KR20220042994A - 기계학습 기반의 주택 매물을 추천하는 장치 및 방법 - Google Patents

Abstract

본 발명의 일 실시예에 따른, 사용자 단말로 주택 매물을 추천하는 방법에 있어서, (a) 사용자 단말로부터 사용자 정보를 수신하는 단계; (b) 사용자 정보의 조건에 대응되는 주택 매물을 검색하는 단계; (c) 검색의 결과로 산출된 주택 매물의 리스트를 사용자 단말로 제공하는 단계; 및 (d) 사용자 단말이 리스트에서 주택 매물을 관심정보로 선택하면, 사용자 단말의 정보와 관심정보를 매칭하여 저장하고, 저장된 값을 기반으로 한 기계학습을 수행하여 사용자 단말이 입력한 사용자 정보의 조건에 대응하는 사용자에게 추천할 주택 매물의 조건 정보를 업데이트하는 단계;를 포함하고, 사용자 정보는 사용자의 개인정보, 이사 희망일, 적어도 하나 이상의 선호장소, 최대 융통 가능 자금, 거래 형태 및 주택 매물로부터 기 설정된 거리 이내에 존재하길 원하는 시설 중 적어도 하나를 포함한다.

Description

기계학습 기반의 주택 매물을 추천하는 장치 및 방법 {APPARATUS AND METHOD FOR RECOMMENDING HOUSE FOR SALE BASED ON MACHINE-LEARNING}

본 발명은 사용자의 조건에 맞는 주택(부동산) 매물을 추천하는 장치 및 방법에 관한 것이다.

일반적으로 주택을 구입 또는 판매하려고 할 때 부동산 중개업소나 정보매체를 이용하게 되는데, 과거에는 매수자가 매물정보를 중개업자로부터 확인 및 권유를 받아 매수하려는 주택의 소재지를 방문한다는 번거로움이 있었다.

그러나, 기술이 발전함에 따라 인터넷 또는 스마트폰의 어플리케이션이 이러한 중개업자의 업무를 대신하는 경우가 늘고 있다. 하지만, 사용자가 제공하는 한정적인 조건(예를 들어, 원하는 매물이 위치하는 지역)에 의해 무작위로 선별하여 주택 매물을 제공하는 경우가 대다수이다.

이러한 경우, 사용자가 진정 원하는 부동산을 정확하게 파악하지 못하는 경우가 많으며, 부동산 트렌드가 바뀌는 경우 이에 대한 대응이 느리다는 단점이 존재한다.

본 발명은 상기한 문제점을 해결하기 위해, 서버가 사용자가 필요로 하는 주택의 조건을 사용자 단말로부터 수신하고, 수신된 조건에 기초하여 사용자 단말로 주택 매물을 검색하여 추천하는 시스템의 구현을 목적으로 한다.

이때, 서버는 사용자 단말이 추천된 주택 매물 중 마음에 드는 매물을 선택하면, 선택된 매물의 정보에 기초하여 검색 능력을 향상시킬 수 있도록 기계학습을 수행할 수 있다.

상기와 같은 기술적 과제를 달성하기 위한 본 발명의 일 실시예에 따른, 사용자 단말로 주택의 매물을 추천하는 방법에 있어서, (a) 사용자 단말로부터 사용자 정보를 수신하는 단계; (b) 사용자 정보의 조건에 대응되는 주택 매물을 검색하는 단계; (c) 검색의 결과로 산출된 주택 매물의 리스트를 사용자 단말로 제공하는 단계; 및 (d) 사용자 단말이 리스트에서 주택 매물을 관심정보로 선택하면, 사용자 단말의 정보와 관심정보를 매칭하여 저장하고, 저장된 값을 기반으로 한 기계학습을 수행하여 사용자 단말이 입력한 사용자 정보의 조건에 대응하는 사용자에게 추천할 주택 매물의 조건 정보를 업데이트하는 단계;를 포함하고, 사용자 정보는 사용자의 개인정보, 이사 희망일, 적어도 하나 이상의 선호장소, 최대 융통 가능 금액, 거래 형태 및 주택 매물로부터 기 설정된 거리 이내에 존재하길 원하는 편의시설을 포함할 수 있다.

또한, (a) 단계 이전에 사용자 단말로 사용자 정보를 수신하기 위한 설문 인터페이스를 전달하고, 설문 인터페이스는 단계별 문답 형식을 통해 사용자 정보를 순차적으로 수신하며, 단계별 문답 형식은 이전 질문에 대한 사용자의 회신에 대응되는 질문이 선택되어 제공되되, 기 설정된 단계에서는 기 설정된 질문만을 제공할 수 있다.

또한, (b) 단계는 사용자 정보의 사용자 개인정보에 포함된, 가족의 인원 및 나이에 대응되는 기 설정된 전용면적 및 필요한 방의 개수를 기 설정된 맵핑 알고리즘을 통해 산출하고, 전용면적 및 방의 개수에 대응되는 주택 매물을 검색 할 수 있다.

또한, (b) 단계는 사용자 정보에 포함된 융통할 수 있는 자금과 기 설정된 차이 이내에 있는 주택 매물을 검색할 수 있다.

또한, (b) 단계는 선호장소로 입력된 지점들과 주택 매물과의 거리를 합산한 값이 기 설정된 값 이하가 되는 주택 매물들을 검색하되, 복수의 선호장소에 포함된 각 장소들 사이에 위치한 주택 매물이 우선적으로 선정될 수 있다.

또한, (b) 단계 이전에 주택 매물의 기 설정된 거리 안에 위치한 편의시설은 기 설정된 공식에 기초하여 주택 매물과 맵핑되는 시설점수를 각각 부여하고, (b) 단계는 사용자 단말이 선택한 편의시설에 대한 시설점수를 합산하고, 기 설정된 점수 이상의 합산점을 가지는 주택 매물을 선정할 수 있다.

또한, 시설점수는 주택 매물에 대응되는 편의시설의 개수 또는 주택 매물과의 거리, 가중치 및 평점을 각각 곱한 후 기 설정된 범위 안의 수치를 갖도록 정규화를 거쳐 시설점수를 산출하되, 가중치는 사용자 단말이 특정 주택 매물을 관심정보로 선택하느냐에 따라 변동되는 값이고, 평점은 서비스의 관리자가 임의로 입력하는 값을 뜻할 수 있다.

또한, (c) 단계는 사용자에게 추천되는 주택 매물이 현재의 매매가능 여부와 무관하게 거래가 가능한 모든 주택 매물을 사용자 단말로 제공하되, 추천된 주택 매물이 매매가 가능한 상태가 되면, 사용자 단말로 알람을 제공할 수 있다.

또한, (d) 단계는 관심정보로 선택된 주택 매물을 산출하기 위해 사용된 가족의 인원 및 나이에 대응되는 기 설정된 전용면적 및 필요한 방의 개수를 산출하기 위한 맵핑 알고리즘 및 시설점수를 산출하기 위한 가중치를 업데이트 할 수 있다.

또한, 사용자 단말로 주택 매물을 추천하는 장치에 있어서, 사용자 단말로 주택 매물을 추천하는 방법을 제공하는 프로그램이 저장된 메모리 및 메모리에 저장된 프로그램을 실행하여 사용자 단말로 주택 매물을 추천하는 방법을 제공하는 프로세서를 포함하되, 프로세서는 사용자 단말로부터 사용자 정보를 수신하고, 사용자 정보의 조건에 대응되는 주택 매물을 검색하고, 검색의 결과로 산출된 주택 매물의 리스트를 사용자 단말로 제공하고, 사용자 단말이 리스트에서 주택 매물을 관심정보로 선택하면, 사용자 단말의 정보와 관심정보를 매칭하여 저장하고, 저장된 값을 기반으로 한 기계학습을 수행하여 사용자 단말이 입력한 사용자 정보의 조건에 대응하는 사용자에게 추천할 주택 매물의 조건 정보를 업데이트하고, 사용자 정보는 사용자의 개인정보, 이사 희망일, 적어도 하나 이상의 선호장소, 최대 융통 가능 자금, 거래 형태 및 주택 매물로부터 기 설정된 거리 이내에 존재하길 원하는 시설 중 적어도 하나를 포함하는 장치일 수 있다.

본 발명의 일 실시예에 따르면, 서버가 사용자가 필요로 하는 주택의 조건을 사용자 단말로부터 수신하고, 수신된 조건에 기초하여 사용자 단말로 주택 매물을 검색하여 추천하는 시스템을 제공할 수 있다.

이때, 서버는 사용자 단말이 추천된 주택 매물 중 마음에 드는 주택 매물을 선택하면, 선택된 매물의 정보와 사용자 단말이 검색조건으로 입력했던 정보를 참고하여, 해당 사용자가 어느 조건에 가중치를 더 두어 매물을 선택하였는지를 기계학습을 통해 지속적으로 학습함으로써, 사용자가 원하는 정확한 조건에 맞는 매물을 추천해줄 수 있다.

도 1은 본 발명의 일 실시예에 따른, 사용자 단말로 주택 매물을 추천하는 시스템의 구성을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른, 서버의 구성을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른, 서버에 의해 수행되는 사용자 단말로 주택 매물을 추천하는 방법을 나타낸 동작흐름도이다.
도 4는 본 발명의 일 실시예에 따른, 주택 매물을 추천하기 위한 입력 조건 및 반영 요소를 개략적으로 요약한 표이다.
도 5a 내지 도 5d는 본 발명의 일 실시예에 따른, 서버에 의해 수행되는 사용자 단말로 주택 매물을 추천하는 어플리케이션의 인터페이스 예시를 나타낸 도면이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.

명세서 전체에서, '서버(100)'는 사용자 단말로 주택 매물을 추천하는 장치를 의미할 수 있다.

도 1은 본 발명의 일 실시예에 따른, 사용자 단말로 주택 매물을 추천하는 시스템의 구성을 나타낸 도면이다.

도 1을 참조하면, 본 발명의 일 실시예에 따라 시스템은 서버(100), 사용자 단말(200) 및 주택매물 서버(300)로 구성될 수 있다. 이때, 도면 상에 도시되지 않았으나, 각 장치는 통신망을 통해 유선 또는 무선으로 상호 연결될 수 있다.

본 발명의 일 실시예에 따라, 서버(100)는 사용자 단말(200)로부터 사용자 정보를 수신하고, 사용자 정보에 대응되는 주택 매물을 검색하여 검색의 결과로 산출된 주택 매물의 리스트를 사용자 단말(200)로 제공하게 된다.

또한, 사용자 단말(200)이 리스트에서 주택 매물을 관심정보로 선택하게 되면, 사용자 단말의 정보와 선택된 매물을 매칭하여 저장하고, 기계학습을 통해 주택 매물의 검색능력을 향상시키는 것을 특징으로 한다.

이때, '사용자 정보'란 사용자의 개인정보, 이사 희망일, 적어도 하나 이상의 선호장소, 최대 융통 가능 금액, 거래형태 및 주택 매물로부터 기 설정된 거리 이내에 존재하길 원하는 편의시설을 포함하는 정보이다.

예를 들어, 사용자의 개인정보란 가족 구성원의 나이, 인원수 등이 될 수 있고, 적어도 하나 이상의 선호장소란 사용자가 자주 왕래하는 장소에 대한 정보로, 본인 및 배우자의 출퇴근지나 자녀의 학교 및 부모님이 사는 지역 등이 될 수 있다. 그리고 기 설정된 거리 이내에 존재하길 원하는 편의시설은 매매하려는 주택 매물로부터 기 설정된 거리 이내에 존재하기 원하는, 학교나 병원, 대형마트, 공원 등과 같은 편의 및 문화 시설에 관한 정보이다.

본 발명의 일 실시예에 따라, 서버(100)는 주택매물 서버(300)로부터 수신한 주택 매물 데이터에 기초하여 사용자 단말(200)로 주택 매물 추천 서비스를 제공하는 주체가 될 수 있다.

