KR102689996B1 - 스마트 부동산 매칭 시스템 - Google Patents

스마트 부동산 매칭 시스템 Download PDF

Info

Publication number
KR102689996B1
KR102689996B1 KR1020230195839A KR20230195839A KR102689996B1 KR 102689996 B1 KR102689996 B1 KR 102689996B1 KR 1020230195839 A KR1020230195839 A KR 1020230195839A KR 20230195839 A KR20230195839 A KR 20230195839A KR 102689996 B1 KR102689996 B1 KR 102689996B1
Authority
KR
South Korea
Prior art keywords
real estate
information
user
refers
meeting
Prior art date
Application number
KR1020230195839A
Other languages
English (en)
Inventor
신재호
Original Assignee
신재호
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 신재호 filed Critical 신재호
Priority to KR1020230195839A priority Critical patent/KR102689996B1/ko
Application granted granted Critical
Publication of KR102689996B1 publication Critical patent/KR102689996B1/ko

Links

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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • 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
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • 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
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 부동산 시장 정보를 분석하여 사용자가 원하는 부동산 정보를 맞춤으로 제공할 수 있는 스마트 부동산 매칭 시스템에 관한 것이다. 본 발명은 사용자 단말 및 사용자 단말로부터 사용자 정보 및 부동산 니즈 정보를 수집하고 외부 서버로부터 부동산 시장 정보를 수집하며 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 분석하여 사용자 맞춤형 부동산을 추천하는 부동산 추천 서버를 포함할 수 있다.

Description

스마트 부동산 매칭 시스템{SMART REAL ESTATE MATCHING SYSTEM}
본 발명은 스마트 부동산 매칭 시스템에 관한 것으로, 더욱 상세하게는 부동산 시장 정보를 분석하여 사용자가 원하는 부동산 정보를 맞춤으로 제공할 수 있는 스마트 부동산 매칭 시스템에 관한 것이다.
최근 수년간 부동산 시장에 대한 관심이 꾸준히 높아지고 있다. 홀로서기를 시작하며 자취할 곳이 필요한 20대 사회초년생도, 결혼이나 내 집 마련을 목표로 열심히 일하는 30대 청년들도, 부동산 투자를 통한 노후대책 마련과 재테크에 관심이 많은 중장년층까지, 부동산은 현재 전 국민 최대의 관심사 중 하나라고 보아도 과언이 아닐 것이다.
이런 추세에 발맞춰 시간과 장소에 구애받지 않고 부동산 정보를 실시간으로 확인할 수 있는 부동산 앱의 수요도 매년 증가하고 있다.
다만, 부동산 시장의 불확실성이 높아짐에 따라 부동산 예측에 대한 사회적 관심이 확대되고 있다. 부동산 시장은 매우 다양한 요인에 의해 영향을 받으며, 특히 사람의 주관적인 심리 및 감성 등에 의해 영향을 많이 받으므로, 부동산 시장을 예측하기가 쉽지 않다.
IT 기술의 발달에 따라 소셜 네트워크(예를 들어, 트위터, 페이스북, 카카오 스토리 등), 블로그, 카페, 뉴스 등의 온라인 상에는 부동산 시장에 대한 많은 사람들의 의견, 감성, 심리 등이 반영 되고 있다. 이에, 온라인 상의 비정형화된 부동산 관련 빅데이터를 이용하여 부동산 시장을 예측할 수 있는 방안이 요구된다.
한국등록특허 제10-1849544호(2018.04.11)
따라서 본 발명은 상술한 문제점을 해결하기 위해 도출된 것으로서, 본 발명은 부동산 시장 정보를 분석하여 사용자가 원하는 부동산 정보를 맞춤으로 제공할 수 있는 스마트 부동산 매칭 시스템을 제공하는데 그 목적이 있다.
또한, 본 발명은 빅데이터 분석을 통해 부동산 동향, 부동산 가격 변동 등을 실시간으로 파악하여 사용자가 원하는 조건 및 우선순위에 따라 개인화된 부동산을 추천해줄 수 있는 스마트 부동산 매칭 시스템을 제공하는데 다른 목적이 있다.
본 발명의 다른 목적들은 이하에 서술되는 실시예를 통하여 더욱 명확해질 것이다.
본 발명의 일 측면에 따른 스마트 부동산 매칭 시스템은 사용자 단말 및 사용자 단말로부터 사용자 정보 및 부동산 니즈 정보를 수집하고 외부 서버로부터 부동산 시장 정보를 수집하며 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 분석하여 사용자 맞춤형 부동산을 추천하는 부동산 추천 서버를 포함할 수 있다.
또한, 부동산 추천 서버는, 사용자 단말로부터 사용자 정보 및 부동산 니즈 정보를 수집하는 사용자 정보 수집부, 외부 서버로부터 부동산 시장 정보를 수집하는 부동산 정보 수집부, 인공지능 기반으로 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 분석하는 정보 분석부 및 분석 결과에 따라 사용자 맞춤형 부동산을 추천하는 부동산 추천부를 포함할 수 있다.
또한, 부동산 추천 서버는, 사용자 단말의 위치 정보 또는 사용자 정보에 따라 사용자 그룹을 분류하고, 사용자 그룹에서 건물 용도 및 거래 목적을 포함하는 모임 주제별로 모임 채팅방을 생성하며, 모임 채팅방의 참여도에 따라 중개 수수료 할인 포인트를 제공하는 부동산 커뮤니티 관리부를 더 포함하고, 중개 수수료 할인 포인트는 아래의 수학식 1을 기반으로 산출하고,
[수학식 1]
는 중개 수수료 할인 포인트를 의미하고, 는 모임 채팅방의 출석 횟수를 의미하고, 는 모임 채팅방의 채팅 질의 횟수를 의미하고, 은 모임 채팅방의 채팅 응답 횟수를 의미하고, 는 모임 채팅방에 입력한 채팅의 좋아요 개수를 의미하고, 는 모임 채팅방에 입력한 채팅의 공유 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 유해 텍스트를 포함하는 채팅 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 유해 텍스트의 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 i번째 유해 텍스트에 대한 가중치를 의미하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 따른 스마트 부동산 매칭 시스템은 다음과 같은 효과를 제공한다.
본 발명은 부동산 시장 정보를 분석하여 사용자가 원하는 부동산 정보를 맞춤으로 제공할 수 있는 효과가 있다.
본 발명은 빅데이터 분석을 통해 부동산 동향, 부동산 가격 변동 등을 실시간으로 파악하여 사용자가 원하는 조건 및 우선순위에 따라 개인화된 부동산을 추천해줄 수 있는 효과가 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 스마트 부동산 매칭 시스템을 도시한 개략도이다.
도 2는 본 발명의 일 실시예에 따른 스마트 부동산 매칭 시스템의 부동산 추천 서버를 설명하기 위한 블록도이다.
도 3은 본 발명의 다른 일 실시예에 따른 스마트 부동산 매칭 시스템의 부동산 추천 서버를 설명하기 위한 블록도이다.
