KR20200022700A - 허위매물을 검수하기 위한 컴퓨팅 장치, 방법 및 컴퓨터 판독가능 저장매체 - Google Patents

Abstract

본 개시는, 허위매물을 검수하기 위한 컴퓨팅 장치를 제공한다. 이 시스템은, 복수의 매물의 정보 및 복수의 중개업소의 정보를 저장하도록 구성된 매물 데이터베이스와 사용자 단말기로부터 사용자가 원하는 매물의 조건을 수신하고, 매물 데이터베이스에 저장된 복수의 매물 중에서, 수신된 매물의 조건에 부합하는 하나 이상의 매물을 포함한 매물리스트를 추출하도록 구성된 매물추출 모듈, 매물 데이터베이스에 저장된 복수의 중개업소의 정보에 기초하여, 추출된 매물리스트에 포함된 하나 이상의 매물의 각각을 업로드한 하나 이상의 중개업소의 각각의 경고 횟수를 결정하도록 구성된 경고결정 모듈, 하나 이상의 중개업소의 각각의 경고 횟수에 따라 난수가 출력되는 난수 범위의 최대값을 조절하고, 조절된 난수 범위를 하나 이상의 중개업소가 업로드한 매물과 연관시키도록 구성된 난수범위산출 모듈, 연관된 매물에 대하여 조절된 난수 범위 내에서 최종 난수를 산출하도록 구성된 최종난수산출 모듈, 하나 이상의 매물을 최종 난수의 크기 순으로 정렬하고, 정렬된 하나 이상의 매물을 포함한 매물리스트를 출력하도록 구성된 출력 모듈을 포함한다.

Description

허위매물을 검수하기 위한 컴퓨팅 장치, 방법 및 컴퓨터 판독가능 저장매체{COMPUTING APPARATUS, METHOD AND COMPUTER READABLE STORAGE MEDIUM FOR INSPECTING FALSE OFFERINGS}

본 개시는 허위매물을 검수하기 위한 컴퓨팅 장치 및 방법에 관한 것으로, 보다 상세하게는, 인공신경망을 이용하여 매물의 진성 또는 허위 여부 판단을 통해 사용자에게 검증된 매물의 정보를 제공해주는 시스템 및 방법에 관한 것이다.

종래의 부동산 매매방식은, 부동산 매도/매수자가 매물의 확인/등록을 위해서는, 부동산을 직접 방문해야 했었다. 통상적으로, 부동산의 매도자가 부동산 중개사무소에 직접 방문하여 매도의사를 알린 수, 부동산 중개사무소를 방문한 부동산 매수자가 부동산 중개업자와 함께 부동산 매물을 직접 확인하여 계약을 체결하는 방식이었다.

이러한 방식에서는, 부동산 매수자가 부동산 중개사무소를 직접 방문하기 전까지는 원하는 매물이 나와 있는지 확인할 방법이 없고, 매수자가 부동산이 위치한 장소까지 이동해야 한다는 시간적/공간적 문제점이 있었다. 인터넷 기술이 발달하면서, 오프라인(대면) 방식으로 매물이 거래되던 기존의 부동산 매매와 달리 인터넷(온라인)을 통해 부동산 중개 매물의 정보를 제공받을 수 있는 서비스가 각광받고 있다. 구체적으로, 매물의 소유자 또는 매물의 중개인은 부동산 매물이 전문적으로 거래되도록 운영되는 사이트, 개인 웹페이지, 카페 또는 블로그 등에 매물의 정보를 등록하고, 정보가 등록된 사이트 등에 온라인을 통해 접속함으로써, 등록된 정보가 매수 의사 또는 매물 중개 의사가 있는 사용자 등에게 제공될 수 있다.

다만, 공급자 혹은 중개인에 의해 잘못된/조작된 허위 매물의 정보가 온라인 상에 등록되는 경우가 종종 발생하고 있다. 이에 따라, 정확한 매물의 정보를 제공하지 못한다는 문제점들이 있었다. 특히, 부동산 매물의 특성상, 투명한 시세정보가 제공되지 못하고 일부 지역에서는 잘못된/조작된 시세정보가 반영됨으로써, 온라인에서의 시세 정보와 실제 시세가 많은 차이를 보이기도 한다.

공급자 혹은 중개인에 의한 허위 매물이란 다음과 같은 매물을 포함할 수 있다.

- 허수매물: 팔린 매물을 삭제하지 않고 계속 광고하는 경우

- 낚시성 매물: 자신의 매물이 아닌 다른 사람의 매물을 허락없이 광고에 사용하는 경우

- 거짓 매물: 실 매물이 없으면서 광고하는 경우

- 과장 매물: 다른 중개업소의 시세보다 터무니없이 싼 경우

따라서, 기존 온라인 상에 등록된 매물들의 문제점을 극복하고, 사용자에게 검증된 매물의 정보를 제공할 필요성이 있다.

본 명세서에 개시되는 실시예들은, 사용자에게 검증된 매물의 정보를 제공함으로써, 사용자가 허위매물에 속지 않고 진성매물을 접할 수 있는 허위매물을 검수하기 위한 컴퓨팅 장치 및 방법을 제공하고자 한다.

본 개시의 일 실시예에 따른 허위매물을 검수하기 위한 컴퓨팅 장치는, 복수의 매물의 정보 및 복수의 중개업소의 정보를 저장하도록 구성된 매물 데이터베이스, 사용자 단말기로부터 사용자가 원하는 매물의 조건을 수신하고, 매물 데이터베이스에 저장된 복수의 매물 중에서, 수신된 매물의 조건에 부합하는 하나 이상의 매물을 포함한 매물리스트를 추출하도록 구성된 매물추출 모듈, 매물 데이터베이스에 저장된 복수의 중개업소의 정보에 기초하여, 추출된 매물리스트에 포함된 하나 이상의 매물의 각각을 업로드한 하나 이상의 중개업소의 각각의 경고 횟수를 결정하도록 구성된 경고결정 모듈, 하나 이상의 중개업소의 각각의 경고 횟수에 따라 난수가 출력되는 난수 범위의 최댓값을 조절하고, 조절된 난수 범위를 하나 이상의 중개업소가 업로드한 매물과 연관시키도록 구성된 난수범위산출 모듈, 연관된 매물에 대하여 조절된 난수 범위 내에서 최종 난수를 산출하도록 구성된 최종난수산출 모듈, 하나 이상의 매물을 최종 난수의 크기 순으로 정렬하고, 정렬된 하나 이상의 매물을 포함한 매물리스트를 출력하도록 구성된 출력 모듈을 포함할 수 있다.

또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에 의해 허위매물을 검수하기 위한 방법은, 복수의 매물의 정보 및 복수의 중개업소의 정보를 저장하도록 구성된 매물 데이터베이스를 준비하는 단계, 사용자 단말기로부터 사용자가 원하는 매물의 조건을 수신하고, 매물 데이터베이스에 저장된 복수의 매물로부터 수신된 매물의 조건에 부합하는 하나 이상의 매물을 포함한 매물리스트를 추출하는 단계, 매물 데이터베이스에 저장된 복수의 중개업소의 정보에 기초하여, 추출된 매물리스트에 포함된 하나 이상의 매물 각각을 업로드한 하나 이상의 중개업소의 각각의 경고 횟수를 결정하는 단계, 하나 이상의 중개업소의 각각의 경고 횟수에 따라 난수가 출력되는 난수 범위의 최댓값을 조절하는 단계, 조절된 난수 범위를 하나 이상의 중개업소가 업로드한 매물과 연관시키는 단계, 연관된 매물에 대하여 조절된 난수 범위 내에서 최종 난수를 산출하는 단계, 하나 이상의 매물을 최종 난수의 크기 순으로 정렬하고, 정렬된 하나 이상의 매물을 포함한 매물리스트를 출력하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따른 허위매물을 검수하기 위한 컴퓨팅 장치는, 사용자에게 검증된 매물정보를 제공하기 위하여, 사용자로부터 원하는 매물의 조건을 입력받으면, 그 조건에 기초한 매물을 데이터 베이스에서 추출하고, 데이터베이스에 저장된 중개업소의 경고 횟수에 기초하여 산출된 난수의 크기 대로 매물을 정렬하여 매물의 정보에 대한 진성 여부를 분석할 수 있다.

또한, 이 시스템은, 인공지능(머신러닝)의 방법 중 하나인 준지도 학습(Semi-supervised Learning)을 이용하여, 해당 매물의 허위매물 여부를 판단함으로써, 사용자에게 검증된 매물의 정보를 제공할 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 사용자 맞춤형 매물 리스트 제공 시스템의 예시도이다.
도 2는 본 개시의 일 실시예에 따른 허위매물을 검수하기 위한 컴퓨팅 장치의 개략도이다.
도 3은 본 개시의 일 실시예에 따른 서버장치의 개략도이다.
도 4는 본 개시의 일 실시예에 따른 매물 정보 DB에서 보유하고 있는 보유매물 및 보유정보의 예를 나타낸 것이다.
도 5는 본 개시의 일 실시예에 따른 중개업소 정보 DB에서 보유하고 있는 보유중개업소 및 보유정보의 예를 나타낸 것이다.
도 6은 본 개시의 일 실시예에 따른 사용자 맞춤형 매물 제공 시스템 제공 방법을 나타내는 순서도이다.
도 7은 본 개시의 일 실시예에 따른 인공신경망을 나타내는 구조도이다.
도 8은 본 개시의 일 실시예에 따른 난수 범위의 최대값을 산출하는 과정을 나타내는 순서도이다
도 9는 본 개시의 일 실시예에 따른 사용자가 원하는 매물의 조건을 입력받도록 구성된 인터페이스의 화면을 나타내는 예시도이다.
도 10은 본 개시의 일 실시예에 따른 매물의 정보를 출력하는 인터페이스 화면을 나타내는 예시도이다.

이하, 첨부된 도면을 참조하여 본 개시의 실시예들을 상세히 설명한다. 다만, 통상의 기술자는 이들 도면에 관해 여기에 주어진 상세한 설명이 예시의 목적을 위함이며, 본 개시는 이들 제한된 실시예들을 넘어 확장된다는 것을 쉽게 이해할 것이다.

본 개시의 일 실시예에 따른 인공지능을 이용한 허위매물 검수 시스템은, 사용자에게 검증된 매물정보를 제공하기 위하여, 사용자로부터 원하는 매물의 조건을 입력 받으면 그 조건에 기초한 매물을 DB에서 추출 후, 매물의 정보에 대한 분석을 수행한다. 또한, 이 시스템은, 인공지능(머신러닝)의 방법 중 하나인 준 지도 학습(Semi-supervised Learning)을 이용하여, 해당 매물의 허위매물 여부를 판단함으로써, 사용자에게 검증된 매물의 정보를 제공할 수 있다.

도 1은 본 개시의 일 실시예에 따른 사용자 맞춤형 매물 리스트 제공 시스템의 예시도이다. 사용자가 사용자 단말기(110)의 인터페이스(예를 들어, 터치 디스플레이, 키보드, 마우스, 터치펜, 또는 스틸러스, 마이크로폰, 동작 인식 센서 등)를 통하여 매물 검색을 요청할 수 있다. 원하는 매물의 출력 요청은, 사용자가 사용자 단말기를 이용하여 입력한 정보, 즉, 지역, 주변 지하철역, 사무실 형태, 매물 형태, 매물 면적, 보증금 등을 나타내는 정보를 포함할 수 있고, 입력된 정보는 데이터베이스에 사용자별로 정렬되어 저장될 수 있다.

일 실시예에서는, 매물의 출력을 요청하기위해 검색 창(120)에 사용자가 원하는 매물의 지역을 검색하면, 단말기 화면(130)에 매물 리스트(140)가 출력된다. 매물 리스트(140)는, 매물의 사진과 함께 월세/전세/매매, 보증금 등의 간략한 매물의 정보가 출력된다. 매물이 출력되는 리스트의 매물 순서는, 인공지능(딥러닝)을 이용하여 분석한 중개업소의 경고 횟수에 따라 산출된 난수의 크기에 기초하여 나열되는데, 중개업소의 경고가 없거나 적을수록 더 매물이 상단에 배치된다. 이와 같은 리스트를 통해, 사용자는 진성매물을 선택할 수 있다. 다른 예로서, 사용자는 필터(150)를 통해 매물의 형태, 보증금 한도, 거래 형태, 매물 면적 등 원하는 조건의 매물을 다시 한번 검색할 수 있다. 이때 출력되는 리스트 역시 인공지능(딥러닝)을 이용하여 분석한 중개업소의 경고 횟수에 따라 산출된 난수의 크기에 기초하여 나열될 수 있다.

도 2는 본 개시의 일 실시예에 따른 허위매물을 검수하기 위한 컴퓨팅 장치의 개략도이다. 도 2에 도시된 시스템은, 사용자 단말기(110)로부터 사용자가 입력한 정보를 입력받아 통신 네트워크(210)를 이용하여 서버장치(220)로 허위매물이 검수된 매물 리스트 제공을 요청할 수 있다. 여기서, 사용자 단말기(110)는, 사용자로부터 허위매물이 검수된 매물 리스트 요청 정보를 수신할 수 있으며 사용자 인터페이스를 구비한 적절한 컴퓨팅 장치일수 있다. 예를 들어, 사용자 단말기(110)의 사용자 인터페이스는, 터치 디스플레이, 키보드, 마우스, 터치 펜 또는 스틸러스, 마이크로폰, 동작 인식 센서 등 중의 하나 이상을 포함할 수 있으나, 이에 한정되는 것은 아니다. 한편, 사용자 단말기(110)는, 개인용 컴퓨터, 스마트폰, 태블릿 컴퓨터 등 중의 어느 하나일수 있으나, 이에 한정되는 것은 아니다.

서버장치(220)는, 통신 네트워크(210)를 통해, 복수의 중개업소 서버(230_1 내지 230_n)로부터 주기적으로 또는 비주기적으로(예를 들어, 실시간으로) 매물의 정보 및 중개업소 정보를 제공받아 데이터베이스에 저장할 수 있다. 서버장치(220)는, 매물 정보 및 중개업소 정보를 데이터베이스에서 읽어올 수 있고, 이와 같이 읽어온 정보에 기초하여 인공신경망을 학습시킴으로써, 사용자가 입력한 정보에 기초하여 사용자의 지역, 매매가격에 맞는 매물 리스트를 생성할 수 있다. 여기서 서버장치(220)는, 유선 또는 무선 네트워크를 통해 다른 장치와 통신할 수 있는 컴퓨팅 장치로서, CPU(central processing unit), GPU(graphic processing unit), DSP(digital signal processor) 등 중의 어느 하나를 이용하여 연산 동작을 수행할 수 있는 컴퓨팅 장치일수 있으나, 이에 한정되는 것은 아니다. 서버장치(220)는, 생성된 매물 리스트를 통신 네트워크(210)를 통하여 사용자 단말기(110)로 제공할 수 있으며, 이렇게 생성된 매물 리스트를 지역 및 매매가격별로 정렬하여 데이터베이스에 저장할 수 있다.

도 3은 본 개시의 일 실시예에 따른 서버장치의 개략도이다. 이하에서는, 서버장치(220)의 구성요소들에 대하여 좀 더 상세히 설명한다. 도 3에 도시된 바와 같이, 서버장치(220)는, 통신 모듈(310), 프로세서(320), 데이터베이스(340)를 포함할 수 있다. 프로세서(320)는, 매물 추출 모듈(322), 경고결정 모듈(324), 난수 범위 산출 모듈(326), 최종 난수 산출 모듈(328), 출력모듈(330)을 포함할 수 있고, 데이터베이스(340)는 매물 정보 DB(350), 중개업소 정보 DB(360)를 포함할 수 있다. 도 2에 도시된 서버장치(220)는, 도 3에 도시된 서버장치(220)의 기능 또는 구성요소들을 포함할 수 있다. 또한, 서버장치(220)의 기능 또는 구성요소들 중에서, 앞서 상술한 도 2에서 설명된 것과 동일한 부재번호 또는 명칭을 갖는 구성요소들에 대해서는, 반복을 피하기 위해 상세한 설명을 생략할 수 있으며, 변경 또는 추가적인 부분만 설명할 수 있다.

데이터베이스(340)는, 매물의 지역, 매매가격, 매물면적, 보증금 등이 분류되어 저장되는 매물 정보 DB(350) 및 중개업소의 중개사 등록번호, 사업자 등록번호, 중개업소 주소, 중개사 대표명, 중개사 대표번호, 중개사 사진, 허위매물 신고 정보, 등록된 매물에 대한 정보, 등록된 매물에 대한 히스토리 정보 및 경고 횟수 등이 분류되어 저장되는 중개업소 정보DB(360)를 포함할 수 있다. 서버장치(220)는, 복수의 중개업소 서버(230_1 내지 230_n)로부터 주기적으로 또는 비주기적으로(예를 들어, 실시간으로) 매물의 정보 및 중개업소 정보를 제공받아 각각 매물 정보 DB, 중개업소 정보 DB에 저장할 수 있다.

일 실시예에서, 서버장치(220)는, 매물 정보 DB(350) 및 중개업소 정보 DB(360)에서 매물의 정보와 중개업소의 정보를 읽을 수 있다. 또한, 중개업소 정보 DB(360)는, 중개업소의 정보로부터 허위매물 신고 정보를 추출하고, 해당 중개업소 매물의 난수 범위의 최대값을 조절할 수 있다. 이러한 매물 정보 및 중개업소 정보에 기초하여, 서버장치(220)는, 인공신경망을 준 지도 학습(Semi-supervised Learning) 방식으로 학습시킬 수 있다. 서버장치(220)는, 학습된 인공신경망을 이용하여, 사용자 단말기(110)를 통해 입력 받은 매물의 조건에 기초하여, 매물 리스트를 추론하여 생성할 수 있다.

서버장치(220)는, 생성된 허위매물이 검수된 매물 리스트를 통신 네트워크(210)를 통하여 단말기(110)로 제공할 수 있으며, 이렇게 생성된 매물 리스트를 지역 및 매매 가격 별로 정렬하여 매물 정보 DB에 저장할 수 있다. 도 3에서는, 데이터 베이스(340)가 서버장치(220)에 포함하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 구현예에 따라서 데이터베이스가 서버장치(220)외부에 별도로 존재하여 통신 네트워크(210)로 연결될 수도 있다.

통신 모듈(310)은, 사용자 단말기(110)로부터 허위매물이 검수 된 매물 리스트 출력의 요청을 수신할 수 있고, 요청에 응답하여 출력모듈(330)에 의해 추출된 매물 리스트를 사용자 단말기(110)로 전송할 수 있다. 매물 리스트 출력 요청은, 사용자가 사용자 단말기(110)를 이용하여 입력한, 매물의 지역, 매매가격, 매물면적을 포함할 수 있다. 통신 모듈(310)은, 이러한 사용자 입력정보를 포함하는 매물 리스트 출력 요청을 프로세서(320)로 전송할 수 있다.

일 실시예에 따르면, 사용자는, 사용자 단말기(110)를 통해 사용자 정보를 입력하여 허위매물이 검증 된 매물 리스트 출력을 요청할 수 있다. 예를 들어, 사용자가 사용자 단말기(110)를 이용하여 OO구, 1000만원, 100

를 입력하고, 허위 매물이 검수된 매물 리스트 출력을 요청하게 되면, 통신 모듈(310)은, 사용자의 지역, 매매가격, 매물면적정보(예를 들어, "OO구", "1000만원", "100

")를 서버장치(220)의 프로세서(320)로 전송할 수 있다.

매물 추출모듈(322)은, 통신 모듈(310)에 의해 전송받은 사용자 입력 정보에 기초하여, 매물 정보 DB(350) 및 중개업소 정보 DB에 저장된 매물의 정보를 읽어올 수 있다. 또한, 매물 추출모듈(322)은, 매물의 정보로부터 매물의 형태, 매물 보증금, 월세/전세/매매, 매물 면적 정보를 추출할 수 있다. 매물 추출모듈(322)모듈에 의해 추출된 매물 정보들은, 매물 형태, 매물 보증금, 월세/전세/매매, 매물 면적별로 태그(Tag)정보를 태깅(Tagging)할 수 있다. 매물 추출모듈(322)은, 태그 정보 별(예컨대, 매물 형태, 매물 보증금, 월세/전세/매매, 매물 면적 등)로 구분된 매물 정보를 매물 정보 DB에 저장할 수 있다.

경고결정 모듈(324)은, 데이터베이스(340)에 저장된 중개업소의 정보에 기초하여, 추출된 매물리스트에 포함된 매물의 각각을 업로드한 중개업소의 경고 횟수를 결정할 수 있다. 경고결정 모듈(324)은, 중개업소 정보 DB에 저장된 중개업소의 허위매물 신고 정보를 기초로 하여 중개업소의 경고 횟수를 결정할 수 있다. 일 실시예에 따르면, 허위매물 신고 정보를 통해 중개업소에 경고를 적용하는 경우는 다음과 같다. 이미 거래가 완료된 매물일 경우, 허위매물 1차 신고를 받을 시 매물을 비공개로 처리한 후, 검수요청을 한다. 동일 매물에 대해 2차 신고 및 재검수를 통해 재 적발되었을 시, 매물을 삭제한 후 해당 매물을 업로드한 중개업소에 경고 1회를 적용한다.