따라서, 서버(100)는 사용자 단말(200)로부터 수신한 사용자 정보의 조건에 대응되는 주택 매물을 검색하고, 이를 리스트화하여 사용자 단말(200)로 회신한다.

이때, 서버(100)의 주택 매물을 검색 시, 사용자 정보를 기반으로 필터링을 수행하여, 사용자에게 검색결과를 리스트로 제공한다.

이후, 서버(100)는 사용자 단말(200)이 주택 매물의 리스트에서 관심정보로서 선택한 주택 매물에 대한 정보와 사용자 단말(200)의 정보를 매칭하여 저장하게 된다. 서버(100)는 사용자 단말(200)이 입력한 사용자 정보의 조건과 사용자가 관심정보로 선택한 주택 매물에 대한 정보를 기초로 기계학습을 수행하며, 사용자에게 추천할 주택 매물을 찾기 위한 알고리즘에 적용되는 가중치를 업데이트할 수 있다.

따라서, 사용자의 검색 횟수 및 관심 매물정보 입력 횟수가 늘어날수록 기계학습의 훈련데이터가 많아져, 더 정확한 사용자 정보에 맞는 주택 매물 추천이 가능해진다.

본 발명의 일 실시예에 따른, 사용자 단말(200)은 서비스를 이용하기 위한 사용자의 단말에 해당될 수 있다.

앞서 서술된 과정은, 사용자 단말(200)에 설치된 주택 매물을 추천하는 어플리케이션을 통하여 진행될 수 있고, 이 어플리케이션은 사용자 단말(200)에 내장된 어플리케이션이거나, 어플리케이션 배포 서버로부터 다운로드되어 사용자 단말(200)에 설치된 어플리케이션일 수 있다.

또한, 사용자 단말(200)은 유무선 통신 환경에서 단말 어플리케이션을 이용할 수 있는 통신 단말기를 의미한다. 여기서 사용자 단말(200)은 사용자의 휴대용 단말기일 수 있다. 도 1에서는 사용자 단말(200)이 휴대용 단말기의 일종인 스마트폰(smart phone)으로 도시되었지만, 본 발명의 사상은 이에 제한되지 아니하며, 상술한 바와 같이 단말 어플리케이션을 탑재할 수 있는 단말에 대해서 제한 없이 차용될 수 있다.

이를 더욱 상세히 설명하면, 사용자 단말(200)은 핸드헬드 컴퓨팅 디바이스(예를 들면, PDA, 이메일 클라이언트 등), 핸드폰의 임의의 형태, 또는 다른 종류의 컴퓨팅 또는 커뮤니케이션 플랫폼의 임의의 형태를 포함할 수 있으나, 본 발명이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따라, 주택매물 서버(300)는 서버(100)로 주택 매물에 대한 데이터를 제공하기 위한 외부 서버에 해당될 수 있다.

선택적 실시예로, 주택매물 서버(300)가 생략되고 서버(100)가 직접 주택 매물에 관한 정보를 저장하고 있을 수 있다.

한편, 통신망은 서버(100)와 사용자 단말(200) 및 주택매물 서버(300)를 연결하는 역할을 수행한다. 즉, 통신망은 사용자 단말(200) 및 주택매물 서버(300)들이 서버(100)에 접속한 후 데이터를 송수신할 수 있도록 접속 경로를 제공하는 통신망을 의미한다. 통신망은 예컨대 LANs(Local Area Networks), WANs(Wide Area Networks), MANs(Metropolitan Area Networks), ISDNs(Integrated Service Digital Networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

도 2는 본 발명의 일 실시예에 따른, 서버의 구성을 나타낸 도면이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 메인 서버(100)는 통신 모듈(110), 메모리(120), 프로세서(130), 데이터베이스(140) 및 검색 필터 모듈(150)을 포함한다.

상세히 설명하자면, 통신 모듈(110)은 통신망과 연동하여 메인 서버(100), 사용자 단말(200) 및 주택매물 서버(300) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공한다. 나아가, 통신 모듈(110)은 사용자 단말(200) 및 주택매물 서버(300)로부터 데이터 요청을 수신하고, 이에 대한 응답으로서 데이터를 송신하는 역할을 수행할 수 있다.

여기서, 통신 모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.

메모리(120)는 사용자 단말(200)로 부동산의 매물을 추천하는 위한 프로그램이 기록된다. 또한, 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 여기서, 메모리(120)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

프로세서(130)는 일종의 중앙처리장치로서 주택 매물을 추천하는 전체 과정을 제어한다. 프로세서(130)가 수행하는 각 단계에 대해서는 도 3을 참조하여 후술하기로 한다.

여기서, 프로세서(130)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

데이터베이스(140)는 주택 매물을 검색하기 위한 검색 조건, 사용자 단말(200)의 정보(예를 들면, ID나 개인 사용자 정보 등) 및 사용자 단말(200)이 관심정보로 등록한 주택 매물 등이 저장될 수 있다. 또한, 주택매물 서버(300)가 존재하지 않는 경우, 데이터베이스(140)는 주택 매물의 정보를 더 저장할 수 있다.

비록 도 2에는 도시하지 아니하였으나, 주택 매물을 검색하기 위한 검색 조건, 사용자 단말(200)의 정보 및 사용자 단말(200) 관심정보로 등록한 주택 매물에 대한 데이터 중 일부는 데이터베이스(140)와 물리적 또는 개념적으로 분리된 데이터베이스(미도시)에 저장될 수 있다.

검색 필터 모듈(150)은 사용자 단말(200)로부터 수신된 검색 조건에 기초하여, 주택매물 서버(300) 또는 데이터베이스(140)에서 주택 매물을 검색할 수 있다.

이때, 검색에 사용되는 조건은 크게 4가지 방식이 사용될 수 있다.

먼저, 사용자의 개인정보를 이용한 검색방법이 있을 수 있으며, 최대 융통 가능 금액을 이용한 검색방법, 선호장소를 이용한 검색방법 및 편의시설을 이용하여 검색하는 방식이 될 수 있다. 이때, 각 정보를 이용하여 주택 매물을 검색하는 방법은 도 3을 통해 설명하도록 한다.

