KR20210073086A - 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법 - Google Patents
머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법 Download PDFInfo
- Publication number
- KR20210073086A KR20210073086A KR1020190163556A KR20190163556A KR20210073086A KR 20210073086 A KR20210073086 A KR 20210073086A KR 1020190163556 A KR1020190163556 A KR 1020190163556A KR 20190163556 A KR20190163556 A KR 20190163556A KR 20210073086 A KR20210073086 A KR 20210073086A
- Authority
- KR
- South Korea
- Prior art keywords
- auction
- real estate
- court
- big data
- estate auction
- Prior art date
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000010801 machine learning Methods 0.000 title claims abstract description 60
- 238000003058 natural language processing Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000007418 data mining Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 6
- 238000013079 data visualisation Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims 1
- 239000003795 chemical substances by application Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000002747 voluntary effect Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법이 개시된다. 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은 법원에 매각 기일이 공고된 부동산 경매 물건에 대하여 법원 경매 서버로부터 공인중개사의 부동산 경매 예상 낙찰가 빅데이터 분석 시스템의 경매물건 데이터베이스에 사진과 동영상이 포함된 부동산 경매 물건의 사건번호와 물건 정보, 부동산등기부등본, 토지대장/임야 대장, 건축물 대장 및 감정 평가서 정보를, 부동산 경매 빅 데이터 분석 및 모델링 시스템을 구축하며,
아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 법원별/지역별/용도별/평수/대지면적/건물면적에 따라 부동산 경매 물건의 감정가/최저가에 기초하여 경매 물건의 최고가 낙찰 방식에 의해 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하여 부동산 경매 입찰자들에게 부동산 경매 낙찰가를 예측하며, 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공한다.
아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 법원별/지역별/용도별/평수/대지면적/건물면적에 따라 부동산 경매 물건의 감정가/최저가에 기초하여 경매 물건의 최고가 낙찰 방식에 의해 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하여 부동산 경매 입찰자들에게 부동산 경매 낙찰가를 예측하며, 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공한다.
Description
본 발명은 부동산 경매 예상 낙찰가에 관한 것으로, 보다 상세하게는 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 법원별/지역별 부동산 경매 물건의 감정가/최저가에 기초하여 경매 물건의 최저가 기준 최고가 낙찰 방식에 의해 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하여 부동산 경매 입찰자들에게 부동산 경매 낙찰가를 예측하고, 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공하며 이를 데이터 시각화하여 출력하는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법에 관한 것이다.
경매는 물건을 팔고자 하는 사람(매도인)이 물건을 사고자 하는 다수의 사람(매수희망인)에게 매수의 청약을 실시하여 그 중 가장 높은 가격으로 청약을 한 사람에게 물건을 매도하는 형태의 거래를 말한다.
경매는 위와 같이 매도인이 물건을 매매할 목적으로 직접 실시하기도 하지만, 채권자가 채무자에게 지급받지 못한 자신의 채권을 회수할 목적으로 실시하기도 한다. 채무자가 채무(빚)를 갚을 수 없는 경우, 채권자가 이를 원인으로 법원에 부동산 경매를 신청하면, 법원이 입찰을 통해 채무자의 물건을 매각한 후 그 매각대금으로 채권자의 채권을 충당하는 법원경매가 실시된다.
* 경매의 유형
(1) 부동산 경매와 동산 경매
경매의 대상, 즉 경매의 목적물이 무엇인지에 따라 경매는 부동산 경매와 동산 경매로 분류된다.
부동산 경매는 토지·주택·상가건물·임야·농지·공장 등 토지 및 그 정착물을 대상으로 하는 반면, 동산 경매는 가구·가전·콘도 회원권 등 유체동산, 채권 및 그 밖의 재산권을 대상으로 실시한다.
(2) 사경매와 공경매
경매는 경매를 집행하는 주체가 누구인지에 따라 사경매와 공경매로 나눌 수 있다.
사경매는 개인이 주체가 되어 경매를 실시하는 반면, 공경매는 국가기관이 주체가 되어 경매를 실시한다. 공경매는 법원이 집행주체가 되는 법원경매와 한국자산관리공사 등의 공기관이 집행주체가 되는 공매가 있다.
(3) 임의경매와 강제경매
법원 경매는 법원의 강제집행절차에 의해 채무자 소유의 부동산을 매각하여 다수의 매수 희망자 중에서 최고 가격으로 낙찰된 낙찰자가 낙찰대금을 완납하고 소유권을 취득하게 된다.
법원 경매는 임의 경매와 강제 경매로 나누어진다.
경매를 실시하는 데 집행권원이 필요한지에 따라 경매는 임의경매와 강제경매로 나눌 수 있다.
임의경매는 채권자가 채무자에게 담보로 제공받은 부동산에 설정한 저당권·근저당권·유치권·질권·전세권·담보가등기 등의 담보권을 실행하는 경매이므로 집행권원이 필요없는 반면, 강제경매는 실행할 담보가 없는 경우로서 법원의 집행권원을 부여받아야만 경매를 실시할 수 있다.
집행권원(‘채무명의’ 또는 ‘집행명의’라고도 함)이란 국가의 강제력에 의해 실현될 이행청구권의 존재와 범위를 표시하고 그에 대해 강제집행을 실시할 수 있는 권리를 인정한 공정증서를 말한다.
집행권원은 집행력 있는 판결, 지급명령정본, 화해조서정본 등이 있다(「민사집행법」제24조 및 「민사집행법」제56조).
임의경매는 경매절차가 완료되어 매수인이 소유권을 취득했더라도 경매개시결정 전부터 저당권 등의 담보권이 부존재하거나 무효였다면 매수인의 소유권 취득이 무효가 되지만, 강제경매는 집행권원에 표시된 권리가 처음부터 부존재하거나 무효였더라도 매수인의 소유권 취득은 유효하다.
『부동산 경매』는 현재 주로 이용되고 있는 경매 유형인 법원경매를 중심으로 부동산 경매의 입찰 절차와 낙찰 후 절차를 기재한다.
법원경매는 국가기관이 주체가 되는 공경매로서 임의경매와 강제경매를 모두 포함한다.
부동산은 토지와 그 토지의 정착물을 의미하며(「민법」제99조제1항), 특히 토지는 정당한 이익이 있는 범위 내에서 그 지상과 지하까지도 포함한다(「민법」제212조).
대지, 농지, 산지 등의 토지는 부동산 경매의 대상이 될 수 있다.
토지의 정착물은 건물, 토지 위에 자라고 있는 수목을 포함하며, 토지 위에 자라고 있는 수목이 미등기된 경우 그 수목을 토지의 일부로 보기 때문에 토지와 분리하여 경매될 수 없다(대법원 1998 10 28 자 98마1817 결정).
그러나, 소유권보존등기를 한 수목, 즉 입목은 부동산으로 보기 때문에 토지와 분리해서 경매될 수 있다(「입목에 관한 법률」제2조 및 「입목에 관한 법률」제3조) 또한, 명인방법을 갖춘 수목 역시 독립된 부동산으로 보기 때문에 토지와 분리해서 경매될 수 있다(대법원 1998 10 28 자 98마1817 결정).
공유 부동산은 다른 사람과 부동산을 공유하고 있는 경우에 그 공유지분은 독립해서 부동산 경매의 대상이 될 수 있다(「민사집행법」제139조).
부동산 경매 입찰에 참여하려는 사람은 관심 있는 부동산(관심 물건)에 대하여 관심 물건의 권리분석 및 현장조사(표 1)를 통해 그 물건의 실제상황을 파악하고, 입찰 참여에 대한 부동산 경매 물건의 가치를 평가하는 것이 좋다.
| 종 류 | 확인할 수 있는 사항 |
| 부동산등기기록 | 각 토지나 각 건물대지의 지번 소유권, 지상권, 지역권, 전세권, 저당권, 권리질권, 채권담보권, 임차권 등의 설정 여부 및 등기 순위 (「부동산등기법」제3조, 제34조, 제40조 및 제48조) |
| 토지대장, 임야대장 | 토지의 소재지, 지번, 지목, 면적, 소유자 등 공유 여부·공유 지분 및 공유자에 관한 사항, 대지권 등기여부·대지권 비율 및 소유자에 관한 사항 등 (「공간정보의 구축 및 관리 등에 관한 법률」제71조 및 「공간정보의 구축 및 관리 등에 관한 법률 시행규칙」제68조제1항) |
| 건축물대장 | 건축물의 지번, 행정구역 건축물의 면적·구조·용도·층수, 가설건축물 여부 (「건축법」제38조제3항, 「건축물대장의 기재 및 관리 등에 관한 규칙 」 제7조 및 별지 제1호서식 참고) |
* 부동산 경매의 절차
부동산 경매는 토지·주택·상가건물·임야·농지·공장 등 토지 및 그 정착물을 대상으로 하며, 채권자가 채권을 회수하기 위해 법원을 통해 실시하는 법원경매가 대표적이다.
법원의 부동산 경매절차는 일반적으로 채권자의 경매 신청→법원의 경매개시결정과 매각의 준비 및 매각기일 공고→입찰자의 정보수집 및 입찰참여→법원의 최고가매수인의 선정 및 매수신청보증금의 반환→법원의 매각허가 결정→매수인의 매각대금 지급 및 권리취득→채권자에 대한 배당 순으로 진행된다.
도 1은 부동산 경매 절차를 보인 도면이다.
(1) 채권자의 경매 신청
부동산 경매는 해당 부동산이 있는 곳의 관할 지방법원에 신청하면 된다(「민사집행법」제79조제1항 및 제268조).
(2) 법원의 경매개시결정 및 매각 준비
(2.1) 법원의 경매개시결정
법원은 경매신청서가 접수되면, 그 신청서와 첨부서류를 검토하여 경매개시 여부를 결정하며, 경매를 개시하는 결정을 하는 경우 등기관에게 경매개시결정의 등기를 촉탁한다(「민사집행법」제94조제1항).
특히, 강제경매인 경우에 법원은 경매절차를 개시하는 결정과 동시에 해당 부동산의 압류를 명해야 한다(「민사집행법」제83조제1항) 부동산이 압류되어도 채무자는 그 부동산에 대한 관리·이용을 계속할 수 있지만, 다른 사람에게 양도하거나 처분할 수 없다(「민사집행법」제83조제2항).
(2.2) 매각의 준비
경매개시결정을 하면 법원은 해당 부동산을 매각하기 위한 조치를 실시한다.우선, 법원은 부동산의 매각으로 금전채권의 만족을 얻게 될 채권자와 조세·각종 공과금을 징수하는 공공기관에게 정해진 기일까지 배당요구를 할 것을 공고하여 배당요구의 신청을 받는다(「민사집행법」제84조 및 제88조).
또한, 경매 부동산을 현금화하기 위해 집행관에게 부동산의 현상, 점유관계, 차임(借賃) 또는 보증금의 액수와 그 밖의 현황에 관해 조사하도록 명하고(「민사집행법」제85조제1항 및 「민사집행규칙」제46조), 감정인에게 부동산을 평가하게 한 후 그 평가액을 참작하여 최저매각가격을 정한다(「민사집행법」제97조제1항) 이 과정에서 작성된 매각물건명세서, 현황조사보고서 및 평가서는 그 사본을 매각기일 또는 입찰 개시일 1주일 전까지 법원에 비치하여 누구나 볼 수 있도록 하고 있다(「민사집행법」제105조제2항 및 「민사집행규칙」제55조).
(3) 법원의 매각기일 공고
법원은 해당 부동산을 기일입찰의 방법, 또는 기간입찰의 방법으로 매각할 것인지를 정한다[「민사집행법」제103조제1항 및 「부동산등에 대한 경매절차 처리지침」(대법원재판예규 제1631호, 2016 12 20 발령, 2017 1 1 시행) 제3조제1항],
법원은 매각기일과 매각결정기일을 정해서 이해관계인에게 통지하고 법원게시판, 관보·공보 또는 신문이나 전자통신매체를 통해 공고한다
(4) 입찰자의 경매 정보 수집 및 입찰물건 결정
경매 부동산에 대한 정보는 법원게시판, 관보·공보 또는 신문이나 전자통신매체를 통해 수집할 수 있으며, 보다 상세한 사항은 법원에 비치된 매각물건명세서, 현황조사보고서 및 평가서 사본이나 인터넷 법원경매공고란(http://wwwcourtauctiongokr/)에서 확인할 수 있다(「민사집행법」제105조제2항, 「민사집행규칙」제55조 및 「부동산등에 대한 경매절차 처리지침」제7조).
(5) 입찰자의 입찰 참여
법원에서 지정한 매각방식에 따라 입찰자는 기일입찰 또는 기간입찰에 참여하게 된다.
기일입찰에 참여하려면, 정해진 기일에 법원에 출석해서 입찰표를 작성하고, 매수신청의 보증금액(이하 ‘매수신청보증’이라 함)과 함께 집행관에게 제출하면 된다.
기간입찰에 참여하려면, 정해진 기간 동안 입찰표를 작성하고, 매수신청보증과 같은 봉투에 넣어 봉함한 뒤 봉투의 겉면에 매각기일을 적은 후 집행관에게 제출하거나 등기우편으로 제출하면 된다.
(6) 법원의 매각허가결정
매각기일에 최고가매수신고인이 정해지면, 법원은 매각결정기일을 열어 이해관계인의 의견을 듣고 법에서 정한 매각불허가 사유가 있는지를 조사해서 매각허가결정 또는 매각불허가결정을 한다(「민사집행법」제120조 및 제123조).
법원의 매각허가여부의 결정에 따라 손해를 보는 이해관계인은 그 결정에 대해 즉시항고할 수 있으며, 매각허가에 정당한 이유가 없거나 결정에 적은 것 외의 조건으로 허가해야 한다고 주장하는 매수인 또는 매각허가를 주장하는 매수신고인 역시 즉시항고할 수 있다(「민사집행법」제129조).
(7) 매수인의 매각대금 지급 및 권리의 취득
매각허가결정이 확정되면, 매수인(낙찰자)은 법원이 정한 매각대금의 지급기한 내에 매각대금을 지급해야 한다. 매수인이 이 기한 내에 매각대금을 지급하지 못하면 법원은 차순위매수신고인에 대한 매각허가결정을 하거나 재매각결정을 하는데, 이 결정이 이루어지면 매수인은 입찰참여 절차에서 제공한 매수신청보증을 반환받을 수 없다.
매수인(낙찰자)는 대법원 사이트에 공시된 법원 경매로 낙찰받은 부동산 경매 물건에 대하여 잔금 납부와 소유권 이전을 통해 온전하게 부동산 경매 물건의 소유권을 이전받는다.
* 부동산 경매 절차 관련 법령
「민사집행법」은 제2편제2장제2절 및 제3편에서 법원에서 실시하는 부동산 경매의 절차에 관한 전반적인 사항을 규정하고 있다. 구체적으로 「민사집행법」은 채권자의 경매 신청, 법원의 경매개시결정과 매각 준비 및 공고, 입찰자의 입찰 참여, 법원의 최고가매수인 선정·매수신청보증 반환 및 매각허가결정, 매수인의 매각대금 납부 및 권리 취득, 채권자에 대한 배당실시 등에 관해 정하고 있다.
「부동산등기법」은 부동산등기기록에 기록되는 사항에 관해 정하고 있으며, 제4장에서는 부동산등기절차에 관해 규정하고 있다. 입찰에 참여하려는 사람은 부동산등기기록을 통해 해당 부동산에 소유권, 지상권, 지역권, 전세권, 저당권, 권리질권, 채권담보권, 임차권 등이 설정되어 있는지를 확인할 수 있다(「부동산등기법」제3조).
「공인중개사법」은 개업공인중개사가 「민사집행법」에 의한 경매 및 「국세징수법」그 밖의 법령에 의한 공매대상 부동산에 대한 권리분석 및 취득의 알선과 매수신청 또는 입찰신청의 대리를 허용하고 있다(「공인중개사법」제14조제2항)
개업 공인중개사가 위의 규정에 따라 「민사집행법」에 의한 경매대상 부동산의 매수신청 또는 입찰신청의 대리를 하는 경우 대법원 규칙이 정하는 요건을 갖추어 법원에 등록을 하고 그 감독을 받아야 한다(「공인중개사법」제14조제3항).
* 매수인의 권리 보호 관련 법제
「민사집행법」은 제2편제2장제2절 및 제3편에서 경매 부동산을 매수한 사람의 권리를 보호하기 위한 사항을 규정하고 있다. 구체적으로 「민사집행법」은 이해관계인의 합의에 따른 매각조건의 변경, 매수인의 매각허가결정에 대한 즉시항고, 매각대금의 지급에 따른 권리의 취득, 소유권의 취득에 따른 부동산소유권이전등기의 촉탁 및 부동산의 인도명령 등에 관해 정하고 있다.
「부동산등기법」은 부동산등기기록에 기록되는 사항에 관해 정하고 있으며, 제4장에서는 부동산 등기 절차에 관해 규정하고 있습니다. 경매를 통해 부동산의 소유권을 취득한 경는 법원이 등기관에게 소유권이전등기촉탁을 해서 등기가 이루어지므로 매수인이 따로 소유권 이전 등기를 하지 않아도 된다.
「주택임대차보호법」은 이 법의 적용을 받는 주거용 건물에 경매가 실시되어 매각된 경우에 기존의 임차인을 보호하기 위한 사항을 규정하고 있지만, 동시에 매수인을 보호하기 위한 내용도 포함되어 있다.
「민사집행법」에 따른 경매가 실시된 경우 그 임차주택이 매각되면 임차권이 소멸되므로 임차인은 점유자의 신분이 된다. 이 경우 매수인이 기존의 임차인(매수 후의 점유자)에게 퇴거를 요청할 수 있으며, 법원에 요청해서 해당 주택을 인도해 줄 것을 명할 수 있습니다. 그러나 보증금이 모두 변제되지 않은 대항력 있는 임차권의 경우에는 그렇지 않다(「주택임대차보호법」제3조의5).
「상가건물 임대차보호법」은 이 법의 적용을 받는 상가건물에 경매가 실시되어 매각된 경우에 기존의 임차인을 보호하기 위한 사항을 규정하고 있지만, 동시에 매수인을 보호하기 위한 내용도 포함되어 있다.
「민사집행법」에 따른 경매가 실시된 경우 그 임차건물이 매각되면 임차권이 소멸되므로 임차인은 점유자의 신분이 된다. 이 경우 매수인이 기존의 임차인(매수 후의 점유자)에게 퇴거를 요청할 수 있으며, 법원에 요청해서 해당 건물을 인도해 줄 것을 명할 수 있다. 그러나 보증금이 모두 변제되지 않은 대항력 있는 임차권의 경우에는 그렇지 않다(「상가건물 임대차보호법」제8조).
이와 관련된 선행기술1로써, 특허 등록번호 10-0716507에서는 "인터넷을 이용한 경매 부동산의 감정평가방법 및 그 시스템"이 등록되어 있다.
도 2는 종래의 인터넷을 이용한 경매 부동산의 감정평가 시스템의 구성도이다. 법원으로부터 인터넷을 통하여 경매 부동산의 감정평가를 처리하기 시스템은 법원 시스템(10)과 감정평가 중개자 시스템(20), 및 평가기관의 단말(30)을 포함한다.
법원 시스템(10)은 각급 법원에서 요청된 부동산 경매 정보를 수집, 통합하는 대법원 시스템으로써, 감정평가 중개자 시스템(20)은 감정인 또는 평가법인을 대표하는 감정평가협회 시스템으로, 평가기관(30)은 감정평가사 사무소 또는 평가법인의 시스템을 예로들어 설명한다.
도 2를 참조하면, 대법원 내부의 법원 시스템(10)은 각급 법원 경매계에서 경매 대상 부동산에 대한 경매 요청을 전송 처리하는 경매계 단말(15); 상기 경매계 단말(15)로부터 전송 요청된 경매 부동산의 감정 평가 요청을 인터넷을 거쳐 수신하는 법원 서버(11); 상기 법원 서버(11)와 연결되고 상기 경매 요청 부동산에 대한 부동산 목록, 평가명령 데이터를 저장하는 데이터베이스(12)로 구성된다.
상기 경매계 단말(15)은 허브(HUB)를 통해 가상사설망을 통하여 인터넷으로 법원 서버(11)에 연결된다.
상기 법원 서버(11)에 연동되는 감정평가협회의 감정평가 중개자 시스템(20)은 본 발명에서 경매 부동산의 감정평가처리를 수행하는 가장 중요한 구성부분으로써, 상기 법원의 데이터베이스(12)에 저장된 경매 부동산 감정 평가 명령, 부동산 목록 데이터전송을 처리하는 법원 서버(11)와 온라인 연결되며 연계프로그램을 수행하여 상기 법원 서버(11)에 연결된 데이터베이스(12)에 저장된 평가 명령 데이터, 기타 경매 부동산 관련 정보를 동기시키고, 상기 평가 명령 데이터에 따라 해당 감정인이 처리하여 발송 요청한 감정 평가서를 상기 법원 서버(11)에 전송하는 감정평가 중개자 호스트 서버(21)와;
상기 법원서버(11)에 연결되며 상기 호스트 서버(21)가 상기 법원 서버(11)와 동기하여 전송된 상기 감정 평가 명령, 기타 경매 부동산 정보와 상기 평가 명령 데이터에 따라 지정된 감정인이 작성하여 저장하는 감정평가서를 저장하는 DB 서버(22)와, 상기 감정인이 속한 감정평가기관에서 접속요청하면 인증 절차를 거쳐서 상기 DB 서버(22)에 접속을 처리하며 상기 DB 서버(22)에 연결되는 게이트웨이 서버(23)를 포함하여 구성된다.