다른 예에서, 사진이 잘못된 매물, 위치가 잘못된 매물, 가격이 잘못된 매물, 정보가 잘못 기재된 매물일 경우, 허위매물 1차 신고를 받을 시 매물을 비공개로 처리한 후, "주의"를 적용한다. 동일한 중개업소 계정이 해당 문제로 2차 신고 및 재 검수를 통해 다시 적발되었을 시, 매물 삭제 후 해당 매물을 업로드한 중개업소에 경고 1회를 적용한다.

난수범위산출 모듈(326)은, 매물 데이터베이스에 저장된 중개업소의 경고횟수, 중개업소에 의해 등록된 매물에 대한 정보 및 매물에 대한 히스토리 정보가 인공신경망의 입력층에 입력되어 중개업소의 난수범위의 최대값을 결정하는 인공신경망을 생성할 수 있다. 예를 들어, 인공신경망은, 준 지도 학습(Semi-supervised Learning)을 통하여 난수범위의 최대값을 추론할 수 있다. 인공신경망 기반의 준 지도 학습 방법을 이용하여 중개업소별 경고 횟수를 분석하고, 이를 바탕으로 중개업소의 난수범위의 최대값을 예측하여 최종 범위를 산출할 수 있다. 인공신경망의 입력층에 입력되는 입력변수는, 경고결정 모듈(324)에 의해 결정된 허위매물 신고 정보 및 경고 횟수를 나타내는 벡터가 될 수 있다. 예를 들어, 허위매물 신고 정보 및 경고 횟수의 카테고리를 각각 하나의 벡터 데이터 요소로 구성할 수 있다. 한편, 인공신경망의 출력층에서 출력되는 출력변수는, 일 실시예에 따르면, 난수범위산출 모듈(326)에 의해 분석된 난수범위를 나타내는 벡터가 될 수 있다. 난수범위산출 모듈(326)은 이러한 입력변수들 및 출력변수들을 이용하여 인공신경망을 학습시킬 수 있다.

일 실시예에 따르면, 경고결정 모듈(324)에 의해 결정된 경고 횟수가 0회인 중개업소 매물의 난수 최대값 범위는 100으로 설정하고, 경고 횟수가 1회인 중개업소 매물의 난수 최대값 범위는 100~85으로 설정, 경고 횟수가 2회인 중개업소 매물의 난수 최대값 범위는 100~75으로 설정, 경고 횟수가 3회인 중개업소 매물의 난수 최대값 범위는 100~55으로 설정, 경고 횟수가 4회인 중개업소 매물의 난수 최대값 범위는 100~40으로 설정하여 중개업소의 경고횟수가 증가할수록, 난수 범위의 최대값을 단계별로 감소시키도록 구성할 수 있다. 경고 횟수에 기초하여 설정된 난수 최대값 범위를 이용하여 최종적인 난수 범위를 산출할 수 있다. 경고 횟수가 0회인 중개업소 매물의 난수 범위는 100~0으로 설정하고, 경고 횟수가 1회인 중개업소 매물의 난수 범위는 (100~85)~0으로 설정하고, 경고 횟수가 2회인 중개업소 매물의 난수 범위는 (100~75)~0으로 설정하고, 경고 횟수가 3회인 중개업소 매물의 난수 범위는 (100~55)~0으로 설정하고, 경고횟수가 4회인 중개업소 매물의 난수 범위는 (100~40)~0으로 설정하여 최종적인 난수 범위를 산출할 수 있다.

최종난수산출 모듈(328)은, 난수범위산출 모듈(326)에서 산출된 최종적인 난수 범위 내에서 최종 난수를 산출할 수 있다. 난수범위산출 모듈(326)에서 산출된, 경고 횟수가 0회인 중개업소 매물의 난수 범위 100~0, 경고 횟수가 1회인 중개업소 매물의 난수 범위 (100~85)~0, 경고 횟수가 2회인 중개업소 매물의 난수 범위 (100~75)~0, 경고 횟수가 3회인 중개업소 매물의 난수 범위는 (100~55)~0, 경고 횟수가 4회인 중개업소 매물의 난수 범위 (100~40)~0에서 최종적인 난수를 산출할 수 있다.

출력 모듈(330)은, 최종난수산출 모듈(328)에서 최종적으로 산출된 난수의 크기순으로 매물을 정렬하고, 추출할 수 있다. 추출한 매물의 리스트(140)는 통신 모듈(310)을 통해 사용자 단말기(110)에 산출된 난수의 크기순으로 정렬될 수 있다.

도 4는 본 개시의 일 실시예에 따른 매물 정보 DB에서 보유하고 있는 보유매물 및 보유정보의 예를 나타낸 것이다. 매물 정보는 사용자 단말기(110)를 통해 입력된 입력정보일수 있고, 중개업소 정보 DB에 저장된 정보일수 있다. 매물의 정보는, 매물에 대한 거래 형태, 주거 형태, 가격 정보, 거리 정보 및 환경 정보를 포함할 수 있다. 또한, 매물의 정보는 해당 매물의 주소, 입주 예정일, 면적, 방수, 층수, 준공년월, 주차 정보 및 난방 정보 등과 같은 매물의 기본적인 정보일수 있다.

도 5는 본 개시의 일 실시예에 따른 중개업소 정보 DB에서 보유하고 있는 보유중개업소 및 보유정보의 예를 나타낸 것이다. 중개업소 정보는, 회원으로 등록된 각 중개업소들의 회원 정보, 예를 들어, 중개업소명, 대표자명, 주소, 대표 전화번호, 대표 휴대단말 번호, 이메일 주소, 허위매물 신고 정보 등과 같은 정보일수 있다. 중개업소의 허위매물 신고 정보는, 경고결정 모듈(324)에서 사용될 수 있다. 이미 거래가 완료된 매물일 경우, 허위매물 1차 신고를 받을 시 매물을 비공개로 처리한 후, 검수요청을 한다. 동일 매물에 대해 2차 신고 및 재검수를 통해 재적발되었을 시, 매물을 삭제한 후 해당 매물을 업로드한 중개업소에 경고 1회를 적용한다. 사진이 잘못된 매물, 위치가 잘못된 매물, 가격이 잘못된 매물, 정보가 잘못 기재된 매물일 경우, 허위매물 1차 신고를 받을 시 매물을 비공개로 처리한 후, "주의"를 적용한다. 동일한 중개업소 계정이 해당 문제로 2차 신고 및 재 검수를 통해 다시 적발되었을 시, 매물 삭제 후 해당 매물을 업로드한 중개업소에 경고 1회를 적용한다.