도 3은 본 발명의 일 실시예에 따른, 서버에 의해 수행되는 사용자 단말로 주택 매물을 추천하는 방법을 나타낸 동작흐름도이다.

도 3을 참조하면, 서버(100)는 사용자 단말(200)로부터 사용자 정보를 수신한다(S310).

단계(S310) 이전에, 서버(100)는 사용자 단말(200)로 상기 사용자 정보를 수신하기 위한 설문 인터페이스를 전달할 수 있다.

이때, 설문 인터페이스란 단계별 문답 형식을 통해 설문 정보를 순차적으로 수신하기 위한 인터페이스를 지칭할 수 있다. 이를 테면, 챗봇과 대화하는 형식처럼 제공되는 인터페이스일 수 있다.

단계별 문답 형식은 이전 질문의 질문에 대한 상기 사용자의 회신에 대응되는 질문을 선택하여 제공하되, 기 설정된 단계에서는 기 설정된 질문만을 제공하게 된다. 이때, 기 설정된 질문은 사용자 정보를 수집하기 위한 질문이며, 사용자 정보는 가족 구성원의 나이, 인원수, 선호장소, 이사 희망일, 최대 융통 가능 금액, 거래 형태(매매, 전세, 월세 등), 그 밖의 특별 조건(예를 들면, 편의시설, 학원시설, 대중교통시설, 대형마트시설, 공원시설, 자동차도로 진입로, 개발호재 등에 관한 조건) 등이 포함될 수 있다. 예를 들어, 첫 단계에서 가족의 숫자를 물어보는 경우, 회신되는 가족의 숫자에 따라 두 번째 질문에서 수신하는 생년에 대한 개수가 달라지게 되는 것이다. 하지만, 특정 단계에서 서버(100)는 사용자가 보유한 자금의 규모 등의 주택 매물을 검색하기 위해 필수적인 정보를 수신할 수도 있다.

다음으로 서버(100)는 사용자 정보가 포함하는 조건에 대응되는 주택 매물을 검색한다(S320).

구체적으로, 서버(100)는 단계(S310)에서 수신된 사용자 개인정보에 포함된, 가족의 인원 및 나이에 대응되는 전용면적 및 필요한 방의 개수를 기 설정된 맵핑 알고리즘을 통하여 산출하게 된다. 이후, 기 설정된 맵핑 알고리즘은 가족의 인원수 및 가족 구성원의 나이를 입력받을 경우, 평수(전용면적 등)와 방의 개수를 출력으로 제공하며, 이를 위한 자체적인 계산식과 가중치를 보유하고 있다.

이때, 사용자에게 주택 매물을 추천해주기 위해 '주택 고유 데이터'가 추가로 사용될 수 있고, 단계(S310)에서 사용자 단말(200)로부터 주택 입지(주변 시설) 데이터에 대응되는 정보가 수신되면, 이를 추가로 사용하게 된다.

이때, '주택 고유 데이터'는 주택의 면적, 방 혹은 화장실의 개수, 위치 좌표, 최근 실거래가, 전세 거래일, 주차장 지하화 여부, 세대당 주차공간, 관리비, 준공년도(주택나이), 세대 수, 커뮤니티 센터 여부, 전세가율 등을 포함할 수 있는데, 주택 고유 데이터의 경우 사용자 단말 혹은 외부 서버로부터 수집된 정보일 수 있다.

이후, 서버(100)는 사용자 정보에 포함된 융통할 수 있는 자금과 기 설정된 가격 차이 이내에 있는 주택 매물을 검색할 수 있다.

예를 들어, 융통할 수 있는 자금이 5억 원 이내인 경우 서버(100)는 주택 매물 중 4억 5천만 원에서 5억 원 이내의 가격대가 형성된 주택 매물을 검색하는 것이다.

다음으로, 서버(100)는 장소정보로 입력된 지점 들과 주택 매물과의 거리를 합산한 값이 기 설정된 값 이하가 되는 주택 매물들을 검색할 수 있다.

이때, 서버(100)는 복수의 장소정보에 포함된 각 장소들 중간에 위치하게 되는 주택들의 거리 합산값이 낮기 때문에, 자연스럽게 장소정보로 입력된 지점 사이의 주택 매물이 우선적으로 추천될 수 있다.

예를 들어, 사용자가 주요한 지점으로 강남과 판교를 선택한다면, 서버(100)는 강남과 판교 중간에 위치한 주택 매물을 검색할 가능성이 높다.

만약, 서버(100)는 단계(S310)에서 주택 입지(주변시설) 데이터를 추가로 수신하게 된다면, 맵핑 알고리즘과 부동산 매물 추천 알고리즘을 활용하여, 사용자에게 알맞은 주택 매물의 리스트를 생성하게 된다.

이때, '주택 입지(주변 시설) 데이터'는 크게 교통 시설 조건, 교육 시설 조건 및 편의 시설 조건이 포함되고, 주택 고유 데이터와 마찬가지로 사용자 단말 혹은 외부 서버로부터 수집된 정보일 수 있다.

주택 입지(주변 시설) 데이터를 구성하는 3가지 데이터를 구체적으로 설명하면 아래와 같다.

먼저, 교통 시설 조건은 각 주택을 기준으로 지하철 노선 수와 지하철 역까지의 거리 및 버스 노선 수와 버스 정류장까지의 거리에 대한 정보를 포함한다. 다음으로 교육 시설 조건의 경우 주택을 기준으로 주변 어린이집까지의 거리 및 평점, 주변 유치원까지의 거리 및 평점, 배정 초등학교까지 거리 및 평점, 배정 중학교까지 거리 및 평점, 인근 학원가 여부 및 인근 고등학교의 대학 진학율 여부에 대한 정보를 포함한다. 마지막으로, 편의 시설조건의 경우 주택을 기준으로 대형마트까지의 거리, 응급실 보유 병원(대학병원)까지의 거리, 산책 가능한(일정 이상의 넓이를 갖는) 공원까지의 거리, 호재(대형시설, 전철 예정지 등) 지역까지의 거리 및 고속화도로 진입로까지의 거리를 포함한다.

부동산 매물 추천 알고리즘에 의해 주택 입지(주변시설) 데이터에 기초하여 주택 매물을 심층적으로 검색하는 과정을 상세히 설명하면 다음과 같다.

단계(S320) 이전에, 서버(100)는 주택 매물의 기 설정된 거리 안에 위치한 상기 편의시설은 기 설정된 공식에 기초하여 상기 주택 매물과 맵핑되는 시설점수를 각각 부여할 수 있다. 이후, 단계(S320)에서 서버(100)는 사용자 단말이 선택한 상기 편의시설에 대한 시설점수를 합산하고, 기 설정된 점수 이상의 합산점을 가지는 주택 매물을 선정한다.

이때, 시설점수란 하나의 주택 매물이 복수의 편의시설 종류 별로 점수가 매겨진다고 가정할 때, 해당 주택 매물과 각 편의시설의 개수, 주택 매물과의 거리, 가중치 및 평점을 각각 곱하여 산출한 후, 기 설정된 범위 안의 수치를 갖도록 정규화를 거쳐 계산 되는 값이다.

이때, 가중치는 초기에는 서비스 관리자에 의해 임의로 입력될 수 있는 값이다. 그러나, 각 사용자가 특정 주택 매물을 관심매물로 선택할 때마다, 해당 사용자의 사용자 정보와 특정 주택 매물의 편의시설 정보가 연관 저장되며, 이후의 유사 사용자에게 비슷한 주택 매물 추천이 이루어지도록 가중치가 변동(조정)될 수 있다.

여기서, 평점은 매물에 대한 기 저장된 평가점수로서, 집단지성을 통한 일반 사용자에 의해 결정되는 값일 수도 있으나, 서비스의 관리자가 임의로 입력하는 값일 수도 있다.

예를 들어, 특정 주택의 시설 점수는 여러가지가 있을 수 있다. A 주택의 대형마트점수, 병원시설점수, 교육시설점수와 같이 한 매물에 대해서 여러가지의 시설 점수가 있을 수 있다. 그리고, 각 시설점수를 계산할 때 평점, 가중치, 해당시설의 개수 또는 매물과의 거리 등이 고려요소가 될 수 있다. 구체적인 예로, 특정 주택 매물을 기준으로 학교의 가중치는 0.1, 평점은 3, 거리는 1000m이면 300점의 가 시설점수가 산출되며, 병원의 가중치가 0.5, 평점은 5, 기 설정된 범위 이내에 2개가 위치하는 경우 가 시설점수는 1이되는 것이다. 하지만, 두 점수간의 차이가 크기에 각각의 시설점수를 정규화 하여 최종적으로 0~1 사이의 시설점수를 산출하게 되는 것이다. 이때, 산출되는 시설점수를 토대로 서버(100)는 사용자 단말(200)이 입력한 사용자 정보에 대응되는 주택 매물들 중 가장 높은 시설점수를 갖는 일부 개수의 주택 매물을 추천해줄 수 있다.

상술한 주택 매물 추천과정을 도식화된 도 4를 참조하여 한번 더 설명하면 다음과 같다.

서버(100)는 맵핑 알고리즘과 부동산 매물 추천 알고리즘에 기인하여 주택매물리스트를 사용자에게 제공할 수 있다.

맵핑 알고리즘 관련하여, 입력조건으로 '구성원들의 인수 및 나이'가 서버(100)에 수신되면, '방의 면적, 방 및 화장실 갯수'를 주 반영 요소로 고려하게 된다. 이는, 다른 입력조건에 대해서도 동일하게 적용하게 된다. 예를 들면, 입력조건으로 '구성원들의 선호장소'를 수신하면, 매물을 고려할 시 '위치 좌표'에 반영하게 된다. 그 밖에도 입력조건으로 '이사희망일'이 수신되면 이를 토대로 '전세 거래일'을 산출하거나, '최대 융통 가능 금액을 입력하면, 이를 매물에 대한 '최근 실거래가 혹은 전세가율'에 반영하여 주택매물을 검색하게 된다.

이때, 사용자의 정보로서 특별한 입력조건으로 '응급실이 있는 대형병원; 대형마트; 교육환경; 공원; 새 아파트; 자동차 보유 유무; 대단지; 차 없는 단지 내 도로; 등'이 입력되면, 서버(100)는 맵핑 알고리즘에 기초하여'주차장 지하화 여부/한 세대당 주차공간, 관리비, 새 아파트 여부, 준공년도(주택나이), 세대 수, 커뮤니티 센터 여부 등'의 정보를 각 매물마다 도출하고, 이러한 정보를 갖는 주택 매물을 검색할 수 있다. 또한, 서버는 부동산 매물 추천 알고리즘에 기초하여, 특별한 입력조건으로부터, '교통, 교육 및 편의 시설 조건'에 관한 주택입지데이터를 추출하고, 해당 주택입지데이터를 보유한 주택 매물중 사용자가 선택한 POI와 인접한 주택 매물을 검색할 수 있다.

서버(100)는 이러한 입력조건에 따른 반영 요소를 통해 주택매물 리스트를 생성하여 사용자 단말(200)로 제공한다. 이를 통해, 서버(100)는 사용자의 취향에 딱 맞는 주택 매물을 추천할 수 있다.

서버(100)는 검색의 결과로 산출된 주택 매물의 리스트를 사용자 단말(200)로 제공한다(S330). 이때, 서버(100)가 사용자에게 추천되는 주택 매물이 현재의 매매가능 여부와 무관하게 거래가 가능한 모든 주택 매물을 사용자 단말(200)로 리스트화 하여 제공하게 된다.

따라서, 단계(S340) 이후 추천된 주택 매물이 매매가 가능한 상태가 되는 경우, 사용자 단말(200)로 서버(100)가 알람을 제공하는 기능이 포함될 수 있다.

마지막으로 서버(100)는 사용자 단말(200)이 관심정보로서 주택 매물을 선택하면, 이를 저장하고 기계학습을 수행한다(S340). 이를 상세하게 설명하면, 서버(100)는 사용자 단말(200)이 단계(S330)에서 전달받은 리스트에서 관심정보로 선택된 주택 매물을 사용자 단말(200)의 정보와 매칭하여 데이터베이스(140)에 저장할 수 있다. 이후 맵핑 알고리즘과 주택 매물 추천 알고리즘에 적용되는 가중치를 업데이트할 수 있다.

여기서, 기계학습의 대상이 되는 정보는 상술한 맵핑 알고리즘과 주택 매물 추천 알고리즘에 적용되는 가중치가 될 수 있고, 가중치가 업데이트 된 후 사용자에게 매물을 추천하는 데에 활용될 수 있다.

예를 들어, 설문정보로 30대 신혼부부가 종로와 강남역을 중요한 곳으로 지정하였고 병원을 원하는 시설로 지정하였다는 정보가 서버로 수신된 후, 해당 사용자가 종로의 A주택을 관심정보로 저장한 경우, 기계학습 알고리즘의 입력값이 "30대 신혼부부, 중요한 곳은 종로와 강남역, 병원시설선호"일때 출력값이 "A주택의 정보(즉, 지하철역에서 떨어진 정도, 평수, 주변시설정보, 방개수 등)"가 되도록 가중치를 업데이트할 수 있다.

이와 같이 가중치를 기계학습할 경우, '어떤 나이대의 어떤 가족구성원 조건의 사용자들은 주로 어떤 주택을 좋아하더라'와 같은 사용자들의 선호정보를 학습할 수 있게 되고, 각 사용자별로 선호할 가능성이 높은 매물을 정확하게 추천해줄 수 있다.

간단하게, 서버(100)는 사용자가 매칭 신청한 주택이 사용자에게 잘 맞는 주택이라고 가정값을 설정하고, 사용자가 신청한 주택이 갖는 입지 조건에 대한 속성 정보를 저장하여, 저장된 속성정보로 학습을 수행하여, 사용자가 필요로 하는 시설의 가중치값을 강화할 수 있다.

단계(S340) 이후, 서버(100)는 관심정보로 등록된 주택 매물과 사용자 단말(200)의 정보를 해당 주택 매물을 관리하는 파트너 공인중개사의 단말로 알람을 전송하게 된다.

만약, 관심정보로 등록된 주택 매물이 매매가 가능한 상태가 되면, 파트너 공인중개사는 서버(100)로 해당 주택 매물이 매매 가능한 상태임을 알리거나, 관심정보로 맵핑되어 저장된 사용자 단말(200)로 주택 매물이 매매 가능한 상태임을 직접 알리게 된다.

단계(S340) 이후, 추가 실시예로 사용자 단말(200)이 선택한 관심정보로 등록된 주택 단말을 다른 사용자 단말(200)과 공유하는 기능을 제공할 수 있다. 이를 통해, 사용자는 자신이 선택한 주택 매물을 다른 사용자들과 공유할 수 있게 된다.

또한, 다른 추가 실시예로, 단계(S330)에서 사용자 단말(200)로 제공되는 리스트에 포함된 주택 매물 중 다른 유저들에게 관심정보로서 많은 선택을 받은 특정 주택 매물을 인기 매물로서 표시하는 기능이 포함될 수 있다. 이를 통해, 사용자는 빠르게 매매될 수 있는 인기 매물을 손쉽게 파악할 수 있게 되는 것이다.

도 5a 내지 도 5d는 본 발명의 일 실시예에 따른, 서버에 의해 수행되는 사용자 단말로 주택 매물을 추천하는 어플리케이션의 인터페이스 예시를 나타낸 도면이다.

도 5a 및 5b는 설문 정보를 입력하기 위해 사용자 단말(200)이 디스플레이 상에 표시하는 설문 인터페이스의 예시를 나타낸 도면이다.

도 5a 및 5b를 참고하면, 설문 인터페이스는 질문정보(410)와 그에 대한 답변으로 구성되는 제 1 설문정보(410), 제 2 설문정보(420), 제 3 설문정보(430), 제 4 설문정보(440), 제 5 설문정보(450) 및 제 6 설문정보(460)로 구성될 수 있다.

먼저, 제 1 설문정보(410)를 통해 서버(100)는 사용자 단말(200)로부터 가족 구성원들의 나이 및 인수를 수신하게 된다.

이를 기초로, 서버(100)는 맵핑 알고리즘을 통해 주택 고유 데이터의 면적, 방 및 화장실의 개수를 연산하게 된다. 예를 들어, 서버(100)가 사용자 단말(200)로부터 구성원이 30대 중반의 2명인 구성원을 입력받는 경우 화장실 2개 이상의 30제곱미터 이상의 아파트 위주의 매물을 검색하게 된다.

다음으로 제 2 설문정보(420)를 통해 서버(100)는 사용자 단말(200)로부터 매물의 위치 선정에 필요한 선호 장소에 대한 정보를 수신하게 된다.

이때, 선호 장소는 적어도 하나 이상이 선택될 수 있다. 만약, 하나의 선호장소가 선택되면 서버(100)는 해당 선호 장소를 기초로 주택 매물을 검색하게 된다. 하지만, 둘 이상의 복수로 선택되면, 서버(100)는 선택된 복수의 장소에 대한 교통을 고려한 사이 공간에서 매물을 검색하게 된다.

이때, 고려되는 공간의 경우 사용자의 각 상황에 따라 선택된 선호 위치에 대한 가중치가 부여되고, 사용자가 특정 매물을 선택하면 서버(100)는 이를 학습하여 가중치를 보정하게 된다. 예를 들어, 대부분의 사용자들이 남편직장과 아이의 학교에 대한 2:1인 위치에 대한 매물을 관심매물로 선택하게 되는 경우가 많다면, 서버(100)는 기계학습을 통해 맵핑 알고리즘을 수정하게 된다.

다음으로 제 3 설문정보(430)를 통해 서버(100)는 사용자 단말(200)의 이사 희망일을 수신하게 된다. 이는 주택 매물이 실시간으로 변동되기에 이를 적용하기 위해 수신하는 값이다.

다음으로, 서버(100)는 제 4 설문정보(440)를 통해 사용자가 최대 융통 가능한 금액에 대한 정보를 수신하고, 제 5 설문정보(450)를 통해 거래 형태(매매, 전세 및 월세)를 수신하게 된다. 즉, 사용자가 가진 돈이 6억이고 전세나 매매를 찾는 경우 맵핑 알고리즘은 5~6억 원대의 전세 혹은 매매 가능한 주택을 검색하게 된다.

마지막으로 제 6 설문정보(460)는 이사를 희망하는 사용자가 자신의 주택에 있었으면 하는 주택 입지(주변시설)에 관한 선택지를 제공한다.

일반적으로, 사용자는 제 6 설문정보(460)를 선택하지 않고 주택 매물에 대한 검색을 수행할 수 있으나, 제 6 설문정보(460)를 선택함으로써 주변 편의시설까지 자신이 원하는 매물을 찾게 될 확률이 높아진다.

서버(100)의 입장에서도 제 6 설문정보(460)를 바탕으로 주택 입지(주변시설) 데이터를 활용할 수 있게 되어, 맵핑 알고리즘이 더 정교하게 적용될 수 있다.

한편, 제 1 설문정보(410) 내지 제 6 설문정보(460)는 다양한 형태로 입력받을 수 있다. 예를 들면, 가족 구성원의 숫자나 생년에 대한 제 1 및 제 2 설문정보(410, 420)의 경우 숫자를 사용자가 직접 입력하는 방법으로 구현될 수 있다. 중요하게 여기는 장소에 대한 검색 기능이 구현되거나, 편의시설에 대한 설문정보는 제시된 예시 중 임의로 선택하는 방법이 사용될 수 있다. 따라서, 설문 인터페이스의 형태가 본원발명의 범위를 제한하지 않으며, 사용자 단말(200)의 형태나 사용자의 편의에 따라 다양하게 구현될 수 있는 것이다.

도 5c는 주택 매물의 리스트를 나타낸 예시 도면이다.

서버(100)는 검색의 결과로 산출된 주택 매물의 리스트를 도 5c에 도시된 형태와 같이 제공될 수 있고, 리스트는 사용자 정보 영역(510), 매물 정보 영역(520) 및 지도 영역(530)으로 구성된다.

먼저, 사용자 정보 영역(510)의 경우 사용자가 사용자 단말(200)을 통해 입력한 설문정보에 대한 요약이 제시된다. 즉, 자신이 어떤 조건을 통해 주택 매물을 검색하였는지를 확인할 수 있게 된다.

매물 정보 영역(520)은 서버(100)가 사용자 단말(200)을 통해 수신한 정보에 기반하여 검색된 주택 매물을 표시하게 된다.

또한, 인터페이스의 구성에 따라 매물 정보 영역(520)은 다양한 형태로 제공될 수 있다.

예를 들어, 매물 정보 영역(520)이 종래의 리스트의 형태로 제공되면, 주택 매물은 사용자 단말(200)로부터 수신된 설문 정보의 조건에 가장 부합되는 순서로 나열되되, 선택적 실시예로 앞서 언급한 주택 매물의 조건에 따라 리스트에 표시된 복수의 주택 매물을 추가로 필터링하거나 리스트 상에 표시되는 주택 매물의 순서를 수정할 수 있다.

또한, 매물 정보 영역(520)에 표시되는 주택 매물에 관한 정보는 주택의 이름, 전용면적, 실거래가, 세대수 등이 포함될 수 있으며, 추가적으로 해당 주택 매물 인근에 위치한 편의 시설의 정보가 포함될 수 있다.

이때, 서버(100)가 맵핑 알고리즘을 통해 추천하는 상위 주택 매물에 대해 우선적으로 표시하되, 사용자가 선택한 설문정보(예를 들면, 주택 입지 데이터)에 대한 마크를 부여하게 된다. 또한, 제공되는 정보에는 각 주택별 교통, 교육 및 편의 측면에서 각각의 매물에 대한 직관적인 평가 정보를 제공할 수 있다.

예를 들어, 편의시설의 경우 기 설정된 형태의 아이콘으로 제공될 수 있으며, 동일한 편의시설이라도 주택 매물과의 거리에 따라 서로 다른 색상으로 표시될 수 있다. 예를 들면, A라는 매물로부터 100미터 이내에 병원이 위치하면 초록색 십자가 아이콘으로 표시할 수 있고, 400~500미터 안에 위치하는 경우 빨간색 십자가 아이콘으로 병원을 표시하게 되는 것이다.

지도 영역(530)은 매물 정보 영역(520)에 표시된 매물(즉, 서버(100)에 의해 검색된 매물)이 실제로 어디에 위치한 것인지 확인할 수 있게 된다.

또한, 지도 상에 표시되는 주택 매물은 사용자 정보에 얼마나 부합하는지 여부에 따라 색상을 나누어 시각적으로 표시할 수도 있다.

그 밖에도 지도 영역(530)에 표시되는 추천 매물들은 거래의 형태 및 가격대에 대한 정보가 함께 표시되어, 사용자가 매물 정보 영역(520)이 아닌 지도 영역(530)에서 곧장 해당 매물에 대한 정보를 확인할 수도 있다.

도 5d는 리스트에서 사용자가 관심정보(540)를 선택하는 인터페이스의 예시가 될 수 있다.

사용자 단말(200)은 리스트에서 자신이 원하는 주택 매물을 체크함으로써 선택하고, 관심정보(540)로서 저장하게 된다.

서버(100)는 사용자 단말(200)이 선택한 관심정보(540)를 바탕으로 기계학습을 수행하고, 주택 매물을 산출하기 위한 맵핑 알고리즘 및 시설점수를 산출하기 위한 상기 가중치를 업데이트하게 된다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100: 서버
200: 사용자 단말
300: 주택매물 서버

Claims (10)

1. 사용자 단말로 주택 매물을 추천하는 방법에 있어서,
   (a) 상기 사용자 단말로부터 사용자 정보를 수신하는 단계;
   (b) 상기 사용자 정보의 조건에 대응되는 주택 매물을 검색하는 단계;
   (c) 검색의 결과로 산출된 상기 주택 매물의 리스트를 상기 사용자 단말로 제공하는 단계; 및
   (d) 상기 사용자 단말이 상기 리스트에서 주택 매물을 관심정보로 선택하면, 상기 사용자 단말의 정보와 상기 관심정보를 매칭하여 저장하고, 상기 저장된 값을 기반으로 한 기계학습을 수행하여 상기 사용자 단말이 입력한 사용자 정보의 조건에 대응하는 사용자에게 추천할 상기 주택 매물의 조건 정보를 업데이트하는 단계;
   를 포함하고,
   상기 사용자 정보는 사용자의 개인정보, 이사 희망일, 적어도 하나 이상의 선호장소, 최대 융통 가능 자금, 거래 형태 및 상기 주택 매물로부터 기 설정된 거리 이내에 존재하길 원하는 시설 중 적어도 하나를 포함하는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
2. 제 1 항에 있어서,
   상기 (a) 단계 이전에
   사용자 단말로 상기 사용자 정보를 수신하기 위한 설문 인터페이스를 전달하고,
   상기 설문 인터페이스는 단계별 문답 형식을 통해 상기 사용자 정보를 순차적으로 수신하며, 상기 단계별 문답 형식은 이전 질문에 대한 상기 사용자의 회신에 대응되는 질문이 선택되어 제공되되, 기 설정된 단계에서는 기 설정된 질문만을 제공하는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
3. 제 1 항에 있어서,
   상기 (b) 단계는
   상기 사용자 정보의 사용자 개인정보에 포함된, 가족의 인원 및 나이에 대응되는 기 설정된 전용면적 및 필요한 방의 개수를 기 설정된 맵핑 알고리즘을 통해 산출하고, 상기 전용면적 및 방의 개수에 대응되는 상기 주택 매물을 검색하는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
4. 제 1 항에 있어서,
   상기 (b) 단계는
   상기 사용자 정보에 포함된 상기 융통할 수 있는 자금과 기 설정된 차이 이내에 있는 상기 주택 매물을 검색하는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
5. 제 1 항에 있어서,
   상기 (b) 단계는
   상기 선호장소로 입력된 지점들과 상기 주택 매물과의 거리를 합산한 값이 기 설정된 값 이하가 되는 상기 주택 매물들을 검색하되, 복수의 상기 선호장소에 포함된 각 장소들 사이에 위치한 상기 주택 매물이 우선적으로 선정되는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
6. 제 1 항에 있어서,
   상기 (b) 단계 이전에
   상기 주택 매물의 기 설정된 거리 안에 위치한 상기 편의시설은 기 설정된 공식에 기초하여 상기 주택 매물과 맵핑되는 시설점수를 각각 부여하고,
   상기 (b) 단계는
   상기 사용자 단말이 선택한 상기 편의시설에 대한 시설점수를 합산하고, 기 설정된 점수 이상의 합산점을 가지는 상기 주택 매물을 선정하는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
7. 제 6 항에 있어서,
   상기 시설점수는 상기 주택 매물에 대응되는 상기 편의시설의 개수 또는 상기 주택 매물과의 거리, 가중치 및 평점을 각각 곱한 후 기 설정된 범위 안의 수치를 갖도록 정규화를 거쳐 상기 시설점수를 산출하되,
   상기 가중치는 상기 사용자 단말이 특정 주택 매물을 상기 관심정보로 선택하느냐에 따라 변동되는 값이고, 상기 평점은 서비스의 관리자가 임의로 입력하는 값을 뜻하는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
8. 제 1 항에 있어서,
   상기 (c) 단계는
   상기 사용자에게 추천되는 상기 주택 매물이 현재의 매매가능 여부와 무관하게 거래가 가능한 모든 상기 주택 매물을 상기 사용자 단말로 제공하되,
   상기 추천된 주택 매물이 매매가 가능한 상태가 되면, 상기 사용자 단말로 알람을 제공하는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
9. 제 3 항 또는 제 7 항에 있어서,
   상기 (d) 단계는
   상기 관심정보로 선택된 상기 주택 매물을 산출하기 위해 사용된 상기 가족의 인원 및 나이에 대응되는 기 설정된 전용면적 및 필요한 방의 개수를 산출하기 위한 상기 맵핑 알고리즘 및 상기 시설점수를 산출하기 위한 상기 가중치를 업데이트 하는 것인, 사용자 단말로 주택 매물을 추천하는 방법.
10. 사용자 단말로 주택 매물을 추천하는 장치에 있어서,
    사용자 단말로 주택 매물을 추천하는 방법을 제공하는 프로그램이 저장된 메모리 및
    상기 메모리에 저장된 프로그램을 실행하여 상기 사용자 단말로 주택 매물을 추천하는 방법을 제공하는 프로세서를 포함하되,
    상기 프로세서는 상기 사용자 단말로부터 사용자 정보를 수신하고, 상기 사용자 정보의 조건에 대응되는 주택 매물을 검색하고, 검색의 결과로 산출된 상기 주택 매물의 리스트를 상기 사용자 단말로 제공하고, 상기 사용자 단말이 상기 리스트에서 주택 매물을 관심정보로 선택하면, 상기 사용자 단말의 정보와 상기 관심정보를 매칭하여 저장하고, 상기 저장된 값을 기반으로 한 기계학습을 수행하여 상기 사용자 단말이 입력한 사용자 정보의 조건에 대응하는 사용자에게 추천할 상기 주택 매물의 조건 정보를 업데이트하고, 상기 사용자 정보는 사용자의 개인정보, 이사 희망일, 적어도 하나 이상의 선호장소, 최대 융통 가능 자금, 거래 형태 및 상기 주택 매물로부터 기 설정된 거리 이내에 존재하길 원하는 시설 중 적어도 하나를 포함하는 것인, 사용자 단말로 주택 매물을 추천하는 장치.

Images