상기 경매 부동산 감정 평가 명령 데이터전송을 처리하는 법원 서버(11)와 상기 호스트 서버(21)는 상기 법원 서버(11)에 연결된 데이터베이스에 저장된 평가 명령 데이터, 기타 경매 부동산 관련 정보를 동기시키는 연계 프로그램은 일종의 소프트웨어로서 연계 데몬 프로그램이다.
또한, 상기 법원 서버(11)와 상기 호스트 서버(21) 간에는 보안을 강화하기 위하여 방화벽과 가상사설망(VPN)을 경유하여 연결되어 있다.
그리고, 상기 평가기관 시스템(30)은 상기 게이트웨이 서버(23)와 인터넷을 통하여 온라인 연결되며 상기 감정평가 중개자 시스템(20)에서 부여된 아이디(ID)와 패스워드를 통해 상기 게이트웨이 서버(23)와 접속하며, 접수 프로그램을 실행하고 상기 DB 서버(22)에서 저장되는 평가 명령, 경매 부동산 정보를 전송받고, 작성 프로그램을 실행하여 감정평가서를 작성하여 상기 DB 서버(22)에 저장하며, 발송 프로그램을 수행하여 상기 호스트 서버(21)에 발송 요청을 하는 감정평가기관의 단말(31)을 포함한다.
상기 평가기관의 시스템(30)은 허브(HUB)를 거쳐 상기 게이트웨이 서버(23)에 연결되는 단말을 여러 개 운용하고 상기 단말들을 통합하여 관리하는 내부 서버와 DB를 포함할 수도 있다.
상기 감정평가 중개자 시스템(20)에서 인증절차를 위하여 부여되는 ID와 패스워드는 감정인에 따라서 부여될 수 있으나, 평가기관에 대하여 부여되는 것이 바람직하다.
상기 감정평가 중개자의 호스트 서버(21)와 상기 감정평가기관의 단말(31)은 보안 강화를 위하여 방화벽과 가상 사설망(VPN)을 경유하여 연결되어 있는 것이 바람직하다.
또한, 인터넷을 이용한 경매 부동산의 감정평가 방법은 호스트 서버가 법원 서버에 온라인을 통하여 접속하여 경매 부동산의 평가 명령 데이터를 수신하고 DB에 저장하는 단계; 감정인의 단말에서 접수 프로그램을 실행한 후 상기 DB에 접속하여 상기 평가 명령 데이터를 다운로드하는 단계; 상기 다운로드된 평가 명령 데이터에 대하여 감정서 번호, 부동산 물건명, 부동산 소재지를 입력하고 상기 DB에 저장하면 상기 법원 서버로 접수상태를 통보하는 단계; 감정 평가서 작성 프로그램을 실행하고 감정 평가서를 작성하는 단계, 상기 감정 평가서를 저장하고 발송 프로그램의 발송 화면을 실행하는 단계, 감정 평가서를 검증하고 상기 호스트 서버에 상기 감정 평가서를 발송 요청하는 단계; 및 상기 호스트 서버는 상기 감정 평가서를 전송 후 법원 서버의 수신 상태 정보를 상기 DB에 동기화시키는 단계를 포함하며, 감정 평가 정보를 통합하여 관리, 분석함으로써 신속하고 효율적으로 경매 부동산의 감정가를 결정한다.
이와 관련된 선행기술2로써, 특허 등록번호 10-0465240에서는, "법원 경매 부동산 분석 방법 및 시스템과 상기 방법의 프로그램 소스를 컴퓨터가 실행시킬 수 있도록 저장 기록매체"이 등록되어 있다.
법원경매 부동산 분석 방법 및 시스템과 이를 저장한 기록 매체는 특히, 전문가 지식 데이터베이스를 기반으로 경매 물건의 권리들에 대해 인수 여부 및 배당액을 동적으로 정확히 분석함으로써 분석 결과의 신뢰성을 향상시켜 법원 경매의 제공한다.
법원경매 부동산 분석 방법은 경매 물건에 대한 권리 내용에 대응하는 전문가의 지식을 데이터베이스화하는 제1 단계와; 경매 법원에서 제공되는 경매 물건 정보를 참조하여 물건 리스트 및 권리 내용을 데이터베이스화하는 제2 단계와; 상기에서 데이터베이스화된 각 물건에 대해 등기 권리와 물건화 권리를 우선일자순으로 배열하여 1차 권리 분석을 실행하고 그 실행 결과를 토대로 전문가 지식 데이터베이스 기반의 기본 분석 결과 데이터를 데이터베이스화하는 제3 단계와; 유무선 네트워크 상에서 접속된 경매 입찰자의 정보 단말기로 경매 물건 리스트를 제공하여 경매 입찰자가 선택한 경매 물건에 대한 내역 및 기본 분석 데이터를 제공하고 경매 입찰자가 경매 물건의 권리 내용를 수정하면 등기부상 권리와 물건화 권리를 우선일자순으로 다시 배열하여 2차 권리 분석을 실행하며 그 실행 결과를 토대로 전문가 지식 데이터베이스 기반의 분석 결과 데이터를 데이터베이스화하여 상기 정보 단말기로 제공하는 제4 단계를 포함한다.
도 3은 경매 물건 리스트의 예시도이다. 도 4는 도3에서 선택된 경매 물건의 권리 정보를 가공한 화면의 예시도이다.
도 5와 도 6은 부동산 경매 물건의 권리 정보를 보인 화면이다.
경매 입찰자가 경매 물건 리스트 메뉴를 선택하면 경매 서비스 서버는 데이터베이스에 저장되어 있는 경매 물건 리스트를 PC로 제공하여 화면에 표시시키게 된다. 부동산 경매 물건 리스트는 도 3에 도시된 바와 같이, 경매 법원에서 부여된 사건 번호, 주택, 다세대, 연립, 아파트, 근린, 전답, 대지 등을 나타내는 종목, 소재지, 감정가, 최저가, 임차금 총액, 경락인 인수금액의 항목을 포함한다.
이후, 경매 입찰자가 관심이 있는 물건을 선택하면 경매 서비스 서버는 데이터베이스에 저장되어 있는 해당 물건에 대한 경매 개시자, 임의/강제 경매 여부, 등기년월일, 감정가, 최저 감정가, 등기현황, 임차현황을 포함하는 권리 내역을 PC로 제공하여 화면에 표시된다.
상기 등기 현황은 근저당, 가압류, 압류 등의 설정 권리, 등기 일자, 금액, 채권자명의 내역이 표시되며 임차현황은 세입자명, 전입일자, 확정일자, 금액, 배당 요구 여부, 주거 여부의 내역이 표시된다.
부동산 경매 대출은 은행 등의 금융기관에서 법원경매로 아파트나 [주택, 상가 등의 경매 부동산을 낙찰받은 낙찰자에게 경매낙찰 부동산을 담보로 낙찰대금 납부 전에 필요한 경락자금을 대출해 주는 서비스를 제공할 수 있다.
경락잔금대출을 원하는 고객은 보통 경매법원에서 받은 명함이나 전단지 또는 지인 소개로 알게된 대출중개인 등을 통해 대출 조건을 알아보게 된다. 또는, 고객이 직접 인근의 각 금융기관을 방문하여 경매 낙찰 부동산을 담보로 대출 가능한 대출 상품의 대출 가능 금액, 대출 금리 등의 대출 조건을 일일이 알아본 후 경락잔금 대출을 신청할 수 있다.
그러나, 부동상 경매 시스템은 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 법원별/지역별 부동산 경매 물건의 감정가에 대하여 경매 물건의 최고가 낙찰 방식에 의해 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하여 부동산 경매 입찰자들에게 부동산 경매 낙찰가를 예측하는 서비스를 제공하지 않았다.
상기 문제점을 해결하기 위한 본 발명의 목적은 법원에 매각 기일이 공고된 부동산 경매 물건에 대하여 법원 경매 서버로부터 공인중개사의 부동산 경매 예상 낙찰가 빅데이터 분석 시스템의 경매물건 데이터베이스에 사진과 동영상이 포함된 부동산 경매 물건의 사건번호와 물건 정보/위치 정보, 부동산등기부등본, 토지대장/임야 대장, 건축물 대장, 및 감정 평가서 정보의 빅 데이터를 수집하여 경매물건 데이터베이스에 저장하고, 부동산 경매 빅 데이터 분석 및 모델링 시스템을 구축하며,
아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 법원별/지역별 부동산 경매 물건의 감정가/최저가에 기초하여 경매 물건의 최저가 기준 최고가 낙찰 방식에 의해 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하여 부동산 경매 입찰자들에게 부동산 경매 낙찰가를 예측하고, 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공하며, 이를 데이터 시각화하여 제공하는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템을 제공하는 것이다.
본 발명의 다른 목적은 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법을 제공하는 것이다.
본 발명의 목적을 달성하기 위해, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은, 법원 경매 서버와 연동되는 경매 물건 데이터베이스를 포함하며, 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지에 대하여 빅 데이터를 분석하여 법원별/지역별/용도(유형)별 부동산 경매 물건의 사건 번호별 감정가/최저가에 기초하여 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 낙찰가를 예측하여 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공하는 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템; 및 상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템에 유무선 통신망을 통해 접속하며, 법원별/지역별 부동산 경매 물건의 사건 번호별 감정가/최저가에 기초하여 경매 물건의 부동산 경매 예상 낙찰가와 통계 정보를 제공받는 사용자 단말을 포함한다.
본 발명의 다른 목적을 달성하기 위해, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법은 법원의 부동산 경매 물건에 대하여 법원 경매 서버로부터 부동산 경매 예상 낙찰가 빅데이터 분석 시스템으로 부동산 경매 관련 빅 데이터를 수집하여 경매 물건 데이터베이스에 저장하여, 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 빅 데이터 분석 및 모델링 시스템을 구축하는 단계; 상기 부동산 경매 예상 낙찰가 빅데이터 분석 시스템에 유무선 통신망을 통해 접속된 사용자 단말로 법원/지역별/용도(유형)별 경매 물건 리스트를 출력하는 단계; 및 상기 부동산 경매 예상 낙찰가 빅데이터 분석 시스템은 상기 사용자 단말로 경매 물건의 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 제공하며, 법원/지역별/용도(유형)별 부동산 경매 물건 리스트에 감정가/최저가를 제공하며, 경매 물건 데이터베이스와 연동하여 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 예상 낙찰가를 제공하는 단계를 포함한다.
