KR102617814B1 - 머신러닝 기술을 적용한 전세사기 예측 장치 - Google Patents

Abstract

본 기술은 머신러닝 기술을 적용한 전세사기 예측 장치에 관한 것이다. 본 기술의 머신러닝 기술을 적용한 전세사기 예측 장치는, 계약자의 전세 계약 시점 이전에 부동산 매물의 주소 정보를 기초로 권리 안정성 조사를 수행하는 사전조사 분석 모듈; 계약자의 전세 계약 시점 이후에 상기 부동산 매물의 상기 주소 정보를 기초로 권리 안정성 조사를 수행하는 사후관리 분석 모듈; 및 중개사 단말기와 통신하며 기업-회원(중개사)에게 상기 사전조사 분석 모듈에 의한 조사 결과를 제공하고, 계약자 단말기와 통신하며 개인-회원(계약자)에게 상기 사후관리 분석 모듈에 의한 조사 결과를 제공하는 회원 관리 모듈;을 포함한다. 본 기술은 머신러닝 기술을 적용한 전세사기 예측 시스템을 제공할 수 있다.

Description

머신러닝 기술을 적용한 전세사기 예측 장치{Lease fraud prediction device using machine learning technology}

본 발명은 머신러닝 기술을 적용한 전세사기 예측 장치에 관한 것으로, 보다 구체적으로는 사전조사와 사후관리를 포함하는 머신러닝 기술을 적용한 전세사기 예측 장치에 관한 것이다.

부동산 거래를 위해서는 해당 부동산에 대한 권리에 문제가 없는지에 대한 조사가 필수적이다.

다수의 인명 피해로까지 이어지고 있는 최근 빌라 전세사기 사건들에서 접할 수 있듯이 건축주/중개업소/임대인이 벌여 놓은 판에 휘말려 들게 되면 세입자들이 개인적으로 조사를 한다고 해도 속수무책으로 당하기 일쑤이다. 특히나 전세금은 세입자가 평생 일궈놓은 전재산이기에 피해는 더욱 크다. 또한 피해는 고스란히 세입자의 몫으로 남겨진다.

전세사기는 정상적인 임대 과정과 달리 다음과 같은 특징을 보인다.

1) 주변시세를 조작하여 정상적인 전세가격인 것처럼 위장.

2) 전세계약 이후 갑작스런 임대인의 변경.

따라서, 전세사기에 당하지 않기 위해서는 주변시세에 대한 보다 면밀한 조사가 필요하고, 임대인, 즉, 부동산 소유자의 갑작스런 변경 사례를 의심해 보아야 함을 알 수 있다.

기존에 사전권리조사라는 서비스가 존재한다. 사전권리조사는 다음의 과정들을 포함한다: a. 등기부등본 발급 대행, b. 가격정보 조회, c. 토지가격 조회. 즉, 사전권리조사는 위 세 가지를 합쳐서 부동산에 대한 권리조사를 하는 서비스를 일컫는다. 이러한 사전권리조사는 결국 보증금을 반환받을 수 있는지, 선순위 권리자는 어떠한지, 가격정보, 을구/갑구의 확인, 위법한 건물 정보는 없는지 확인하는 과정을 포함한다.

상술한 서비스의 사전권리조사와 대비하여, 권리분석이라는 것도 존재한다. 권리분석은 대체로 사전권리조사와 유사하지만, 보다 전문적인 법률적인 분석 자료를 제공한다는 점에서 차이가 있다.

한편, 기존의 사전권리조사 내지는 권리분석은 일반인들이 쉽게 접하기는 어렵다. 해당 서비스의 제공 루트를 미리 알아야 하는 것은 물론이고 주로 웹상에서 이루어져 인터넷에 익숙한 자의 전유물과 같이 운영된다. 이에 세입자들에게 기존의 사전권리조사 내지는 권리분석에 상응하는 서비스를 제공할 필요가 있다.

또한 사기에 가담하는 중개업소와 그렇지 않은 중개업소를 구별할 수 있는 서비스도 필요하다.

더욱이 최근에는 특정 취약층들을 대상으로 LH(Korea Land & Housing Corporation)에서 주관하는 LH전세임대라는 제도를 운영하기도 하는데, 세입자가 원하는 모든 물건에 대해서 권리분석을 하는 것은 상당한 로드가 주어진다. 오랜 시간은 거래를 더욱 더디게 하여 LH전세임대라는 제도의 실효성을 살릴 수 없다. 특히나 LH전세임대 자체의 본질상 많은 금액에 대한 담보가 쉽지 않은 상황에서 (즉, 매물 자체가 많지 않은 상황에서) 시간까지 오래 걸린다는 인식은 정책의 실효성을 떨어뜨리는 커다란 원인이 된다.

본 발명의 실시예는 머신러닝 기술을 적용한 전세사기 예측 시스템을 제공한다.

한편, 본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 것이다.

본 발명의 일 실시예에 따르면, 머신러닝 기술을 적용한 전세사기 예측 장치로서, 계약자의 전세 계약 시점 이전에 부동산 매물의 주소 정보를 기초로 권리 안정성 조사를 수행하는 사전조사 분석 모듈; 계약자의 전세 계약 시점 이후에 상기 부동산 매물의 상기 주소 정보를 기초로 권리 안정성 조사를 수행하는 사후관리 분석 모듈; 및 중개사 단말기와 통신하며 기업-회원(중개사)에게 상기 사전조사 분석 모듈에 의한 조사 결과를 제공하고, 계약자 단말기와 통신하며 개인-회원(계약자)에게 상기 사후관리 분석 모듈에 의한 조사 결과를 제공하는 회원 관리 모듈;을 포함할 수 있다.

상기 권리 안정성 조사는 상기 주소 정보를 기초로 상기 부동산 매물의 등기부상 갑구 및 을구에 기재된 사항에 관한 제1 정보 조사, 및 상기 주소 정보를 기초로 상기 부동산 매물의 공시지가에 관한 제2 정보 조사를 포함할 수 있다.