도 4는 본 발명의 일 실시예에 따른 스마트 부동산 매칭 시스템의 부동산 추천 서버에서 부동산 추천 과정을 설명하기 위한 순서도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 첨부한 도면들을 참조하여 본 발명에 따른 실시예들을 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성 요소는 동일한 참조번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하 본 발명의 실시예들에 따른 스마트 부동산 매칭 시스템에 대하여 도 1 내지 도 4를 참조하여 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 스마트 부동산 매칭 시스템을 도시한 개략도이다.
도 1을 참조하면, 스마트 부동산 매칭 시스템은 사용자 단말(100) 및 부동산 추천 서버(200)를 포함할 수 있다.
사용자 단말(100)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등을 포함할 수 있다.
사용자 단말(100)은 본 발명의 일 실시예에 따른 기능을 수행하기 위하여 컴퓨터가 가지는 연산 기능, 저장 기능, 참조 기능, 입출력 기능, 제어 기능 중 어느 하나 이상을 포함할 수 있다.
사용자 단말(100)은 네트워크를 통해 부동산 추천 서버(200)와 연결될 수 있다. 네트워크는 사용자 단말(100) 및 부동산 추천 서버(200) 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 사용자 단말(100) 및 부동산 추천 서버(200)를 연결하는 망(Network)을 의미할 수 있다. 네트워크는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다.
사용자 단말(100)에는 어플리케이션 또는 웹사이트가 설치될 수 있다. 사용자 단말(100)은 어플리케이션 또는 웹사이트를 통해 부동산 추천 서버(200)에 접속하여 각종 데이터를 송수신할 수 있다.
부동산 추천 서버(200)는 자체 서버이거나 클라우드 서버일 수도 있고 분산된 노드들의 p2p(peer-to-peer) 집합일 수 있다. 부동산 추천 서버(200)는 프로세서 및 메모리를 포함할 수 있다. 프로세서는 프로그램을 실행하거나 부동산 추천 서버(200)를 제어할 수 있다. 프로세서에 의해 실행되는 프로그램 코드는 메모리에 저장될 수 있다. 메모리는 본 발명과 관련된 정보들을 저장하거나 방법을 구현하기 위한 프로그램을 저장할 수 있다. 메모리는 휘발성 메모리거나 비휘발성 메모리일 수 있다.
부동산 추천 서버(200)는 네트워크를 통해 사용자 단말(100)과 연결될 수 있다. 부동산 추천 서버(200)는 사용자 단말(100)로부터 사용자 정보 및 부동산 니즈 정보를 수집하고 외부 서버(미도시됨)로부터 부동산 시장 정보를 수집하여 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 분석할 수 있다. 여기서 외부 서버는 한국부동산원에서 관리하는 서버, 한국토지주택공사에서 관리하는 서버, 한국프롭테크포럼에서 관리하는 서버, 각종 소셜 네트워크, 블로그, 카페, 뉴스 등 온라인 상에서 부동산 시장 정보를 제공하는 서버 및 사이트를 포함할 수 있다.
부동산 추천 서버(200)는 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 분석하여 사용자 맞춤형 부동산을 추천할 수 있다.
이하, 도 2를 참조하여 부동산 추천 서버(200)에 대하여 상세히 설명한다.
도 2는 본 발명의 일 실시예에 따른 스마트 부동산 매칭 시스템의 부동산 추천 서버를 설명하기 위한 블록도이다.
도 2를 참조하면, 부동산 추천 서버(200)는 사용자 정보 수집부(210), 부동산 정보 수집부(220), 정보 분석부(230) 및 부동산 추천부(240)를 포함할 수 있다.
사용자 정보 수집부(210)는 사용자 단말(100)로부터 사용자 정보 및 부동산 니즈 정보를 수집할 수 있다. 사용자 정보 수집부(210)는 사용자 단말(100)의 사용자에 대한 인증을 완료한 후 사용자 단말(100)로부터 사용자 정보 및 부동산 니즈 정보를 수집할 수 있다. 예를 들어 인증은 연락처를 통한 사용자 단말(100)의 인증, 생체 인증, 아이디/패스워드 입력을 통한 인증, 인증서를 통한 인증 등을 포함할 수 있다.
사용자 정보는 사용자에 의해 입력될 수 있고, 사용자 이름, 사용자 성별, 사용자 생년월일, 사용자 연락처, 사용자 이메일, 사용자 주소, GPS(Global Positioning System) 기반 사용자 단말(100)의 현재 위치 정보 및 회원가입 아이디 중 적어도 하나를 포함할 수 있다. 여기서 회원가입 아이디는 사용자가 부동산 추천 서버(200)에 회원 가입을 통해 인증이 완료된 경우 생성될 수 있다.
부동산 니즈 정보는 사용자에 의해 입력될 수 있고, 사용자가 원하는 지역 정보와, 아파트, 오피스텔, 빌라, 주택, 상가/업무공장/토지 중 하나의 부동산 건물 용도 정보와, 분양, 청약, 매매, 전세, 월세, 경매, 재개발, 재건축 등 중 하나의 부동산 거래 목적 정보와, 사용자가 원하는 부동산 가격대와, 사용자가 원하는 건물 층수와, 사용자가 원하는 건물 평수와, 사용자가 원하는 인구 밀집도 정보와, 사용자가 원하는 교통 네트워크 정보와, 사용자가 원하는 편의 시설 정보와, 사용자가 원하는 인근 범죄율 정보 등을 포함할 수 있다.