본 발명의 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법은 법원에 매각 기일이 공고된 부동산 경매 물건에 대하여 법원 경매 서버로부터 공인중개사의 부동산 경매 예상 낙찰가 빅데이터 분석 시스템의 경매물건 데이터베이스에 사진과 동영상이 포함된 부동산 경매 물건의 사건번호와 물건 정보/위치 정보, 부동산등기부등본, 토지대장/임야 대장, 건축물 대장 및 감정 평가서 정보의 빅 데이터를 수집하여 경매 물건 데이터베이스에 저장하며, 사용자 단말(PC, 스마트폰, 태블릿 PC)과 유무선 통신망을 통해 연동되는 부동산 경매 빅 데이터 분석 및 모델링 시스템을 구축하며,
아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 용도에 따라 법원별/지역별/용도(유형)별/용도별/평수/대지면적/건물면적에 따라부동산 경매 물건의 감정가/최저가에 기초하여 경매 물건의 최저가 기준 최고가 낙찰 방식에 의해 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하고, 부동산 경매 입찰자들에게 부동산 경매 낙찰가를 예측하며, 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공하여 이를 데이터 시각화하여 출력하는 효과가 있다.
도 1은 부동산 경매 절차를 보인 도면이다.
도 2는 종래의 인터넷을 이용한 경매 부동산의 감정평가 시스템의 구성도이다.
도 3은 경매 물건 리스트의 예시도이다.
도 4는 도3에서 선택된 경매 물건의 권리 정보를 가공한 화면의 예시도이다.
도 5와 도 6은 부동산 경매 물건의 권리 정보를 보인 화면이다.
도 7은 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 구성도이다.
도 8은 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 서비스 개념도이다.
도 9는 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법을 나타낸 플로차트이다.
도 2는 종래의 인터넷을 이용한 경매 부동산의 감정평가 시스템의 구성도이다.
도 3은 경매 물건 리스트의 예시도이다.
도 4는 도3에서 선택된 경매 물건의 권리 정보를 가공한 화면의 예시도이다.
도 5와 도 6은 부동산 경매 물건의 권리 정보를 보인 화면이다.
도 7은 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 구성도이다.
도 8은 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 서비스 개념도이다.
도 9는 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법을 나타낸 플로차트이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 발명의 구성 및 동작을 상세하게 설명한다.
머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법은 법원에 매각 기일이 공고된 부동산 경매 물건에 대하여 법원 경매 서버로부터 공인중개사의 부동산 경매 예상 낙찰가 빅데이터 분석 시스템의 경매물건 데이터베이스에 사진과 동영상이 포함된 부동산 경매 물건의 사건번호와 물건 정보/위치 정보, 부동산등기부등본, 토지대장/임야 대장, 건축물 대장 및 감정 평가서 정보의 빅 데이터를 수집하여 경매 물건 데이터베이스에 저장하고, 사용자 단말(PC, 스마트폰, 태블릿 PC)과 유무선 통신망을 통해 연동되는 부동산 경매 빅 데이터 분석 및 모델링 시스템을 구축하며,
아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 법원 경매로 공고된 지역 법원별/지역별/용도(유형)별/용도별/평수/대지면적/건물면적에 따라 부동산 경매 물건의 감정가/최저가에 기초하여 경매 물건의 최저가 기준 최고가 낙찰 방식에 의해 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하여 부동산 경매 낙찰가를 예측하고, 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공하며 이를 데이터 시각화(가시화)하여 예측된 부동산 경매 낙찰가가 포함된 경매 물건 list, Box Plot, 법원별/지역별/부동산 물건 타입별 통계 정보에 기초한 경매 예상가 변동률 추이를 제공한다.
부동산등기부등본은 각 토지나 각 건물대지의 지번 소유권, 지상권, 지역권, 전세권, 저당권, 권리질권, 채권담보권, 임차권 등의 설정 여부 및 부동산 등기 정보를 확인할 수 있다.
또한, 해당 경매 부동산의 관할 지역 동사무소에 방문하여 확인된 부동산 경매 물건의 주소별 세대열람내역과 전입자 및 전입 일자(확정 일자)를 경매 데이터베이스에 저장하여 그 정보[부동산 경매 물건의 주소별 세대열람내역과 전입자 및 전입 일자(확정 일자)]를 제공한다.
물건 분석부는 토지대장/임야대장, 건축물 대장 정보를 제공하며,
토지대장/임야대장은 토지의 소재지, 지번, 지목, 면적, 소유자 등 공유 여부·공유 지분 및 공유자에 관한 사항, 대지권 등기여부·대지권 비율 및 소유자에 관한 사항을 포함한다.
건축물 대장은 건축물의 지번, 행정구역 건축물의 면적·구조·용도·층수, 가설건축물 여부 정보를 확인할 수 있다.
예를들면, 집이 가압류된 경매 물건은 대법원 인터넷등기소를 통해 부동산 등기부등본을 열람하여 경매 물건의 소유주와 근저당권, 가압류 상황을 확인한다.
1) 2010년 9월 3일 : 근저당권 3억원 설정(**은행, 채권최고액 3.7억원), 2순위 예상
2) 2010년 12월 24일 : 압류(의왕시청) 세금 체납 추정, 3순위 예상
3) 2012년 7월 : 압류(2건 : 국민건강보험공단, **구청) 보험료/세금 체납 추정, 4~5순위 예상
4) 2012년 8월 1일 : 가압류(**캐피탈, 2천1백만원), 6순위 예상
법원 경매로 공고된 부동산 경매 입찰시, 입찰자는 최저입찰가의 10% 또는 20%를 현금 또는 수표로 입찰보증금을 납부하고, 본인이 직접 입찰시에는 도장과 신분증(주민등록증, 운전 면허증, 여권 중 하나)를 준비한다.
입찰참가자는 입찰표에 사건번호, 물건번호, 입찰자의 성명과 주소, 입찰가액, 보증금액을 기재하고 도장을 날인해야 한다. 입찰가액은 법원이 공고한 부동산 경매물건의 최저입찰가액 이상이어야 한다.
대리 입찰 시, 대리인의 도장과 신분증, 그리고 본인의 인감이 날인된 위임장과 인감증명서를 제출한다.
입찰자가 법인의 경우, 법인 대표자가 입찰에 참가할 경우 대표자의 도장과 신분증 외에 법인의 등기부등본 또는 초본을 준비해야 하며, 법인의 직원이 입찰에 참가할 경우 그 직원의 도장과 신분증 외에 대표자의 위임장과 법인 인감증명서 및 법인 등기부등본을 첨부해야 한다.
부동산 경매 물건의 사건 번호의 경매 개시 시간이 되면, 집행관으로부터 입찰표와 입찰봉투, 입찰보증금 봉투를 받아 입찰봉투함에 투함하게 된다.
개찰 시에, 부동산 경매 물건의 사건 번호의 최고가 매수인이 결정되면. 최고가 매수인(낙찰자)이 아니면 번호표를 반납하면서 보증금 봉투를 반납받는다.
개찰시에 낙찰자 중 최고 가격으로 응찰한 사람이 최고가 입찰자로 정해진다. 만일, 최고가 입찰자가 부동산 경매 물건의 보증금을 제출하지 않았으면 그의 응찰은 무효로 되며, 바로 최고가 입찰자 이외에 입찰자 중 차순위 입찰자가 최고가 입찰자로 정해진다.
만일, 최고가 응찰가가 2인 이상이면, 그들만을 상대로 즉시 추가 입찰을 실시하는데, 또다시 2인 이상이 최고가로 을찰한 경우 추첨에 의해 최고가 입찰자를 결정한다.
낙찰자(매수인)는 부동산 경매 낙찰 대금을 모두 납부하면 부동산 소유권을 취득한다. 법원은 매수인이 필요한 서류를 제출하면 관할 등기소에
도 7은 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 구성도이다.
도 8은 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 서비스 개념도이다.
법원의 부동산 경매 물건에 대하여 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 법원 경매로 공고된 법원별/지역별/용도(유형,type)별/용도별/평수/대지면적/건물면적에 따라 부동산 경매 물건의 감정가/최저가에 기초하여 경매 물건의 최고가 낙찰 방식에 의해 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하며, 부동산 경매 낙찰가를 예측하여 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공하며, 이를 데이터 시각화(가시화)하여 예측된 부동산 경매 낙찰가가 포함된 경매 물건 list, Box Plot, 법원별/지역별/부동산 물건 용도별 통계 정보에 기초한 경매 예상가 변동률 추이를 제공한다.
용도(유형, type)는 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지를 의미한다.
○ 부동산 경매 예상 낙찰가 Client/Server 서비스
- 법원 경매 서버와 연동된 공인중개사의 부동산 경매 예상 낙찰가 빅데이터 분석 시스템의 경매물건 데이터베이스 구축
- 경매 물건 데이터베이스에 사진과 동영상이 포함된 부동산 경매 물건의 사건번호와 물건 정보/위치 정보, 부동산등기부등본, 토지대장/임야 대장, 건축물 대장, 감정 평가서, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보의 빅 데이터 수집 및 저장
- 법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건의 사건번호와 물건 정보/위치 정보, 부동산등기부등본, 토지대장/임야 대장, 건축물 대장, 및 감정 평가서, 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보 제공
- 사진과 동영상이 포함된 부동산 경매 물건 정보 제공
- AI 텍스트 챗봇/인식 음성 챗봇[자연어 처리 기반(NLP)의 질의 응답 데이터를 송수신하는 챗봇 상담 서비스], VoIP 음성 통화
- 법원별/지역별/용도(유형)별/용도별/평수/대지면적/건물면적에 따라부동산 경매 물건의 빅 데이터 분석/데이터 마이닝/머신 러닝(Baysian 정리) 부동산 경매 예상 낙찰가 예측
- 법원별/지역별/용도(유형)별 부동산 경매 물건의 통계 정보와 감정가/최저가에 기초하여 부동산 경매 예상 낙찰가 정보 제공
- 통계 정보와 데이터 시각화(가시화), Box Plot, 경매 예상가 변동률 추이
본 발명의 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은
법원 사이트의 법원 경매 서버(370)로부터 법원의 경매개시결정 된 경매 물건들에 대하여 매각기일이 공고되면, 부동산 경매의 사건 번호별로 기일 입찰/기간 입찰로 공고된 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 부동산 경매 물건에 관한 법원 부동산 경매의 사건번호와 물건 정보/위치 정보, 부동산등기부등본, 토지대장/임야대장/건축물대장, 감정평가서, 동사무소 방문시에 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보 등의 빅 데이터를 수집하여 저장하는 경매 물건 데이터베이스(230)를 구비하며, 부동산 경매 물건의 빅 데이터를 분석하여 법원별/지역별/용도(유형, type)별 부동산 경매 물건의 사건 번호별 감정가/최저가에 기초하여 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 입찰자들에게 부동산 경매 낙찰가를 예측하여 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공하며, 법원 경매 서버(370)와 사용자 단말(PC)(100)과 연동된 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)과 경매 물건 데이터베이스(230); 및
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)에 유무선 통신망을 통해 접속하며, 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 법원별/지역별 부동산 경매 물건의 사건 번호별 감정가/최저가에 기초하여 부동산 경매 예상 낙찰가와 통계 정보를 제공받는 사용자 단말(100,300,310)을 포함한다.
사용자 단말은 PC(100), 부동산 경매 App이 설치된 스마트폰(300), 또는 부동산 경매 App이 설치된 태블릿 PC(310)를 사용한다.