상기 부동산 매물의 공시지가에 관한 제2 정보 조사는 상기 부동산 매물의 물건지에 대하여 기설정된 범위 내의 동일한 건물 형태 및 층수를 갖는 하나 이상의 부동산들에 대한 공시지가 평균값에 관한 조사를 포함할 수 있다.

상기 기설정된 범위는 행정구역으로서 행정동 단위일 수 있다.

상기 사전조사 분석 모듈 및 상기 사후관리 분석 모듈은 각각 상기 제1 정보 조사를 바탕으로, 상기 부동산 매물의 소유자 정보를 추출하여 시각화하고 상기 계약자에 우선하는 선순위변제자 정보를 추출하여 시각화하는 제1 시각화부; 상기 제2 정보 조사를 바탕으로, 상기 부동산 매물의 적정 전세가액 범위를 추출하여 시각화하는 제2 시각화부; 및 상기 제1 정보 조사 및 상기 제2 정보 조사를 바탕으로 현 시점에서 계약자의 전세금이 반환 가능한지에 관한 위험도 정보를 추출하여 시각화하는 제3 시각화부;를 포함할 수 있다.

상기 위험도 정보가 기설정된 수준 이상인 부동산 매물을 행정구역별로 카운팅하고, 카운팅된 횟수가 기설정된 횟수 이상인 행정구역을 위험구역으로 분류하는 위험구역 분류부;를 더 포함하되, 상기 위험구역 내 부동산 매물에 대해서는 상기 적정 전세가액 범위를 그렇지 않은 부동산 매물보다 낮게 추출할 수 있다.

상기 사후관리 분석 모듈은 기설정된 기간마다 상기 부동산 매물의 소유자 정보를 추출하여 소유자 변동 유무에 관한 제1 정보, 상기 부동산 매물의 상기 계약자에 우선하는 선순위변제자 정보를 추출하여 순위 변동 유무에 관한 제2 정보, 상기 부동산 매물의 적정 전세가액 범위를 추출하여 가액 변동 유무에 관한 제3 정보, 상기 부동산 매물의 상기 계약자의 전세금이 반환 가능한지에 관한 위험도 정보를 추출하여 위험도 변동 유무에 관한 제4 정보 및 상기 부동산 매물의 상기 위험도 정보에 기반한 위험구역을 분류하여 상기 부동산 매물이 위험구역에 속하게 되었는지에 관한 제5 정보를 종합하여 리포트 형식으로 생성하는 리포트 생성부;를 더 포함할 수 있다.

상기 기설정된 기간은 상기 전세 계약 시점 이후에 가변적인 것일 수 있다.

상기 기설정된 기간은 상기 전세 계약 시점 직후에는 시간 단위이고 상기 전세 계약 시점으로부터 제1 기간이 경과한 이후부터는 일 단위이며 상기 전세 계약 시점으로부터 제2 기간이 경과한 이후부터는 월 단위일 수 있다.

상기 리포트 생성부는 인공지능 AI 알고리즘을 통해 생성될 수 있다.

본 기술은 머신러닝 기술을 적용한 전세사기 예측 시스템을 제공할 수 있다.

도 1은 일 실시예에 따른 머신러닝 기술을 적용한 전세사기 예측 시스템의 전체적인 구성을 도시한다.
도 2는 일 실시예에 따른 전세사기 예측 장치의 상세한 구성을 도시한다.
도 3은 일 실시예에 따른 사전조사 분석 모듈의 상세한 구성을 도시한다.
도 4는 일 실시예에 따른 사후권리 분석 모듈의 상세한 구성을 도시한다.
도 5는 일 실시예에 따른 회원 관리 모듈의 상세한 구성을 도시한다.
도 6은 일 실시예에 따른 사전조사 분석 모듈 및 사후관리 분석 모듈에 의한 시각화의 구현 예를 도시한다.
도 7은 일 실시예에 다른 위험구역 분류부에 의해 위험도 정보가 기설정된 수준 이상인 부동산 매물을 행정구역별로 카운팅하는 과정을 개략적으로 도시한다.
도 8A는 일 실시예에 따른 리포트 생성부에 의해 생성된 리포트의 일 구현예를 도시한다.
도 8B는 일 실시예에 따른 리포트 생성부에 의해 생성된 리포트의 일 구현예를 도시한다.
도 9는 다른 일 실시예에 따른 리포트 생성부에 의해 생성된 리포트의 일 구현예를 도시한다.
도 10은 또 다른 일 실시예에 따른 리포트 생성부에 의해 생성된 리포트의 일 구현예를 도시한다.
첨부된 도면은 본 발명의 기술사상에 대한 이해를 위하여 참조로서 예시된 것임을 밝히며, 그것에 의해 본 발명의 권리범위가 제한되지는 아니한다.

위와 같은 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시예에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시예들은, 이해의 편의를 제공할 의도 이외에는 다른 의도 없이, 개시된 내용이 보다 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.

각 도면에서 제시된 동일 또는 유사한 참조 부호는 동일 또는 유사한 구성 요소를 가급적 나타내고 있다. 일부 도면들에 있어서, 블록 및 라인들의 연결관계는 기술적 내용의 효과적인 설명을 위해 나타나 있을 뿐, 타의 블록들이 더 구비될 수 있다.

여기에 설명되고 예시되는 각 실시예는 그것의 상보적인 실시예도 포함될 수 있으며, 외부 서버로부터 필요한 정보를 추출하고 이를 시각화하는 동작 및 위험구역을 분류하고 리포트 생성을 수행하기 위한 회로나 소자에 과한 세부는 본 발명의 요지를 모호하지 않도록 하기 위해 상세히 설명되지 않음을 유의한다.