사용자 정보 수집부(210)는 사용자 단말(100)로부터 부동산 니즈 정보에 대한 우선순위를 함께 수집할 수 있다. 사용자 정보 수집부(210)는 부동산 니즈 정보에서 사용자가 부동산 거래시 우선으로 고려하고 있는 정보에 대한 순위 정보를 수집하여 저장할 수 있다.
일 실시예에서, 사용자 정보 수집부(210)는 사용자 단말(100)에서 웹 사이트를 통해 검색한 부동산 검색 기록을 크롤링으로 수집하여 부동산 니즈 정보를 획득할 수 있다. 여기서 사용자 정보 수집부(210)는 사용자 정보, 특히 사용자 연락처, 사용자 이메일, 사용자 주소, 회원가입 아이디 등을 기반으로 부동산 검색 기록을 수집할 수 있다.
예를 들어, 사용자 정보 수집부(210)는 사용자 단말(100)에서 웹 사이트를 통해 서울, 아파트, 전세, 20평대, 4억원대, 중층, 지하철 역 거리 300m 이내, 버스 정류장 거리 100m 이내, 인근 헬스장, 수영장, 주민센터, 초등학교, 중학교, 고등학교 설치 여부 등을 검색했다면, 해당 부동산 검색 기록을 기반으로 부동산 니즈 정보를 획득할 수 있다. 이 경우 사용자 정보 수집부(210)는 사용자로부터 부동산 니즈 정보를 직접 입력 받는 번거로움 없이 웹 사이트의 크롤링을 통해 부동산 니즈 정보를 획득할 수 있어 사용자의 입력 편의성과 부동산 니즈 정보의 정확성을 향상시킬 수 있다.
사용자 정보 수집부(210)는 수집된 사용자 정보 및 부동산 니즈 정보를 사용자 데이터베이스에 저장할 수 있다. 사용자 데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터 구조를 가질 수 가질 수 있다. 사용자 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장 형태를 가질 수 있다. 사용자 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이터베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이터베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
부동산 정보 수집부(220)는 외부 서버로부터 부동산 시장 정보를 수집할 수 있다. 부동산 정보 수집부(220)는 외부 서버와 사전에 연계된 후 외부 서버로부터 부동산 시장 정보를 수집할 수 있다. 부동산 시장 정보는 지역별 거래 동향 및 가격 변동 정보를 포함하는 과거 부동산 거래 데이터, 지역별 인구 통계 정보, 지역별 경제 지표, 지역별 지리 공간 데이터, 지역별 교통 네트워크, 지역별 인구 밀도, 지역별 편의 시설, 지역별 범죄율, 지역별 상업지와 접근성 등을 포함할 수 있다.
부동산 정보 수집부(220)는 수집된 부동산 시장 정보를 부동산 데이터베이스에 저장할 수 있다. 부동산 데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터 구조를 가질 수 가질 수 있다. 부동산 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장 형태를 가질 수 있다. 부동산 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이터베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이터베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
정보 분석부(230)는 인공지능 기반으로 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 분석할 수 있다. 정보 분석부(230)는 복수의 사용자 단말(100)로부터 수집된 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 일정 분류를 기준으로 분류하여 학습할 수 있다.
한편, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다.
또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다.
인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 예를 들어, 인공지능 학습 모델은, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습 모델은, 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다.
기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 합성곱신경망(Convolution Neural Network, CNN), 컨볼루션 네트워크(Convolution Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.