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)의 경매 물건 데이터베이스는 법원 경매 서버(370)로부터 법원의 경매개시결정 된 부동산 경매 물건의 사건 번호별로 기일 입찰/기간 입찰로 공고된 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 부동산 경매 물건에 관한 사건번호와 물건 정보/위치정보, 부동산등기부등본, 토지대장/임야대장/건축물대장, 감정평가서, 동사무소 방문시에 부동산 경매 물건의 주소별 전입 세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 포함하는 빅 데이터를 수집하여 상기 경매 물건 데이터베이스(230)에 저장한다.
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)은 사용자 단말로부터 유무선통신망을 통해 인터넷을 연결하기 위한 웹서버(201); 부동산 경매 예상 낙찰가 빅 데이터 분석 서비스를 제어하는 제어부(202); 회원 정보와 ID/Passwd를 등록받아 관리하는 회원 관리부(203); ID/Passwd 또는 인증 서버와 연동하여 온라인 인증하는 사용자 인증부(204); 경매 물건 데이터베이스(230)에 연결되고, 감정 평가서 정보를 제공하는 감정평가서 정보 제공부(207); 경매 물건 데이터베이스(230)에 연결되고, 부동산 경매 물건의 사건번호와 물건 정보/위치정보, 부동산등기부등본 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 제공하는 등기부 권리 분석 정보 제공부(208); 경매 물건 데이터베이스(230)에 연결되고, 부동산 경매 물건의 토지대장/임야대장 정보를 제공하는 물건 분석부(209); 경매 물건 데이터베이스(230)에 연결되고, 부동산 경매 물건의 사진을 제공하는 사진 제공부(213); 경매 물건 데이터베이스(230)에 연결되고, 법원/지역별 부동산 경매 물건들에 대하여 기일 입찰/기간 입찰로 공고된 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 용도(유형,type)에 따라 법원/지역별 부동산 경매 물건에 대하여 머신 러닝의 데이터 마이닝과 Baysian 정리를 사용하여 법원/지역별/용도별/평수/대지면적/건물면적에 따라 부동산 경매물건에 관한 경매 예상 낙찰가를 제공하는 경매 예상 낙찰가 제공부(210); 상기 경매 물건 데이터베이스(230)와 연결되고, 법원/지역별 부동산 경매 물건에 대하여 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 용도에 따라 통계 정보를 제공하며 데이터 시각화(가시화) 정보와 경매 예상가 변동률 추이를 제공하는 통계 제공부(211); 및 사진과 동영상이 포함된 부동산 경매의 사건번호와 물건 정보/위치정보, 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 수집하여 저장하는 경매 물건 데이터베이스(230)를 포함한다.
감정평가서 정보 제공부(207)는 대법원 법원 경매정보 사이트(http://www.courtauction.go.kr)에서 입수된 매각물건 명세서와 현황 보고서 및 감성평가서 정보를 경매 물건 데이터베이스의 감정평가서DB에 저장하여 그 정보들을 제공한다.
매각물건 명세서는 소재지 우편번호와 주소, 경매 구분[강제 경매(기일 입찰)], 채권자, 용도(아파트/빌라/원룸/오피스텔/상가건물/공장/토지), 채무/소유자, 건물 총면적(
), 토지 총면적(
), 대지 면적(
)/건물 면적(평수/층수)-방2/거실1/부엌/화장실1, 경매 개시일(년/월/일), 배당종기일, 낙찰 일시, 낙찰가격, 감정가, 최저가, 입찰 보증금[10%], 감정가/최저가/경매진행과정(유찰/낙찰, 낙찰자의 러가/납부, 종결 상황 정보), 법원임차조사(전입세대주, 전입일자, 확정일자, 배당일자, 점유기간), 동사무소/주민센터 전입일자/확인일자, 등기권리(소유권, 저당권, 가압류, 강제, 임의), 열람 일자를 포함한다.
대법원(http://www.scourt.go.kr) 법원경매정보 사이트(http://www.courtauction.go.kr)를 접속하여 경매물건검색을 선택하고 경매법원을 선택하여 담당 경매계를 클릭하면 매각물건 명세서를 확인할 수 있으며,
매각기일 7일 전에 경매법원 민사행정과를 방문하여 매각물건 명세서와 현황 보고서 및 감정평가서를 열람하여야 한다.
등기부 권리 분석 정보 제공부(208)는 부동산 관할 등기소 또는 대법원 홈페이지에서 발급받은 부동산등기부등본의 부동산 등기 기록 정보를 경매 물건 데이터베이스(230)에 저장하며, 등기부 권리 분석을 위해 해당 부동산 경매 물건의 사건번호에 관한 부동산 등기 기록 정보를 사용자 단말로 제공한다. 부동산 등기 기록 정보는 각 토지나 각 건물대지의 지번 소유권, 지상권, 지역권, 전세권, 저당권, 권리질권, 채권담보권, 임차권 등의 설정 여부 및 부동산 등기 정보를 포함한다.
등기부 권리 분석 정보 제공부(208)는 또한, 경매 부동산을 관할하는 동사무소에 방문하여 확인된 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자)를 경매 물건 데이터베이스(230)에 저장하여 그 정보[부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자)]를 제공한다.
물건 분석부(209)는 토지대장/임야대장, 건축물 대장 정보를 제공한다.
토지대장/임야대장은 토지의 소재지, 지번, 지목, 면적, 소유자 등 공유 여부·공유 지분 및 공유자에 관한 사항, 대지권 등기여부·대지권 비율 및 소유자에 관한 사항을 포함한다.
건축물 대장은 건축물의 지번, 행정구역 건축물의 면적·구조·용도·층수, 가설건축물 여부 정보를 포함한다.
경매 예상 낙찰가 제공부(210)는 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지의 용도(유형)에 대하여 법원별/지역별/용도(유형, type)별 부동산 경매 물건의 사건 번호별 감정가/최저가에 기초하여 경매 물건의 최고가 낙찰 방식에 의해 데이터 마이닝(Data Mining)에 의해 법원/지역별/용도(유형)별 부동산 경매 물건을 추출하고, 머신 러닝의 Baysian 정리를 사용하여 부동산 경매 물건의 최저가 이하의 경매 물건을 필터링하여 생성된 법원/지역별 부동산 경매 물건 리스트에서, 법원/지역별 부동산 물건의 최저가와 감정가를 기준으로 평균/분산/표준편차를 구하고 "최저가 + 경매 배팅 금액"을 예측하기 위해 머신 러닝을 사용한 부동산 경매 낙찰가 예측 모델을 사용하여 부동산 경매 예상 낙찰가 빅 데이터를 분석하여 부동산 경매 입찰자들에게 부동산 경매 낙찰가를 예측하여 경매 물건의 부동산 경매 낙찰가를 제공한다.
데이터 마이닝은 법원별/지역별/용도(유형, type)별/평수/대지면적/건물면적에 따라 부동산 경매 물건의 감정가/최저가에 기초하여 데이터를 추출하여 임시로 저장하여 부동산 경매 예상 낙찰가의 빅 데이터를 분석한다.
머신 러닝의 Baysian 정리에 의해 데이터 마이닝에 의해 추출된 빅 데이터의 부동산 경매 물건의 사건 번호별 감정가/최저가에 기초하여 최저가 이상/이하 여부를 판단하여 최저가 이상의 데이터를 추출하여 빅 데이터를 분석하며,
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)은 법원별/지역별/용도(유형, type)별/평수/대지면적/건물면적에 따라 이렇게 추출된 기존의 부동산 경매가 완료된 낙찰가 정보를 갖는 데이터베이스의 모집단/n개의 표본들의 낙찰가의 평균(mean)을 계산하여 해당 용도(유형, type)(예, 아파트 32평)의 부동산 경매 예상 낙찰가를 제공한다.
예를들면, 아파트- 부동산 경매 물건에 관한 감정 평가서를 받고, 부동산 경매 물건이 아파트 인 경우 감정가는 대지 감정가/건물 감정가 130,000,000원/140,000,000원 = 270,000,000원, 최저가는 189,000,000원(70%) 경우, 예를들면 지역별/용도(아파트)/평수(32평) n개의 아파트의 평균 낙찰가의 통계치(210,000,000원)에 따라 "경매 배팅 금액(21,000,000)"이 결정되고, 해당 아파트의 경매 예상 낙찰가는 최저가 189,000,000원 이상부터 "경매 배팅 금액(21,000,000)"을 더하여(+) 경매 예상 낙찰가가 예측된다. 이 경우, 아파트의 경매 예상 낙찰가는 189,000,000원 ~ 210,000,000원의 범위를 사용자들에게 표시된다.
예를 들면, 단독주택/다세대 주택과 마찬가지로 아파트의 시세는 지역별 대도시와 지역 농촌/교통/역세권/개발 호재/신축 건물과 노후 건물/대지면적/건물 면적/방수/거실/욕실/층수에 따라 아파트의 평수(3.3 
)당 가격이 다르며, 이를 지역별 통계 정보를 사용하여 평균/분산/표준편차를 계산할 수 있으며, 예를들면, 아파트의 평균 시세(감정가)는 강남 대치동 아파트 11억, 일산 아파트 5억, 전주 아파트 3억 1천에 각기 다른 부동산 가격을 갖는다.
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)의 통계처리부(211)는 법원/지역별/용도(유형)별 부동산 경매 물건들의 아파트/단독주택/빌다/오피스텔/상가건물/공장/토지 등의 모집단(population)의 n개의 표본(sample)을 추출하고, 모집단의 평균/표준편차/분산을 계산하여 법원/지역별/용도(유형)별 부동산 경매 물건들의 통계분석이 실행된다.
n개의 표본(sample)의 낙찰가의 모평균 E(x)= m = (X1+X2+X3+...+Xn)/n
법원/지역별/용도(유형)별 기존 부동산 경매 낙찰가의 모평균(mean) m, 표준편차(standard deviation)가 σ 일때, 법원/지역별/용도(유형)별 부동산 경매 물건들의 모집단(population)에서 샘플링된 크기가 n개의 표본(sample)을 추출하여 생성된 표본 평균 m과 표본 분산 
을 갖는 모평균과 모분산을 갖는 정규 분포 N(m, 
)를 가지며, 법원/지역별/용도(유형)별 부동산 경매 물건의 지역별/용도별/평수별/대지면적/건물면적에 따라 부동산 경매 물건의 낙찰가의 표본 평균 m을 갖는 표준 정규 분포를 이룬다.
표준 정규 분포는 법원/지역별/용도(유형)별 부동산 경매 물건의 낙찰가의 n개의 표본 평균 m을 계산하며, 표본오차는 ±2P (신뢰도 95% 신뢰구간)을 갖는다.
여기서, 용도(유형, type)는 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지를 의미한다.