본 문서에서 사용된 용어 "부"는, 예를 들면, 하드웨어, 소프트웨어 또는 펌웨어(firmware) 중 하나 또는 둘 이상의 조합을 포함하는 단위(unit)를 의미할 수 있다. "부"는, 예를 들면, 모듈(module), 유닛(unit), 로직(logic), 논리 블록(logical block), 부품(component), 또는 회로(circuit) 등의 용어와 바꾸어 사용(interchangeably use)될 수 있다. "부"는, 일체로 구성된 부품의 최소 단위 또는 그 일부가 될 수 있다. "부"는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수도 있다. "부"는 기계적으로 또는 전자적으로 구현될 수 있다. 예를 들면, "부"는, 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 실시 예에 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 프로세서(예: 프로세서)에 의해 실행될 경우, 상기 하나 이상의 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 읽을 수 있는 저장매체는, 예를 들면, 메모리가 될 수 있다.

도 1은 일 실시예에 따른 머신러닝 기술을 적용한 전세사기 예측 시스템의 전체적인 구성을 도시한다. 도면에 도시된 바와 같이, 머신러닝 기술을 적용한 전세사기 예측 시스템(1)(이하, 간단히 '전세사기 예측 시스템'이라 함)은 머신러닝 기술을 적용한 전세사기 예측 장치(100)(이하, 간단히 '전세사기 예측 장치' 또는 더 간단히 '장치'라 함), 중개사 단말기(200) 및 계약자 단말기(300)를 포함한다.

전세사기 예측 장치(100)는 중개사 단말기(200) 및 계약자 단말기(200)와 네트워크를 통해 연결된다. 네트워크는 유무선 통신 네트워크일 수 있다.

전세사기 예측 장치(100)는 전세사기 예측을 위한 서비스(이하 간단히 '전세사기 예측 서비스' 또는 더 간단히 '서비스'라고도 함)를 중개사 단말기(200) 및 계약자 단말기(300)에 제공한다. 중개사 단말기(200)를 가진 기업-회원(중개사)가 전세사기 예측 서비스에 가입하여 서비스를 구독하는 것을 생각할 수 있다. 계약자 단말기(300)를 가진 개인-회원(계약자)가 전세사기 예측 서비스에 가입하여 서비스를 구독하는 것을 생각할 수 있다.

중개사는 해당 서비스를 제공받기 위해 전세사기 예측 장치가 제공하는 서비스에 가입할 수 있으며, 전세사기 예측 장치는 중개사를 기업-회원으로서 관리할 수 있다. 계약자는 해당 서비스를 제공받기 위해 전세사기 예측 장치가 제공하는 서비스에 가입할 수 있으며, 전세사기 예측 장치는 계약자를 개인-회원으로서 관리할 수 있다. 본 발명이 유료 회원, 무료 회원에 한정되지 않는다.

전세사기 예측 장치(100)는 전세사기 예측을 위한 서비스를 제공하는 회사 내 구축된 컴퓨터, 서버 등일 수 있다. 중개사 단말기(200)는 스마트폰, PC 등일 수 있다. 계약자 단말기(300)는 스마트폰, PC 등일 수 있다.

전세사기 예측 장치(100)는 부동산 매물(VL)의 등기부(10)에 기재된 정보에 접속 가능하다. 등기부를 제공하는 공식웹사이트(예를 들어 대한민국 인터넷등기소 웹사이트)에 직접 접속하여 정보를 읽어오는 것, API 방식으로 등기부에 기록된 정보를 읽어오는 것, 제3자가 제공하는 등기부에 기록된 정보를 읽어오는 것 등 다양한 방식으로 가능하다.

등기부(10)는 부동산에 관한 권리관계 및 현황이 기재된 공적 장부로서 표제부, 갑구 및 을구로 구성되며, 갑구에는 소유권과 관계가 있는 사항이, 을구에는 소유권 이외의 권리(저당권, 전세권 지역권, 지상권)가 기록되어 있는 바, 전세사기 예측 장치(100)는 해당 부동산에 대한 소유권에 관한 정보, 소유권 이외의 권리에 관한 정보를 읽어들일 수 있다.

또한 전세사기 예측 장치(100)는 부동산 매물(VL)의 공시지가를 제공하는 웹사이트(20)에 접속 가능하다. 공시지가를 제공하는 공식웹사이트(예를 들어 대한민국 국토교통부 공시지가 알리미 웹사이트)에 직접 접속하여 정보를 읽어오는 것, API 방식으로 공시지가를 제공하는 웹사이트에서 제공하는 정보를 읽어오는 것, 제3자가 제공하는 공시지가 정보를 읽어오는 것 등 다양한 방식으로 가능하다.

도면에 도시되지는 않았지만 전세사기 예측 장치는 부동산 매물의 등기부에 기재된 정보를 읽어오기 위한 프로세서와 통신부, 그리고 읽어온 정보를 저장하기 위한 메모리 등을 포함할 수 있다. 또한 전세사기 예측 장치는 부동산 매물의 공시지가 정보를 읽어오기 위한 프로세서와 통신부, 그리고 읽어온 정보를 저장하기 위한 메모리 등을 포함할 수 있다. 이에 한정되지 않으며 외부 사이트(즉, 외부 서버와 같이)에 접속하기 위한 다양한 구성을 포함할 수도 있다.

이하에서 설명하는 계약자는 세입자일 수 있고, 소유자는 임대인일 수 있다. 일 실시예에 따른 전세사기 예측 시스템은 임대인-세입자가 존재하는 계약 구조에 다양하게 적용 가능하나, 본 발명에서는 전세계약을 기준으로 설명하기로 한다.

도 2는 일 실시예에 따른 전세사기 예측 장치(100)의 상세한 구성을 도시한다. 도 2에 도시된 바와 같이, 전세사기 예측 장치(100)는 사전조사 분석 모듈(110), 사후관리 분석 모듈(120) 및 회원 관리 모듈(130)을 포함한다.

사전조사 분석 모듈(110)은 계약자의 전세 계약 시점 이전에 부동산 매물의 주소 정보를 기초로 권리 안정성 조사를 수행한다.

사후관리 분석 모듈(120)은 계약자의 전세 계약 시점 이후에 부동산 매물의 주소 정보를 기초로 권리 안정성 조사를 수행한다.