이중, 합성곱신경망은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. 합성곱신경망은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 합성곱신경망은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, 합성곱신경망은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. 합성곱신경망은 또한 표준 역전달을 통해 훈련될 수 있다. 합성곱신경망은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭 아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현 예가 사용될 수 있다.
부동산 추천부(240)는 인공지능 기반으로 분석된 분석 결과에 따라 사용자 맞춤형 부동산을 추천할 수 있다. 부동산 추천부(240)는 사용자가 원하는 지역에서 부동산 건물 용도, 부동산 거래 목적, 부동산 가격대, 건물 층수, 건물 평수, 인구 밀집도, 교통 네트워크 정보, 편의 시설 정보, 인근 범죄율 등 우선순위에 따라 부동산 시장 정보를 기반으로 결정된 사용자 맞춤형 부동산을 제공할 수 있다.
부동산 추천부(240)는 사용자 맞춤형 부동산을 지도, 인공위성 사진, 가격 변동 그래프 등 다양한 시각적 자료로 생성하여 사용자 단말(100)에 제공할 수 있다.
일 실시예에서, 부동산 추천부(240)는 부동산 니즈 정보 및 부동산 시장 정보를 기반으로 부동산 중개 업체를 추천할 수 있다. 부동산 중개 업체는 아래의 수학식을 기반으로 산출되는 부동산 중개 업체 점수에 따라 추천될 수 있다.
[수학식]
는 부동산 중개 업체 점수를 의미하고, 는 부동산 중개 업체의 총 부동산 거래 횟수를 의미하고, 는 사용자의 부동산 니즈 정보에서 건물 용도와 일치하는 부동산 중개 업체의 부동산 거래 횟수를 의미하고, 는 사용자의 부동산 니즈 정보에서 거래 목적과 일치하는 부동산 중개 업체의 부동산 거래 횟수를 의미하고, 는 부동산 중개 업체의 거래 평점을 의미하고, 은 부동산 중개 업체의 거래 관련 리뷰 개수를 의미하고, 는 부동산 중개 업체의 중개 수수료에 대한 가중치를 의미할 수 있다.
여기서 부동산 중개 업체의 중개 수수료에 대한 가중치는 해당 부동산 중개 업체의 중개 수수료가 인근 부동산 중개 업체의 중개 수수료 평균과 동일하면 0, 평균 이상이면 -5, 평균 이하이면 +5로 대입될 수 있다.
예를 들어, 부동산 중개 업체의 총 부동산 거래 횟수가 180이고, 사용자의 부동산 니즈 정보에서 건물 용도와 일치하는 부동산 중개 업체의 부동산 거래 횟수가 100이고, 사용자의 부동산 니즈 정보에서 거래 목적과 일치하는 부동산 중개 업체의 부동산 거래 횟수가 50이고, 부동산 중개 업체의 거래 평점이 4.5이고, 부동산 중개 업체의 거래 관련 리뷰 개수가 10이고, 중개 수수료에 대한 가중치가 5일 때, 부동산 중개 업체 점수는 17일 수 있다.
다른 예를 들어, 부동산 중개 업체의 총 부동산 거래 횟수가 200이고, 사용자의 부동산 니즈 정보에서 건물 용도와 일치하는 부동산 중개 업체의 부동산 거래 횟수가 150이고, 사용자의 부동산 니즈 정보에서 거래 목적과 일치하는 부동산 중개 업체의 부동산 거래 횟수가 50이고, 부동산 중개 업체의 거래 평점이 4.3이고, 부동산 중개 업체의 거래 관련 리뷰 개수가 20이고, 중개 수수료에 대한 가중치가 0일 때, 부동산 중개 업체 점수는 14.6일 수 있다.
예에서 보면, 부동산 거래 횟수가 많더라도 중개 수수료에 대한 가중치가 낮으면 부동산 중개 업체 점수가 낮게 산출될 수 있다.
부동산 추천부(240)는 부동산 중개 업체의 부동산 중개 업체 점수에 따라 사용자에게 부동산 업체를 추천하여 사용자가 원하는 부동산 거래를 원활하게 수행할 수 있도록 하고, 동일 조건의 부동산 중개 업체라도 중개 수수료가 낮은 부동산 중개 업체를 추천할 수 있어 중개 수수료에 따른 사용자의 부담감을 최소화할 수 있다.
도 3은 본 발명의 다른 일 실시예에 따른 스마트 부동산 매칭 시스템의 부동산 추천 서버를 설명하기 위한 블록도이다.
도 3을 참조하면, 부동산 추천 서버(200a)는 사용자 정보 수집부(210a), 부동산 정보 수집부(220a), 정보 분석부(230a), 부동산 추천부(240a) 및 부동산 커뮤니티 관리부(250a)를 포함할 수 있다.
본 실시예에 따른 사용자 정보 수집부(210a), 부동산 정보 수집부(220a), 정보 분석부(230a) 및 부동산 추천부(240a)는 도 2에서 설명한 사용자 정보 수집부(210), 부동산 정보 수집부(220), 정보 분석부(230) 및 부동산 추천부(240)의 구성 및 기능과 동일하므로 상세한 설명을 생략한다.
부동산 커뮤니티 관리부(250a)는 사용자 단말(100)의 위치 정보 또는 사용자 정보에 따라 사용자 그룹을 분류하고, 사용자 그룹에서 건물 용도 및 거래 목적을 포함하는 모임 주제별로 모임 채팅방을 생성할 수 있다.
부동산 커뮤니티 관리부(250a)는 사용자 정보에서 사용자 주소 또는 사용자 단말(100)의 위치 정보에서 사용자가 거주하는 위치에 대한 정보, 사용자의 현재 위치에 대한 정보 및 사용자가 설정한 위치에 대한 정보 중 하나를 기초로 사용자의 모임 활동 장소를 결정하고, 모임에 가입한 복수의 사용자들을 각각의 모임 활동 장소에 따라 적어도 하나의 사용자 그룹으로 분류할 수 있다.