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)은 경매 예상 낙찰가 제공부(210)를 포함하며,
법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건들에 대하여 법원/지역별/용도(유형)별 부동산 경매 물건의 경매 예상 낙찰가는 지역별 대도시와 지역 농촌/교통/역세권/개발 호재/신축 건물과 노후 건물/대지면적/건물 면적/방수/거실/욕실/층수에 따라 다르므로 감정평가서의 최저가 기준 경매 배팅 금액은, 법원/지역별/용도(유형)별 부동산 경매 물건의 통계 데이터에 기초하여 법원/지역별/용도(유형)별 부동산 경매 물건의 낙찰가의 평균값을 기준으로 경매 예상 낙찰가가 계산되고, 최저가 더하기 경매 배팅 금액이 계산되어 적용된다.
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)은 법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건들에 대하여 자연어 처리 기반(NLP)의 질의 응답 데이터를 송수신하는 챗봇(212)을 더 포함하며,
상기 챗봇(212)은 자연어 처리를 사용하여 부동산 경매 물건의 질의 응답시에, 경매 물건 번호의 텍스 데이터 질의- 질의된 텍스트로 데이터베이스 검색- 질의에 대한 응답을 출력하는 자연어 처리(NLP)를 사용한 AI 텍스트 챗봇 또는 AI 음성 인식 챗봇을 사용한다.
챗봇(212)은 자연어 처리를 사용하여 부동산 경매 물건의 질의 응답시에, 경매 물건 번호의 텍스 데이터 질의- 질의된 텍스트로 데이터베이스 검색- 질의에 대한 응답을 출력하는 단계로 구성된다.
챗봇(chatbot)은 자연어 처리(NLP, Natural Language Processing)를 사용한 AI 텍스트 챗봇을 사용하여 부동산 경매 물건의 질의/응답(question/answering)을 제공할 수 있다.
AI 챗봇은 채팅하듯 경매 물건 번호의 텍스트 질문이 입력되면, 자연어 처리(NLP)와 기계학습(machine learning) 알고리즘을 사용하는 AI 챗봇 모듈이 경매 물건 데이터베이스를 검색하여, 자동으로 선택된 경매 물건 번호의 감정가/최저가와 경매 예상 낙찰가의 응답을 출력한다.
자연어 처리(NLP, Natural Language Processing) 시에 문장들(sentences)은 언어를 탐지하고, 해당 언어의 특징에 따라 형태소 분석(morphological analysis)을 통해 형태소 단위(morpheme unit)로 구분되며, 선택된 형태소는 문장 벡터(sentence vectors)를 생성하는데 사용된다. 예를들면, 문장 벡터는 4 가지 쿼리 타입으로 분류된 FAQ들에서 각 질문(question)에서 추출된 속성들(attributes)로 구성된다. 사용자 쿼리 문장 벡터(user query sentence vector)와 이전에 수집된 쿼리 문장 벡터의 유사도 분석(similarity analysis)이 이루어진다.
또한, 챗봇(212)은 AI 음성인식 챗봇으로 구현할 수 있으며, 부동산 경매 물건의 음성 질의 데이터를 입력받아 음성 인식 후에 STT(Speech To Text) 텍스트 데이터를 입력받고, 경매 물건 데이터베이스를 검색(query)하여 선택된 경매 물건 번호의 감정가/최저가와 경매 예상 낙찰가의 응답 결과를 TTS(Text To Speech)를 실행하여 자동으로 응답 결과 텍스트들과 음성 데이터를 출력하는 서비스를 제공할 수 있다.
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)은 SIP user agent와 SIP server를 구비하며, 법원 경매로 공시된 기일 입찰/기간 입찰 부동산 경매 물건들에 대하여 입찰 희망자와 공인중개사의 음성 통화 데이터를 송수신하는 VoIP 시스템(214)을 더 포함한다.
상기 SIP User Agent는 SIP request 메시지를 전송하는 클라이언트 어플리케이션을 사용자 에이전트 클라이언트(User Agent Client:UAC)라고 하며, SIP request를 수신받아 이를 받아들이거나(accept), 거절하거나(reject), 수신 주소를 변경하여 다시 리다이렉트(redirect)하는 의미의 response 메시지를 생성해 응답하여 보내는 서버 어플리케이션을 사용자 에이전트 서버(User Agent Server:UAS)라고 한다. 종단 단말은 두 가지 기능이 모두 구현해야 하며, UAC와 UAS가 함께 구현되어 동작하는 어플리케이션을 UA(User Agent)라 한다.
상기 SIP 서버는 상기 UA로부터 요구(SIP request)와 응답(SIP response)을 받아들이는 서버 어플리케이션으로 SIP 기반 VoIP 음성 통화 서비스를 위해 Registra, 프락시 서버(Proxy Server), 리다이렉트 서버(Redirect Server), 로케이션 서버(Location server)를 구비한다
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)은 법원 경매 물건의 현장 답사시 카메라(C)로 촬영된 경매물건 동영상 스트림(217)을 유무선 통신망을 통해 사용자 단말[PC(100), 스마트폰(300), 태블릿 PC(310)]로 제공하는 스트리밍 서버(219)를 더 포함한다.
도 9는 본 발명에 따른 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법을 나타낸 플로차트이다.
머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법은
법원에 기일 입찰/기간 입찰의 매각 기일이 공고된 부동산 경매 물건에 대하여 법원 경매 서버(370)로부터 공인중개사의 부동산 경매 예상 낙찰가 빅데이터 분석 시스템(200)과 경매 물건 데이터베이스(230)로 사진과 동영상이 포함된 부동산 경매의 사건번호와 물건 정보/위치정보, 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 수집하여 경매 물건 데이터베이스에 저장하여, 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 빅 데이터 분석 및 모델링 시스템을 구축하는 단계;
공인중개사의 경매 물건 Web site의 경매 물건을 표시하고, 상담자와의 메일 송수신, 경매물건의 정보, 감정가/최저가 및 경매 예상 낙찰가에 대한 문의 AI 챗봇의 텍스트 질의 응답 또는 AI 음성인식 챗봇의 질의 응답 데이터 송수신, VoIP 음성 통화를 제공하여 경매 물건 상담 데이터를 송수신하는 단계(S20);
부동산 경매 예상 낙찰가 빅데이터 분석 시스템에 유무선 통신망을 통해 접속된 사용자 단말로 법원/지역별/용도(유형)별 부동산 경매 물건의 사건번호와 물건 정보/위치정보, 경매 물건의 사진 또는 동영상을 사용자 단말로 표시되도록 하며, 법원/지역별/용도별 경매 물건 리스트를 출력하는 단계(S30);
부동산 경매 예상 낙찰가 빅데이터 분석 시스템에 유무선 통신망을 통해 접속된 사용자 단말로 경매 물건의 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 제공하며, 법원/지역별/용도(유형)별 부동산 경매 물건 리스트에 감정가/최저가를 제공하며(S40), 경매 물건 데이터베이스와 연동하여 데이터 마이닝과 머신 러닝(Baysian 정리를 사용한 패턴 추출)을 사용한 부동산 경매 예상 낙찰가를 제공하는 단계(S50);
법원/지역별/용도별 부동산 경매 물건의 경매 예상 낙찰가 리스트와 법원/지역별/용도별 부동산 경매 물건의 통계 정보를 제공하며, 데이터 시각화(가시화)를 통해 경매 물건들의 Box Plot(상자 그림), 법원/지역별/용도별 부동산 경매 물건에 대하여 통계 정보에 기초하여 법원/지역별/용도별 경매 물건에 대하여 월별/년도별 경매 예상가 변동률 추이를 그래프로 비쥬얼하게 제공하는 단계(S60, S70)를 포함한다.
본 발명의 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법은, 법원의 부동산 경매 물건에 대하여 법원 경매 서버로부터 부동산 경매 예상 낙찰가 빅데이터 분석 시스템으로 부동산 경매 관련 빅 데이터를 수집하여 경매 물건 데이터베이스에 저장하여, 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 빅 데이터 분석 및 모델링 시스템(200)을 구축하는 단계;
상기 부동산 경매 예상 낙찰가 빅데이터 분석 시스템(200)에 유무선 통신망을 통해 접속된 사용자 단말(100,300,310)로 법원/지역별/용도(유형)별 경매 물건 리스트를 출력하는 단계; 및
상기 부동산 경매 예상 낙찰가 빅데이터 분석 시스템(200)은 상기 사용자 단말로 경매 물건의 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 제공하며, 법원/지역별/용도(유형)별 부동산 경매 물건 리스트에 감정가/최저가를 제공하며, 경매 물건 데이터베이스와 연동하여 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 예상 낙찰가를 제공하는 단계를 포함한다.
상기 부동산 경매 관련 빅 데이터는 사진과 동영상이 포함된 부동산 경매의 사건번호와 물건 정보/위치정보, 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 포함한다.
상기 경매 물건 데이터베이스(230)는 상기 법원 경매 서버(370)로부터 법원으로부터 경매개시결정 된 부동산 경매 물건의 사건 번호별로 기일 입찰/기간 입찰로 공고된 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 부동산 경매 물건의 사건번호와 물건 정보/위치정보, 부동산등기부등본, 토지대장/임야대장/건축물대장, 감정평가서, 동사무소 방문시에 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 포함하는 부동산 경매 관련 빅 데이터를 수집하여 상기 경매 물건 데이터베이스(230)에 저장한다.
상기 사용자 단말은 PC(100), 부동산 경매 App이 설치된 스마트폰(300), 또는 부동산 경매 App이 설치된 태블릿 PC(310)를 사용한다.
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)에서,
법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건들에 대하여 법원/지역별/용도(유형)별 부동산 경매 물건의 경매 예상 낙찰가는
부동산 경매 물건의 최저가 더하기(+) 경매 배팅 금액으로 계산되며,
지역별 대도시와 지역 농촌/교통/역세권/개발 호재/신축 건물과 노후 건물/대지면적/건물 면적/방수/거실/욕실/층수에 따라 다르므로 감정평가서의 최저가 기준 경매 배팅 금액은, 법원/지역별/용도(유형)별 부동산 경매 물건의 통계 데이터에 기초하여 법원/지역별/용도(유형)별/대지면적/건물면적에 따라 경매 물건의 낙찰가의 평균값을 기준으로 경매 예상 낙찰가가 계산되고, 상기 경매 배팅 금액이 계산되어 적용된다.
부동산 경매 예상 낙찰가 빅 데이터 분석 시스템(200)의 통계처리부(211)는 법원/지역별/용도(유형)별 부동산 경매 물건들의 모집단(population)의 n개의 표본(sample)을 추출하고, 아파트/단독주택/빌다/오피스텔/상가건물/공장/토지 등의 모집단의 평균/표준편차/분산을 계산하여 법원/지역별/용도(유형)별대지면적/건물면적에 따라 부동산 경매 물건들의 통계분석이 실행된다.
n개의 표본(sample)의 낙찰가의 모평균 E(x)= m = (X1+X2+X3+...+Xn)/n
법원/지역별/용도(유형)별 기존 부동산 경매 낙찰가의 모평균(mean) m, 표준편차(standard deviation)가 σ 일때, 법원/지역별/용도(유형)별 부동산 경매 물건들의 모집단(population)에서 샘플링된 크기가 n개의 표본(sample)을 추출하여 생성된 표본 평균 m과 표본 분산 
을 갖는 모평균과 모분산을 갖는 정규 분포 N(m, 
)를 가지며, 법원/지역별/용도(유형)별 부동산 경매 물건의 지역별/용도별/평수별/대지면적/건물면적에 따라 부동산 경매 물건의 낙찰가의 표본 평균 m을 갖는 표준 정규 분포를 이룬다.