도 6은 본 개시의 일 실시예에 따른 허위매물이 검수 된 매물 리스트 제공 방법을 나타내는 순서도이다. 허위매물이 검수 된 매물 리스트 제공 방법은, 통신 모듈에 의해, 사용자 단말기로부터 네트워크를 통해 매물조건을 수신하는 단계(S610)로 개시될 수 있다. 서버장치(220)는, 사용자가 사용자 단말기로부터 입력한 매물의 조건을 수신할 수 있고, 매물 조건에 포함된 입력정보를 사용자별로 데이터베이스에 저장할 수 있다. 여기서, 허위매물이 검수 된 매물 리스트 출력 요청은, 사용자가 원하는 지역, 매매가격, 매물면적을 나타내는 매물 정보를 포함할 수 있다. 일 예에서, 도 3을 참조하면, 통신 모듈(310)은, 사용자 단말기(110)로부터 허위매물이 검수된 매물 리스트 제공 요청을 수신할 수 있다. 예를 들어, 사용자가 사용자 단말기(110)를 이용하여 OO역을 입력하고, 매물 리스트 출력을 요청하게 되면, 통신 모듈(310)은, 사용자가 원하는 지역의 매물(예를 들어, "OO역")을 서버장치(220)의 프로세서(320)로 전송할 수 있다.

매물 조건을 수신하고 나면, 매물 출력 요청에 기초하여, 데이터베이스에 저장된 매물로부터 사용자의 조건에 부합하는 매물을 추출할 수 있다(S620). 매물추출 모듈(322)은, 매물 출력 요청에 기초하여 매물 데이터베이스에 저장된 매물 중 사용자 조건에 부합하는 매물을 추출할 수 있다. 일 예에서, 도 3를 참조하면, 매물 추출 모듈(322)은, 통신 모듈(310)에 의해 전송받은 사용자 입력정보에 기초하여, 매물 정보 DB(350)에 저장된 매물의 정보를 읽어올 수 있다.

그 후, 추출된 매물을 업로드한 중개업소의 경고 횟수를 결정할 수 있다(S630). 경고결정 모듈(324)은, 중개업소 정보 DB에 저장된 중개업소의 허위매물 신고 정보를 기초로 하여 중개업소의 경고 횟수를 결정할 수 있다. 일 예에서, 중개업소가 이미 거래가 완료된 매물을 업로드 한 경우, 허위매물 1차 신고를 받을 시 매물을 비공개로 처리한 후, 검수요청을 한다. 동일 매물에 대해 2차 신고 및 재 검수를 통해 재 적발되었을 시, 매물을 삭제한 후 해당 매물을 업로드한 중개업소에 경고1회를 적용할 수 있다. 다른 예에서, 사진이 잘못된 매물, 위치가 잘못된 매물, 가격이 잘못된 매물, 정보가 잘못 기재된 매물을 중개업소가 업로드했을 경우, 허위매물 1차 신고를 받을 시 매물을 비공개로 처리한 후, "주의"를 적용할 수 있다. 동일한 중개업소 계정이 해당 문제로 2차 신고 및 재 검수를 통해 다시 적발되었을 시, 매물 삭제 후 해당 매물을 업로드한 중개업소에 경고 1회를 적용할 수 있다.

다음 단계(S640)에서는, 중개업소의 경고 횟수에 따라 난수 범위를 산출할 수 있다. 경고결정 모듈(324)에서 결정한 경고 횟수를 기초로 하여, 중개업소의 경고 횟수에 따라 난수가 출력되는 난수 범위의 최대값을 조절하고 조절된 난수 범위를 중개업소가 업로드한 매물과 연관시킬 수 있다. 중개업소의 경고횟수가 증가할수록, 난수 범위의 최대값을 단계별로 감소시키도록 구성할 수 있다. 매물 데이터베이스에 저장된 중개업소의 경고횟수, 중개업소에 의해 등록된 매물에 대한 정보 및 매물에 대한 히스토리 정보가 인공신경망의 입력층에 입력되어 중개업소의 난수범위의 최대값을 결정하는 인공신경망을 생성할 수 있다. 예를 들어, 인공신경망은, 준지도 학습(Semi-supervised Learning)을 통하여 난수범위의 최대값을 추론할 수 있다. 인공신경망 기반의 준 지도 학습 방법을 이용하여 중개업소별 경고 횟수를 분석하고, 이를 바탕으로 중개업소의 난수범위의 최대값을 예측하여 최종 범위를 산출할 수 있다. 인공신경망의 입력층에 입력되는 입력변수는, 경고결정 모듈(324)에 의해 결정된 허위매물 신고 정보 및 경고 횟수를 나타내는 벡터가 될 수 있다. 예를 들어, 허위매물 신고 정보 및 경고 횟수의 카테고리를 각각 하나의 벡터 데이터 요소로 구성할 수 있다. 한편, 인공신경망의 출력층에서 출력되는 출력변수는, 일 실시예에 따르면, 난수범위산출 모듈(326)에 의해 분석된 난수범위를 나타내는 벡터가 될 수 있다.

일 실시예에 따르면, 경고결정 모듈(324)에 의해 결정된 경고 횟수가 0회인 중개업소 매물의 난수 최대값 범위는 100으로 설정하고, 경고 횟수가 1회인 중개업소 매물의 난수 최대값 범위는 100~85으로 설정, 경고 횟수가 2회인 중개업소 매물의 난수 최대값 범위는 100~75으로 설정, 경고 횟수가 3회인 중개업소 매물의 난수 최대값 범위는 100~55으로 설정, 경고 횟수가 4회인 중개업소 매물의 난수 최대값 범위는 100~40으로 설정하여 중개업소의 경고횟수가 증가할수록, 난수 범위의 최대값을 단계별로 감소시키도록 구성할 수 있다. 경고 횟수에 기초하여 설정된 난수 최대값 범위를 이용하여 최종적인 난수 범위를 산출할 수 있다. 경고 횟수가 0회인 중개업소 매물의 난수 범위는 100~0으로 설정하고, 경고 횟수가 1회인 중개업소 매물의 난수 범위는 (100~85)~0으로 설정하고, 경고 횟수가 2회인 중개업소 매물의 난수 범위는 (100~75)~0으로 설정하고, 경고 횟수가 3회인 중개업소 매물의 난수 범위는 (100~55)~0으로 설정하고, 경고횟수가 4회인 중개업소 매물의 난수 범위는 (100~40)~0으로 설정하여 최종적인 난수 범위를 산출할 수 있다.

산출된 난수 범위 내에서 최종 난수를 산출할 수 있다(S650). 난수범위산출 모듈(326)에서 산출된, 경고 횟수가 0회인 중개업소 매물의 난수 범위 100~0, 경고 횟수가 1회인 중개업소 매물의 난수 범위 (100~85)~0, 경고 횟수가 2회인 중개업소 매물의 난수 범위 (100~75)~0, 경고 횟수가 3회인 중개업소 매물의 난수 범위는 (100~55)~0, 경고 횟수가 4회인 중개업소 매물의 난수 범위 (100~40)~0에서 최종적인 난수를 산출할 수 있다.

산출된 최종 난수의 크기 순으로 매물을 정렬하고, 매물 리스트를 출력할 수 있다(S660). 최종난수산출 모듈(328)에서 최종적으로 산출된 난수의 크기순으로 매물을 정렬하고, 추출할 수 있다. 추출한 매물의 리스트(140)는, 통신 모듈(310)을 통해 사용자 단말기(110)에 산출된 난수의 크기순으로 정렬될 수 있다.

도 7은 본 개시의 일 실시예에 따른 인공신경망(700)을 나타낸 구조도이다. 인공신경망(700)은, 머신러닝(Machine Learning)기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조이다. 즉, 인공신경망(700)은, 생물학적 신경망에서 와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(Node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 머신러닝 모델을 나타낸다.

일반적으로 인공신경망은 다층의 노드들과 이들 상이의 연결로 구성된 다층 퍼셉트론(MLP: multilayer perceptron)으로 구현된다. 본 실시예에 따른 인공신경망(700)은 MLP를 포함하는 다양한 인공신경망 구조들 중의 하나를 이용하여 구현될 수 있다. 도 7에서 도시된 바와 같이, 인공신경망(700)은, 외부로부터 입력 신호 또는 데이터(710,712)를 수신하는 입력층(720), 입력 데이터에 대응한 출력 신호 또는 데이터(750, 752, 754, 756, 758)를 출력하는 출력층(740), 입력층(720)과 출력층(740) 사이에 위치하며 입력층(720)으로부터 신호를 받아 특성을 추출하여 출력층(740)으로 전달하는 n개의 은닉층(730_1 내지 730_n)으로 구성된다. 여기서, 출력층(740)은, 은닉층(730_1 내지 730_n)으로부터 신호를 받아 외부로 출력한다.

일반적으로, 인공신경망(700)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning)방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning)방법이 있다. 본 개시에 따른 인공지능(딥러닝)을 활용한 허위매물 검수 시스템은, 사용자에게 허위매물이 검증 된 매물의 리스트를 제공하기 위하여 지도 학습(Supervised Learning) 및 비지도 학습(Unsupervised Learning)을 함께 이용하는 준 지도 학습(Semi-supervised Learning)을 이용하여, 중개업소의 경고 횟수를 이용하여 난수 범위의 최대값을 조절하는 인공신경망(700)을 학습시킬 수 있다. 이렇게 학습된 인공신경망(700)은, 사용자의 허위매물이 검증 된 매물 리스트 출력 요청에 응답하여 허위매물이 검수 된 매물 리스트를 제공할 수 있다.

일 실시예에 따르면, 도 7에 도시된 바와 같이, 난수의 최대값을 추론할 수 있는 인공신경망(700)의 입력변수는, 경고결정 모듈에서 추출한 허위매물 신고 정보 및 경고 횟수의 카테고리를 각각 하나의 벡터 데이터요소로 구성한, 허위매물 신고 벡터(710) 및 경고 횟수 벡터(712)가 될 수 있다.

예를 들어, 사용자가 거래를 원하는 매물의 지역구를 "ㅁㅁ구"로 사용자 단말기를 통해 입력하고, 출력된 ㅁㅁ구의 매물 리스트 중 사용자가 필터(150)를 이용해 매물 형태, 매물 면적을 재검색했다고 가정하자. 이 경우, 허위매물 신고 벡터(710)의 데이터요소들 중에서 매물 형태 및 매물 면적에 해당되는 요소들에는 1의 값을 할당하고, 나머지 요소들에는 0의 값을 할당할 수 있다. 또한, 경고 횟수 벡터(712)의 데이터요소들 중에서, "ㅁㅁ구"의 매물 정보, 중개업소정보로부터 경고결정 모듈(324)에 의해 결정되어진 경고 횟수를 포함하는 요소들에 1의 값을 할당하고, 나머지 요소들에는 0의 값을 할당할 수 있다.

한편, 인공신경망(700)의 출력층(740)에서 출력되는 출력변수는, 난수범위산출 모듈(326)에 의해 분석된 난수범위를 나타내는 벡터가 될 수 있다. 일 실시예에 다르면, 출력변수는, 경고 횟수 0회 벡터(750), 경고 횟수 1회 벡터(752), 경고 횟수 2회 벡터(754), 경고 횟수 3회 벡터(756), 경고 횟수 4회 벡터(758)로 구성될 수 있다. 예를 들어, 각각의 벡터(750 내지 758)는 중개업소의 경고 횟수에 부합하게 난수범위를 산출하는 데이터 요소를 포함할 수 있다. 본 개시에 있어서 인공신경망(700)의 출력변수는, 이상에서 설명한 5가지 유형에 한정되지 않을 수 있다.

이와 같이 인공신경망(700)의 입력층(720)과 출력층(740)에 복수의 입력변수와 대응되는 복수의 출력변수를 각각 매칭시켜, 입력층(720), 은닉층(730_1 내지 730_n) 및 출력층(740)에 포함된 노드들 사이의 시냅스 값을 조정함으로써, 특정 입력에 대응한 올바른 출력을 추론할 수 있도록 학습할 수 있다. 이러한 학습과정을 통해, 인공신경망(700)의 입력변수에 숨겨져 있는 특성을 파악할 수 있고, 입력변수에 기초하여 계산된 출력변수와 목표 출력 간의 오차가 줄어들도록 인공신경망(700)의 노드들 사이의 시냅스 값(또는 가중치)를 조정할 수 있다. 이렇게 학습된 인공신경망(700)을 이용하여, 사용자가 입력한 매물의 조건에 맞게 허위매물이 검수 된 매물 리스트를 추출할 수 있다.

도 8은 상기 도 3의 실시예에 따른 난수 범위의 최대값을 산출하는 과정을 나타내는 순서도이다. 난수 범위의 최대값을 산출하는 과정은 경고결정 모듈(324)에서 결정된 중개업소의 경고 횟수를 수신하는 단계(S800)으로 개시될 수 있다. 중개업소의 경고 횟수를 수신하고 나면, 중개업소의 경고 유무를 판단한다(S810). 판단 결과, 중개업소의 경고가 없는 것으로 판명되면 난수 범위의 최대값을 최대로 설정(S812)하여 난수 범위의 최대값 산출하는 과정을 종료할 수 있다. 이와 달리, 중개업소의 경고 유무 판단(S810)에서, 중개업소의 경고가 1회(S820)인 것으로 판명되면, 난수 범위의 최대값을 100~85 사이로 설정(S822)하여 난수 범위의 최대값을 산출하는 과정을 종료할 수 있다. 이와 달리, 중개업소의 경고가 1회(S820)가 아닌 경고 2회(S830)로 판명되면, 난수 범위의 최대값을 100~70 사이로 설정(S832)하여 난수 범위의 최대값을 산출하는 과정을 종료할 수 있다. 이와 달리, 중개업소의 경고가 2회(S830)가 아닌 경고 3회(S840)로 판명되면, 난수 범위의 최대값을 100~55 사이로 설정(S842)하여 난수 범위의 최대값을 산출하는 과정을 종료할 수 있다. 이와 달리, 중개업소의 경고가 3회(S840)가 아닌 경고 4회(S850)로 판명되면, 난수 범위의 최대값을 100~40 사이로 설정(S852)하여 난수 범위의 최대값을 산출하는 과정을 최종 종료할 수 있다.