부동산 커뮤니티 관리부(250a)는 분류된 사용자 그룹에서 아파트, 오피스텔, 빌라, 주택, 상가/업무공장/토지 중 하나에 따른 건물 용도 및 분양, 청약, 매매, 전세, 월세, 경매, 재개발, 재건축 중 하나에 따른 거래 목적을 포함하는 모임 주제별로 모임 채팅방을 생성할 수 있다.
부동산 커뮤니티 관리부(250a)는 모임 채팅방이 생성되면 모임 채팅방에 참여한 모임 멤버를 관리할 수 있다. 모임 채팅방에서는 모임 멤버의 초대, 모임 멤버간 채팅, 모임 멤버간 일정 공유, 모임 멤버간 자료 공유 등의 기능을 제공할 수 있다.
부동산 커뮤니티 관리부(250a)는 모임 채팅방의 참여도에 따라 중개 수수료 할인 포인트를 제공할 수 있다. 중개 수수료 할인 포인트는 아래의 수학식 1을 기반으로 산출할 수 있다.
[수학식 1]
는 중개 수수료 할인 포인트를 의미하고, 는 모임 채팅방의 출석 횟수를 의미하고, 는 모임 채팅방의 채팅 질의 횟수를 의미하고, 은 모임 채팅방의 채팅 응답 횟수를 의미하고, 는 모임 채팅방에 입력한 채팅의 좋아요 개수를 의미하고, 는 모임 채팅방에 입력한 채팅의 공유 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 유해 텍스트를 포함하는 채팅 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 유해 텍스트의 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 i번째 유해 텍스트에 대한 가중치를 의미할 수 있다.
중개 수수료 할인 포인트는 사용자가 부동산 거래시 부동산 중개 업체의 중개 수수료를 할인 받는데 사용할 수 있다. 모임 채팅방에 입력한 채팅의 좋아요 개수는 사용자가 입력한 채팅 글에 다른 사용자가 도움이 되는 내용이 포함되어 있어 다른 사용자가 좋아요를 누른 개수를 의미할 수 있다. 모임 채팅방에 입력한 채팅의 공유 개수는 사용자가 입력한 채팅 글에 다른 사용자가 도움이 되는 내용이 포함되어 있어 다른 사용자가 또 다른 사용자에게 공유한 개수를 의미할 수 있다. 유해 텍스트에 대한 가중치는 유해 텍스트의 욕설, 폭언, 선정성 등의 심한 정도에 따라 달라질 수 있다.
예를 들어, 모임 채팅방의 출석 횟수가 한달 기준 20이고, 모임 채팅방의 채팅 질의 횟수가 한달 기준 10이고, 모임 채팅방의 채팅 응답 횟수가 한달 기준 5이고, 모임 채팅방에 입력한 채팅의 좋아요 개수가 3이고, 모임 채팅방에 입력한 채팅의 공유 개수가 2이고, 모임 채팅방에 입력한 채팅 중 유해 텍스트를 포함하는 채팅 개수가 3이고, 모임 채팅방에 입력한 채팅 중 유해 텍스트의 개수가 5이고, 모임 채팅방에 입력한 채팅 중 1번째 유해 텍스트에 대한 가중치가 5, 2번째 유해 텍스트에 대한 가중치가 3, 3번째 유해 텍스트에 대한 가중치가 3, 4번째 유해 텍스트에 대한 가중치가 1, 5번째 유해 텍스트에 대한 가중치가 1일 때, 중개 수수료 할인 포인트는 2560일 수 있다.
사용자는 중개 수수료 할인 포인트가 2560인 경우 추후 부동산 거래시 부동산 중개 업체의 중개 수수료를 2560원 할인 받을 수 있다.
본 실시예에 따르면, 부동산 커뮤니티 관리부(250a)는 모임 채팅방의 참여도에 따라 중개 수수료 할인 포인트를 산출하여 사용자에게 제공함으로써 사용자의 모임 채팅방 참여를 유도할 수 있고, 모임 채팅방에서 부동산 관련한 다양한 정보를 획득하는데 도움을 주도록 할 수 있다.
도 4는 본 발명의 일 실시예에 따른 스마트 부동산 매칭 시스템의 부동산 추천 서버에서 부동산 추천 과정을 설명하기 위한 순서도이다.
도 4를 참조하면, 사용자 정보 수집부(210)는 사용자 단말(100)로부터 사용자 정보 및 부동산 니즈 정보를 수집할 수 있다(단계 S410). 사용자 정보 수집부(210)는 사용자 단말(100)로부터 부동산 니즈 정보에 대한 우선순위를 함께 수집할 수 있다. 사용자 정보 수집부(210)는 수집된 사용자 정보 및 부동산 니즈 정보를 사용자 데이터베이스에 저장할 수 있다.
부동산 정보 수집부(220)는 외부 서버로부터 부동산 시장 정보를 수집할 수 있다(단계 S420). 부동산 정보 수집부(220)는 수집된 부동산 시장 정보를 부동산 데이터베이스에 저장할 수 있다.
정보 분석부(230)는 인공지능 기반으로 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 분석할 수 있다(단계 S430). 정보 분석부(230)는 복수의 사용자 단말(100)로부터 수집된 사용자 정보, 부동산 니즈 정보 및 부동산 시장 정보를 일정 분류를 기준으로 분류하여 학습할 수 있다.
부동산 추천부(240)는 인공지능 기반으로 분석된 분석 결과에 따라 사용자 맞춤형 부동산을 추천할 수 있다(단계 S440). 부동산 추천부(240)는 사용자 맞춤형 부동산을 지도, 인공위성 사진, 가격 변동 그래프 등 다양한 시각적 자료로 생성하여 사용자 단말(100)에 제공할 수 있다.
상기에서는 본 발명의 일 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 사용자 단말
200: 부동산 추천 서버
210, 210a: 사용자 정보 수집부
220, 220a: 부동산 정보 수집부
230, 230a: 정보 분석부
240, 240a: 부동산 추천부
250a: 부동산 커뮤니티 관리부

Claims (3)

  1. 사용자 단말; 및
    상기 사용자 단말로부터 사용자 정보 및 부동산 니즈 정보를 수집하고 외부 서버로부터 부동산 시장 정보를 수집하며 상기 사용자 정보, 상기 부동산 니즈 정보 및 상기 부동산 시장 정보를 분석하여 사용자 맞춤형 부동산을 추천하는 부동산 추천 서버를 포함하고,
    상기 부동산 추천 서버는,
    상기 사용자 단말로부터 사용자 정보 및 부동산 니즈 정보를 수집하는 사용자 정보 수집부;
    상기 외부 서버로부터 부동산 시장 정보를 수집하는 부동산 정보 수집부;
    인공지능 기반으로 상기 사용자 정보, 상기 부동산 니즈 정보 및 상기 부동산 시장 정보를 분석하는 정보 분석부; 및
    상기 분석 결과에 따라 사용자 맞춤형 부동산을 추천하는 부동산 추천부를 포함하고,
    상기 부동산 추천부는
    상기 부동산 니즈 정보 및 상기 부동산 시장 정보를 기반으로 아래의 수학식을 기반으로 산출되는 부동산 중개 업체 점수에 따라 부동산 중개 업체를 추천하고,
    [수학식]

    는 부동산 중개 업체 점수를 의미하고, 는 부동산 중개 업체의 총 부동산 거래 횟수를 의미하고, 는 사용자의 부동산 니즈 정보에서 건물 용도와 일치하는 부동산 중개 업체의 부동산 거래 횟수를 의미하고, 는 사용자의 부동산 니즈 정보에서 거래 목적과 일치하는 부동산 중개 업체의 부동산 거래 횟수를 의미하고, 는 부동산 중개 업체의 거래 평점을 의미하고, 은 부동산 중개 업체의 거래 관련 리뷰 개수를 의미하고, 는 부동산 중개 업체의 중개 수수료에 대한 가중치를 의미하고,
    상기 부동산 추천 서버는,
    상기 사용자 단말의 위치 정보 또는 상기 사용자 정보에 따라 사용자 그룹을 분류하고, 상기 사용자 그룹에서 건물 용도 및 거래 목적을 포함하는 모임 주제별로 모임 채팅방을 생성하며, 상기 모임 채팅방의 참여도에 따라 중개 수수료 할인 포인트를 제공하는 부동산 커뮤니티 관리부를 더 포함하고,
    상기 중개 수수료 할인 포인트는 아래의 수학식 1을 기반으로 산출하고,
    [수학식 1]

    는 중개 수수료 할인 포인트를 의미하고, 는 모임 채팅방의 출석 횟수를 의미하고, 는 모임 채팅방의 채팅 질의 횟수를 의미하고, 은 모임 채팅방의 채팅 응답 횟수를 의미하고, 는 모임 채팅방에 입력한 채팅의 좋아요 개수를 의미하고, 는 모임 채팅방에 입력한 채팅의 공유 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 유해 텍스트를 포함하는 채팅 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 유해 텍스트의 개수를 의미하고, 는 모임 채팅방에 입력한 채팅 중 i번째 유해 텍스트에 대한 가중치를 의미하는 것을 특징으로 하는, 스마트 부동산 매칭 시스템.
  2. 삭제
  3. 삭제
KR1020230195839A 2023-12-28 2023-12-28 스마트 부동산 매칭 시스템 KR102689996B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230195839A KR102689996B1 (ko) 2023-12-28 2023-12-28 스마트 부동산 매칭 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230195839A KR102689996B1 (ko) 2023-12-28 2023-12-28 스마트 부동산 매칭 시스템

Publications (1)

Publication Number Publication Date
KR102689996B1 true KR102689996B1 (ko) 2024-07-31

Family

ID=92209269

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230195839A KR102689996B1 (ko) 2023-12-28 2023-12-28 스마트 부동산 매칭 시스템

Country Status (1)

Country Link
KR (1) KR102689996B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070052916A (ko) * 2005-11-18 2007-05-23 (주)팍스넷 통신망을 이용한 부동산 중개 방법
KR20150071044A (ko) * 2013-12-17 2015-06-26 신정균 리워드 채팅 및 그의 제공방법
KR101849544B1 (ko) 2017-04-28 2018-04-17 주식회사 케이비금융지주 빅데이터를 이용한 부동산 예측 방법 및 이를 수행하기 위한 장치
KR20220065735A (ko) * 2019-12-11 2022-05-20 주식회사 집펀드 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070052916A (ko) * 2005-11-18 2007-05-23 (주)팍스넷 통신망을 이용한 부동산 중개 방법
KR20150071044A (ko) * 2013-12-17 2015-06-26 신정균 리워드 채팅 및 그의 제공방법
KR101849544B1 (ko) 2017-04-28 2018-04-17 주식회사 케이비금융지주 빅데이터를 이용한 부동산 예측 방법 및 이를 수행하기 위한 장치
KR20220065735A (ko) * 2019-12-11 2022-05-20 주식회사 집펀드 소비자 선택 모델을 이용한 부동산 맞춤형 정보 추천 방법 및 서버

Similar Documents

Publication Publication Date Title
CN110162703B (zh) 内容推荐方法、训练方法、装置、设备及存储介质
US20220067665A1 (en) Three-party recruiting and matching process involving a candidate, referrer, and hiring entity
KR102490009B1 (ko) 인공지능 기반 인플루언서 연계 제품 구매 및 판매 플랫폼 서비스 제공 방법, 장치 및 시스템
CN111885399A (zh) 内容分发方法、装置、电子设备以及存储介质
CN105308591A (zh) 来自社交交互的关系强度的动态性
CN111429161A (zh) 特征提取方法、特征提取装置、存储介质及电子设备
Park et al. Floor plan recommendation system using graph neural network with spatial relationship dataset
CN109829593B (zh) 目标对象的信用度确定方法、装置、存储介质及电子装置
CN116628345B (zh) 一种内容推荐方法、装置、电子设备和存储介质
KR102689996B1 (ko) 스마트 부동산 매칭 시스템
KR102690000B1 (ko) 임대료 예측 및 최적화 시스템
KR102697351B1 (ko) 임대 거래 계약 자동화 시스템
CN116150470A (zh) 内容推荐方法、装置、设备、存储介质及程序产品
Kou Analysing Housing Price in Australia with Data Science Methods
KR102695370B1 (ko) 기업용 기사의 게재를 위한 매체 분류 및 정렬 방법, 장치 및 시스템
Yuan Personalized online learning recommendation system based on collaborative filtering algorithm
Shinde et al. A Comprehensive Survey on Recommender Systems Techniques and Challenges in Big Data Analytics with IoT Applications
KR102637198B1 (ko) 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램
CN116628310B (zh) 内容的推荐方法、装置、设备、介质及计算机程序产品
KR102643697B1 (ko) 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102516892B1 (ko) 인공지능 기반 공공조달입찰의 가격 산정 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102536172B1 (ko) 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법, 장치 및 시스템
US20240248765A1 (en) Integrated platform graphical user interface customization
Zhang et al. Event Attendance Prediction in Social Networks
Kumkar Image-based Real Estate Appraisal using CNNs and Ensemble Learning

Legal Events

Date Code Title Description
N231 Notification of change of applicant
GRNT Written decision to grant