표준 정규 분포는 법원/지역별/용도(유형)별 부동산 경매 물건의 낙찰가의 n개의 표본 평균 m을 계산하며, 표본오차는 ±2P (신뢰도 95% 신뢰구간)을 갖는다.
여기서, 용도(유형, type)는 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지를 의미한다.
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은
법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건들에 대하여 자연어 처리(NLP) 기반의 질의 응답 데이터를 송수신하는 챗봇을 더 포함하며,
상기 챗봇은 자연어 처리(NLP)를 사용하여 부동산 경매 물건의 질의 응답시에, 경매 물건 번호의 텍스 데이터 질의- 질의된 텍스트로 데이터베이스 검색- 질의에 대한 응답을 출력하는 자연어 처리(NLP)를 사용한 AI 텍스트 챗봇 또는 AI 음성 인식 챗봇을 사용하며,
상시 AI 음성 인식 챗봇은 부동산 경매 물건의 음성 질의 데이터를 입력받아 음성 인식 후에 STT(Speech To Text) 텍스트 데이터를 입력받고, 경매 물건 데이터베이스를 검색(query)하여 선택된 경매 물건 번호의 감정가/최저가와 경매 예상 낙찰가의 응답 결과를 TTS(Text To Speech)를 실행하여 자동으로 응답 결과 텍스트들과 음성 데이터를 출력하는 서비스를 제공하는 단계를 더 포함한다.
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은 SIP user agent와 SIP server를 구비하며, 법원 경매로 공시된 기일 입찰/기간 입찰 부동산 경매 물건들에 대하여 VoIP 시스템을 통해 입찰 희망자와 공인중개사의 음성 통화 데이터를 송수신하는 단계를 더 포함한다.
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은 법원 경매 물건의 현장 답사시 카메라(C)로 촬영된 경매물건 동영상 스트림을 스트리밍 서버를 통해 유무선 통신망에 접속된 상기 사용자 단말로 제공하는 단계를 더 포함한다.
본 발명에 따른 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 구조를 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 기록 매체는 스토리지, 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 media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예는 컴파일러에 의해 만들어지는 것과, 기계어 코드뿐만 아니라 인터프리터를 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상기 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로써 작동하도록 구성될 수 있다.
이상에서 설명한 바와 같이, 본 발명의 방법은 프로그램으로 구현되어 컴퓨터의 소프트웨어를 이용하여 읽을 수 있는 형태로 기록매체(CD-ROM, RAM, ROM, 메모리 카드, 하드 디스크, 광자기 디스크, 스토리지 디바이스 등)에 저장될 수 있다.
본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진자가 하기의 특허청구범위에 기재된 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 또는 변형하여 실시할 수 있음을 이해할 수 있을 것이다.
100: 사용자 단말(PC)
200: 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템
201: 웹서버 202: 제어부
203: 회원 관리부 204: 사용자 인증부
207: 감정 평가서 정보 제공부 208: 등기부 권리 분석 정보 제공부
209: 물건 분석부 210: 경매 예상 낙찰가 제공부
211: 통계 제공부 212: 챗봇
213: 사진 제공부 214: VoIP 시스템
217: 경매물건 동영상 219: 스트리밍 서버
230: 경매 물건 데이터베이스
300: 스마트폰 310: 태블릿 PC
370: 법원 경매 서버
200: 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템
201: 웹서버 202: 제어부
203: 회원 관리부 204: 사용자 인증부
207: 감정 평가서 정보 제공부 208: 등기부 권리 분석 정보 제공부
209: 물건 분석부 210: 경매 예상 낙찰가 제공부
211: 통계 제공부 212: 챗봇
213: 사진 제공부 214: VoIP 시스템
217: 경매물건 동영상 219: 스트리밍 서버
230: 경매 물건 데이터베이스
300: 스마트폰 310: 태블릿 PC
370: 법원 경매 서버
Claims (18)
- 법원 경매 서버와 연동되는 경매 물건 데이터베이스를 포함하며, 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지에 대하여 빅 데이터를 분석하여 법원별/지역별/용도(유형)별 부동산 경매 물건의 사건 번호별 감정가/최저가에 기초하여 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 낙찰가를 예측하여 경매 물건의 부동산 경매 낙찰가와 통계 정보를 제공하는 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템; 및
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템에 유무선 통신망을 통해 접속하며, 법원별/지역별 부동산 경매 물건의 사건 번호별 감정가/최저가에 기초하여 경매 물건의 부동산 경매 예상 낙찰가와 통계 정보를 제공받는 사용자 단말;
을 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템. - 제1항에 있어서,
상기 경매 물건 데이터베이스는
상기 법원 경매 서버로부터 법원으로부터 경매개시결정 된 부동산 경매 물건의 사건 번호별로 기일 입찰/기간 입찰로 공고된 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 부동산 경매 물건의 사건번호와 물건 정보/위치정보, 부동산등기부등본, 토지대장/임야대장/건축물대장, 감정평가서, 동사무소 방문시에 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 포함하는 빅 데이터를 수집하여 상기 경매 물건 데이터베이스에 저장하는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템. - 제1항에 있어서,
상기 사용자 단말은 PC, 부동산 경매 App이 설치된 스마트폰, 또는 부동산 경매 App이 설치된 태블릿 PC를 사용하는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템. - 제1항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은 경매 예상 낙찰가 제공부를 포함하며,
법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건들에 대하여 법원/지역별/용도(유형)별 부동산 경매 물건의 경매 예상 낙찰가는
부동산 경매 물건의 최저가 더하기(+) 경매 배팅 금액으로 계산되며,
지역별 대도시와 지역 농촌/교통/역세권/개발 호재/신축 건물과 노후 건물/대지면적/건물 면적/방수/거실/욕실/층수에 따라 다르므로 감정평가서의 최저가 기준 경매 배팅 금액은, 법원/지역별/용도(유형)별 부동산 경매 물건의 통계 데이터에 기초하여 법원/지역별/용도(유형)별 부동산 경매 물건의 낙찰가의 평균값을 기준으로 경매 예상 낙찰가가 계산되고, 경매 배팅 금액이 계산되어 적용되는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템. - 제1항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은
웹서버;
부동산 경매 예상 낙찰가 빅 데이터 분석 서비스를 제어하는 제어부;
회원 정보와 ID/Passwd를 등록하여 관리하는 회원 관리부;
ID/Passwd 또는 인증 서버와 연동하여 온라인 인증하는 사용자 인증부;
경매 물건 데이터베이스와 연결되고, 감정 평가서 정보를 제공하는 감정평가서 정보 제공부;
상기 경매 물건 데이터베이스와 연결되고, 부동산 경매 물건의 사건번호와 물건 정보/위치정보, 부동산등기부등본 정보, 및 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 제공하는 등기부 권리 분석 정보 제공부;
상기 경매 물건 데이터베이스와 연결되고, 부동산 경매 물건의 토지대장/임야대장 정보를 제공하는 물건 분석부;
상기 경매 물건 데이터베이스와 연결되고, 부동산 경매 물건의 사진을 제공하는 사진 제공부;
상기 경매 물건 데이터베이스와 연결되고, 법원/지역별 부동산 경매 물건들에 대하여 기일 입찰/기간 입찰로 공고된 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지의 용도에 따라 법원/지역별/용도별/평수/대지면적/건물면적에 따라 부동산 경매 물건에 대하여 머신 러닝의 데이터 마이닝과 Baysian 정리를 사용하여 법원/지역별 부동산 경매물건에 관한 경매 예상 낙찰가를 제공하는 경매 예상 낙찰가 제공부;
상기 경매 물건 데이터베이스와 연결되고, 법원/지역별 부동산 경매 물건에 대하여 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 용도에 따라 통계 정보를 제공하며 데이터 시각화(가시화) 정보와 경매 예상가 변동률 추이를 제공하는 통계 제공부; 및
사진과 동영상이 포함된 부동산 경매의 사건번호와 물건 정보/위치정보, 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 수집하여 저장하는 경매 물건 데이터베이스;
를 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템. - 제1항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은
법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건들에 대하여 자연어 처리(NLP) 기반의 질의 응답 데이터를 송수신하는 챗봇을 더 포함하며,
상기 챗봇은 자연어 처리(NLP)를 사용하여 부동산 경매 물건의 질의 응답시에, 경매 물건 번호의 텍스 데이터 질의- 질의된 텍스트로 데이터베이스 검색- 질의에 대한 응답을 출력하는 자연어 처리(NLP)를 사용한 AI 텍스트 챗봇 또는 AI 음성 인식 챗봇을 사용하며,
상시 AI 음성 인식 챗봇은 부동산 경매 물건의 음성 질의 데이터를 입력받아 음성 인식 후에 STT(Speech To Text) 텍스트 데이터를 입력받고, 경매 물건 데이터베이스를 검색(query)하여 선택된 경매 물건 번호의 감정가/최저가와 경매 예상 낙찰가의 응답 결과를 TTS(Text To Speech)를 실행하여 자동으로 응답 결과 텍스트들과 음성 데이터를 출력하는 서비스를 제공하는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템. - 제1항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은 SIP user agent와 SIP server를 구비하며, 법원 경매로 공시된 기일 입찰/기간 입찰 부동산 경매 물건들에 대하여 입찰 희망자와 공인중개사의 음성 통화 데이터를 송수신하는 VoIP 시스템을 더 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템. - 제1항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은 법원 경매 물건의 현장 답사시 카메라(C)로 촬영된 경매물건 동영상 스트림을 유무선 통신망을 통해 사용자 단말로 제공하는 스트리밍 서버를 더 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템. - 법원의 부동산 경매 물건에 대하여 법원 경매 서버로부터 부동산 경매 예상 낙찰가 빅데이터 분석 시스템으로 부동산 경매 관련 빅 데이터를 수집하여 경매 물건 데이터베이스에 저장하여, 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 빅 데이터 분석 및 모델링 시스템을 구축하는 단계;
상기 부동산 경매 예상 낙찰가 빅데이터 분석 시스템에 유무선 통신망을 통해 접속된 사용자 단말로 법원/지역별/용도(유형)별 경매 물건 리스트를 출력하는 단계; 및
상기 부동산 경매 예상 낙찰가 빅데이터 분석 시스템은 상기 사용자 단말로 경매 물건의 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 제공하며, 법원/지역별/용도(유형)별 부동산 경매 물건 리스트에 감정가/최저가를 제공하며, 경매 물건 데이터베이스와 연동하여 데이터 마이닝과 머신 러닝을 사용한 부동산 경매 예상 낙찰가를 제공하는 단계;
를 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
상기 부동산 경매 관련 빅 데이터는