도 9는 본 개시의 일 실시예에 따른 사용자가 원하는 매물의 조건을 입력 받는 인터페이스 하면을 나타내는 예시도이고, 도 10은 본 개시의 일 실시예에 따른 매물의 정보를 출력하는 인터페이스 화면을 나타내는 예시도이다. 사용자는, 사용자 인터페이스(예를 들어, 터치 디스플레이, 키보드, 마우스, 터치펜 또는 스틸러스, 마이크로폰, 동작 인식 센서 등)를 통하여 매물 검색을 요청할 수 있다. 매물 검색 요청은, 사용자가 사용자 단말기를 이용하여 입력한, 사용자가 원하는 지역, 지하철역, 매물번호, 가격 등을 포함할 수 있고, 입력된 정보는 데이터베이스에 사용자별로 정렬되어 저장될 수 있다.

일 실시예에서는 허위매물이 검수 된 매물 리스트 출력을 요청하기 위해서, 도 9에 도시된 바와 같이, 원하는 매물의 종류를 선택가능한 탭들(910)로 나누어 해당정보를 입력 받을 수 있다. 지역 및 지하철역을 입력할 수 있는 미리 설정된 인터페이스의 화면(900)을 구성하여 사용자 단말기를 통해 사용자에게 제공될 수 있다. 예를 들어, 사용자는, 해당하는 매물의 종류(예를 들어, 사무실)의 탭을 클릭하여 매물이 위치한 지역을 입력(914)한 후, 검색버튼(912)을 클릭함으로써, 최종적으로 사용자에게 해당하는 지역의 허위매물이 검수 된 매물 리스트를 사용자 단말기로부터 출력될 수 있다.

검색버튼 클릭 후, 사용자가 지정한 조건에 적합한 매물의 리스트가 출력된 인터페이스의 화면(1000)이 사용자 단말기로 출력될 수 있다. 사용자는 출력된 허위매물이 검수 된 매물 리스트(1010)를 기반으로 자신이 원하는 매물을 선택할 수 있다. 예를 들어, 도 10에 도시된 바와 같이, 사용자는, 출력된 매물의 사진, 매물의 정보 등을 참고하여 매물을 선택할 수 있다.

일반적으로, 본원에 설명된 허위매물이 검수 된 매물리스트를 출력하는 시스템은, 무선 전화기, 셀룰러 전화기, 랩탑 컴퓨터, 무선 멀티미디어 디바이스, 무선 통신 PC (personal computer) 카드, PDA, 외부 모뎀이나 내부 모뎀, 무선 채널을 통해 통신하는 디바이스 등과 같은 다양한 타입들의 디바이스들을 나타낼 수도 있다. 디바이스는, 액세스 단말기 (access terminal; AT), 액세스 유닛, 가입자 유닛, 이동국, 모바일 디바이스, 모바일 유닛, 모바일 전화기, 모바일, 원격국, 원격 단말, 원격 유닛, 유저 디바이스, 유저 장비 (user equipment), 핸드헬드 디바이스 등과 같은 다양한 이름들을 가질 수도 있다. 본원에 설명된 임의의 디바이스는 명령들 및 데이터를 저장하기 위한 메모리, 뿐만 아니라 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합들을 가질 수도 있다.

본원에 기술된 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시 적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 당업자들은 더 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호교환성을 명확하게 설명하기 위해, 다양한 예시 적인 컴포넌트들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능성의 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 제약들에 따라 달라진다. 당업자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현 결정들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들 (digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들 (programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들 (field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본원에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본원의 개시와 연계하여 설명된 다양한 예시 적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안에서, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 그러한 구성의 조합으로써 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리 (random access memory; RAM), 판독 전용 메모리 (read-only memory; ROM), 불휘발성 RAM (non-volatile random access memory; NVRAM), PROM (programmable read-only memory), EPROM (erasable programmable read-only memory), EEPROM (electrically erasable PROM), 플래시 메모리, 컴팩트 디스크 (compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행가능할 수도 있고, 프로세서(들)로 하여금 본원에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되면, 상기 기능들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크 (disk) 와 디스크 (disc) 는, CD, 레이저 디스크, 광 디스크, DVD (digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들 (disks) 은 보통 자기적으로 데이터를 재생하고, 반면 디스크들 (discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 커플링될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 컴포넌트들로서 존재할 수도 있다.

본 개시의 앞선 설명은 당업자들이 본 개시를 행하거나 이용하는 것을 가능하게 하기 위해 제공된다. 본 개시의 다양한 수정예들이 당업자들에게 쉽게 자명할 것이고, 본원에 정의된 일반적인 원리들은 본 개시의 취지 또는 범위를 벗어나지 않으면서 다양한 변형예들에 적용될 수도 있다. 따라서, 본 개시는 본원에 설명된 예들에 제한되도록 의도된 것이 아니고, 본원에 개시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위가 부여되도록 의도된다.

비록 예시적인 구현예들이 하나 이상의 독립형 컴퓨터 시스템의 맥락에서 현재 개시된 주제의 양태들을 활용하는 것을 언급할 수도 있으나, 본 주제는 그렇게 제한되지 않고, 오히려 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 현재 개시된 주제의 양상들은 복수의 프로세싱 칩들이나 디바이스들에서 또는 그들에 걸쳐 구현될 수도 있고, 스토리지는 복수의 디바이스들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 디바이스들은 PC들, 네트워크 서버들, 및 핸드헬드 디바이스들을 포함할 수도 있다.

비록 본 주제가 구조적 특징들 및/또는 방법론적 작용들에 특정한 언어로 설명되었으나, 첨부된 청구항들에서 정의된 주제가 위에서 설명된 특정 특징들 또는 작용들로 반드시 제한되는 것은 아님이 이해될 것이다. 오히려, 위에서 설명된 특정 특징들 및 작용들은 청구항들을 구현하는 예시 적인 형태로서 설명된다.

이 명세서에서 언급된 방법은 특정 실시예들을 통하여 설명되었지만, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다는 점을 알아야 할 것이다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 사용자 단말기 120:검색 창
130: 단말기 화면 140: 매물 리스트
150: 필터 210: 통신 네트워크
220: 서버장치 230_1 내지 230_n: 중개업소 서버
310: 통신 모듈 320: 프로세서
322: 매물 추출 모듈 324: 경고결정 모듈
326: 난수범위산출 모듈 328: 최종난수산출 모듈
330: 출력 모듈 340: 데이터베이스
350: 매물 정보 DB 360: 중개업소 정보 DB
710: 허위매물 신고 벡터 712: 경고 횟수 벡터
720: 입력층 730_1 내지 730_n: 은닉층
740: 출력층 750: 경고 횟수0회 벡터
752: 경고 횟수1회 벡터 754: 경고 횟수2회 벡터
756: 경고 횟수3회 벡터 758: 경고 횟수4회 벡터
900: 매물 조건 입력 인터페이스 910: 매물 종류 선택 탭
912: 검색버튼 914: 입력 창
1000: 리스트 출력 인터페이스 1010: 매물 리스트

Claims (11)

1. 허위매물을 검수하기 위한 컴퓨팅 장치에 있어서,
   복수의 매물의 정보 및 복수의 중개업소의 정보를 저장하도록 구성된 매물 데이터베이스;
   사용자 단말기로부터 사용자가 원하는 매물의 조건을 수신하고, 상기 매물 데이터베이스에 저장된 복수의 매물 중에서, 상기 수신된 매물의 조건에 부합하는 하나 이상의 매물을 포함한 매물리스트를 추출하도록 구성된 매물추출 모듈;
   상기 매물 데이터베이스에 저장된 복수의 중개업소의 정보에 기초하여, 상기 추출된 매물리스트에 포함된 하나 이상의 매물의 각각을 업로드한 하나 이상의 중개업소의 각각의 경고 횟수를 결정하도록 구성된 경고결정 모듈;
   상기 하나 이상의 중개업소의 각각의 경고 횟수에 따라 난수가 출력되는 난수 범위의 최대값을 조절하고, 상기 조절된 난수 범위를 상기 하나 이상의 중개업소가 업로드한 매물과 연관시키도록 구성된 난수범위산출 모듈;
   상기 연관된 매물에 대하여 상기 조절된 난수 범위 내에서 최종 난수를 산출하도록 구성된 최종난수산출 모듈; 및
   상기 하나 이상의 매물을 상기 최종 난수의 크기 순으로 정렬하고, 상기 정렬된 하나 이상의 매물을 포함한 매물리스트를 출력하도록 구성된 출력 모듈을 포함하는, 컴퓨팅 장치.
   
2. 제1항에 있어서,
   상기 복수의 중개업소의 정보는,
   중개업소명, 중개사 등록번호, 사업자 등록번호, 중개업소 주소, 중개사 대표명, 중개사 대표번호, 중개사 사진, 허위매물 신고 정보, 등록된 매물에 대한 정보, 상기 등록된 매물에 대한 히스토리 정보 및 경고 횟수 중 적어도 하나를 포함하는, 컴퓨팅 장치.
   
3. 제1항에 있어서,
   상기 매물의 조건은,
   지역, 주변 지하철역, 사무실 형태, 보증금 및 매물 면적 정보 중 적어도 하나를 포함하는, 컴퓨팅 장치.
   
4. 제2항에 있어서,
   상기 경고결정 모듈은,
   상기 저장된 복수의 중개업소 정보에 기초하여 상기 매물 데이터베이스에 저장된 중개업소의 경고 횟수를 결정하도록 구성된, 컴퓨팅 장치.
   
5. 제4항에 있어서,
   상기 경고 결정 모듈은,
   상기 저장된 복수의 중개업소의 정보에 기초하여 상기 매물 데이터베이스에 저장된 중개업소의 경고 횟수를 미리 결정된 주기마다 결정하고, 상기 매물 데이터베이스에 상기 결정된 경고 횟수를 저장하도록 구성된, 컴퓨팅 장치.
   
6. 제2항에 있어서,
   상기 매물 데이터베이스에 저장된 복수의 중개업소의 각각의 경고횟수, 상기 복수의 중개업소의 각각에 의해 등록된 매물에 대한 정보 및 상기 등록된 매물에 대한 히스토리 정보가 인공신경망의 입력층에 입력되어 상기 복수의 중개업소의 난수범위의 최대값을 결정하도록 하는 상기 인공신경망을 생성하도록 구성된 학습 모듈을 더 포함하고,
   상기 난수범위산출 모듈은,
   상기 추출된 매물리스트에 포함된 하나 이상의 매물의 각각을 업로드한 하나 이상의 중개업소의 경고횟수, 등록된 매물에 대한 정보 및 상기 등록된 매물의 히스토리 정보를 상기 인공신경망에 입력하고, 상기 인공신경망을 통해 상기 하나 이상의 중개업소의 각각의 난수범위의 최대값을 결정하도록 구성된, 컴퓨팅 장치.
   
7. 제1항에 있어서,
   상기 난수범위산출 모듈은,
   상기 하나 이상의 중개업소가 경고가 없는 중개업소일 경우, 상기 하나 이상의 중개업소에 연관된 난수 범위의 최대값을 최대로 설정하고,
   상기 하나 이상의 중개업소가 경고횟수가 증가할수록 상기 하나 이상의 중개업소에 연관된 난수 범위의 최대값을 단계별로 감소시키도록 구성된, 컴퓨팅 장치.
   
8. 제1항에 있어서,
   상기 난수범위산출 모듈은,
   상기 하나 이상의 중개업소가 경고 1회를 받은 경우, 상기 난수 범위의 최대값을 100~85 사이에서 랜덤으로 설정하고,
   상기 하나 이상의 중개업소가 경고 2회를 받은 경우, 상기 난수범위의 최대값을 100~70 사이에서 랜덤으로 설정하고,
   상기 하나 이상의 중개업소가 경고 3회를 받은 경우, 상기 난수 범위의 최대값을 100~55 사이에서 랜덤으로 설정하고,
   상기 하나 이상의 중개업소가 경고 4회를 받은 경우 상기 난수 범위의 최대값을 100~40 사이에서 랜덤으로 설정하도록 구성된, 컴퓨팅 장치.
   
9. 컴퓨팅 장치에 의해 허위매물을 검수하기 위한 방법에 있어서,
   복수의 매물의 정보 및 복수의 중개업소의 정보를 저장하도록 구성된 매물 데이터베이스를 준비하는 단계;
   사용자 단말기로부터 사용자가 원하는 매물의 조건을 수신하고, 상기 매물 데이터베이스에 저장된 복수의 매물로부터 상기 수신된 매물의 조건에 부합하는 하나 이상의 매물을 포함한 매물리스트를 추출하는 단계;
   상기 매물 데이터베이스에 저장된 복수의 중개업소의 정보에 기초하여, 상기 추출된 매물리스트에 포함된 하나 이상의 매물 각각을 업로드한 하나 이상의 중개업소의 각각의 경고 횟수를 결정하는 단계;
   상기 하나 이상의 중개업소의 각각의 경고 횟수에 따라 난수가 출력되는 난수 범위의 최대값을 조절하는 단계;
   상기 조절된 난수 범위를 상기 하나 이상의 중개업소가 업로드한 매물과 연관시키는 단계;
   상기 연관된 매물에 대하여 상기 조절된 난수 범위 내에서 최종 난수를 산출하는 단계;
   상기 하나 이상의 매물을 상기 최종 난수의 크기 순으로 정렬하고, 상기 정렬된 하나 이상의 매물을 포함한 매물리스트를 출력하는 단계를 포함하는, 허위 매물 검수 방법.
   
10. 제8항에 있어서,
    상기 난수 범위의 최대값을 조절하는 단계는,
    상기 하나 이상의 중개업소가 경고가 없는 중개업소일 경우, 상기 하나의 중개업소에 연관된 난수 범위의 최대값을 최대로 설정하는 단계와,
    상기 하나 이상의 중개업소가 경고횟수가 증가할수록 상기 하나 이상의 중개업소에 연관된 난수 범위의 최대값을 단계별로 감소시키는 단계를 포함하는, 허위 매물 검수 방법.
    
11. 제9항 내지 제10항 중 어느 한 항의 허위 매물 검수 방법에 따른 각각의 단계를 수행하는 명령어를 포함하는 프로그램이 기록된, 컴퓨터 판독가능 저장매체.

Images