이때, 전세 계약 시점은 전세 계약서를 작성하는 시점을 의미할 수 있다. 계약 양 당사자간에 계약의 의무가 발생하는 시점을 의미할 수 있다. 여기서 사전조사 분석 모듈의 역할과 사후관리 분석 모듈의 역할이 구별된다. 사전조사 분석 모듈은 계약서를 작성하기 직전까지 권리 안정성 조사를 수행하는 역할을 한다. 사후관리 분석 모듈은 계약서를 작성한 직후부터 권리 안정성 조사를 수행하는 역할을 한다.

다만 반드시 사전조사 분석 모듈 및 사후관리 분석 모듈이 별도로 존재하여야 하는 요소로 제한 해석 되지는 않으며, 하나의 모듈이 시간적 차이를 두고서 사전조사 분석과 사후관리 분석을 모두 수행하는 것도 가능하다.

일 실시예에 따른 권리 안정성 조사는 주소 정보를 기초로 부동산 매물의 등기부상 갑구 및 을구에 기재된 사항에 관한 제1 정보 조사, 및 주소 정보를 기초로 부동산 매물의 공시지가에 관한 제2 정보 조사를 포함할 수 있다. 제1 정보 조사와 제2 정보 조사는 모두 해당 부동산 매물에 대한 주소 정보를 기초로 이루어진다는 점에서 공통된다.

일 실시예에 따른 제2 정보 조사는 부동산 매물의 물건지에 대하여 기설정된 범위 내의 동일한 건물 형태 및 층수를 갖는 하나 이상의 부동산들에 대한 공시지가 평균값에 관한 조사를 포함할 수 있다. 이는 해당 부동산 매물에 대한 공시지가가 형성되지 않은 경우(신축 빌라와 같이)를 대비한다. 또는 이는 해당 부동산 매물에 대한 공시지가가 표본군이 적은 경우(허위 공시지가가 형성된 경우와 같이)를 대비한다.

일 실시예에 따른 기설정된 범위는 행정구역으로서 행정동 단위일 수 있다. 또는 일 실시예에 따른 기설정된 범위는 해당 부동산 매물의 반경 일정 거리 내일 수 있다. 해당 부동산 매물의 지역적 내지는 지리적 특성에 기반하여 머신러닝 기술을 적용하여 행정동 단위와 반경 일정 거리 내 중에서 유연하게 선택될 수 있다.

주소 정보는 사용자(즉, 기업-회원 또는 개인-회원, 이하에서는 기업-회원 또는 개인-회원을 간단히 '회원'이라고도 함)로부터 입력받은 것일 수 있다.

또는 주소 정보는 회원의 개인정보로부터 읽어온 것일 수도 있다. 특히 사후관리 분석 모듈(120)은 사전조사 분석 모듈(110)과 달리 정해진 주소 하나에 대한 서비스를 제공한다는 점에서 회원이 서비스 가입시 입력한 주소 정보(즉, 계약자가 전세 계약을 체결한 물건지)를 읽어온 것일 수 있다.

회원 관리 모듈(130)은 중개사 단말기(200)와 통신하며 기업-회원(중개사)에게 사전조사 분석 모듈(110)에 의한 조사 결과를 제공하고, 계약자 단말기(300)와 통신하며 개인-회원(계약자)에게 사후관리 분석 모듈(120)에 의한 조사 결과를 제공한다.

일례로, 기업-회원이 특정 주소 정보를 장치(100)에 입력하면, 장치(100)의 사전조사 분석 모듈(110)은 입력된 주소 정보에 대해 권리 안정성 조사를 수행하고, (아직 전세 계약이 이루어지지 않은 바 사후관리 분석 모듈에 의한 동작은 생략된 채로) 회원 관리 모듈(130)은 사전조사 분석 모듈에 의한 조사 결과를 기업-회원에게 제공한다. 중개사가 부동산 매물에 대한 권리 안정성을 조사하는 과정을 생각할 수 있다.

또한 일례로, 개인-회원이 특정 주소 정보(일반적으로 자신이 전세계약을 체결한 부동산 매물의 물건지일 것임)를 장치(100)에 입력하면, 장치(100)의 사후관리 분석 모듈(120)은 입력된 주소 정보에 대해 권리 안정성 조사를 수행하고, (이미 사전조사 분석 모듈에 의한 권리 안정성 조사 이후에 이를 바탕으로 전세 계약이 체결된 시점 이후이므로 사전조사 분석 모듈에 의한 동작은 생략된 채로) 회원 관리 모듈(130)은 사후관리 분석 모듈에 의한 조사 결과를 개인-회원에게 제공한다. 계약자가 부동산 매물에 대한 권리 안정성 리포트를 제공받는 과정을 생각할 수 있다.

이때, 사전조사 분석 모듈과 사후관리 분석 모듈은 서로 연동하여 동작할 수 있는데, 본 서비스의 기업-회원인 중개사에 의해 체결된 전세 계약인 경우 본 서비스의 개인-회원인 계약자에게 자동적으로 사후관리 분석 모듈에 의한 조사 결과가 제공될 수 있다. 예를 들어, 중개사가 중개한 임대인과 세입자간 전세 계약이 있다면 일 실시예에 따른 장치는 전세 계약서 작성하기 전까지는 해당 중개사에게 사전조사 분석 모듈에 의한 조사 결과를 제공하고 전세 계약서를 작성한 이후부터는 해당 세입자에게 사후관리 분석 모듈에 의한 조사 결과를 제공할 수 있다. 중개사는 기업-회원으로서 자신이 중개한 물건을 본 서비스에 입력하였을 것이므로 전세 계약이 체결된 물건에 대해서는 자동적으로 해당 세입자에게 조사 결과가 제공되도록 하는 것이 가능하다.

이하, 도 3 내지 도 10을 참조하여 각 모듈들의 동작을 보다 상세히 살펴본다.

도 3은 일 실시예에 따른 사전조사 분석 모듈(110)의 상세한 구성을 도시한다. 도 4는 일 실시예에 따른 사후권리 분석 모듈(120)의 상세한 구성을 도시한다. 도 5는 일 실시예에 따른 회원 관리 모듈(130)의 상세한 구성을 도시한다. 그리고 도 6은 일 실시예에 따른 사전조사 분석 모듈 및 사후관리 분석 모듈에 의한 시각화의 구현 예를 도시한다.

먼저 도 3을 참조하면, 사전조사 분석 모듈(110)은 제1 시각화부(112), 제2 시각화부(114), 제3 시각화부(116) 및 위험구역 분류부(118)를 포함한다.

제1 시각화부(112)는 제1 정보 조사를 바탕으로, 부동산 매물의 소유자 정보를 추출하여 시각화하고 계약자에 우선하는 선순위변제자 정보를 추출하여 시각화한다.

제2 시각화부(114)는 제2 정보 조사를 바탕으로, 부동산 매물의 적정 전세가액 범위를 추출하여 시각화한다.

제3 시각화부(116)는 제1 정보 조사 및 제2 정보 조사를 바탕으로 현 시점에서 계약자의 전세금이 반환 가능한지에 관한 위험도 정보를 추출하여 시각화한다.

각 시각화부는 시각화를 위한 정보 추출을 위한 알고리즘을 구비할 수 있다. 일례로, 제1 시각화부는 등기부로부터 소유자 정보 및 선순위변자자 정보를 추출하기 위한 알고리즘에 의해 동작할 수 있다. 제2 시각화부는 공시지가로부터 해당 부동산 매물의 적정 전세가액 범위를 추출하기 위한 알고리즘에 의해 동작할 수 있다. 제3 시각화부는 현 시점에서 계약자가 계약시 전세금의 반환이 가능한지에 대한 위험도를 연산하기 위한 알고리즘에 의해 동작할 수 있다. 이러한 알고리즘들은 OCR 문자 인식, 인공지능 학습 알고리즘 등 다양한 방식을 포함할 수 있다.

제1 내지 제3 시각화부들 각각에 의한 시각화한 일 구현예가 도 5에 도시된다. 도면에 도시된 바와 같이, 해당 부동산 매물에 대한 소유자 표시자(GUI1), 해당 부동산 매물에 대한 선순위 변제자 표시자(GUI2), 해당 부동산 매물에 대한 적정 전세가액 표시자(GUI3) 및 해당 부동산 매물에 대한 위험도 표시자(GUI4)가 디스플레이부(미도시)에 표시되도록 구현될 수 있다. 디스플레이부는 중개사 단말기 또는 계약자 단말기에 구비되는 LCD, LED, OLED 등과 같은 표시 장치일 수 있다. 예를 들어, 도 5에 도시된 표시자들이 중개사 단말기 또는 계약자 단말기의 화면에 구현될 수 있다.

일례로, 해당 부동산 매물의 등기부의 갑구에 기재된 사항을 OCR 인식 알고리즘으로 추출하여 소유자 표시자(GUI1)를 생성할 수 있다. 해당 부동산 매물의 등기부의 을구에 기재된 사항을 OCR 인식 알고리즘으로 추출하여 선순위변제자 표시자(GUI2)를 생성할 수 있다. 해당 부동산 매물의 공시지가를 웹크롤링 기법, API 방식 등을 통하여 추출하여 적정 전세가액 표시자(GUI3)를 생성할 수 있다. 해당 부동산 매물의 선순위변제자들이 우선변제 받을 금액, 공시지가, 해당 지역 공시지가 평균값, 경매시 낙찰가율, 및 현 시점 기준 적용 CD 금리를 이용하여 위험도 표시자(GUI4)를 생성할 수 있다.

이러한 시각화 과정의 정확도와 연산 효율성을 높이기 위해 머신러닝 기법이 적용될 수 있다. 이를 위해, 의사결정 나무(Decision Tree), 베이지안 망(Bayesian network), 서포트 벡터 머신(SVM: support vector machine), 인공 신경망(ANN: Artificial Neural Network) 등이 적용될 수 있다. 또한, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network), MLP(Multilayer Perceptron), CNN(Convolutional Neural Network)와 같은 방식의 네트워크 모델들을 포함할 수 있다. 또한 지도 학습(supervised learning), 비 지도 학습(unsupervised learning), 준 지도 학습(semi-supervised learning), 강화 학습(reinforcement learning) 등 다양한 인공 신경망의 학습 방식이 적용될 수 있다.

위험구역 분류부(128)는 위험도 정보가 기설정된 수준 이상인 부동산 매물을 행정구역별로 카운팅하고, 카운팅된 횟수가 기설정된 횟수 이상인 행정구역을 위험구역으로 분류한다.

도 7은 일 실시예에 다른 위험구역 분류부에 의해 위험도 정보가 기설정된 수준 이상인 부동산 매물을 행정구역별로 카운팅하는 과정을 개략적으로 도시한다. 도면을 참조하면, 13개의 행정구역이 존재하고, 각 행정구역에 대해 기설정된 수준 이상인 위험도를 갖는 부동산 매물이 카운팅될 수 있으며(도면에 도시된 점이 기설정된 수준 이상인 위험도를 갖는 부동산 매물을 지도상에 표시한 것이라 보면 된다), 도시된 예에서는 도면 우측 맨 아래 위치한 행정구역이 위험구역으로 분류될 수 있다.

이러한 위험구역으로 분류된 부동산 매물에 대해서는 상술한 제2 시각화부에 의한 시각화 과정에 있어서 부동산 매물의 적정 전세가액 범위를 위험구역으로 분류되지 않은 부동산 매물 대비 낮게 추출되도록 한다. 즉, 위험구역 내 부동산 매물에 대해서는 적정 전세가액 자체를 낮게 설정함으로써 표시자(GUI3, 도 6 참조)를 통해 사용자가 직관적으로 적정 전세가액을 인지할 수 있도록 한다. 그리고 이렇게 낮게 추출된 적정 전세가액은 위험도 연산 과정에도 적용되어 표시자(GUI4, 도 6 참조)를 생성함에 있어서 반영되어 사용자가 직관적으로 위험도 수준을 타지역 대비 높은 것으로 인지할 수 있도록 한다. 예를 들어, 도 6에서는 적정 전세가액이 공시지가(1.1억)의 150%에 해당하는 금액(약 1.6억)의 약 80% 수준인 1.35억 근방이 적정 전세가액임이 표시되고, 이때 선순위변제자들을 고려한 위험도가 중간 수준인 것으로 표시된다.

계속하여 도 4를 참조하면, 사후관리 분석 모듈(120)은 제1 시각화부(122), 제2 시각화부(124), 제3 시각화부(126), 위험구역 분류부(128) 및 리포트 생성부(129)를 포함한다. 제1 시각화부, 제2 시각화부, 제3 시각화부 및 위험구역 분류부는 도 3에서 상술한 제1 내지 제3 시각화부들 및 위험구역 분류부(112, 114, 116, 118)와 동일한 설명이 적용될 수 있는 바 이하에서는 리포트 생성부를 중심으로 설명하기로 한다.

리포트 생성부(129)는 상술한 제1 시각화부(122), 제2 시각화부(124), 제3 시각화부(126) 및 위험구역 분류부(128)의 동작 결과를 종합하여 기설정된 기간마다 리포트를 생성한다. 리포트는 사후관리 분석 모듈에 의한 조사 결과로서 계약자 단말기에 제공될 수 있다.

즉, 리포트 생성부(129)는 기설정된 기간마다 부동산 매물의 소유자 정보를 추출하여 소유자 변동 유무에 관한 제1 정보, 부동산 매물의 계약자에 우선하는 선순위변제자 정보를 추출하여 순위 변동 유무에 관한 제2 정보, 부동산 매물의 적정 전세가액 범위를 추출하여 가액 변동 유무에 관한 제3 정보, 부동산 매물의 계약자의 전세금이 반환 가능한지에 관한 위험도 정보를 추출하여 위험도 변동 유무에 관한 제4 정보, 및 부동산 매물의 위험도 정보에 기반한 위험구역을 분류하여 부동산 매물이 위험구역에 속하게 되었는지에 관한 제5 정보를 종합하여 리포트 형식으로 생성할 수 있다.

도 8A 및 도 8B는 일 실시예에 따른 리포트 생성부에 의해 생성된 리포트의 일 구현예를 도시한다.

도 8A를 참조하면, 2023년 5월 자로 생성된 리포트가 계약자 단말기의 화면에 구현될 수 있다. 리포트는 제1 정보, 제2 정보, 제3 정보, 제4 정보 및 제5 정보에 관한 표시자들을 포함할 수 있고 또한, 요약 정보로서 전월 대비 변동사항이 없음을 알리는 문구가 포함될 수 있다. 이때 전월은 2023년 4월 자일 수 있고, 한편 도 8A에서는 기설정된 기간이 월단위로서 이러한 기설정된 기간은 가변적일 수 있는 바 이에 관해서는 후술한다.

도 8B를 참조하면, 2023년 6월 자로 생성된 리포트가 계약자 단말기의 화면에 구현될 수 있다. 리포트는 제1 정보, 제2 정보, 제3 정보, 제4 정보 및 제5 정보에 관한 표시자들을 포함할 수 있고 또한, 요약 정보로서 전월 대비 변동사항이 발생하였음을 알리는 문구가 포함될 수 있다. 변동사항이 발생하였는 바 이러한 리포트를 받는 계약자 단말기 사용자가 전문가와의 상담을 위한 채널로 바로 연결될 수 있도록 하는 링크 표시자도 도면에 도시된 바와 같이 함께 제공될 수 있다.

이때, 링크 표시자는 사용자에 의한 터치 입력시 계약자 단말기의 화면을 새로운 화면으로 전환할 수 있으며, 전환된 새로운 화면에서는 전문가와의 상담을 위한 외부 서비스(법률 상담 서비스 제공 회사의 서비스 접속 웹페이지와 같이)를 제공할 수도 있고, 본 서비스를 제공하는 회사에서 제공하는 자체 서비스일 수도 있다. 이는 계약자에게 신속한 대응을 가능하게 할 뿐만 아니라 본 서비스를 제공하는 회사에게 새로운 비즈니스 모델을 제공하기도 한다.

한편, 이러한 리포트는 장치(100)의 사후관리 분석 모듈(120)의 리프토 생성부(129)에 의해 생성되고 회원 관리 모듈(130)에 의해 계약자 단말기(300)로 제공될 수 있다. 도 5에 도시된 바와 같이, 회원 관리 모듈(130)은 기업-회원 관리부(132), 개인-회원 관리부(134) 및 통신부(136)를 포함할 수 있다. 기업-회원 관리부(132)는 기업-회원(중개사와 같이)의 서비스 구독을 위한 회원정보를 관리할 수 있다. 개인-회원 관리부(134)는 개인-회원(계약자와 같이)의 서비스 구독을 위한 회원정보를 관리할 수 있다. 통신부(136)는 기업-회원이 원하는 물건지에 대한 권리 안정성 조사 결과를 기업-회원 단말기로 제공하기 위해 정보를 송수신할 수 있다. 또한 통신부는 개인-회원이 원하는 물건지에 대한 권리 안정성 조사 결과를 개인-회원 단말기로 제공하기 위한 정보를 송수신할 수 있다.

도 9는 다른 일 실시예에 따른 리포트 생성부에 의해 생성된 리포트의 일 구현예를 도시한다.

도 9를 참조하면, 2023년 5월 16일 자로 생성된 리포트가 계약자 단말기의 화면에 구현될 수 있다. 리포트는 상술한 바와 같은 제1 정보 내지 제5 정보에 관한 표시자들을 포함할 수 있고 또한, 요약 정보로서 전일 대비 변동사항이 없음을 알리는 문구가 포함될 수 있다. 이때 전일은 2023년 5월 15일 자일 수 있고, 이는 기설정된 기간이 일 단위일 수 있다. 즉, 계약 시점이 2023년 5월 15일인 경우 그 다음 날인 16일부터는 매일 리포트가 발행되어 계약자 단말기에 제공된다.

