12-01 | (주)파이퍼블릭 | 빅데이터 기반 상업용 부동산 투자 추천 방법 및 장치 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102686048B1 (ko) * | 2023-09-06 | 2024-07-17 | 지오딕트 주식회사 | 지구단위계획의 해석 기반 건축 시뮬레이션 생성 방법 및 그 장치 |
| KR102686049B1 (ko) * | 2023-09-06 | 2024-07-17 | 지오딕트 주식회사 | 도시계획 기반 부동산 개발부지 정보 제공 방법 및 그 장치 |
| CN118674179A (zh) * | 2024-08-23 | 2024-09-20 | 清华大学 | 基于大语言模型的城市用地规划方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| García-Lamarca | Real estate crisis resolution regimes and residential REITs: Emerging socio-spatial impacts in Barcelona | |
| KR102574180B1 (ko) | 빅데이터를 기반으로 부동산에 대한 부동산 종합 분석 보고서를 작성하기 위한 장치 및 방법 | |
| KR102091644B1 (ko) | Ｏ２ｏ 기반 인공지능 및 빅데이터를 이용한 부동산 개방형 플랫폼 제공 방법 | |
| JP6693502B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| Porter et al. | Planning, land and housing in the digital data revolution/the politics of digital transformations of housing/digital innovations, PropTech and housing–the view from Melbourne/digital housing and renters: disrupting the Australian rental bond system and Tenant Advocacy/Prospects for an Intelligent Planning System/What are the Prospects for a Politically Intelligent Planning System? | |
| Chigada et al. | Mobile banking in South Africa: A review and directions for future research | |
| Di Castri et al. | The suptech generations | |
| Pannu et al. | The struggle for water justice in California’s San Joaquin Valley: A focus on disadvantaged unincorporated communities | |
| US20240005423A1 (en) | Systems & methods for automated assessment for remediation and/or redevelopment of brownfield real estate | |
| Akanle et al. | Sustainable development goals (SDGs) and remittances in Africa | |
| Xiong et al. | The analysis of influence mechanism for internet financial fraud identification and user behavior based on machine learning approaches | |
| Soanes et al. | Money where it matters: designing funds for the frontier | |
| Knox-Hayes et al. | The Routledge handbook of financial geography | |
| Raikov | Megapolis tourism development strategic planning with cognitive modelling support | |
| Mete et al. | A hybrid approach for mass valuation of residential properties through Geographic Information Systems and Machine Learning Integration | |
| Abhyankar et al. | Comparing predictive performance of general regression neural network (GRNN) and hedonic regression model for factors affecting housing prices in “Pune-India” | |
| Gibb et al. | Describing inequalities in access to employment and the associated geography of wellbeing | |
| Frenkel et al. | The joint choice of tenure, dwelling type, size and location: the effect of home-oriented versus culture-oriented lifestyle | |
| Ribeiro et al. | Digital sustainability: How information and communication technologies (ICTs) support sustainable development goals (SDGs) assessment in municipalities | |
| Sanderford et al. | Energy-efficient homes and mortgage risk: crossing the chasm at last? | |
| Dougherty | A Policy Framework for New Mineral Economies: Lessons from Botswana | |
| Pang et al. | Application of loan lost-linking customer path correlated index model and network sorting search algorithm based on big data environment | |
| Nilsen | Synchrony of intersecting temporalities in young people’s housing transitions: Intergenerational cross-national comparisons | |
| Masuda et al. | Agent based simulation with data driven parameterization for evaluation of social acceptance of a geothermal development: a case study in Tsuchiyu, Fukushima, Japan | |
| Aranda-Jan et al. | Increasing Access to Technology for Inclusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |