KR20230137003A - 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법 - Google Patents

전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법 Download PDF

Info

Publication number
KR20230137003A
KR20230137003A KR1020220034558A KR20220034558A KR20230137003A KR 20230137003 A KR20230137003 A KR 20230137003A KR 1020220034558 A KR1020220034558 A KR 1020220034558A KR 20220034558 A KR20220034558 A KR 20220034558A KR 20230137003 A KR20230137003 A KR 20230137003A
Authority
KR
South Korea
Prior art keywords
data
case
risk
real estate
ratification
Prior art date
Application number
KR1020220034558A
Other languages
English (en)
Inventor
최동현
Original Assignee
한국부동산원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국부동산원 filed Critical 한국부동산원
Priority to KR1020220034558A priority Critical patent/KR20230137003A/ko
Publication of KR20230137003A publication Critical patent/KR20230137003A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Library & Information Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 전례자료 및 조사대상사례가 저정된 데이터베이스 및 연산기능을 가진 제어서버를 이용하는 컴퓨팅장치에 의해 수행되는 부동산 실거래물건의 위법발생 위험도 산출시스템으로서, 부동산 자료를 조사 및 수집하여 데이터베이스에 저장하고, 수집된 자료를 추출 및 분류하는 데이터베이스 구축부(100); 전례자료에서 표준사례를 선정하고, 상기 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출하는 개별 비준점수 산출부(200); 및 상기 개별 평가점수를 이용하여, 조사대상사례의 위법발생의 위험도를 산출하는 위험도 산출부(300)를 포함하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템이다.

Description

전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법{System and Method for calculating the risk of illegal occurrence of real estate transactions using precedent data}
본 발명은 위법발생 위험도 산출시스템 및 산출방법에 관한 것이다. 구체적으로는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법에 관한 것이다.
기존의 부동산 거래의 위험은 거래 당사자 주로 매수인이 허위매물 등 문제가 있는 부동산 매물을 매수하는 것에 대한 위험을 의미한다고 할 것이다.
하지만, 매매당사자가 아닌 행정관리 부처에서는 상기의 위험이 아니라, 매매과정에서 매수자 등이 부동산 법률이나 세법 등의 관련 법규를 위반하는 위법성을 파악할 필요가 있다.
법규 등의 위법성에 관한 위험도를 파악하기 위하여, 기존에는 특별한 사전 분류 체계 없이, 매수인 내지 소명 대상자로부터 접수된 소명자료들을 단순 편철하여 조사하는 방식으로 이루어졌다. 이는 본 행정 조사 전반에 걸쳐 별도의 인력(조사관)을 투입하여 이루어지는 방식이었다.
조사대상 물건의 양이 많아질수록 조사에 투입되는 인적, 물적자원 또한 많이 필요해졌으며, 이는 곧 행정 서비스의 신속성과 질적 하락에 대한 우려로 이어질 가능성을 내포하고 있음을 의미하는 것이다.
부동산 실거래 조사의 경우 이미 적지 않은 수의 조사 전례가 누적되어 있는 상황이다. 이에, 기존에 누적된 전례자료를 통해 신규 조사대상 사안의 위법성에 따른 위험도를 보다 정확하고 신속하게 산출할 필요성이 제기된다.
또한, 신규조사물건에 대해 위법 발생 가능성에 따른 점수를 부여하고 이에 따른 사전 분류가 이루어진다면, 한정된 인적 자원(조사관)을 보다 효율적으로 운영하는 데에 도움이 될 수 있을 것이다.
(문헌 1) 한국등록특허공보 제10-2092790호 (2020.03.18)
본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법은 다음과 같은 해결과제를 가진다.
첫째, 부동산 실거래 조사물건의 위법성에 대하여, 사전 위험도 분석을 통한 분류를 통해, 위법발생 가능성이 높은 조사 건에 대한 추가 정밀 조사 여부를 신속하게 결정하고자 한다.
둘째, 기존에 누적된 전례자료에서 표준사례를 선정하고, 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출하고자 한다.
셋째, 개별 평가점수들을 이용하여, 신규 조사대상사례의 위법발생의 위험도를 산출하고자 한다.
본 발명의 해결과제는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명은 전례자료 및 조사대상사례가 저정된 데이터베이스 및 연산기능을 가진 제어서버를 이용하는 컴퓨팅장치에 의해 수행되는 부동산 실거래물건의 위법발생 위험도 산출시스템으로서, 부동산 자료를 조사 및 수집하여 데이터베이스에 저장하고, 수집된 자료를 추출 및 분류하는 데이터베이스 구축부; 전례자료에서 표준사례를 선정하고, 상기 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출하는 개별 비준점수 산출부; 및 상기 개별 평가점수를 이용하여, 조사대상사례의 위법발생의 위험도를 산출하는 위험도 산출부를 포함할 수 있다.
본 발명에 있어서, 상기 데이터베이스 구축부는 부동산 실거래자료, 시장가격자료를 포함하는 부동산 자료를 수집하고, 수집된 자료를 전자자료화하는 자료 수집부; 사례별로 수집자료를 분류하고, 이상자료 및 불필요자료를 제거하여 자료를 정렬하는 자료 정비부; 및 자료별 및 자료에 포함된 세부항목별로 코드를 부여하여 분류하는 코드 부여부를 포함할 수 있다.
본 발명에 있어서, 상기 개별 비준점수 산출부는 전례자료에서 표준사례를 선정하는 표준사례 선정부 및 선정된 표준사례와 조사대상사례의 항목별 비교를 하여 비준점수를 산출하는 비준점수부를 포함할 수 있다.
본 발명에 있어서, 상기 표준사례 선정부는 조사대상사례와 전례자료의 기 설정된 항목 코드를 대비하여, 기 설정된 사례유사도 이상인 적어도 하나의 자료를 표준사례로 선정할 수 있다.
본 발명에 있어서, 상기 표준사례 선정부는 상기 기 설정된 사례유사도 이상인 자료가 부존재하면, 가장 높은 사례유사도를 가진 자료를 표준사례로 선정할 수 있다.
본 발명에 있어서, 상기 비준점수부는 일 표준사례와 조사대상사례가 일치하는 항목에는 기준값을 비준점수로 부여하고, 일 표준사례와 조사대상사례가 불일치하는 항목에는 기준값에 기 설정된 확률가중치(W)를 추가한 값을 비준점수로 부여할 수 있다.
본 발명에 있어서, 상기 비준점수부는 일 표준사례와 대비한 조사대상사례의 각 항목별 비준점수의 총합이 일 표준사례 대비 비준점수인 것이 가능하다.
본 발명에 있어서, 상기 위험도 산출부는 수식 1을 통해 위법발생의 위험도를 산출하며, 수식 1의 n은 양의 정수인 것이 가능하다.
본 발명은 전례자료 및 조사대상사례가 저정된 데이터베이스 및 연산기능을 가진 제어서버를 이용하는 컴퓨팅장치에 의해 수행되는 부동산 실거래물건의 위법발생 위험도 산출방법으로서, 데이터베이스 구축부가 부동산 자료를 조사 및 수집하여 데이터베이스에 저장하고, 수집된 자료를 추출 및 분류하는 S100 단계; 개별 비준점수 산출부가 전례자료에서 표준사례를 선정하고, 상기 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출하는 S200 단계; 및 위험도 산출부가 상기 개별 비준점수를 이용하여, 조사대상사례의 위법발생의 위험도를 산출하는 S300 단계를 포함할 수 있다.
본 발명에 있어서, S100 단계는 자료 수집부가 부동산 실거래자료, 시장가격자료를 포함하는 부동산 자료를 수집하고, 수집된 자료를 전자자료화하는 S110 단계; 자료 정비부가 사례별로 수집자료를 분류하고, 이상자료 및 불필요자료를 제거하여 자료를 정렬하는 S120 단계; 및 코드 부여부(130)가 자료별 및 자료에 포함된 세부항목별로 코드를 부여하여 분류하는 S130 단계를 포함할 수 있다.
본 발명에 있어서, S200 단계는 표준사례 선정부가 전례자료에서 표준사례를 선정하는 S210 단계 및 비준점수부가 선정된 표준사례와 조사대상사례의 항목별 비교를 하여 비준점수를 산출하는 S220 단계를 포함할 수 있다.
본 발명에 있어서, S210 단계에서 상기 표준사례 선정부가 조사대상사례와 전례자료의 기 설정된 항목 코드를 대비하여, 기 설정된 사례유사도 이상인 적어도 하나의 자료를 표준사례로 선정할 수 있다.
본 발명에 있어서, S210 단계에서 상기 기 설정된 사례유사도 이상인 자료가 부존재하면, 상기 표준사례 선정부가 가장 높은 사례유사도를 가진 자료를 표준사례로 선정할 수 있다.
본 발명에 있어서, S220 단계에서 비준점수부는 일 표준사례와 조사대상사례가 일치하는 항목에는 기준값을 비준점수로 부여하고, 일 표준사례와 조사대상사례가 불일치하는 항목에는 기준값에 기 설정된 확률가중치(W)를 추가한 값을 비준점수로 부여할 수 있다.
본 발명에 있어서, S220 단계에서 일 표준사례와 대비한 조사대상사례의 각 항목별 비준점수의 총합이 일 표준사례 대비 비준점수인 것이 가능하다.
본 발명에 있어서, S300 단계에서 수식 1을 통해 위법발생의 위험도를 산출하며, 수식 1의 n은 양의 정수인 것이 가능하다.
본 발명은 하드웨어와 결합되어, 본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법을 컴퓨터에 의해 실행시키기 위하여 컴퓨터가 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법은 다음과 같은 효과를 가진다.
첫째, 부동산 실거래 조사물건의 위법성에 대하여, 사전 위험도 분석을 통한 분류를 통해, 위법발생 가능성이 높은 조사 건에 대한 추가 정밀 조사 여부를 신속하게 결정하는 효과가 있다.
둘째, 기존에 누적된 전례자료에서 표준사례를 선정하고, 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출하는 효과가 있다.
셋째, 개별 평가점수들을 이용하여, 신규 조사대상사례의 위법발생의 위험도를 산출하는 효과가 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템의 구성도이다.
도 2는 본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법의 순서도이다.
도 3은 표준사례인 전례자 1(홍길동)과, 신규 조사대상사례인 조사자(이만세)를 대비하여, 세부 항목별 비교를 통한 비준점수를 산정한 자료이다.
도 4는 표준사례인 전례자 2(김대한)과, 신규 조사대상사례인 조사자(이만세)를 대비하여, 세부 항목별 비교를 통한 비준점수를 산정한 자료이다.
도 5는 표준사례인 전례자 3(이무궁)과, 신규 조사대상사례인 조사자(이만세)를 대비하여, 세부 항목별 비교를 통한 비준점수를 산정한 자료이다.
이하, 첨부한 도면을 참조하여, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 설명한다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 이해할 수 있는 바와 같이, 후술하는 실시예는 본 발명의 개념과 범위를 벗어나지 않는 한도 내에서 다양한 형태로 변형될 수 있다. 가능한 한 동일하거나 유사한 부분은 도면에서 동일한 도면부호를 사용하여 나타낸다.
본 명세서에서 사용되는 전문용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지는 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다.
본 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특정 특성, 영역, 정수, 단계, 동작, 요소, 성분 및/또는 군의 존재나 부가를 제외시키는 것은 아니다.
본 명세서에서 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 사전에 정의된 용어들은 관련기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
본 명세서에서 사용되는 방향에 관한 표현, 예를 들어 전/후/좌/우의 표현, 상/하의 표현, 종방향/횡방향의 표현은 도면에 개시된 방향을 참고하여 해석될 수 있다.
이하에서는 도면을 참고하여 본 발명을 설명하고자 한다. 참고로, 도면은 본 발명의 특징을 설명하기 위하여, 일부 과장되게 표현될 수도 있다. 이 경우, 본 명세서의 전 취지에 비추어 해석되는 것이 바람직하다.
도 1은 본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템의 구성도이다.
도 1에 도시된 바와 같이, 본 발명은 데이터베이스 구축부(100), 개별 비준점수 산출부(200) 및 위험도 산출부(300)를 포함한다.
보다 구체적으로 설명하면, 본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템은 전례자료 및 조사대상사례가 저정된 데이터베이스 및 연산기능을 가진 제어서버를 이용하는 컴퓨팅장치에 의해 수행되는 부동산 실거래물건의 위법발생 위험도 산출시스템으로서, 부동산 자료를 조사 및 수집하여 데이터베이스에 저장하고, 수집된 자료를 추출 및 분류하는 데이터베이스 구축부(100); 전례자료에서 표준사례를 선정하고, 상기 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출하는 개별 비준점수 산출부(200); 및 상기 개별 평가점수를 이용하여, 조사대상사례의 위법발생의 위험도를 산출하는 위험도 산출부(300)를 포함한다.
먼저, 데이터베이스 구축부(100)를 설명한다.
본 발명에 따른 데이터베이스 구축부(100)는 부동산 자료를 조사 및 수집하여 데이터베이스에 저장하고, 수집된 자료를 추출 및 분류할 수 있다.
데이터베이스 구축부(100)는 부동산 실거래자료, 시장가격자료를 포함하는 부동산 자료를 수집하고, 수집된 자료를 전자자료화하는 자료 수집부(110); 사례별로 수집자료를 분류하고, 이상자료 및 불필요자료를 제거하여 자료를 정렬하는 자료 정비부(120); 및 자료별 및 자료에 포함된 세부항목별로 코드를 부여하여 분류하는 코드 부여부(130)를 포함한다.
본 발명이 효과적으로 실시되기 위해서는, 이전에 실시된 전례들에 대한 데이터베이스화 단계가 필요하다.
본 발명에 따른 자료 수집부(110)는 부동산 실거래자료, 시장가격자료를 포함하는 부동산 자료를 수집하고, 수집된 자료를 전자자료화할 수 있다.
제출된 자료 전부(매매계약서, 금융거래확인서, 차용증, 증여세납부증 등)는 OCR방식의 스캔을 통해 전자자료화할 수 있다.
자료 수집부(110)는 부동산 실거래자료를 조사하여 수집할 수 있다. 또한, 본 발명의 보다 정확한 분류체계 구동을 위해서는, 접수된 부동산 실거래 소명자료와 같은 직접적 자료 이외에도 시장가격 등과 같은 간접적인 자료의 구축도 필요하다.
시장가격 수집의 경우, 기존에 구축된 시세시스템(E-시세 등)을 활용할 수 있을 것이다. 이러한 자료를, 부동산 실거래 조사건에 대해 매칭하기 위해서는 1차적으로 조사건별 소재지를 바탕으로 하되, 조사건의 계약시점 인근 2개 이상의 유사 실거래 자료를 추출하여 그 값을 평균하고, 결과값과 조사 대상 건과의 일정 가격 차이에 대해 알람(alert)하는 방식으로 실시될 수 있다. 일정 가격 차이는 관계 법령 및 사회통념 등을 고려하여 인위적으로 입력할 수 있다.
본 발명에 따른 자료 정비부(120)는 사례별로 수집자료를 분류하고, 이상자료 및 불필요자료를 제거하여 자료를 정렬할 수 있다.
예를 들어, 제출된 자료 중 ‘차용증’이 전자파일화되고, 이에 대한 대(차)주, 차용금액 등을 별도의 양식에 맞추어 전자적으로 저장될 수 있다.
본 발명의 특징은 전자화(Scan)된 소명자료들의 모든 단어들을 OCR 방식 등을 통해 인식하고, 각 조사건별 ‘언어뭉치’화하는 점에 있다. '정제되기 전의 언어뭉치’는 기계적으로 인식된 상태 그대로이기 때문에 조사에 실질적으로 불필요한 단어들도 다량 포함되어 있을 것으로 예상된다. 불필요한 단어, 이를테면 문법적 의미의 ‘조사’는 자체적으로 삭제되며, 반대로 필요한 단어(금융거래확인서, 계약서, 대출 등)는 기존에 입력해 놓은 데이터를 바탕으로 인식하여 추출할 수 있다.
기존에 입력해 놓은 데이터는, 각 단어별로 고유의 값(Type A)을 가지고 있으며, 이러한 언어뭉치는 고유의 값의 덩어리 형태로 보관할 수 있다.
예: [매매계약서, 대출, 차용...] → [A1, B4, D13... ]
본 발명에 따른 코드 부여부(130)는 자료별 및 자료에 포함된 세부항목별로 코드를 부여하여 분류할 수 있다.
예를 들어, 성년자: X. 내국인: I, 매수인: B, 주택: H, 매매계약서: A, 소득금액증명원: B, 금융거래확인서: C, 차용증: D, 증여세납부증: E 등으로 코드를 부여할 수 있을 것이다.
본 발명에 있어서, 일련의 과정을 거쳐 ‘정제된 키워드 뭉치’가 형성되고, ‘정제된 키워드 뭉치’별로 조사관의 실제 조사 결과를 기계적으로 매칭할 수 있다. 실제 조사 결과 또한 각 유형별 고유의 값(Type B)을 통해 관리되기 때문에, 매칭이 이루어진 최종 값은 일정한 고유의 값의 일련된 형태인 것이 가능하다.
이렇게 정리된 전례들은, 고유의 값(Type A)를 독립변수로 하고, 고유의 값(Type B)를 종속변수로 하는 회귀분석을 통해, 제출된 소명자료 항목별 통보가능성에 대한 값을 가질 수 있다.
다음으로, 개별 비준점수 산출부(200)를 설명한다.
본 발명에 따른 개별 비준점수 산출부(200)는 전례자료에서 표준사례를 선정하고, 상기 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출할 수 있다.
본 발명에 따른 개별 비준점수 산출부(200)는 전례자료에서 표준사례를 선정하는 표준사례 선정부(210) 및 선정된 표준사례와 조사대상사례의 항목별 비교를 하여 비준점수를 산출하는 비준점수부(220)를 포함한다.
본 발명에 따른 표준사례 선정부(210)는 전례자료에서 표준사례를 선정할 수 있다.
표준사례 선정부(210)는 조사대상사례와 전례자료의 기 설정된 항목 코드를 대비하여, 기 설정된 사례유사도 이상인 적어도 하나의 자료를 표준사례로 선정할 수 있다.
표준사례 선정부(210)는 상기 기 설정된 사례유사도 이상인 자료가 부존재하면, 가장 높은 사례유사도를 가진 자료를 표준사례로 선정할 수 있다.
예를 들어, 제출된 자료가 ‘매매계약서, 금융거래확인서, 차용증, 증여세납부증’이었으며, 거래당사자의 미성년자 여부는 ‘여’이며, 매수물건의 유형은 ‘주택’이고, 이에 대한 기관 통보 유형이 ‘금융감독원-1타입’이었을 경우, 신규로 접수된 조사건의 제출 자료 유형 및 미성년자 여부 등에 따라 유사도가 높은 ‘표준사례’를 최소 1건 이상 선정할 수 있다.
본 발명에 따른 비준점수부(220)는 선정된 표준사례와 조사대상사례의 항목별 비교를 하여 비준점수를 산출할 수 있다.
비준점수부(220)는 일 표준사례와 조사대상사례가 일치하는 항목에는 기준값을 비준점수로 부여하고, 일 표준사례와 조사대상사례가 불일치하는 항목에는 기준값에 기 설정된 확률가중치(W)를 추가한 값을 비준점수로 부여할 수 있다.
비준점수부(220)는 일 표준사례와 대비한 조사대상사례의 각 항목별 비준점수의 총합이 일 표준사례 대비 비준점수인 것이 바람직하다.
비준점수부(200)는 선정된 ‘표준사례’ 와 신규로 접수된 조사대상사례 상호간의 세부항목별 비교를 통한 비준점수를 산정하는 구성이다.
예를 들어, 전례자료의 ‘금융거래확인서’ 구성내용이 ‘신용대출’이었고, 신규로 접수된 조사대상사례의 제출 자료 유형의 ‘금융거래확인서’ 구성내용이 ‘정책자금대출’일 경우, ‘대출관련 유형 비준표’상의 기준점수(1점)에 가산점(W)을 추가한 비준점수가 부여될 수 있다.(1±Wn)
본 발명에 따른 가중치(W: Weight)는 표준사례와 신규 조사대상사례의 각 항목별로 대비하여, 동일하지 않을 경우에 부여되는 값을 의미한다. 가중치(W)는 누적된 전례자료 등을 통해 확률적으로 기 설정된 값이 입력될 수 있다.
예로, ‘미성년자가 거래당사자인 경우에 기관 통보된 확률’이, ‘성년자가 거래당사자인 경우에 기관 통보된 확률’보다 5% 높은 경우, 기준값은 1점, 가중치는 (+0.05)로 되어, 해당 항목의 비준점수는 1.05점으로 산출될 수 있다.
참고로, 가중치(W)로서 (+)값을 부여받는 것은 조사대상사례가 표준사례보다 위법성 가능성이 더 높다는 것을 의미한다. 또한, 가중치(W)로서 (-)값을 부여받는 것은 조사대상사례가 표준사례보다 위법성 가능성이 더 낮다는 것을 의미한다.
예를 들어, 표준사례에서 '성년자'로 표시되고, 조사대상사례에서도 '성년자'로 표시되면, 해당 항목(성년,미성년여부)의 비준점수는 기준값(예로 1점)을 부여받게 된다.
예를 들어, 표준사례에서는 '성년자'로 표시되고, 조사대상사례에서는 '미성년자'로 표시되면, 해당 항목의 비준점수는 기준값에 가중치(W)로 (+) 값을 부여받을 수 있다. 일예로, 기준값을 1점, 가중치 (+)값을 0.05점이라고 한다면, 해당 항목의 비준점수는 1.05점이 될 것이다. 이는 해당 항목에서 조사대상사례가 표준사례보다 위법성 가능성이 더 높다는 의미이다.
예를 들어, 표준사례에서는 '미성년자'로 표시되고, 조사대상사례에서는 '성년자'로 표시되면, 해당 항목의 비준점수는 기준값에 가중치(W)로 (-)값을 부여받을 수 있다. 일예로, 기준값을 1점, 가중치 (-)값을 0.05점이라고 한다면, 해당 항목의 비준점수는 0.95점이 될 것이다. 이는 해당 항목에서 조사대상사례가 표준사례보다 위법성 가능성이 더 낮다는 의미이다.
다음으로, 위험도 산출부(300)를 설명한다.
본 발명에 따른 위험도 산출부(300)는 개별 평가점수를 이용하여, 조사대상사례의 위법발생의 위험도를 산출할 수 있다.
위험도 산출부(300)는 다음 수식 1을 통해 위법발생의 위험도를 산출하며, 수식 1의 n은 양의 정수인 것이 바람직하다.
[수식 1]
이하에서는, 본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템의 실시예를 설명하고자 한다.
데이터베이스 구축부(100)의 자료 수집부(110)에서는, 기존 전례자료를 OCR 스캔을 통해 전자자료화한다.
예를 들어, 전례자료에 포함된 전례자 1(홍길동)이 (성년자, 내국인, 매수인, 공동주택)인 경우, 매매계약서, 소득금액증명원, 금융거래확인서, 차용증 등의 제출자료 전부를 스캔할 수 있다.
전례자료에 포함된 전례자 2(김대한)가 (미성년자, 내국인, 매수인, 공동주택)인 경우, 매매계약서, 금융거래확인서, 차용증, 증여세납부증 등을 스캔할 수 있다.
전례자료에 포함된 전례자 3(이무궁)이 (성년자, 내국인, 매수인, 공동주택)인 경우, 판결문, 차용증, 배당결의서 등의 제출자료 전부를 스캔할 수 있다.
전례자료에 포함된 전례자 4(박민국)가 (성년자, 외국인, 매수인, 토지)인 경우, 매매계약서, 예금잔액증명원, (기존부동산)매매계약서 등의 제출자료 전부를 스캔할 수 있다.
데이터베이스 구축부(100)의 자료 정비부(120)에서는, 전자자료화된 전례자료의 세분화(세부 항목화, 카테고리화)를 한다.
전례자 1(홍길동)의 경우, 매매계약서 구성내용을 세분화하여, 거래당사자, 거래금액, 특약사항 등을 추출한다. 소득금액증명원 구성내용을 세분화하여, 소득구분, 원천징수의무자, 소득금액 등을 추출한다. 금융거래확인서 구성내용을 세분화하여, 종별, 용도, 한도, 만기이격도, 담보 등을 추출한다.
전례자 2(김대한)의 경우, 매매계약서 구성내용을 세분화하여, 거래당사자, 거래금액, 특약사항 등을 추출한다. 차용증 구성내용을 세분화하여, 대주, 차주, 차용기한, 차용조건 등을 추출한다. 금융거래확인서 구성내용을 세분화하여, 종별, 용도, 한도, 만기이격도, 담보 등을 추출한다. 증여세납부증 구성내용을 세분화하여, 증여자, 수증자, 종별 등을 추출한다.
전례자 3(이무궁)의 경우, 판결문 구성내용을 세분화하여, 피고인, 원고인, 소송물, 판결요지 등을 추출한다. 차용증 구성내용을 세분화하여, 대주, 차주, 차용기한, 차용조건 등을 추출한다. 배당결의서 구성내용을 세분화하여, 배당실시일, 배당금액 등을 추출한다.
전례자 4(박민국)의 경우, 매매계약서 구성내용을 세분화하여, 거래당사자, 거래금액, 특약사항 등을 추출한다. 예금잔액증명원을 세분화하여, 예금인, 잔액 등을 추출한다. 기존부동산 매도계약서를 세분화하여, 거래당사자, 거래금액, 특약사항 등을 추출한다.
데이터베이스 구축부(100)의 코드 부여부(130)에서는, 카테고리화된 전례자료의 코드화 및 기관통보 유형을 다음 표 1과 같이 매칭한다.
성년자(미성년자) : X(Y)
내국인(외국인) : I(O)
매수인(매도인) : B(S)
주택 : H
매매계약서 : A
소득금액증명원 : B
금융거래확인서 : C
차용증 : D
증여세납부증 : E
등 각 항목별 세부 코드가 구성
통보기관별 세부 코드는 다음 표 2와 같이 구성된다.
국세청: Ta
금융위: Ac
경찰청: Po
등 통보기관별 세부 코드가 구성
전례자 1~4의 경우, 다음 표 3과 같이 구성된다.
전례자 1 (홍길동)
:(성년자, 내국인, 매수인, 공동주택, 매매계약서, 소득금액증명원, 금융거래확인서, 차용증)
: X-I-B-H- ... -A-B-C-D- ... -TaAc
전례자 2 (김대한)
:(미성년자, 내국인, 매수인, 공동주택, 매매계약서, 금융거래확인서, 차용증, 증여세납부증)
: Y-I-B-H- ... -A-C-D-E- ... -Ta
전례자 3 (이무궁)
:(성년자, 내국인, 매수인, 공동주택, 판결문, 차용증, 배당결의서)
: X-I-B-H- ... -P-C-Bd- ... -AcPo
전례자 4 (박민국)
:(성년자, 외국인, 매수인, 토지, 매매계약서, 예금잔액증명원, (기존부동산)매매계약서)
: X-O-B-L- ... - A-Y-ZA- ... -Po
개별 비준점수 산출부(200)는 전례자료별 비교를 통한 ‘표준사례 선정'을 할 수 있다.
신규조사대상건 접수 및 스캔을 통한 코드화 전처리 과정을 다음 표 4와 같이 진행한다.
신규 조사자 (이만세)
:(성년자, 내국인, 매수인, 공동주택) 제출자료(매매계약서, 소득금액증명원, 금융거래확인서, 차용증)
: X-I-B-H- ... -A-B-C-D
(*신규조사건이니 관계기관 통보 코드는 당연히 없을 것임)
다음으로, 표준사례를 선정 및 추출한다. 선정 기준은 통상적으로 최소 90%이상 유사도를 보이는 사례를 다음 표 5와 같이 1건 이상 선정하게 된다.
[표준사례건 선정] 홍길동, 김대한, 이무궁 사례선정
전례자 1 (홍길동)
:(성년자, 내국인, 매수인, 공동주택, 매매계약서, 소득금액증명원, 금융거래확인서, 차용증)
: X-I-B-H- ... -A-B-C-D- ... -TaAc (유사도 99%이상)
전례자 2 (김대한)
:(미성년자, 내국인, 매수인, 공동주택, 매매계약서, 금융거래확인서, 차용증, 증여세납부증)
: Y-I-B-H- ... -A-C-D-E-Ta (유사도 95%이상)
전례자 3 (이무궁)
:(성년자, 내국인, 매수인, 공동주택, 판결문, 차용증, 배당결의서)
: X-I-B-H- ... -P-C-Bd-AcPo (유사도 90%이상)
다음으로, 도 3에 도시된 바와 같이, 표준사례인 전례자 1(홍길동)과, 신규 조사대상사례인 조사자(이만세)를 대비하여, 세부 항목별 비교를 통한 비준점수를 산정한다.
다음으로, 도 4에 도시된 바와 같이, 표준사례인 전례자 2(김대한)과, 신규 조사대상사례인 조사자(이만세)를 대비하여, 세부 항목별 비교를 통한 비준점수를 산정한다.
다음으로, 도 5에 도시된 바와 같이, 표준사례인 전례자 3(이무궁)과, 신규 조사대상사례인 조사자(이만세)를 대비하여, 세부 항목별 비교를 통한 비준점수를 산정한다.
이하에서는, 위험도 산출부(300)에서 최종 위험도를 수식 1에 따라 산출한다. 또한, 위험도별 조사건을 자동 분류할 수 있다.
[수식 1]
상기 수식 1을 전술한 전례자 1,2,3과의 비준점수에 대입하면 다음 표 6과 같다.

= 10.59점

: 전례자1(홍길동)건 비준점수를 1.30, 사례유사정도를 99%로 보고,
: 전례자2(김대한)건 비준점수를 0.95, 사례유사정도를 95%로 보고,
: 전례자3(이무궁)건 비준점수를 1.10, 사례유사정도를 90%로 간주했을 경우의 점수이다.
한편, 본 발명은 위험도 산출방법 발명으로 구현될 수 있다. 구체적으로 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법으로 구현될 수 있다.
이러한 방법발명은 전술한 시스템발명과 발명의 카테고리는 상이하나, 실질적으로 동일한 발명에 해당된다. 따라서, 시스템발명과 공통되는 구성은, 전술한 설명으로 대체하기로 하며, 이하에서는 본 방법발명의 요지 위주로 설명하고자 한다.
도 2는 본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법의 순서도이다.
본 발명에 따른 S100 단계는 자료 수집부(110)가 부동산 실거래자료, 시장가격자료를 포함하는 부동산 자료를 수집하고, 수집된 자료를 전자자료화하는 S110 단계; 자료 정비부(120)가 사례별로 수집자료를 분류하고, 이상자료 및 불필요자료를 제거하여 자료를 정렬하는 S120 단계; 및 코드 부여부(130)가 자료별 및 자료에 포함된 세부항목별로 코드를 부여하여 분류하는 S130 단계를 포함할 수 있다.
본 발명에 따른 S200 단계는 표준사례 선정부(210)가 전례자료에서 표준사례를 선정하는 S210 단계 및 비준점수부(220)가 선정된 표준사례와 조사대상사례의 항목별 비교를 하여 비준점수를 산출하는 S220 단계를 포함할 수 있다.
본 발명에 따른 S210 단계에서 상기 표준사례 선정부(210)가 조사대상사례와 전례자료의 기 설정된 항목 코드를 대비하여, 기 설정된 사례유사도 이상인 적어도 하나의 자료를 표준사례로 선정할 수 있다.
본 발명에 따른 S210 단계에서 상기 기 설정된 사례유사도 이상인 자료가 부존재하면, 상기 표준사례 선정부(210)가 가장 높은 사례유사도를 가진 자료를 표준사례로 선정할 수 있다.
본 발명에 따른 S220 단계에서 비준점수부(220)는 일 표준사례와 조사대상사례가 일치하는 항목에는 기준값을 비준점수로 부여하고, 일 표준사례와 조사대상사례가 불일치하는 항목에는 기준값에 기 설정된 확률가중치(W)를 추가한 값을 비준점수로 부여할 수 있다.
본 발명에 따른 S220 단계에서 일 표준사례와 대비한 조사대상사례의 각 항목별 비준점수의 총합이 일 표준사례 대비 비준점수인 것이 바람직하다.
본 발명에 따른 S300 단계에서 다음 수식 1을 통해 위법발생의 위험도를 산출하며, 수식 1의 n은 양의 정수인 것이 바람직하다.
[수식 1]
또한, 본 발명은 컴퓨터프로그램으로 구현될 수도 있다. 구체적으로 본 발명은 하드웨어와 결합되어, 본 발명에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법을 컴퓨터에 의해 실행시키기 위하여 컴퓨터가 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
본 발명의 실시예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 판독 가능한 프로그램 형태로 구현되어 컴퓨터로 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광 기록 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 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
본 명세서에서 설명되는 실시예와 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 예시적으로 설명하는 것에 불과하다. 따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아님은 자명하다. 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시 예는 모두 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 데이터베이스 구축부 110 : 자료 수집부
120 : 자료 정비부 130 : 코드 부여부
200 : 개별 비준점수 산출부 210 : 표준자료 선정부
220 : 비준점수부 300 : 위험도 산출부

Claims (17)

  1. 전례자료 및 조사대상사례가 저정된 데이터베이스 및 연산기능을 가진 제어서버를 이용하는 컴퓨팅장치에 의해 수행되는 부동산 실거래물건의 위법발생 위험도 산출시스템으로서,
    부동산 자료를 조사 및 수집하여 데이터베이스에 저장하고, 수집된 자료를 추출 및 분류하는 데이터베이스 구축부;
    전례자료에서 표준사례를 선정하고, 상기 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출하는 개별 비준점수 산출부; 및
    상기 개별 평가점수를 이용하여, 조사대상사례의 위법발생의 위험도를 산출하는 위험도 산출부를 포함하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템.
  2. 청구항 1에 있어서,
    상기 데이터베이스 구축부는
    부동산 실거래자료, 시장가격자료를 포함하는 부동산 자료를 수집하고, 수집된 자료를 전자자료화하는 자료 수집부;
    사례별로 수집자료를 분류하고, 이상자료 및 불필요자료를 제거하여 자료를 정렬하는 자료 정비부; 및
    자료별 및 자료에 포함된 세부항목별로 코드를 부여하여 분류하는 코드 부여부를 포함하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템.
  3. 청구항 1에 있어서,
    상기 개별 비준점수 산출부는
    전례자료에서 표준사례를 선정하는 표준사례 선정부 및
    선정된 표준사례와 조사대상사례의 항목별 비교를 하여 비준점수를 산출하는 비준점수부를 포함하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템.
  4. 청구항 3에 있어서,
    상기 표준사례 선정부는
    조사대상사례와 전례자료의 기 설정된 항목 코드를 대비하여,
    기 설정된 사례유사도 이상인 적어도 하나의 자료를 표준사례로 선정하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템.
  5. 청구항 4에 있어서,
    상기 표준사례 선정부는
    상기 기 설정된 사례유사도 이상인 자료가 부존재하면,
    가장 높은 사례유사도를 가진 자료를 표준사례로 선정하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템.
  6. 청구항 3에 있어서,
    상기 비준점수부는
    일 표준사례와 조사대상사례가 일치하는 항목에는 기준값을 비준점수로 부여하고,
    일 표준사례와 조사대상사례가 불일치하는 항목에는 기준값에 기 설정된 확률가중치(W)를 추가한 값을 비준점수로 부여하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템.
  7. 청구항 6에 있어서,
    상기 비준점수부는
    일 표준사례와 대비한 조사대상사례의 각 항목별 비준점수의 총합이 일 표준사례 대비 비준점수인 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템.
  8. 청구항 7에 있어서,
    상기 위험도 산출부는
    다음 수식 1을 통해 위법발생의 위험도를 산출하며, 수식 1의 n은 양의 정수인 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템.
    [수식 1]
  9. 전례자료 및 조사대상사례가 저정된 데이터베이스 및 연산기능을 가진 제어서버를 이용하는 컴퓨팅장치에 의해 수행되는 부동산 실거래물건의 위법발생 위험도 산출방법으로서,
    데이터베이스 구축부가 부동산 자료를 조사 및 수집하여 데이터베이스에 저장하고, 수집된 자료를 추출 및 분류하는 S100 단계;
    개별 비준점수 산출부가 전례자료에서 표준사례를 선정하고, 상기 표준사례와 조사대상사례를 비교하여 각 표준사례에 대한 조사대상사례의 비준점수를 산출하는 S200 단계; 및
    위험도 산출부가 상기 개별 비준점수를 이용하여, 조사대상사례의 위법발생의 위험도를 산출하는 S300 단계를 포함하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법.
  10. 청구항 9에 있어서,
    S100 단계는
    자료 수집부가 부동산 실거래자료, 시장가격자료를 포함하는 부동산 자료를 수집하고, 수집된 자료를 전자자료화하는 S110 단계;
    자료 정비부가 사례별로 수집자료를 분류하고, 이상자료 및 불필요자료를 제거하여 자료를 정렬하는 S120 단계; 및
    코드 부여부가 자료별 및 자료에 포함된 세부항목별로 코드를 부여하여 분류하는 S130 단계를 포함하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법.
  11. 청구항 9에 있어서,
    S200 단계는
    표준사례 선정부가 전례자료에서 표준사례를 선정하는 S210 단계 및
    비준점수부가 선정된 표준사례와 조사대상사례의 항목별 비교를 하여 비준점수를 산출하는 S220 단계를 포함하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법.
  12. 청구항 11에 있어서, S210 단계에서
    상기 표준사례 선정부가 조사대상사례와 전례자료의 기 설정된 항목 코드를 대비하여, 기 설정된 사례유사도 이상인 적어도 하나의 자료를 표준사례로 선정하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법.
  13. 청구항 12에 있어서, S210 단계에서
    상기 기 설정된 사례유사도 이상인 자료가 부존재하면,
    상기 표준사례 선정부가 가장 높은 사례유사도를 가진 자료를 표준사례로 선정하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법.
  14. 청구항 12에 있어서, S220 단계에서
    비준점수부는 일 표준사례와 조사대상사례가 일치하는 항목에는 기준값을 비준점수로 부여하고, 일 표준사례와 조사대상사례가 불일치하는 항목에는 기준값에 기 설정된 확률가중치(W)를 추가한 값을 비준점수로 부여하는 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법.
  15. 청구항 14에 있어서, S220 단계에서
    일 표준사례와 대비한 조사대상사례의 각 항목별 비준점수의 총합이 일 표준사례 대비 비준점수인 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법.
  16. 청구항 15에 있어서, S300 단계에서
    다음 수식 1을 통해 위법발생의 위험도를 산출하며, 수식 1의 n은 양의 정수인 것을 특징으로 하는 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법.
    [수식 1]
  17. 하드웨어와 결합되어, 청구항 9에 따른 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출방법을 컴퓨터에 의해 실행시키기 위하여 컴퓨터가 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.

KR1020220034558A 2022-03-21 2022-03-21 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법 KR20230137003A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220034558A KR20230137003A (ko) 2022-03-21 2022-03-21 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220034558A KR20230137003A (ko) 2022-03-21 2022-03-21 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법

Publications (1)

Publication Number Publication Date
KR20230137003A true KR20230137003A (ko) 2023-10-04

Family

ID=88290337

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220034558A KR20230137003A (ko) 2022-03-21 2022-03-21 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법

Country Status (1)

Country Link
KR (1) KR20230137003A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102092790B1 (ko) 2018-02-01 2020-04-28 조두영 부동산 위험도 분석 서비스 제공 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102092790B1 (ko) 2018-02-01 2020-04-28 조두영 부동산 위험도 분석 서비스 제공 방법

Similar Documents

Publication Publication Date Title
US20180130071A1 (en) Identifying and labeling fraudulent store return activities
US20050004862A1 (en) Identifying the probability of violative behavior in a market
US20090248560A1 (en) Assessment of risk associated with doing business with a party
US20150363875A1 (en) System and Method for Filtering and Analyzing Transaction Information
US20090248559A1 (en) Assessment of risk associated with doing business with a party
Bates An econometric analysis of lending to black businessmen
CN111985937A (zh) 交易商价值信息评估方法、系统、存储介质、计算机设备
CN106933814A (zh) 税务数据异常分析方法及系统
Agarwal et al. Loan product steering in mortgage market
CN113159922A (zh) 一种数据的流向识别方法、装置、设备及介质
CN110222180B (zh) 一种文本数据分类与信息挖掘方法
Ganesh et al. Implementation of Novel Machine Learning Methods for Analysis and Detection of Fake Reviews in Social Media
KR20230137003A (ko) 전례자료를 활용한 부동산 실거래물건의 위법발생 위험도 산출시스템 및 산출방법
CN110941652A (zh) 银行流水数据的分析方法
Szerwo MD&A disclosure of critical accounting policies and financial reporting risk: evidence from restatements
US11935073B1 (en) System and methods for general ledger flagging
CN115564591A (zh) 一种融资产品的确定方法及相关设备
JP2012238073A (ja) 債権買取査定支援システム及び債権買取査定支援方法
Gupta et al. The Cost of Privacy. The Impact of the California Consumer Protection Act on Mortgage Markets.
CN111914542A (zh) 疑似非法集资市场主体识别方法、装置、终端及存储介质
CN111612602A (zh) 上市公司疑似财务风险判别方法及装置
JP7406286B2 (ja) 情報処理システム
Fallah Shams et al. Designing credit risk early-warning system for individual and corporate customers of the bank using multiple logit comparison model and survival function
Barth et al. Do black-owned banks substitute for payday lenders? An exploratory study
KR100686466B1 (ko) 자산 평가 제공 방법 및 시스템과, 수익성에 대한 안정성 분석 제공 시스템