도 8에서 상술한 리포트가 월 단위 리포트라면 도 9는 일 단위 리포트라 할 수 있다. 전세사기의 특징을 고려하면 계약 시점 직후에 임대인의 갑작스런 변경이 이루어지는 바, 계약 시점 이후 한 달간은 이와 같은 일 단위 리포트를 발행하여 계약자 단말기에 제공함으로써 계약자가 좀 더 신속히 전세사기에 대비할 수 있도록 한다.

도 10은 또 다른 일 실시예에 따른 리포트 생성부에 의해 생성된 리포트의 일 구현예를 도시한다.

도 10을 참조하면, 2023년 5월 15일 13시에 생성된 리포트가 계약자 단말기의 화면에 구현될 수 있다. 리포트는 상술한 바와 같은 제1 정보 내지 제5 정보에 관한 표시자들을 포함할 수 있고 또한, 요약 정보로서 1시간 전 대비 변동사항이 없음을 알리는 문구가 포함될 수 있다. 이때 1시간 전은 2023년 5월 15일 12시일 수 있고, 이는 기설정된 기간이 시간 단위일 수 있다. 즉, 계약 시점이 2023년 5월 15일 10시 30분인 경우 11시부터는 매 시간마다 리포트가 발행되어 계약자 단말기에 제공된다.

도 9에서 상술한 리포트가 일 단위 리포트라면 도 10은 시간 단위 리포트라 할 수 있다. 마찬가지로 전세사기의 특징을 고려하면 계약 시점 직후에 임대인의 갑작스런 변경이 이루어지는 바, 계약 시점 이후 계약 당일은 이와 같은 시간 단위 리포트를 발행하여 계약자 단말기에 제공함으로써 계약자가 좀 더 신속히 전세사기에 대비할 수 있도록 한다.

상술한 도 8 내지 도 10을 계약 시점 기준으로 다시 살펴보면, 계약 당일에는 계약자에게 도 10의 시간 단위 리포트가 발행되고, 계약 익일부터 한 달간은 계약자에게 도 9의 일 단위 리포트가 발행되며, 계약 한달 이후부터는 계약자에게 도 8의 월 단위 리포트가 발행되는 것으로 볼 수 있다.

즉, 일 실시예에 따른 기설정된 기간은 전세 계약 시점 이후에 가변적일 수 있다. 다시 말해, 기설정된 기간은 전세 계약 시점 직후에는 시간 단위이고 전세 계약 시점으로부터 하루(제1 기간)가 경과한 이후부터는 일 단위이며 전세 계약 시점으로부터 한 달(제2 기간)이 경과한 이후부터는 월 단위일 수 있다.

또한 기설정된 기간은 사용자에 의해 설정 가능하도록 구비될 수 있으며, 본 서비스 구독시 사용자가 리포트 받는 주기를 선택하는 방식일 수 있다.

상술한 리포트 생성부(129)는 리포트 생성 내용 및 리포트 생성 시점의 정확도를 향상시키기 위해 인공지능 AI 알고리즘을 통해 생성될 수 있다. 예를 들어, 리포트 생성 요청이 많은 지역에 대해서는 리포트를 받아볼 것을 계약자에게 추천하는 알고리즘을 적용하여 사용자 단말기에 제공할 수 있다.

본 발명의 실시예에 따른, 장치(또는 사용자 단말기)는 통신부, 프로세서, 및 메모리를 포함한다. 예를 들어, 장치(또는 사용자 단말기)는 컴퓨터와 같이 소프트웨어 또는 애플리케이션을 설치할 수 있는 단말일 수 있다.

통신부는 프로세서 및 메모리와 연결되어 데이터를 송수신한다. 통신부는 외부의 다른 장치와 연결되어 데이터를 송수신할 수 있다. 이하에서 "A"를 송수신한다라는 표현은 "A를 나타내는 정보(information) 또는 데이터"를 송수신하는 것을 나타낼 수 있다.

통신부는 서버 내의 회로망(circuitry)으로 구현될 수 있다. 예를 들어, 통신부는 내부 버스(internal bus) 및 외부 버스(external bus)를 포함할 수 있다. 다른 예로, 통신부는 서버와 외부의 장치를 연결하는 요소일 수 있다. 통신부는 인터페이스(interface)일 수 있다. 통신부는 외부의 장치로부터 데이터를 수신하여, 프로세서 및 메모리에 데이터를 전송할 수 있다.

프로세서는 통신부가 수신한 데이터 및 메모리에 저장된 데이터를 처리한다. "프로세서"는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.

프로세서는 메모리에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서에 의해 유발된 인스트럭션들을 실행한다.

메모리는 통신부가 수신한 데이터 및 프로세서가 처리한 데이터를 저장한다. 예를 들어, 메모리는 프로그램(또는 애플리케이션, 소프트웨어)을 저장할 수 있다. 저장되는 프로그램 또는 애플리케이션은 상품의 결제를 수행하도록 코딩되어 프로세서에 의해 실행 가능한 신텍스(syntax)들의 집합일 수 있다.

일 실시예에 따르면, 메모리는 하나 이상의 휘발성 메모리, 비휘발성 메모리 및 RAM(Random Access Memory), 플래시 메모리, 하드 디스크 드라이브 및 광학 디스크 드라이브를 포함할 수 있다.

메모리는 서버를 동작 시키는 명령어 세트(예를 들어, 소프트웨어 또는 애플리케이션)을 저장한다. 서버를 동작시키는 명령어 세트는 프로세서에 의해 실행된다.

지금까지 설명된 본 발명의 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

또한 본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 일 실시예들의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

1 : 머신러닝 기술을 적용한 전세사기 예측 시스템
100 : 머신러닝 기술을 적용한 전세사기 예측 장치
110 : 사전조사 분석 모듈
112 : 제1 시각화부
114 : 제2 시각화부
116 : 제3 시각화부
118 : 위험구역 분류부
120 : 사후관리 분석 모듈
122 : 제1 시각화부
124 : 제2 시각화부
126 : 제3 시각화부
128 : 위험구역 분류부
129 : 리포트 생성부
130 : 회원 관리 모듈
132 : 기업-회원 관리부
134 : 개인-회원 관리부
136 : 통신부

Claims (10)

1. 머신러닝 기술을 적용한 전세사기 예측 장치로서,
   계약자의 전세 계약 시점 이전에 부동산 매물의 주소 정보를 기초로 권리 안정성 조사를 수행하는 사전조사 분석 모듈;
   계약자의 전세 계약 시점 이후에 상기 부동산 매물의 상기 주소 정보를 기초로 권리 안정성 조사를 수행하는 사후관리 분석 모듈; 및
   중개사 단말기와 통신하며 기업-회원(중개사)에게 상기 사전조사 분석 모듈에 의한 조사 결과를 제공하고, 계약자 단말기와 통신하며 개인-회원(계약자)에게 상기 사후관리 분석 모듈에 의한 조사 결과를 제공하는 회원 관리 모듈;을 포함하며, 상기 권리 안정성 조사는
   상기 주소 정보를 기초로 상기 부동산 매물의 등기부상 갑구 및 을구에 기재된 사항에 관한 제1 정보 조사, 및 상기 주소 정보를 기초로 상기 부동산 매물의 공시지가에 관한 제2 정보 조사를 포함하며,
   상기 사전조사 분석 모듈 및 상기 사후관리 분석 모듈은 각각
   상기 제1 정보 조사를 바탕으로, 상기 부동산 매물의 소유자 정보를 추출하여 시각화하고 상기 계약자에 우선하는 선순위변제자 정보를 추출하여 시각화하는 제1 시각화부;
   상기 제2 정보 조사를 바탕으로, 상기 부동산 매물의 적정 전세가액 범위를 추출하여 시각화하는 제2 시각화부; 및
   상기 제1 정보 조사 및 상기 제2 정보 조사를 바탕으로 현 시점에서 계약자의 전세금이 반환 가능한지에 관한 위험도 정보를 추출하여 시각화하는 제3 시각화부;를 포함하며,
   상기 제1 내지 제3 시각화부는
   상기 부동산 매물에 대한 소유자 표시자, 상기 부동산 매물에 대한 선순위 변제자 표시자, 상기 부동산 매물에 대한 적정 전세가액 표시자 및 상기 부동산 매물에 대한 위험도 표시자가 디스플레이부에 표시되도록 구현하며,
   상기 소유자 표시자는 상기 부동산 매물의 등기부의 갑구에 기재된 사항을 OCR 인식 알고리즘으로 추출하여 생성되며,
   상기 선순위변제자 표시자는 상기 부동산 매물의 등기부의 을구에 기재된 사항을 OCR 인식 알고리즘으로 추출하여 생성되며,
   상기 적정 전세가액 표시자는 상기 부동산 매물의 공시지가를 웹크롤링 기법, 및 API 방식 중 적어도 하나를 통하여 추출하여 생성되며,
   상기 위험도 표시자는 상기 부동산 매물의 선순위변제자들이 우선변제 받을 금액, 공시지가, 해당 지역 공시지가 평균값, 경매시 낙찰가율, 및 현 시점 기준 적용 CD 금리를 이용하여 생성되며,
   상기 제1 내지 제3 시각화부에 의해 생성된 상기 소유자 표시자, 상기 선순위 변제자 표시자, 상기 적정 전세가액 표시자 및 상기 위험도 표시자는 상기 디스플레이부의 하나의 화면에 구현되고,
   상기 제1 내지 제3 시각화부는 머신 러닝 기법을 이용하여 상기 소유자 표시자, 상기 선순위 변제자 표시자, 상기 적정 전세가액 표시자 및 상기 위험도 표시자의 정확도와 연산 효율을 높이고,
   상기 사후관리 분석 모듈은
   기설정된 기간마다 상기 부동산 매물의 소유자 정보를 추출하여 소유자 변동 유무에 관한 제1 정보, 상기 부동산 매물의 상기 계약자에 우선하는 선순위변제자 정보를 추출하여 순위 변동 유무에 관한 제2 정보, 상기 부동산 매물의 적정 전세가액 범위를 추출하여 가액 변동 유무에 관한 제3 정보, 상기 부동산 매물의 상기 계약자의 전세금이 반환 가능한지에 관한 위험도 정보를 추출하여 위험도 변동 유무에 관한 제4 정보 및 상기 부동산 매물의 상기 위험도 정보에 기반한 위험구역을 분류하여 상기 부동산 매물이 위험구역에 속하게 되었는지에 관한 제5 정보를 종합하여 리포트 형식으로 생성하는 리포트 생성부; 및
   상기 위험도 정보가 기설정된 수준 이상인 부동산 매물을 행정구역별로 카운팅하고, 카운팅된 횟수가 기설정된 횟수 이상인 행정구역을 위험구역으로 분류하는 위험구역 분류부;를 더 포함하되,
   상기 위험구역 내 부동산 매물에 대해서는 상기 적정 전세가액 범위를 그렇지 않은 부동산 매물보다 낮게 추출하는, 장치.
2. 삭제
3. 제1항에 있어서,
   상기 부동산 매물의 공시지가에 관한 제2 정보 조사는 상기 부동산 매물의 물건지에 대하여 기설정된 범위 내의 동일한 건물 형태 및 층수를 갖는 하나 이상의 부동산들에 대한 공시지가 평균값에 관한 조사를 포함하는, 장치.
4. 제3항에 있어서,
   상기 기설정된 범위는 행정구역으로서 행정동 단위인, 장치.
5. 삭제
6. 삭제
7. 삭제
8. 제1항에 있어서,
   상기 기설정된 기간은 상기 전세 계약 시점 이후에 가변적인 것인, 장치.
9. 제1항에 있어서,
   상기 기설정된 기간은 상기 전세 계약 시점 직후에는 시간 단위이고 상기 전세 계약 시점으로부터 제1 기간이 경과한 이후부터는 일 단위이며 상기 전세 계약 시점으로부터 제2 기간이 경과한 이후부터는 월 단위인, 장치.
10. 제1항에 있어서,
    상기 리포트 생성부는 인공지능 AI 알고리즘을 통해 생성되는, 장치.

Images