사진과 동영상이 포함된 부동산 경매의 사건번호와 물건 정보/위치정보, 부동산등기부등본 정보, 감정 평가서 정보, 및 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
상기 경매 물건 데이터베이스는
상기 법원 경매 서버로부터 법원으로부터 경매개시결정 된 부동산 경매 물건의 사건 번호별로 기일 입찰/기간 입찰로 공고된 아파트, 단독 주택, 연립주택, 다세대 주택, 빌라, 원룸, 오피스텔, 상가건물, 공장, 공장부지, 토지 등의 부동산 경매 물건의 사건번호와 물건 정보/위치정보, 부동산등기부등본, 토지대장/임야대장/건축물대장, 감정평가서, 동사무소 방문시에 부동산 경매 물건의 주소별 전입세대열람내역(동거인 포함)과 전입자 및 전입 일자(확정 일자) 정보를 포함하는 빅 데이터를 수집하여 상기 경매 물건 데이터베이스에 저장하는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
상기 사용자 단말은 PC, 부동산 경매 App이 설치된 스마트폰, 또는 부동산 경매 App이 설치된 태블릿 PC를 사용하는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
공인중개사의 경매 물건 Web site의 경매 물건을 표시하고, 상담자와의 메일 송수신, 경매물건의 정보, 감정가/최저가 및 경매 예상 낙찰가에 대한 문의 AI 챗봇의 텍스트 질의 응답 또는 AI 음성인식 챗봇의 질의 응답 데이터 송수신, VoIP 음성 통화를 제공하여 경매 물건 상담 데이터를 송수신하는 단계를 더 포함하며,
법원/지역별/용도(유형)별 부동산 경매 물건의 사건번호와 물건 정보/위치정보, 경매 물건의 사진 또는 동영상을 사용자 단말로 표시되도록 하며, 법원/지역별/용도별 경매 물건 리스트를 출력하는 단계를 더 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
법원/지역별/용도별 부동산 경매 물건의 경매 예상 낙찰가 리스트와 법원/지역별/용도별 부동산 경매 물건의 통계 정보를 제공하며, 데이터 시각화(가시화)를 통해 경매 물건들의 Box Plot(상자 그림), 법원/지역별/용도별 부동산 경매 물건에 대하여 통계 정보에 기초하여 법원/지역별/용도별 경매 물건에 대하여 월별/년도별 경매 예상가 변동률 추이를 그래프로 비쥬얼하게 제공하는 단계를 더 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템에서,
법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건들에 대하여 법원/지역별/용도(유형)별 부동산 경매 물건의 경매 예상 낙찰가는
부동산 경매 물건의 최저가 더하기(+) 경매 배팅 금액으로 계산되며,
지역별 대도시와 지역 농촌/교통/역세권/개발 호재/신축 건물과 노후 건물/대지면적/건물 면적/방수/거실/욕실/층수에 따라 다르므로 감정평가서의 최저가 기준 경매 배팅 금액은, 법원/지역별/용도(유형)별 부동산 경매 물건의 통계 데이터에 기초하여 법원/지역별/용도(유형)별 부동산 경매 물건의 낙찰가의 평균값을 기준으로 경매 예상 낙찰가가 계산되고, 상기 경매 배팅 금액이 계산되어 적용되는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은
법원 경매로 기일 입찰 또는 기간 입찰로 공고된 부동산 경매 물건들에 대하여 자연어 처리(NLP) 기반의 질의 응답 데이터를 송수신하는 챗봇을 더 포함하며,
상기 챗봇은 자연어 처리(NLP)를 사용하여 부동산 경매 물건의 질의 응답시에, 경매 물건 번호의 텍스 데이터 질의- 질의된 텍스트로 데이터베이스 검색- 질의에 대한 응답을 출력하는 자연어 처리(NLP)를 사용한 AI 텍스트 챗봇 또는 AI 음성 인식 챗봇을 사용하며,
상시 AI 음성 인식 챗봇은 부동산 경매 물건의 음성 질의 데이터를 입력받아 음성 인식 후에 STT(Speech To Text) 텍스트 데이터를 입력받고, 경매 물건 데이터베이스를 검색(query)하여 선택된 경매 물건 번호의 감정가/최저가와 경매 예상 낙찰가의 응답 결과를 TTS(Text To Speech)를 실행하여 자동으로 응답 결과 텍스트들과 음성 데이터를 출력하는 서비스를 제공하는 단계를 더 포함하는, 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은 SIP user agent와 SIP server를 구비하며, 법원 경매로 공시된 기일 입찰/기간 입찰 부동산 경매 물건들에 대하여 VoIP 시스템을 통해 입찰 희망자와 공인중개사의 음성 통화 데이터를 송수신하는 단계를 더 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법. - 제9항에 있어서,
상기 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템은 법원 경매 물건의 현장 답사시 카메라(C)로 촬영된 경매물건 동영상 스트림을 스트리밍 서버를 통해 유무선 통신망에 접속된 상기 사용자 단말로 제공하는 단계를 더 포함하는 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190163556A KR20210073086A (ko) | 2019-12-10 | 2019-12-10 | 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190163556A KR20210073086A (ko) | 2019-12-10 | 2019-12-10 | 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210073086A true KR20210073086A (ko) | 2021-06-18 |
Family
ID=76623782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190163556A KR20210073086A (ko) | 2019-12-10 | 2019-12-10 | 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210073086A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230001047A (ko) * | 2021-06-25 | 2023-01-04 | 주식회사 지지옥션 | 계층적 분석 및 전이학습을 이용한 부동산 경매 낙찰가율 예측시스템 및 예측방법 |
| KR102490328B1 (ko) * | 2022-03-30 | 2023-01-19 | 주식회사 한국프롭테크 | 인공지능 기반의 부동산 소유자 다중 검증 수행 방법, 서버 및 프로그램 |
| TWI840720B (zh) * | 2021-11-26 | 2024-05-01 | 合作金庫商業銀行股份有限公司 | 房屋交易系統及房屋交易方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100465240B1 (ko) | 2002-05-10 | 2005-01-13 | 김귀영 | 법원 경매 부동산 분석 방법 및 시스템과 상기 방법의프로그램 소스를 컴퓨터가 실행시킬 수 있도록 저장 기록매체 |
| KR100716507B1 (ko) | 2005-11-09 | 2007-05-09 | 한국감정평가협회 | 인터넷을 이용한 경매 부동산의 감정평가방법 및 그 시스템 |
-
2019
- 2019-12-10 KR KR1020190163556A patent/KR20210073086A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100465240B1 (ko) | 2002-05-10 | 2005-01-13 | 김귀영 | 법원 경매 부동산 분석 방법 및 시스템과 상기 방법의프로그램 소스를 컴퓨터가 실행시킬 수 있도록 저장 기록매체 |
| KR100716507B1 (ko) | 2005-11-09 | 2007-05-09 | 한국감정평가협회 | 인터넷을 이용한 경매 부동산의 감정평가방법 및 그 시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230001047A (ko) * | 2021-06-25 | 2023-01-04 | 주식회사 지지옥션 | 계층적 분석 및 전이학습을 이용한 부동산 경매 낙찰가율 예측시스템 및 예측방법 |
| TWI840720B (zh) * | 2021-11-26 | 2024-05-01 | 合作金庫商業銀行股份有限公司 | 房屋交易系統及房屋交易方法 |
| KR102490328B1 (ko) * | 2022-03-30 | 2023-01-19 | 주식회사 한국프롭테크 | 인공지능 기반의 부동산 소유자 다중 검증 수행 방법, 서버 및 프로그램 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6871140B1 (en) | System and method for collection, distribution, and use of information in connection with commercial real estate | |
| US8046306B2 (en) | System, method, and apparatus for property appraisals | |
| JP5710869B2 (ja) | 担保価値審査装置、担保価値審査プログラム及び融資システム | |
| US20090089198A1 (en) | Method and Apparatus for Issue and Trade of Fractional Interest Real Estate Stock | |
| KR20210073086A (ko) | 머신 러닝을 사용한 부동산 경매 예상 낙찰가 빅 데이터 분석 시스템 및 방법 | |
| US20130262290A1 (en) | Method and system to automatically generate loan offer information based upon the geo-location of an end-users mobile computing device or apparatus. | |
| A Ojeka et al. | Electronic commerce, automation and online banking in Nigeria: Challenges and benefits | |
| KR20090056345A (ko) | 부동산 관련 매매/분양/임대정보 실시간 온라인서비스프랜차이즈 운영시스템 및 그 운영방법 | |
| KR100983977B1 (ko) | 주소 정보를 이용한 부동산 종합 분석시스템 | |
| JP2002351963A (ja) | 不動産関連取引情報処理システム及び方法並びに不動産関連取引情報処理用ソフトウェア | |
| KR20150130601A (ko) | 토지이용규제 경공매 부동산 물건의 가치분석 서비스 방법 및 그 시스템 | |
| Bello et al. | Property Management and Tenants' Satisfaction in multi-tenanted commercial property in Abuja Nigeria | |
| KR100371212B1 (ko) | 부동산 경매/공매 권리분석 정보 제공 시스템 | |
| KR100465240B1 (ko) | 법원 경매 부동산 분석 방법 및 시스템과 상기 방법의프로그램 소스를 컴퓨터가 실행시킬 수 있도록 저장 기록매체 | |
| JP2004171198A (ja) | 不動産取引方法、不動産情報登録方法、不動産取引システム、不動産情報登録システム、不動産人気度計測方法、不動産情報登録・検索方法、および不動産引き合い状況計測表示方法 | |
| Lovejoy | Taking Advantage of Laws, Not People: Curbing Language Discrimination Against Texas Consumers | |
| RU2634208C1 (ru) | Система взаимодействия пользователей при совершении сделок с объектами недвижимости | |
| JP2002049846A (ja) | 住宅情報提示システムおよび住宅情報提示方法 | |
| KR100503909B1 (ko) | 인터넷을 통한 유형별 부동산 권리분석 서비스 제공 방법 | |
| KR102656643B1 (ko) | 인공지능 기반 대화형 챗봇(ChatBot)을 이용한 부동산 매물 추천 방법, 장치 및 이를 실행하기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 | |
| US8606699B2 (en) | Management system for the protection of mortgage equity | |
| KR102301303B1 (ko) | 월세 역경매 제공 방법 및 이를 실행하는 서버 | |
| KR20120103778A (ko) | 부동산 거래에 대출역경매를 연동시킨 매물검색 시스템 및 거래방법 | |
| Grosz et al. | Issues Relating to the Creation of a Central Database to Support Statistical Property Valuations | |
| Agosta et al. | A wall between real estate valuation standards and professional appraisal practice: A focus on Italian market |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |