KR102526451B1 - 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 - Google Patents
사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 Download PDFInfo
- Publication number
- KR102526451B1 KR102526451B1 KR1020220129429A KR20220129429A KR102526451B1 KR 102526451 B1 KR102526451 B1 KR 102526451B1 KR 1020220129429 A KR1020220129429 A KR 1020220129429A KR 20220129429 A KR20220129429 A KR 20220129429A KR 102526451 B1 KR102526451 B1 KR 102526451B1
- Authority
- KR
- South Korea
- Prior art keywords
- real estate
- search conditions
- sale
- loan
- user
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004590 computer program Methods 0.000 title claims abstract description 18
- 238000012937 correction Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 description 26
- 238000013473 artificial intelligence Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 241000282326 Felis catus Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 사용자로부터 검색 조건을 획득하는 단계, 상기 획득된 검색 조건에 기초하여 부동산 매물을 선택하는 단계 및 상기 사용자의 정보 및 상기 선택된 부동산 매물의 정보에 기초하여 상기 선택된 부동산 매물에 대한 최적의 대출상품을 안내하는 단계를 포함한다.
Description
본 발명의 다양한 실시예는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램에 관한 것이다.
최근 10년간 전세대출 규모는 8배 이상 증가하였다. 청년, 신혼부부의 경우에는 공적보증이 되는 주택기금 대출상품을 이용하면 월세 대출도 가능하고 연 1%대 이자로 저렴하게 대출을 받을 수 있지만 이러한 주거 안정 제도에 대한 인식은 미미하다.
주거 안정 제도를 알고 있더라도 대출을 받아 집을 구하는 데에는 과정이 매우 번거롭고 많은 시간이 소요된다는 문제가 있으며, 부동산과 은행을 여러 번 방문하여 매물과 대출 상품 정보를 각각 확인해야 한다는 불편함이 있다.
또한 중개사의 경우에는 매물 정보는 잘 알고 있지만 대출 상품별 세부 요건은 잘 모르기 때문에 고객의 대출 문의가 있을 때 즉각적인 응대가 어렵다는 문제가 있다.
인터넷 이용이 보편화되면서, 인터넷 상의 가상 공간을 통해 부동산 매물을 확인할 수 있는 다양한 부동산 거래 플랫폼이 등장하였으나, 종래의 부동산 거래 플랫폼의 경우, 웹사이트를 통해서 부동산매물에 대한 정보를 수집하여 사용자에게 제공하는 방식 예컨대, 부동산의 위치, 가격, 면적 정도의 단순한 정보를 제공하는 수준에 불과하다는 문제가 있다.
본 발명이 해결하고자 하는 과제는 상술된 종래의 문제점을 해소하기 위한 목적으로, 사용자로부터 획득된 검색 조건에 기초하여, 인공지능을 기반으로 사용자의 요구를 만족하는 부동산 매물에 관한 정보를 제공함으로써, 사용자가 직접 부동산을 방문하여 부동산 매물을 알아보지 않고도 보다 편리하게 부동산 매물을 알아볼 수 있는 환경을 구축할 뿐만 아니라, 사용자로부터 선택되는 부동산 매물에 대하여 최적의 대출상품을 안내함으로써, 대출을 받아 부동산 계약을 체결하고자 하는 사용자가 대출상품을 알아보기 위해 투자하는 시간과 노력을 최소화할 수 있는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 사용자로부터 검색 조건을 획득하는 단계, 상기 획득된 검색 조건에 기초하여 부동산 매물을 선택하는 단계 및 상기 사용자의 정보 및 상기 선택된 부동산 매물의 정보에 기초하여 상기 선택된 부동산 매물에 대한 최적의 대출상품을 안내하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 검색 조건을 획득하는 단계는, 상기 사용자로부터 복수의 검색 조건 - 상기 복수의 검색 조건은 부동산 매물의 위치, 보증금, 월세, 관리비, 계약 종류, 건물 형태, 방 및 화장실 개수, 층 수 및 면적 중 적어도 하나를 포함함 - 을 입력받는 단계를 포함하며, 상기 부동산 매물을 선택하는 단계는, 상기 입력된 복수의 검색 조건을 이용하여 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계는, 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 입력된 복수의 검색 조건 각각에 대한 우선순위를 설정하고, 검색 조건을 만족하는 부동산 매물의 개수가 상기 기 설정된 개수 이상이 될 때까지 상기 설정된 우선순위가 가장 낮은 검색 조건부터 순차적으로 제외시키는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 입력된 복수의 검색 조건은, 조정이 불가능한 하나 이상의 제1 검색 조건 및 조정이 가능한 하나 이상의 제2 검색 조건을 포함하며, 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계는, 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 하나 이상의 제1 검색 조건을 이용하여 상기 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 기 등록된 복수의 부동산 매물 중 상기 하나 이상의 제1 검색 조건을 만족하는 부동산 매물을 선택하는 단계, 상기 선택된 하나 이상의 제1 검색 조건을 만족하는 부동산 매물의 정보를 이용하여 상기 하나 이상의 제2 검색 조건을 보정하는 단계 및 상기 하나 이상의 제1 검색 조건 및 상기 보정된 하나 이상의 제2 검색 조건을 이용하여 상기 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 최적의 대출상품을 안내하는 단계는, 상기 사용자의 정보 - 상기 사용자의 정보는 상기 사용자의 신용점수, 자산 및 연소득 정보를 포함함 - 및 상기 선택된 부동산 매물의 정보에 기초하여 복수의 대출상품 중 상기 선택된 부동산 매물에 적용 가능하며, 상기 사용자가 실행 가능한 대출상품을 선택하고, 상기 선택된 부동산 매물에 대한 최적의 대출상품으로서, 상기 사용자에게 상기 선택된 대출상품의 정보를 안내하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 선택된 대출상품의 정보를 안내하는 단계는, 상기 복수의 대출상품 중 상기 선택된 부동산 매물에 적용 가능하며, 상기 사용자가 실행 가능한 둘 이상의 대출상품이 선택된 경우, 기 설정된 복수의 항목 - 상기 기 설정된 복수의 항목은 예상 월 주거비, 대출 한도, 대출 기간 및 대출 실행 시 소요 기간을 포함함 - 중 적어도 하나의 항목을 이용하여 상기 선택된 둘 이상의 대출상품에 대한 점수를 산출하고, 상기 산출된 점수에 기초하여 상기 사용자에게 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품의 정보를 안내하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 선택된 대출상품의 정보를 안내하는 단계는, 제1 사용자의 정보 및 상기 제1 사용자로부터 입력된 검색 조건에 따라 선택된 제1 부동산 매물의 정보에 기초하여 상기 제1 부동산 매물에 대한 최적의 대출상품으로서 둘 이상의 대출상품이 선택된 경우, 상기 제1 사용자의 대출 실행 이력에 기초하여 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품을 선택하되, 상기 제1 사용자의 대출 실행 이력이 없는 경우, 상기 제1 사용자에 대응하는 제2 사용자의 대출 실행 이력에 기초하여 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품을 선택하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 제2 사용자의 대출 실행 이력에 기초하여 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품을 선택하는 단계는, 상기 제1 사용자의 정보와 복수의 제2 사용자의 정보에 기초하여 상기 복수의 제2 사용자와 상기 제1 사용자 간의 유사도를 산출하고, 상기 복수의 제2 사용자 중 상기 산출된 유사도가 기준 값 이상인 적어도 하나의 제2 사용자를 선택하는 단계 및 상기 선택된 적어도 하나의 제2 사용자의 대출 실행 이력에 기초하여 상기 선택된 둘 이상의 대출상품 각각에 대한 선호도를 산출하고, 상기 산출된 선호도에 기초하여 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품을 선택하는 단계를 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공서버는 프로세서, 네트워크 인터페이스, 메모리 및 상기 메모리에 로드(load) 되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되, 상기 컴퓨터 프로그램은, 사용자로부터 검색 조건을 획득하는 인스트럭션(instruction), 상기 획득된 검색 조건에 기초하여 부동산 매물을 선택하는 인스트럭션 및 상기 사용자의 정보 및 상기 선택된 부동산 매물의 정보에 기초하여 상기 선택된 부동산 매물에 대한 최적의 대출상품을 안내하는 인스트럭션을 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 컴퓨터프로그램은 컴퓨팅 장치와 결합되어, 사용자로부터 검색 조건을 획득하는 단계, 상기 획득된 검색 조건에 기초하여 부동산 매물을 선택하는 단계 및 상기 사용자의 정보 및 상기 선택된 부동산 매물의 정보에 기초하여 상기 선택된 부동산 매물에 대한 최적의 대출상품을 안내하는 단계를 포함하는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법을 실행시키기 위하여 컴퓨팅 장치로 판독 가능한 기록매체에 저장될 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 다양한 실시예에 따르면, 사용자로부터 획득된 검색 조건에 기초하여, 인공지능을 기반으로 사용자의 요구를 만족하는 부동산 매물에 관한 정보를 제공함으로써, 사용자가 직접 부동산을 방문하여 부동산 매물을 알아보지 않고도 보다 편리하게 부동산 매물을 알아볼 수 있는 환경을 구축할 뿐만 아니라, 사용자로부터 선택되는 부동산 매물에 대하여 최적의 대출상품을 안내함으로써, 대출을 받아 부동산 계약을 체결하고자 하는 사용자가 대출상품을 알아보기 위해 투자하는 시간과 노력을 최소화할 수 있다는 이점이 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공시스템을 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공서버의 하드웨어 구성도이다.
도 3은 본 발명의 또 다른 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법의 순서도이다.
도 4는 다양한 실시예에서, 검색 조건을 조정하는 방법을 설명하기 위한 순서도이다.
도 5는 다양한 실시예에서, 최적의 대출상품을 선택하는 방법을 설명하기 위한 순서도이다.
도 6은 다양한 실시예에서, 조건부 연산 시스템을 기반으로 대출상품을 도출하는 과정을 도시한 도면이다.
도 7은 다양한 실시예에서, 행렬 연산 추천 알고리즘을 기반으로 대출상품을 도출하는 과정을 도시한 도면이다.
도 8 내지 도 11은 다양한 실시예에서 적용 가능한 사용자 인터페이스(User Interface, UI)를 예시적으로 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공서버의 하드웨어 구성도이다.
도 3은 본 발명의 또 다른 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법의 순서도이다.
도 4는 다양한 실시예에서, 검색 조건을 조정하는 방법을 설명하기 위한 순서도이다.
도 5는 다양한 실시예에서, 최적의 대출상품을 선택하는 방법을 설명하기 위한 순서도이다.
도 6은 다양한 실시예에서, 조건부 연산 시스템을 기반으로 대출상품을 도출하는 과정을 도시한 도면이다.
도 7은 다양한 실시예에서, 행렬 연산 추천 알고리즘을 기반으로 대출상품을 도출하는 과정을 도시한 도면이다.
도 8 내지 도 11은 다양한 실시예에서 적용 가능한 사용자 인터페이스(User Interface, UI)를 예시적으로 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공시스템은 최적의 대출상품 안내 서비스 제공서버(100), 사용자 단말(200), 외부 서버(300) 및 네트워크(400)를 포함할 수 있다.
여기서, 도 1에 도시된 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.
일 실시예에서, 최적의 대출상품 안내 서비스 제공서버(100)(이하, "컴퓨팅 장치(100)")는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스를 제공할 수 있다.
여기서, 컴퓨팅 장치(100)가 제공하는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스는 사용자의 니즈에 맞는 부동산 매물에 관한 정보를 제공할 뿐만 아니라, 사용자로부터 선택된 부동산 매물에 대하여 최적의 대출상품을 선정하고, 선정된 최적의 대출상품을 안내하는 서비스를 의미할 수 있다.
예컨대, 컴퓨팅 장치(100)는 사용자로부터 사용자의 니즈에 대응하는 검색 조건을 획득함에 따라 검색 조건을 만족하는 부동산 매물에 대한 정보를 검색 결과로서 제공할 수 있고, 사용자로부터 특정 부동산 매물을 선택하는 경우, 선택된 특정 부동산 매물에 대한 전월세 계약을 체결함에 있어서 가장 유리한 대출상품을 선정하여 사용자에게 안내하는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스를 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 기 학습된 인공지능 모델을 이용하여 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스를 제공할 수 있다.
여기서, 기 학습된 인공지능 모델은 복수의 부동산 매물에 관한 정보, 복수의 사용자 정보, 복수의 대출 상품 정보 및 복수의 사용자 각각의 대출 실행 이력을 학습 데이터로 하여 학습시킴에 따라 복수의 부동산 매물, 사용자 및 대출 상품 간의 상관 관계를 학습한 모델일 수 있으며, 사용자 정보를 입력받음에 따라 사용자의 니즈에 맞는 부동산 매물에 관한 정보를 도출하거나, 사용자 정보 및 특정 부동산 매물 정보를 입력받음에 따라 특정 부동산 매물에 대한 최적의 대출상품을 도출할 수 있다.
여기서, 인공지능 모델(예: 신경망)은 하나 이상의 네트워크 함수로 구성되며, 하나 이상의 네트워크 함수는 일반적으로 ‘노드’라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 ‘노드’들은 ‘뉴런(neuron)’들로 지칭될 수도 있다. 하나 이상의 네트워크 함수는 적어도 하나 이상의 노드들을 포함하여 구성된다. 하나 이상의 네트워크 함수를 구성하는 노드(또는 뉴런)들은 하나 이상의 ‘링크’에 의해 상호 연결될 수 있다.
인공지능 모델 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 인공지능 모델이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 인공지능 모델은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 인공지능 모델 내에서 입력 노드 및 출력 노드 관계를 형성한다. 인공지능 모델 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 인공지능 모델의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 인공지능 모델이 존재하는 경우, 두 개의 인공지능 모델들은 서로 상이한 것으로 인식될 수 있다.
인공지능 모델을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 인공지능 모델 내에서 레이어의 차수는 전술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 인공지능 모델 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 인공지능 모델 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 인공지능 모델 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 인공지능 모델을 구성하는 노드들을 의미할 수 있다. 본 발명의 일 실시예에 따른 인공지능 모델은 입력 레이어의 노드가 출력 레이어에 가까운 히든 레이어의 노드보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 인공지능 모델일 수 있다.
인공지능 모델은 하나 이상의 히든 레이어를 포함할 수 있다. 히든 레이어의 히든 노드는 이전의 레이어의 출력과 주변 히든 노드의 출력을 입력으로 할 수 있다. 각 히든 레이어 별 히든 노드의 수는 동일할 수도 있고 상이할 수도 있다. 입력 레이어의 노드의 수는 입력 데이터의 데이터 필드의 수에 기초하여 결정될 수 있으며 히든 노드의 수와 동일할 수도 있고 상이할 수도 있다. 입력 레이어에 입력된 입력 데이터는 히든 레이어의 히든 노드에 의하여 연산될 수 있고 출력 레이어인 완전 연결 레이어(FCL: fully connected layer)에 의해 출력될 수 있다.
다양한 실시예에서, 인공지능 모델은 딥러닝(Deep learning) 모델일 수 있다.
딥러닝 모델(예: 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 인공지능 모델을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다.
딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 네트워크 함수는 오토 인코더를 포함할 수도 있다. 여기서, 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다.
오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 차원 감소 레이어와 차원 복원 레이어의 노드는 대칭일 수도 있고 아닐 수도 있다. 또한, 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 남은 센서들의 수와 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.
뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 및 반교사학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 보다 구체적으로, 뉴럴 네트워크의 학습은 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다.
먼저, 교사 학습의 경우 각각의 학습 데이터에 정답이 레이블링 되어있는 학습 데이터를 사용하며(즉, 레이블링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 레이블링 되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 레이블링 된 데이터 일 수 있다. 레이블링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 레이블을 비교함으로써 오류(error)가 계산될 수 있다.
다음으로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)가 제공하는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스는 웹(Web) 또는 애플리케이션(Application)과 같은 응용 소프트웨어 형태로 구현되어 배포됨에 따라 응용 소프트웨어의 구동이 가능한 다양한 장치를 통해 실행될 수 있으나, 이에 한정되지 않는다.
일 실시예에서, 사용자 단말(200)은 네트워크(400)를 통해 컴퓨팅 장치(100)와 연결될 수 있으며, 컴퓨팅 장치(100)로부터 배포된 응용 소프트웨어를 다운로드, 설치 및 실행함으로써 컴퓨팅 장치(100)가 제공하는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스를 실행할 수 있다.
예컨대, 사용자 단말(200)은 웹 또는 애플리케이션을 구동하기 위한 운영체제를 포함하며, 웹 또는 애플리케이션을 실행함에 따라 제공되는 사용자 인터페이스(User Interface, UI)(예: 도 8 내지 도 11의 10)를 출력하기 위해 적어도 일부 영역에 디스플레이를 포함하는 스마트폰(Smart-phone)일 수 있으나, 이에 한정되지 않고, 사용자 단말(200)은, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 내비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트 패드(Smartpad), 태블릿 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
여기서, 네트워크(400)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미할 수 있다. 예를 들어, 네트워크(400)는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함할 수 있다.
또한, 여기서, 무선 데이터 통신망은 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등을 포함할 수 있으나, 이에 한정되지는 않는다.
일 실시예에서, 외부 서버(300)는 네트워크(400)를 통해 컴퓨팅 장치(100)와 연결될 수 있으며, 컴퓨팅 장치(100)가 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법을 수행하기 위해 필요한 각종 정보 및 데이터(예컨대, 복수의 사용자 정보, 복수의 부동산 매물 정보 및 복수의 대출상품 정보 등)를 저장 및 관리할 수 있다. 또한, 외부 서버(300)는 컴퓨팅 장치(100)가 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법을 수행함에 따라 생성되는 각종 정보 및 데이터(예컨대, 사용자와 부동산 및 은행 간의 매칭 정보, 대출상품 이용 정보 등)를 제공받아 저장 및 관리할 수 있다.
예컨대, 외부 서버(300)는 컴퓨팅 장치(100)의 외부에 별도로 구비되는 저장 서버(예컨대, 클라우드 서버)일 수 있으나, 이에 한정되지 않는다. 이하, 도 2를 참조하여, 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법을 수행하는 컴퓨팅 장치(100)의 하드웨어 구성에 대해 설명하도록 한다.
도 2는 본 발명의 다른 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공서버의 하드웨어 구성도이다.
도 2를 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(110)는 컴퓨팅 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다.
또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 컴퓨팅 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.
다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.
버스(130)는 컴퓨팅 장치(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(140)는 컴퓨팅 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.
스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 컴퓨팅 장치(100)를 통해 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공 프로세스를 수행하는 경우, 스토리지(150)는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공 프로세스를 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.
스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.
일 실시예에서, 컴퓨터 프로그램(151)은 사용자로부터 검색 조건을 획득하는 단계, 획득된 검색 조건에 기초하여 부동산 매물을 선택하는 단계 및 사용자의 정보 및 선택된 부동산 매물의 정보에 기초하여 선택된 부동산 매물에 대한 최적의 대출상품을 안내하는 단계를 포함하는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 이하, 도 3 내지 도 5를 참조하여, 컴퓨팅 장치(100)에 의해 수행되는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법에 대해 설명하도록 한다.
도 3은 본 발명의 또 다른 실시예에 따른 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법의 순서도이다.
도 3을 참조하면, S110 단계에서, 컴퓨팅 장치(100)는 사용자로부터 검색 조건을 획득할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 네트워크(400)를 통해 사용자 단말(200)과 연결되어 사용자 단말(200)로 UI(예: 도 8 내지 11의 10)을 제공할 수 있고, UI를 통해 사용자로부터 검색 조건을 입력받을 수 있다.
여기서, 검색 조건은 기 등록된 복수의 부동산 매물 중 사용자의 니즈에 맞는 부동산 매물을 검색하기 위한 조건을 의미할 수 있다. 예컨대, 검색 조건은 부동산 매물의 위치, 보증금의 크기(범위 값), 월세의 크기(범위 값), 관리비의 크기(범위 값), 계약 종류(예: 전세, 월세, 단기, 매매 등), 건물 형태(예: 빌라/주택, 오피스텔, 아파트, 상가/사무실 등), 방 개수, 화장실(욕실) 개수, 층 수, 면적(평수)을 포함할 수 있다. 그러나, 이에 한정되지 않고, 검색 조건은 사용승인일(범위 값), 반려동물 가능 여부, 주차 가능 여부, 방향, 가전제품 옵션, 엘리베이터 유무 등과 같은 기타 옵션 조건과 사용자가 이용하고자 하는 대출상품(또는 대출상품별 선호도 정보)을 더 포함할 수 있다.
S120 단계에서, 컴퓨팅 장치(100)는 S110 단계를 거쳐 획득된 검색 조건에 기초하여 부동산 매물을 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 입력된 검색 조건을 이용하여 기 등록된 복수의 부동산 매물에 대한 검색을 수행함으로써, 검색 결과로서 검색 조건을 만족하는 부동산 매물을 선택할 수 있다.
여기서, 부동산 매물에 대한 검색을 수행한다는 것은 사용자로부터 입력된 검색 조건을 이용하여 기 등록된 복수의 부동산 매물을 필터링함으로써, 사용자로부터 입력된 검색 조건을 만족하는 부동산 매물만을 선별하는 것을 의미할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 검색 조건이 입력되지 않은 경우, 위치 정보를 기반으로 부동산 매물을 선택할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자로부터 검색 조건이 입력되지 않은 경우, 사용자 단말(200)로부터 사용자의 위치 정보를 수집할 수 있고, 도 11에 도시된 바와 같이, 사용자의 위치 정보를 기준으로 소정의 크기의 반경을 가지는 범위를 설정할 수 있으며, 설정된 범위 내에 포함된 부동산 매물을 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 입력된 검색 조건을 이용하여 기 등록된 복수의 부동산 매물을 필터링함으로써 사용자로부터 입력된 검색 조건을 만족하는 부동산 매물만을 선택하되, 사용자로부터 입력된 검색 조건을 만족하는 부동산 매물의 개수에 기초하여 사용자로부터 입력된 검색 조건을 보정할 수 있다. 이하, 도 4를 참조하여 보다 구체적으로 설명하도록 한다.
도 4는 다양한 실시예에서, 검색 조건을 조정하는 방법을 설명하기 위한 순서도이다.
도 4를 참조하면, S210 단계에서, 컴퓨팅 장치(100)는 UI(도 8 내지 도 11의 10)를 통해 사용자로부터 복수의 검색 조건을 입력받는 경우, 복수의 검색 조건을 이용하여 부동산 매물 검색을 수행할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자로부터 입력된 복수의 검색 조건을 이용하여 기 등록된 복수의 부동산 매물을 필터링함으로써, 복수의 검색 조건을 만족하는 부동산 매물을 선택할 수 있다.
S220 단계에서, 컴퓨팅 장치(100)는 S210 단계를 거쳐 선택된 부동산 매물 즉, 사용자로부터 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인지 여부를 판단할 수 있다.
여기서, 기 설정된 개수는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스를 제공하는 관리자 또는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스를 이용하는 사용자에 의해 사전에 설정된 값일 수 있으나, 이에 한정되지 않는다.
S230 단계에서, 컴퓨팅 장치(100)는 S220 단계를 거쳐 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 이상인 것으로 판단되는 경우, 복수의 검색 조건을 만족하는 부동산 매물을 선택할 수 있다.
이후, 컴퓨팅 장치(100)는 복수의 검색 조건을 만족하는 부동산 매물에 관한 정보를 포함하는 부동산 매물 리스트를 생성할 수 있고, 생성된 부동산 매물 리스트를 사용자 단말(200)로 제공할 수 있다. 그러나, 이에 한정되지 않는다.
S240 단계에서, 컴퓨팅 장치(100)는 S220 단계를 거쳐 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 것으로 판단되는 경우, 사용자로부터 입력된 복수의 검색 조건을 보정할 수 있다.
여기서, 컴퓨팅 장치(100)에 의해 수행되는 복수의 검색 조건 보정 동작(S240 단계)는 검색되는 부동산 매물의 개수가 기 설정된 개수 이상이 될 때까지 반복적으로 수행될 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 것으로 판단되는 경우, 복수의 검색 조건 각각의 우선순위에 기초하여 복수의 검색 조건을 보정할 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 복수의 검색 조건 각각에 대한 우선순위를 설정할 수 있다.
일례로, 컴퓨팅 장치(100)는 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 것으로 판단되는 경우, 사용자에게 복수의 검색 조건 각각에 대한 우선순위를 설정할 것을 안내할 수 있고, 안내에 대한 응답으로 사용자로부터 복수의 검색 조건 각각에 대한 우선순위를 입력받을 수 있으며, 사용자로부터 입력받은 우선순위에 따라 복수의 검색 조건 각각에 대한 우선순위를 설정할 수 있다.
다른 예로, 컴퓨팅 장치(100)는 사용자로부터 복수의 검색 조건을 입력받는 과정에서 복수의 검색 조건 각각에 대한 우선순위도 함께 입력받을 수 있으며, 복수의 검색 조건과 함께 입력된 우선순위에 기초하여 복수의 검색 조건 각각에 대한 우선순위를 설정할 수 있다.
또 다른 예로, 컴퓨팅 장치(100)는 사용자로부터 복수의 검색 조건을 입력받는 경우, 복수의 검색 조건의 입력되는 순서에 기초하여 복수의 검색 조건 각각에 대한 우선순위를 설정할 수 있다. 예컨대, 컴퓨팅 장치(100)는 복수의 검색 조건 중 입력된 순서가 빠른 검색 조건부터 순차적으로 높은 우선순위를 설정할 수 있으나, 이에 한정되지 않는다.
이후, 컴퓨팅 장치(100)는 복수의 검색 조건 각각에 대한 우선순위에 기초하여 복수의 검색 조건을 보정할 수 있다.
일례로, 컴퓨팅 장치(100)는 검색 조건에 따라 검색되는 부동산 매물의 개수가 기 설정된 개수 이상이 될 때까지 우선순위가 낮은 검색 조건부터 순차적으로 제외시킬 수 있다.
다른 예로, 컴퓨팅 장치(100)는 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 복수의 검색 조건을 만족하는 부동산 매물의 개수에 기초하여 복수의 검색 조건 중 제외시킬 검색 조건의 개수를 결정하고, 결정된 개수만큼 우선순위가 낮은 검색 조건부터 순차적으로 제외시킬 수 있다.
예컨대, 컴퓨팅 장치(100)는 기 등록된 복수의 부동산 매물 중 사용자로부터 입력된 10개의 검색 조건을 만족하는 부동산 매물의 개수가 제1 개수(예: 2개) 미만인 경우, 제외시킬 검색 조건의 개수를 5개로 결정할 수 있고, 10개의 검색 조건 중 우선순위가 낮은 검색 조건부터 5개의 검색 조건을 제외시킬 수 있다. 또한, 컴퓨팅 장치(100)는 기 등록된 복수의 부동산 매물 중 사용자로부터 입력된 10개의 검색 조건을 만족하는 부동산 매물의 개수가 제1 개수 이상 기 설정된 개수(예: 5개) 미만인 경우, 제외시킬 검색 조건의 개수를 3개로 결정할 수 있고, 10개의 검색 조건 중 우선순위가 낮은 검색 조건부터 3개의 검색 조건을 제외시킬 수 있다.
여기서, 검색된 부동산 매물의 개수에 따라 제외시킬 검색 조건의 개수는 사전에 설정된 정보(예컨대, 검색된 부동산 매물 개수별 제외시킬 검색 조건 개수 정보)에 기초하여 결정될 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 것으로 판단되는 경우, 복수의 검색 조건을 만족하는 부동산 매물의 개수에 기초하여 복수의 검색 조건에 대한 보정 속성을 결정할 수 있고, 결정된 보정 속성에 따라 복수의 검색 조건을 보정할 수 있다.
여기서, 검색 조건에 대한 보정 속성은 검색 조건을 어떠한 방식으로 얼만큼 보정할 것인지를 가리키는 지표로서, 예컨대, 검색 조건의 보정 방식 및 보정 정도를 포함할 수 있으나, 이에 한정되지 않는다.
예컨대, 컴퓨팅 장치(100)는 복수의 검색 조건을 만족하는 부동산 매물의 개수가 제1 개수 미만인 경우, 복수의 검색 조건의 보정 속성을 N개의 검색 조건 제외로 결정할 수 있고, 복수의 검색 조건 각각의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 N개의 검색 조건을 제외시킬 수 있다.
또한, 컴퓨팅 장치(100)는 복수의 검색 조건을 만족하는 부동산 매물의 개수가 제1 개수 이상 제2 개수 미만인 경우, 복수의 검색 조건의 보정 속성을 M개의 검색 조건 조정으로 결정할 수 있고, 복수의 검색 조건 각각의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 M개의 검색 조건의 설정 값을 조정할 수 있다. 일례로, 컴퓨팅 장치(100)는 복수의 검색 조건 각각의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 선택된 M개의 검색 조건이 층 수, 방 개수 및 욕실 개수인 경우, 층 수, 방 개수 및 욕실 개수의 범위를 소정의 비율로 조정하는 보정을 수행할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 것으로 판단되는 경우, 복수의 검색 조건 중 조정이 가능한 검색 조건만을 선택적으로 보정할 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 사용자로부터 복수의 검색 조건이 입력된 경우, 복수의 검색 조건을 조정이 불가능한 제1 검색 조건과 조정이 가능한 제2 검색 조건으로 분류할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자로부터 복수의 검색 조건을 입력 받음에 따라 복수의 검색 조건 각각에 대한 조정 가능 여부를 질의할 수 있으며, 질의에 대한 사용자의 응답에 기초하여 복수의 검색 조건 각각을 제1 검색 조건 또는 제2 검색 조건으로 분류할 수 있다. 그러나, 이에 한정되지 않고, 컴퓨팅 장치(100)는 경우에 따라 복수의 검색 조건과 복수의 검색 조건에 대한 조정 가능 여부를 함께 입력받을 수 있으며, 이를 기반으로 복수의 검색 조건에 대한 조정 가능 여부를 판단하여 복수의 검색 조건을 조정이 불가능한 제1 검색 조건과 조정이 가능한 제2 검색 조건으로 분류할 수 있다.
이후, 컴퓨팅 장치(100)는 복수의 검색 조건(제1 검색 조건 및 제2 검색 조건 포함)을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 것으로 판단되는 경우, 제1 검색 조건만을 이용하여 기 등록된 복수의 부동산 매물을 필터링함으로써, 제1 검색 조건을 만족하는 부동산 매물을 1차적으로 선택할 수 있다.
여기서, 1차적으로 선택되는 부동산 매물은 사용자에게 제공하기 위한 부동산 매물이 아니라, 검색 조건을 보정하기 위한 기준이 되는 부동산 매물일 수 있다.
이후, 컴퓨팅 장치(100)는 제1 검색 조건을 만족하는 부동산 매물의 정보에 기초하여, 제2 검색 조건을 보정할 수 있다. 예컨대, 컴퓨팅 장치(100)는 제2 검색 조건이 평수(면적)인 경우, 제1 검색 조건을 만족하는 부동산 매물들의 평균 평수(평균 면적)을 산출하고, 산출된 평균 평수(평균 면적)을 기준으로 제2 검색 조건을 보정할 수 있다. 그러나, 이에 한정되지 않는다.
상술된 바와 같이, 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 것으로 판단되는 경우, 복수의 검색 조건을 보정하는 것으로 설명하고 있으나, 이에 한정되지 않고, 경우에 따라 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 것으로 판단되는 경우, 복수의 검색 조건 중 적어도 하나의 검색 조건을 보정할 것을 안내하여 사용자가 직접 검색 조건을 조정할 수 있도록 보조하는 형태로 구현될 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 입력된 복수의 검색 조건에 부동산 매물의 위치가 포함된 경우, 부동산 매물의 위치를 중심으로 소정의 크기의 반경을 가지는 범위를 설정하고, 설정된 범위 내에 포함된 복수의 부동산 매물 중 복수의 조건을 입력을 만족하는 부동산 매물을 선택하되, 복수의 조건을 입력을 만족하는 부동산 매물이 개수가 기 설정된 개수 미만인 경우, 복수의 조건을 입력을 만족하는 부동산 매물이 개수가 기 설정된 개수 이상이 될 때까지 설정된 범위의 크기를 소정의 비율로 확장시킬 수 있다.
다시, 도 3을 참조하면, S130 단계에서, 컴퓨팅 장치(100)는 사용자의 정보와 S120 단계를 거쳐 선택된 부동산 매물의 정보에 기초하여 부동산 매물에 대한 최적의 대출상품을 안내할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 획득된 검색 조건을 이용하여 기 등록된 복수의 부동산 매물을 필터링함에 따라 복수의 부동산 매물이 선택되는 경우, 선택된 복수의 부동산 매물에 관한 정보를 포함하는 부동산 매물 리스트를 생성하여 사용자 단말(200)로 제공할 수 있고, 사용자 단말(200)로부터 부동산 매물 리스트에 포함된 복수의 부동산 매물 중 어느 하나의 부동산 매물을 선택받을 수 있으며, 선택받은 어느 하나의 부동산 매물에 대한 정보와 사용자의 정보에 기초하여 어느 하나의 부동산 매물에 대한 최적의 대출상품을 안내할 수 있다.
이때, 컴퓨팅 장치(100)는 사용자로부터 서로 다른 둘 이상의 부동산 매물을 선택받는 경우, 사용자의 정보와 둘 이상의 부동산 매물의 정보 각각을 이용하여 둘 이상의 부동산 매물 각각에 대한 최적의 대출상품을 개별적으로 선정하여 안내할 수 있다.
여기서, 사용자의 정보는 사용자가 복수의 대출상품을 실행할 수 있는지 여부를 판단하기 위한 정보 즉, 복수의 대출상품에 대한 자격조건을 만족하는지 여부를 판단하기 위한 정보로서, 예컨대, 사용자의 정보는 사용자의 신용 정보(신용점수), 연소득, 직장 정보, 자산, 나이, 무주택 여부 등을 포함할 수 있으나, 이에 한정되지 않는다.
또한, 여기서, 부동산 매물의 정보는 복수의 대출상품의 적용 대상이 되는지 여부를 판단하기 위한 정보로서, 예컨대, 부동산 매물의 정보는 부동산 매물의 주소지, 보증금, 월세, 관리비, 건축물 대장 정보, 등기부 등본 정보를 포함할 수 있으나, 이에 한정되지 않고, 부동산 매물의 사진, 방 개수, 욕실(화장실) 개수, 평수(면적), 층 수, 옵션 정보(가전제품, 주차 가능 여부, 반려동물 가능 여부 등), 실행 가능한 대출상품 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 선택된 부동산 매물의 정보에 기초하여, 기 등록된 복수의 대출상품 중 사용자로부터 선택된 부동산 매물을 대상으로 신청 가능한 복수의 대출상품을 1차적으로 분류할 수 있고, 사용자의 정보에 기초하여, 1차적으로 분류된 복수의 대출상품 중 사용자가 실행할 수 있는 대출상품을 2차적으로 분류할 수 있으며, 최적의 대출상품으로서, 2차적으로 분류된 대출상품에 관한 정보를 사용자에게 안내할 수 있다.
한편, 컴퓨팅 장치(100)는 사용자가 컴퓨팅 장치(100)가 제공하는 서비스(사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스)에 가입되어 있지 않은 회원이거나 또는 컴퓨팅 장치(100)가 제공하는 서비스에 대한 로그인 절차를 수행하지 않음에 따라 사용자의 정보가 수집되지 못한 경우, 부동산 매물의 정보만을 이용하여 최적의 대출상품을 안내할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자로부터 선택된 부동산 매물의 정보에 기초하여, 기 등록된 복수의 대출상품 중 사용자로부터 선택된 부동산 매물에 적용 가능한 대출상품을 분류할 수 있고, 최적의 대출상품으로서, 부동산 매물의 정보를 기반으로 분류된 대출상품에 관한 정보를 사용자에게 안내할 수 있다.
여기서, 기 등록된 복수의 대출상품은 서로 다른 금융기관에서 제공하는 서로 다른 종류의 대출상품(예컨대, 신혼부부 전세자금대출, 버팀목 전세자금대출, LH 전세자금대출, 중소기업 청년 전세자금대출, 전세안심대출 등)을 의미할 수 있으나, 이에 한정되지 않고, 경우에 따라 하나의 대출상품에 대하여 서로 다른 조건으로 대출 실행이 가능할 경우, 서로 다른 조건에 따라 대출상품을 분할하여 분할된 대출상품 각각을 개별적인 대출상품으로 구분할 수 있다. 예컨대, 제1 대출상품에 대하여 서로 다른 대출금 상환 방식(예: 만기일시상환, 원금균등상환, 원리금균등상환)이 존재하는 경우, 제1 대출상품을 서로 다른 대출금 상환 방식으로 분할함에 따라 제1 대출상품-만기일시상환, 제1 대출상품-원금균등상환, 제1 대출상품-원리금균등상환을 생성할 수 있고, 각각을 독립적인 대출상품으로 구분할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자의 정보와 부동산 매물의 정보에 기초하여, 하나의 부동산 매물에 대한 계약 체결을 위해 둘 이상의 대출상품의 조합이 필요한 것으로 판단되는 경우, 둘 이상의 대출상품의 조합을 하나의 부동산 매물에 대한 최적의 대출상품으로 안내할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자의 정보 및 부동산 매물의 정보에 기초하여, 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택되는 경우, 복수의 대출상품을 정렬하여 최적의 대출상품 리스트를 생성할 수 있고, 생성된 최적의 대출상품 리스트를 사용자에게 안내할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택되는 경우, 사용자로부터 기 설정된 복수의 항목 중 어느 하나의 항목을 선택받을 수 있고, 선택된 어느 하나의 항목을 기준으로 복수의 대출상품을 정렬하여 최적의 대출상품 리스트를 생성할 수 있고, 생성된 최적의 대출상품 리스트를 사용자에게 안내할 수 있다.
여기서, 기 설정된 복수의 항목은 예상 월 주거비, 대출 한도, 대출 기간 및 대출 실행 시 소요 기간을 포함할 수 있으나, 이에 한정되지 않는다.
일례로, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택될 때, 사용자로부터 예상 월 주거비 항목을 선택받는 경우, 복수의 대출상품을 실행할 경우의 예상 월 주거비를 산출할 수 있고, 산출된 예상 월 주거비를 기준으로 복수의 대출상품을 정렬하여 최적의 대출상품 리스트를 생성할 수 있으며, 생성된 최적의 대출상품 리스트를 사용자에게 안내할 수 있다.
여기서, 예상 월 주거비는 사용자가 월세 계약을 체결하고자 하는 경우 월세, 관리비 및 대출상환금을 합산하여 산출될 수 있고, 사용자가 전세 계약을 체결하고자 하는 경우 관리비 및 대출상환금을 합산하여 산출될 수 있으나, 이에 한정되지 않는다.
다른 예로, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택될 때, 사용자로부터 대출 한도 항목을 선택받는 경우, 복수의 대출상품 각각의 대출 한도에 기초하여 대출 한도가 큰 대출상품부터 내림차순 정렬하여 최적의 대출상품 리스트를 생성할 수 있고, 생성된 최적의 대출상품 리스트를 사용자에게 안내할 수 있다.
또 다른 예로, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택될 때, 사용자로부터 대출 기간 항목을 선택받는 경우, 복수의 대출상품 각각의 대출 기간에 기초하여 대출 기간이 긴 대출상품부터 내림차순 정렬하여 최적의 대출상품 리스트를 생성할 수 있고, 생성된 최적의 대출상품 리스트를 사용자에게 안내할 수 있다.
또 다른 예로, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택될 때, 사용자로부터 대출 실행 시 소요 기간 항목을 선택받는 경우, 복수의 대출상품 중 온라인 상으로 대출 신청 및 실행이 가능한 대출상품부터 최우선적으로 정렬하여 최적의 대출상품 리스트를 생성할 수 있고, 생성된 최적의 대출상품 리스트를 사용자에게 안내할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택되는 경우, 사용자로부터 기 설정된 복수의 항목 중 둘 이상의 항목을 선택받을 수 있고, 선택된 둘 이상의 항목을 기준으로 복수의 대출상품을 정렬하여 최적의 대출상품 리스트를 생성할 수 있고, 생성된 최적의 대출상품 리스트를 사용자에게 안내할 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택될 때, 사용자로부터 복수의 항목이 선택되는 경우, 복수의 항목 각각에 대한 단위 점수를 부여할 수 있고, 복수의 항목 각각에 대한 단위 점수를 합산하여 복수의 대출상품에 대한 점수를 산출할 수 있다.
예컨대, 컴퓨팅 장치(100)는 사용자로부터 예상 월 주거비 항목, 대출 한도 항목 및 대출 기간 항목을 선택된 경우, 예상 월 주거비가 낮은 대출상품부터 순차적으로 복수의 대출상품을 정렬하고, 정렬된 순서에 따라 예상 월 주거비에 대응하는 제1 단위 점수를 부여할 수 있다. 또한, 컴퓨팅 장치(100)는 대출 한도가 높은 대출상품부터 순차적으로 복수의 대출상품을 정렬하고, 정렬된 순서에 따라 대출 한도에 대응하는 제2 단위 점수를 부여할 수 있다. 또한, 컴퓨팅 장치(100)는 대출 기간이 긴 대출상품부터 순차적으로 복수의 대출상품을 정렬하고, 정렬된 순서에 따라 대출 기간에 대응하는 제3 단위 점수를 부여할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 기 설정된 복수의 항목에 대한 단위 점수 범위를 설정할 수 있고, 설정된 단위 점수 범위와 기 설정된 복수의 항목 각각을 기준으로 정렬된 순서에 기초하여 복수의 항목 각각에 대응하는 단위 점수를 부여할 수 있다. 이때, 컴퓨팅 장치(100)는 기 설정된 복수의 항목 각각의 중요도에 기초하여 가중치를 설정하고, 설정된 가중치에 기초하여 복수의 항목 각각에 대응하는 단위 점수를 보정할 수 있다.
예컨대, 컴퓨팅 장치(100)는 복수의 항목이 예상 월 주거비, 대출 한도 및 대출 기간인 경우, 예상 월 주거비, 대출 한도 및 대출 기간 각각을 기준으로 복수의 대출상품을 정렬함에 따라 정렬된 순서에 기초하여 사전에 정의된 단위 점수 범위(예컨대 1 내지 10) 내의 점수를 부여할 수 있다. 이때, 컴퓨팅 장치(100)는 예상 월 주거비의 중요도가 가장 높고, 대출 한도의 중요도가 두번째로 높으며, 대출 기간의 중요도가 가장 낮은 경우, 예상 월 주거비에 대응하여 제1 크기의 가중치를 부여하여 예상 월 주거비에 대응하는 제1 단위 점수를 보정하고 대출 한도에 대응하여 제1 크기보다 작은 제2 크기의 가중치를 부여하여 대출 한도에 대응하는 제2 단위 점수를 보정하며, 대출 기간에 대응하여 제2 크기보다 작은 제3 크기의 가중치를 부여하여 대출 기간에 대응하는 제3 단위 점수를 보정할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 기 설정된 복수의 항목에 대한 단위 점수 범위를 설정할 수 있고, 설정된 단위 점수 범위와 기 설정된 복수의 항목 각각을 기준으로 정렬된 순서에 기초하여 복수의 항목 각각에 대응하는 단위 점수를 부여하되, 복수의 항목 각각의 중요도에 기초하여 서로 다른 범위를 가지는 단위 점수 범위를 설정할 수 있다.
예컨대, 컴퓨팅 장치(100)는 복수의 항목이 예상 월 주거비, 대출 한도 및 대출 기간이고, 각각의 중요도가 예상 월 주거비, 대출 한도 및 대출 기간 순으로 높을 경우, 예상 월 주거비에 대한 단위 점수 범위는 5 내지 10 범위로 설정하고, 대출 한도에 대한 단위 점수 범위를 3 내지 7 범위로 설정할 수 있으며, 대출 기간에 대한 단위 점수 범위를 0 내지 5 범위로 설정할 수 있다. 그러나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 대출상품의 선호도에 기초하여 복수의 대출상품에 대한 점수를 보정할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사전에 사용자로부터 대출상품별 선호도를 설정(예컨대, 선호하는 정도에 따라 1 내지 5 단계로 분류)받을 수 있으며, 사용자로부터 설정된 대출상품별 선호도에 기초하여, 선호도에 비례하는 가중치를 설정할 수 있고, 설정된 가중치를 복수의 대출상품에 대한 점수에 부여함으로써, 복수의 대출상품에 대한 점수를 보정할 수 있다.
이후, 컴퓨팅 장치(100)는 복수의 대출상품에 대한 점수가 높은 대출상품부터 순차적으로 정렬하여 최적의 대출상품 리스트를 생성할 수 있고, 생성된 최적의 대출상품 리스트를 사용자에게 안내할 수 있다.
이때, 컴퓨팅 장치(100)는 점수가 동일한 대출상품이 둘 이상인 경우, 복수의 항목 각각의 중요도에 기초하여 중요도가 높은 항목에 대응하는 단위 점수가 높은 대출상품부터 우선적으로 정렬할 수 있다. 여기서, 복수의 항목 각각의 중요도는 사전에 사용자로부터 설정받을 수 있으나, 이에 한정되지 않는다. 예컨대, 컴퓨팅 장치(100)는 제1 대출상품과 제2 대출상품의 점수가 동일할 경우, 제1 대출상품과 제2 대출상품 중 중요도가 가장 높은 항목에 대응하는 단위 점수가 높은 대출상품을 우선적으로 정렬하며, 중요도가 가장 높은 항목에 대응하는 점수 또한 동일할 경우 다음으로 중요도가 높은 항목에 대응하는 단위 점수가 높은 대출상품을 우선적으로 정렬할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택되는 경우, 하나의 부동산 매물에 대한 최적의 대출상품으로서 하나의 대출상품만을 선택할 수 있고, 선택된 하나의 대출상품에 관한 정보만을 사용자에게 안내할 수 있다. 이하, 도 5를 참조하여, 최적의 대출상품으로서 하나의 대출상품을 선택하는 방법에 대해 설명하도록 한다.
도 5는 다양한 실시예에서, 최적의 대출상품을 선택하는 방법을 설명하기 위한 순서도이다.
도 5를 참조하면, S310 단계에서, 컴퓨팅 장치(100)는 특정 사용자로부터 하나의 부동산 매물을 선택받는 경우, 특정 사용자의 정보와 하나의 부동산 매물의 정보에 기초하여 하나의 부동산 매물에 대한 최적의 대출상품을 선택할 수 있다. 여기서, 사용자의 정보 및 부동산 매물의 정보를 고려하여 대출상품을 선택하는 동작은 도 3의 S130 단계에서 수행되는 최적의 대출상품 선택 동작과 동일 또는 유사한 형태로 구현될 수 있으나, 이에 한정되지 않는다.
S320 단계에서, 컴퓨팅 장치(100)는 S310 단계를 거쳐 선택된 대출상품의 개수가 둘 이상인지 여부를 판단할 수 있다.
S330 단계에서, 컴퓨팅 장치(100)는 S320 단계를 통해, 하나의 부동산 매물에 대하여 선택된 최적의 대출상품의 개수가 2개 미만인 것으로 판단되는 경우, 즉, 하나의 부동산 매물에 대하여 선택된 최적의 대출상품의 개수가 1개인 것으로 판단되는 경우, 하나의 대출상품을 최적의 대출상품으로 선택할 수 있고, 선택된 하나의 대출상품에 대한 정보를 사용자에게 안내할 수 있다.
한편, 컴퓨팅 장치(100)는 S320 단계를 통해, 하나의 부동산 매물에 대하여 선택된 최적의 대출상품의 개수가 0개인 것으로 판단되는 경우, 사용자에게 실행 가능한 대출상품이 없음을 안내할 수 있다.
S340 단계에서, 컴퓨팅 장치(100)는 S320 단계를 통해, 하나의 부동산 매물에 대하여 선택된 최적의 대출상품의 개수가 2개 이상인 것으로 판단되는 경우, 둘 이상의 대출상품 중 어느 하나의 대출상품만을 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로 복수의 대출상품이 선택되는 경우, 기 설정된 복수의 항목 중 적어도 하나의 항목을 이용하여 복수의 대출상품 각각에 대한 점수를 산출할 수 있고, 산출된 점수에 기초하여 복수의 대출상품 중 어느 하나의 대출상품을 선택할 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 하나의 부동산 매물에 대한 최적의 대출상품으로서 복수의 대출상품이 선택될 때, 사용자로부터 복수의 항목이 선택되는 경우, 복수의 항목 각각에 대한 단위 점수를 부여할 수 있고, 복수의 항목 각각에 대한 단위 점수를 합산하여 복수의 대출상품에 대한 점수를 산출할 수 있다. 여기서, 기 설정된 복수의 항목에 기초하여 복수의 대출상품에 대한 점수를 산출하는 동작은 도 3의 S130 단계에서 수행되는 동작과 동일 또는 유사한 형태로 구현될 수 있다.
이후, 컴퓨팅 장치(100)는 복수의 대출상품 중 산출된 점수가 가장 높은 하나의 대출상품을 선택할 수 있으며, 선택한 하나의 대출상품에 대한 정보를 최적의 대출상품에 대한 정보로서 사용자에게 안내할 수 있다.
이때, 컴퓨팅 장치(100)는 산출된 점수가 가장 높은 대출상품의 개수가 둘 이상인 경우, 복수의 항목 각각의 중요도에 기초하여 둘 이상의 대출상품 중 중요도가 높은 항목에 대응하는 단위 점수가 높은 하나의 대출상품을 최적의 대출상품으로 선택할 수 있다.
예컨대, 컴퓨팅 장치(100)는 기 설정된 항목이 예상 월 주거비, 대출 한도 및 대출 기간이고 각각의 우선순위가 "예상 월 주거비-1순위", "대출 한도-2순위", "대출 기간-3순위"일 때, 산출된 점수가 가장 높은 대출상품의 둘 이상일 경우, 둘 이상의 대출상품 중 1순위 항목인 예상 월 주거비에 대응하는 제1 단위 점수가 가장 높은 대출상품을 최적의 대출상품으로 선택할 수 있다.
한편, 컴퓨팅 장치(100)는 제1 단위점수가 가장 높은 대출상품 역시 둘 이상일 경우, 2순위 항목인 대출 한도에 대응하는 제2 단위 점수를 비교하여 제1 단위점수가 가장 높은 대출상품 중 어느 하나의 대출상품을 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 제1 사용자로부터 복수의 부동산 매물 중 제1 부동산 매물을 선택받는 경우, 제1 사용자의 정보와 제1 부동산의 정보에 기초하여 제1 부동산 매물에 대한 최적의 대출상품을 선택할 수 있다. 예컨대, 컴퓨팅 장치(100)는 도 6에 도시된 바와 같이 조건부 연산 시스템을 기반으로, 조건부를 통해 사용자 정보 및 부동산 매물의 정보에 따라 최적 조건 유형을 설정하고, 연산부를 통해 조건부 내 유형별 대출상품, 부동산 매물, 사용자 정보1(회원 개인 정보)간 참이 되는 조건값(대출상품)을 도출할 수 있다.
이때, 컴퓨팅 장치(100)는 제1 부동산 매물에 대한 최적의 대출상품으로 복수의 대출상품이 선택되는 경우, 제1 사용자의 대출 실행 이력에 기초하여 복수의 대출상품 중 제1 사용자가 실행한 경험이 있는 대출상품을 최적의 대출상품으로 선택할 수 있다.
한편, 컴퓨팅 장치(100)는 제1 사용자에 대한 대출 실행 이력이 없거나, 복수의 대출상품 중 제1 사용자가 실행한 경험이 있는 대출상품이 없는 경우, 제1 사용자에 대응하는 제2 사용자의 대출 실행 이력에 기초하여 복수의 대출상품 중 어느 하나의 대출상품을 제1 부동산 매물에 대한 최적의 대출상품으로 선택할 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 제1 사용자에 대한 대출 실행 이력이 없거나, 복수의 대출상품 중 제1 사용자가 실행한 경험이 있는 대출상품이 없는 경우, 복수의 제2 사용자의 정보와 제1 사용자의 정보를 비교하여 복수의 제2 사용자와 제1 사용자 간의 유사도를 산출하고, 복수의 제2 사용자 중 유사도가 기준 값 이상인 적어도 하나의 제2 사용자를 선택할 수 있다.
여기서, 복수의 제2 사용자는 컴퓨팅 장치(100)가 제공하는 서비스(사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스)에 가입된 사용자들 중 컴퓨팅 장치(100)가 제공하는 서비스를 통해 대출상품을 실행한 경험이 있는 사용자들을 의미할 수 있으나, 이에 한정되지 않는다.
이후, 컴퓨팅 장치(100)는 유사도가 기준 값 이상인 적어도 하나의 제2 사용자의 대출 실행 이력에 기초하여, 제1 부동산 매물에 대한 복수의 대출상품 각각의 선호도를 산출할 수 있고, 제1 부동산 매물에 대한 복수의 대출상품 중 산출된 선호도가 가장 높은 대출상품을 제1 부동산 매물에 대한 최적의 대출상품으로 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 도 7에 도시된 바와 같이 인공지능 기반의 행렬 연산 추천 알고리즘을 이용하여 제1 부동산 매물에 대한 최적의 대출상품으로 선택된 복수의 대출상품 중 어느 하나의 대출상품을 선택할 수 있다.
예컨대, 컴퓨팅 장치(100)는 전체 사용자들의 대출 실행 이력을 기반으로 사용자별 대출상품 간 링크를 도출할 수 있고, 링크를 모두 계수하여 전체 사용자의 모든 대출상품 간 링크 합산 값을 도출할 수 있으며, 링크 합산 값을 정규화하여 정규화 행렬을 도출할 수 있고, 제1 사용자에 대응하는 제2 사용자(제1 사용자와 유사도가 기 설정된 값 이상인 제2 사용자)의 정보와 정규화 행렬을 이용하여 복수의 대출상품별 선호도를 추정할 수 있으며, 추정된 선호도를 기반으로 복수의 대출상품 중 어느 하나의 대출상품을 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 특정 부동산 매물과 함께 특정 대출상품을 선택받는 경우, 특정 대출상품을 이용하여 특정 부동산 매물에 대한 계약을 체결할 경우의 예상 월 주거비를 안내할 수 있다.
이때, 컴퓨팅 장치(100)는 사용자의 정보에 기초하여 예상 월 주거비를 낮출 수 있는 가이드라인, 예컨대, 추가우대금리를 적용받을 수 있는 방법을 안내할 수 있다(예컨대, 금융기관 체크카드 및 신용카드 사용, 적금/청약통장 개설, 다자녀가구, 청년 가구 등).
한편, 컴퓨팅 장치(100)는 특정 부동산 매물에 대하여 특정 대출상품의 실행이 불가능한 것으로 판단되는 경우, 특정 대출상품의 이용이 불가능하다는 안내 메시지와 특정 대출상품이 불가능한 이유에 대한 정보를 함께 제공할 수 있다.
또한, 컴퓨팅 장치(100)는 전세 계약을 체결하고자 하는 사용자로부터 특정 부동산 매물과 함께 특정 대출상품을 선택받는 경우, 특정 대출상품을 이용하여 특정 부동산에 대한 전세 계약을 체결할 경우의 예상 월 주거비를 산출하여 안내할 수 있다. 이때, 사용자로부터 선택된 특정 부동산 매물이 전세뿐만 아니라 월세도 가능한 경우, 특정 대출상품을 이용하여 특정 부동산 매물에 대한 전세 계약을 체결할 경우의 예상 월 주거비와 특정 부동산 매물에 대한 월세를 함께 안내함으로써, 사용자가 특정 부동산 매물에 대하여 전세 계약을 체결하는 것이 유리한지 또는 월세 계약을 체결하는 것이 유리한지 판단할 수 있는 환경을 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자의 정보와 부동산 매물의 정보에 기초하여 최적의 대출상품을 선택하되, 선택된 최적의 대출상품이 사용자로부터 사전에 선택된 대출상품이 상이한 경우, 최적의 대출상품으로 선택된 대출상품과 사용자로부터 선택된 대출상품에 관한 정보를 함께 안내할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 사전에 선택된 복수의 대출상품이 존재할 때 사용자로부터 특정 부동산 매물을 선택받는 경우, 사용자로부터 사전에 선택된 복수의 대출상품을 이용하여 특정 부동산 매물에 대한 계약을 체결할 경우의 예상 월 주거비를 안내할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자로부터 사전에 선택된 복수의 대출상품이 중소기업대출, 신혼부부대출인 경우, 중소기업대출과 신혼부부대출 각각을 이용하여 특정 부동산 매물에 대한 계약을 체결할 경우의 예상 월 주거비를 각각 산출하여 안내할 수 있다.
이때, 컴퓨팅 장치(100)는 사용자의 정보 및 특정 부동산 매물의 정보에 기초하여, 사용자로부터 사전에 선택된 복수의 대출상품 중 적어도 하나의 대출상품의 이용이 불가능한 것으로 판단되는 경우, 이용이 불가능한 대출상품에 대한 정보와 해당 대출상품의 이용 불가 이유(거절 사유)에 대한 정보를 사용자에게 안내할 수 있다.
예컨대, 컴퓨팅 장치(100)는 사용자로부터 사전에 선택된 대출상품이 신혼부부대출일 때, 사용자의 정보에 기초하여 사용자가 미혼이거나 결혼 예정자가 아닌 것으로 판단됨에 따라 신혼부부대출의 이용이 불가능한 것으로 판단되는 경우, 사용자에게 "미혼 또는 결혼 예정이 아니므로 신혼부부대출 이용 불가"라는 안내 메시지를 제공할 수 있다.
또한, 컴퓨팅 장치(100)는 사용자로부터 사전에 선택된 대출상품이 중소기업대출일 때, 사용자의 정보에 기초하여 사용자가 중소기업대출의 이용을 위한 자산, 연소득 및 신용점수의 조건을 만족하지 못하는 것으로 판단됨에 따라 중소기업대출의 이용이 불가능한 것으로 판단되는 경우, 사용자에게 "자산, 연소득 및 신용점수의 조건을 만족하지 못하므로 중소기업대출 이용 불가"라는 안내 메시지를 제공할 수 있다.
이 밖에도, 컴퓨팅 장치(100)는 사용자로부터 사전에 선택된 대출상품이 중소기업대출, 버팀목대출이고, 사용자의 정보에 기초하여 중소기업대출, 버팀목대출의 이용이 가능한 것으로 판단되나 특정 부동산 매물의 정보에 기초하여 대출 실행 조건(예컨대, 면적, 보증금, 주택유형 등)을 만족하지 못하는 것으로 판단됨에 따라 대출의 이용이 불가능한 것으로 판단되는 경우, 사용자에게 "면적, 보증금, 주택유형의 조건을 만족하지 못하므로 대출 이용 불가"라는 안내 메시지를 제공할 수 있다.
이때, 컴퓨팅 장치(100)는 사용자로부터 사전에 선택된 대출상품이 이용 불가능한 것으로 판단되는 경우, 이용이 불가능한 대출상품에 대한 정보와 해당 대출상품의 이용 불가 이유(거절 사유)에 대한 정보뿐만 아니라, 이용 불가 이유를 해소하기 위한 가이드 정보(예컨대, 대출 이용을 위한 부동산 매물의 조건(면적, 보증금, 주택유형 등)이나 사용자의 조건(연소득, 자산 및 신용정보 등)을 안내)할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자에게 최적의 대출상품에 관한 정보를 안내한 것에 대한 응답으로, 사용자로부터 부동산 계약 요청을 획득하는 경우, 사용자가 부동산 매물에 대한 전월세 계약을 체결할 수 있는 환경을 제공할 수 있다.
일례로, 컴퓨팅 장치(100)는 사용자가 특정 대출상품을 통해 계약을 체결하고자 하는 특정 부동산 매물이 공인중개업소 매물인 경우, 특정 부동산 매물을 중개하는 공인중개사와 특정 대출상품을 제공하는 금융기관을 사용자와 연결할 수 있다.
이때, 컴퓨팅 장치(100)는 특정 부동산 매물을 중개하는 공인중개사가 복수인 경우, 복수의 공인중개사 중 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스의 유료 회원으로 등록한 공인중개사를 최우선적으로 사용자와 매칭할 수 있으나, 이에 한정되지 않고, 경우에 따라 컴퓨팅 장치(100)는 복수의 공인중개사 중 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스를 통해 사용자와 연결된 횟수가 가장 많은 공인중개사, 부동산 매물의 위치와 가장 가까운 위치에 있는 공인중개사를 사용자와 연결할 수 있다.
또한, 컴퓨팅 장치(100)는 특정 대출상품을 제공하는 금융기관이 복수인 경우, 복수의 금융기관 중 사용자의 주거래 금융기관, 부동산 매물의 위치와 가장 가까운 위치에 있는 금융 기관 또는 사용자의 현재 위치를 기준으로 가장 가까운 위치에 있는 금융기관을 사용자와 연결할 수 있다.
컴퓨팅 장치(100)는 중개업소 매물에 대하여, 오프라인 계약이 체결된 경우, 사용자 또는 사용자와 매칭된 공인중개사로부터 체결된 부동산 계약에 대한 자료(예컨대, 부동산 임대차 계약서 등)를 업로드받아 사용자와 매칭된 금융기관으로 제공할 수 있다. 컴퓨팅 장치(100)는 중개업소 매물에 대하여, 컴퓨팅 장치(100)가 제공하는 서비스 내에서 온라인 계약이 체결된 경우, 체결된 부동산 계약에 대한 자료(예컨대, 전월세 계약서 등)를 사용자와 매칭된 금융기관으로 제공할 수 있다.
다른 예로, 컴퓨팅 장치(100)는 사용자가 특정 대출상품을 통해 계약을 체결하고자 하는 특정 부동산 매물이 직거래 매물인 경우, 부동산전자계약시스템을 통해 부동산 임대차 계약을 체결할 수 있도록 계약서 작성 시 법적 도움을 받을 수 있는 기본 템플릿과 도움말을 제공할 수 있다.
컴퓨팅 장치(100)는 직거래 매물에 대하여, 컴퓨팅 장치(100)가 제공하는 서비스 내에서 부동산 임대차 계약서가 작성된 경우, 작성된 부동산 임대차 계약서를 사용자와 매칭된 금융기관으로 제공할 수 있다.
전술한 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법은 도면에 도시된 순서도를 참조하여 설명하였다. 간단한 설명을 위해 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법은 일련의 블록들로 도시하여 설명하였으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 본 명세서에 도시되고 시술된 것과 상이한 순서로 수행되거나 또는 동시에 수행될 수 있다. 또한, 본 명세서 및 도면에 기재되지 않은 새로운 블록이 추가되거나, 일부 블록이 삭제 또는 변경된 상태로 수행될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100 : 최적의 대출상품 안내 서비스 제공서버
200 : 사용자 단말
300 : 외부 서버
400 : 네트워크
200 : 사용자 단말
300 : 외부 서버
400 : 네트워크
Claims (10)
- 컴퓨팅 장치에 의해 수행되는 방법에 있어서,
사용자로부터 검색 조건을 획득하는 단계;
상기 획득된 검색 조건에 기초하여 부동산 매물을 선택하는 단계; 및
상기 사용자의 정보 및 상기 선택된 부동산 매물의 정보에 기초하여 상기 선택된 부동산 매물에 대한 최적의 대출상품을 안내하는 단계를 포함하며,
상기 최적의 대출상품을 안내하는 단계는,
상기 사용자의 정보 - 상기 사용자의 정보는 상기 사용자의 신용점수, 자산 및 연소득 정보를 포함함 - 및 상기 선택된 부동산 매물의 정보에 기초하여 복수의 대출상품 중 상기 선택된 부동산 매물에 적용 가능하며, 상기 사용자가 실행 가능한 대출상품을 선택하고, 상기 선택된 부동산 매물에 대한 최적의 대출상품으로서, 상기 사용자에게 상기 선택된 대출상품의 정보를 안내하는 단계를 포함하고,
상기 선택된 대출상품의 정보를 안내하는 단계는,
상기 복수의 대출상품 중 상기 선택된 부동산 매물에 적용 가능하며, 상기 사용자가 실행 가능한 둘 이상의 대출상품이 선택된 경우, 기 설정된 복수의 항목 - 상기 기 설정된 복수의 항목은 예상 월 주거비, 대출 한도, 대출 기간 및 대출 실행 시 소요 기간을 포함함 - 중 적어도 하나의 항목을 이용하여 상기 선택된 둘 이상의 대출상품에 대한 점수를 산출하고, 상기 산출된 점수에 기초하여 상기 사용자에게 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품의 정보를 안내하는 단계를 포함하며,
상기 사용자에게 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품의 정보를 안내하는 단계는,
상기 기 설정된 복수의 항목 각각에 대한 단위 점수 범위를 설정하고, 상기 설정된 단위 점수 범위와 상기 기 설정된 복수의 항목 각각을 기준으로 정렬된 순서에 기초하여 상기 기 설정된 복수의 항목 각각에 대응하는 단위 점수를 부여하며, 상기 부여된 단위 점수를 합산하여 상기 선택된 둘 이상의 대출상품에 대한 점수를 산출하되, 상기 기 설정된 복수의 항목 각각에 대한 단위 점수 범위는 상기 기 설정된 복수의 항목 각각을 기준으로 정렬된 순서에 기초하여 대출상품들에 부여되는 단위 점수의 범위이며, 상기 기 설정된 복수의 항목 각각의 중요도에 기초하여 설정되는 것인, 단계를 포함하고,
상기 검색 조건을 획득하는 단계는,
상기 사용자로부터 복수의 검색 조건 - 상기 복수의 검색 조건은 부동산 매물의 위치, 보증금, 월세, 관리비, 계약 종류, 건물 형태, 방 및 화장실 개수, 층 수 및 면적 중 둘 이상을 포함함 - 을 입력받는 단계를 포함하며,
상기 부동산 매물을 선택하는 단계는,
상기 입력된 복수의 검색 조건을 이용하여 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계를 포함하고,
상기 입력된 복수의 검색 조건은,
조정이 불가능한 하나 이상의 제1 검색 조건 및 조정이 가능한 하나 이상의 제2 검색 조건을 포함하며,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계는,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 하나 이상의 제1 검색 조건을 이용하여 상기 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 기 등록된 복수의 부동산 매물 중 상기 하나 이상의 제1 검색 조건을 만족하는 부동산 매물을 선택하는 단계;
상기 선택된 하나 이상의 제1 검색 조건을 만족하는 부동산 매물의 정보를 이용하여 상기 하나 이상의 제2 검색 조건을 보정하는 단계; 및
상기 하나 이상의 제1 검색 조건 및 상기 보정된 하나 이상의 제2 검색 조건을 이용하여 상기 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계를 포함하며,
상기 하나 이상의 제2 검색 조건을 보정하는 단계는,
상기 선택된 하나 이상의 제1 검색 조건을 만족하는 부동산 매물의 정보 중 상기 하나 이상의 제2 검색 조건에 대응하는 정보의 평균 값을 산출하고, 상기 하나 이상의 제2 검색 조건의 설정 값을 상기 산출된 평균 값으로 보정하는 단계를 포함하고,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계는,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수에 기초하여 상기 입력된 복수의 검색 조건에 대한 보정 속성을 결정할 수 있고, 상기 결정된 보정 속성에 따라 상기 입력된 복수의 검색 조건을 보정하는 단계를 포함하며,
상기 결정된 보정 속성에 따라 상기 입력된 복수의 검색 조건을 보정하는 단계는,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 제1 개수 미만인 경우, 상기 입력된 복수의 검색 조건에 대한 보정 속성을 N개의 검색 조건 제외로 결정하고, 상기 입력된 복수의 검색 조건의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 N개의 검색 조건을 제외시키는 단계; 및
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 상기 제1 개수 이상 제2 개수 미만인 경우, 상기 입력된 복수의 검색 조건에 대한 보정 속성을 M개의 검색 조건 조정으로 결정하고, 상기 입력된 복수의 검색 조건의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 M개의 검색 조건을 조정하는 단계를 포함하는,
사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법. - 삭제
- 제1항에 있어서,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계는,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 입력된 복수의 검색 조건 각각에 대한 우선순위를 설정하고, 검색 조건을 만족하는 부동산 매물의 개수가 상기 기 설정된 개수 이상이 될 때까지 상기 설정된 우선순위가 가장 낮은 검색 조건부터 순차적으로 제외시키는 단계를 포함하는,
사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법. - 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 선택된 대출상품의 정보를 안내하는 단계는,
제1 사용자의 정보 및 상기 제1 사용자로부터 입력된 검색 조건에 따라 선택된 제1 부동산 매물의 정보에 기초하여 상기 제1 부동산 매물에 대한 최적의 대출상품으로서 둘 이상의 대출상품이 선택된 경우, 상기 제1 사용자의 대출 실행 이력에 기초하여 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품을 선택하되,
상기 제1 사용자의 대출 실행 이력이 없는 경우, 상기 제1 사용자에 대응하는 제2 사용자의 대출 실행 이력에 기초하여 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품을 선택하는 단계를 포함하는,
사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법. - 제7항에 있어서,
상기 제2 사용자의 대출 실행 이력에 기초하여 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품을 선택하는 단계는,
상기 제1 사용자의 정보와 복수의 제2 사용자의 정보에 기초하여 상기 복수의 제2 사용자와 상기 제1 사용자 간의 유사도를 산출하고, 상기 복수의 제2 사용자 중 상기 산출된 유사도가 기준 값 이상인 적어도 하나의 제2 사용자를 선택하는 단계; 및
상기 선택된 적어도 하나의 제2 사용자의 대출 실행 이력에 기초하여 상기 선택된 둘 이상의 대출상품 각각에 대한 선호도를 산출하고, 상기 산출된 선호도에 기초하여 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품을 선택하는 단계를 포함하는,
사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법. - 프로세서;
네트워크 인터페이스;
메모리; 및
상기 메모리에 로드(load) 되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되,
상기 컴퓨터 프로그램은,
사용자로부터 검색 조건을 획득하는 인스트럭션(instruction);
상기 획득된 검색 조건에 기초하여 부동산 매물을 선택하는 인스트럭션; 및
상기 사용자의 정보 및 상기 선택된 부동산 매물의 정보에 기초하여 상기 선택된 부동산 매물에 대한 최적의 대출상품을 안내하는 인스트럭션을 포함하며,
상기 최적의 대출상품을 안내하는 인스트럭션은,
상기 사용자의 정보 - 상기 사용자의 정보는 상기 사용자의 신용점수, 자산 및 연소득 정보를 포함함 - 및 상기 선택된 부동산 매물의 정보에 기초하여 복수의 대출상품 중 상기 선택된 부동산 매물에 적용 가능하며, 상기 사용자가 실행 가능한 대출상품을 선택하고, 상기 선택된 부동산 매물에 대한 최적의 대출상품으로서, 상기 사용자에게 상기 선택된 대출상품의 정보를 안내하는 인스트럭션을 포함하고,
상기 선택된 대출상품의 정보를 안내하는 인스트럭션은,
상기 복수의 대출상품 중 상기 선택된 부동산 매물에 적용 가능하며, 상기 사용자가 실행 가능한 둘 이상의 대출상품이 선택된 경우, 기 설정된 복수의 항목 - 상기 기 설정된 복수의 항목은 예상 월 주거비, 대출 한도, 대출 기간 및 대출 실행 시 소요 기간을 포함함 - 중 적어도 하나의 항목을 이용하여 상기 선택된 둘 이상의 대출상품에 대한 점수를 산출하고, 상기 산출된 점수에 기초하여 상기 사용자에게 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품의 정보를 안내하는 인스트럭션을 포함하며,
상기 사용자에게 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품의 정보를 안내하는 인스트럭션은,
상기 기 설정된 복수의 항목 각각에 대한 단위 점수 범위를 설정하고, 상기 설정된 단위 점수 범위와 상기 기 설정된 복수의 항목 각각을 기준으로 정렬된 순서에 기초하여 상기 기 설정된 복수의 항목 각각에 대응하는 단위 점수를 부여하며, 상기 부여된 단위 점수를 합산하여 상기 선택된 둘 이상의 대출상품에 대한 점수를 산출하되, 상기 기 설정된 복수의 항목 각각에 대한 단위 점수 범위는 상기 기 설정된 복수의 항목 각각을 기준으로 정렬된 순서에 기초하여 대출상품들에 부여되는 단위 점수의 범위이며, 상기 기 설정된 복수의 항목 각각의 중요도에 기초하여 설정되는 것인, 인스트럭션을 포함하고,
상기 검색 조건을 획득하는 인스트럭션은,
상기 사용자로부터 복수의 검색 조건 - 상기 복수의 검색 조건은 부동산 매물의 위치, 보증금, 월세, 관리비, 계약 종류, 건물 형태, 방 및 화장실 개수, 층 수 및 면적 중 둘 이상을 포함함 - 을 입력받는 인스트럭션을 포함하며,
상기 부동산 매물을 선택하는 인스트럭션은,
상기 입력된 복수의 검색 조건을 이용하여 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 인스트럭션을 포함하고,
상기 입력된 복수의 검색 조건은,
조정이 불가능한 하나 이상의 제1 검색 조건 및 조정이 가능한 하나 이상의 제2 검색 조건을 포함하며,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 인스트럭션은,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 하나 이상의 제1 검색 조건을 이용하여 상기 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 기 등록된 복수의 부동산 매물 중 상기 하나 이상의 제1 검색 조건을 만족하는 부동산 매물을 선택하는 인스트럭션;
상기 선택된 하나 이상의 제1 검색 조건을 만족하는 부동산 매물의 정보를 이용하여 상기 하나 이상의 제2 검색 조건을 보정하는 인스트럭션; 및
상기 하나 이상의 제1 검색 조건 및 상기 보정된 하나 이상의 제2 검색 조건을 이용하여 상기 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 인스트럭션을 포함하며,
상기 하나 이상의 제2 검색 조건을 보정하는 인스트럭션은,
상기 선택된 하나 이상의 제1 검색 조건을 만족하는 부동산 매물의 정보 중 상기 하나 이상의 제2 검색 조건에 대응하는 정보의 평균 값을 산출하고, 상기 하나 이상의 제2 검색 조건의 설정 값을 상기 산출된 평균 값으로 보정하는 인스트럭션을 포함하고,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 인스트럭션은,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수에 기초하여 상기 입력된 복수의 검색 조건에 대한 보정 속성을 결정할 수 있고, 상기 결정된 보정 속성에 따라 상기 입력된 복수의 검색 조건을 보정하는 인스트럭션을 포함하며,
상기 결정된 보정 속성에 따라 상기 입력된 복수의 검색 조건을 보정하는 인스트럭션은,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 제1 개수 미만인 경우, 상기 입력된 복수의 검색 조건에 대한 보정 속성을 N개의 검색 조건 제외로 결정하고, 상기 입력된 복수의 검색 조건의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 N개의 검색 조건을 제외시키는 인스트럭션; 및
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 상기 제1 개수 이상 제2 개수 미만인 경우, 상기 입력된 복수의 검색 조건에 대한 보정 속성을 M개의 검색 조건 조정으로 결정하고, 상기 입력된 복수의 검색 조건의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 M개의 검색 조건을 조정하는 인스트럭션을 포함하는,
사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공서버. - 컴퓨팅 장치와 결합되어,
사용자로부터 검색 조건을 획득하는 단계;
상기 획득된 검색 조건에 기초하여 부동산 매물을 선택하는 단계; 및
상기 사용자의 정보 및 상기 선택된 부동산 매물의 정보에 기초하여 상기 선택된 부동산 매물에 대한 최적의 대출상품을 안내하는 단계를 포함하며,
상기 최적의 대출상품을 안내하는 단계는,
상기 사용자의 정보 - 상기 사용자의 정보는 상기 사용자의 신용점수, 자산 및 연소득 정보를 포함함 - 및 상기 선택된 부동산 매물의 정보에 기초하여 복수의 대출상품 중 상기 선택된 부동산 매물에 적용 가능하며, 상기 사용자가 실행 가능한 대출상품을 선택하고, 상기 선택된 부동산 매물에 대한 최적의 대출상품으로서, 상기 사용자에게 상기 선택된 대출상품의 정보를 안내하는 단계를 포함하고,
상기 선택된 대출상품의 정보를 안내하는 단계는,
상기 복수의 대출상품 중 상기 선택된 부동산 매물에 적용 가능하며, 상기 사용자가 실행 가능한 둘 이상의 대출상품이 선택된 경우, 기 설정된 복수의 항목 - 상기 기 설정된 복수의 항목은 예상 월 주거비, 대출 한도, 대출 기간 및 대출 실행 시 소요 기간을 포함함 - 중 적어도 하나의 항목을 이용하여 상기 선택된 둘 이상의 대출상품에 대한 점수를 산출하고, 상기 산출된 점수에 기초하여 상기 사용자에게 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품의 정보를 안내하는 단계를 포함하며,
상기 사용자에게 상기 선택된 둘 이상의 대출상품 중 어느 하나의 대출상품의 정보를 안내하는 단계는,
상기 기 설정된 복수의 항목 각각에 대한 단위 점수 범위를 설정하고, 상기 설정된 단위 점수 범위와 상기 기 설정된 복수의 항목 각각을 기준으로 정렬된 순서에 기초하여 상기 기 설정된 복수의 항목 각각에 대응하는 단위 점수를 부여하며, 상기 부여된 단위 점수를 합산하여 상기 선택된 둘 이상의 대출상품에 대한 점수를 산출하되, 상기 기 설정된 복수의 항목 각각에 대한 단위 점수 범위는 상기 기 설정된 복수의 항목 각각을 기준으로 정렬된 순서에 기초하여 대출상품들에 부여되는 단위 점수의 범위이며, 상기 기 설정된 복수의 항목 각각의 중요도에 기초하여 설정되는 것인, 단계를 포함하고,
상기 검색 조건을 획득하는 단계는,
상기 사용자로부터 복수의 검색 조건 - 상기 복수의 검색 조건은 부동산 매물의 위치, 보증금, 월세, 관리비, 계약 종류, 건물 형태, 방 및 화장실 개수, 층 수 및 면적 중 둘 이상을 포함함 - 을 입력받는 단계를 포함하며,
상기 부동산 매물을 선택하는 단계는,
상기 입력된 복수의 검색 조건을 이용하여 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계를 포함하고,
상기 입력된 복수의 검색 조건은,
조정이 불가능한 하나 이상의 제1 검색 조건 및 조정이 가능한 하나 이상의 제2 검색 조건을 포함하며,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계는,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 하나 이상의 제1 검색 조건을 이용하여 상기 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 기 등록된 복수의 부동산 매물 중 상기 하나 이상의 제1 검색 조건을 만족하는 부동산 매물을 선택하는 단계;
상기 선택된 하나 이상의 제1 검색 조건을 만족하는 부동산 매물의 정보를 이용하여 상기 하나 이상의 제2 검색 조건을 보정하는 단계; 및
상기 하나 이상의 제1 검색 조건 및 상기 보정된 하나 이상의 제2 검색 조건을 이용하여 상기 기 등록된 복수의 부동산 매물을 필터링함에 따라 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계를 포함하며,
상기 하나 이상의 제2 검색 조건을 보정하는 단계는,
상기 선택된 하나 이상의 제1 검색 조건을 만족하는 부동산 매물의 정보 중 상기 하나 이상의 제2 검색 조건에 대응하는 정보의 평균 값을 산출하고, 상기 하나 이상의 제2 검색 조건의 설정 값을 상기 산출된 평균 값으로 보정하는 단계를 포함하고,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물을 선택하는 단계는,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 기 설정된 개수 미만인 경우, 상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수에 기초하여 상기 입력된 복수의 검색 조건에 대한 보정 속성을 결정할 수 있고, 상기 결정된 보정 속성에 따라 상기 입력된 복수의 검색 조건을 보정하는 단계를 포함하며,
상기 결정된 보정 속성에 따라 상기 입력된 복수의 검색 조건을 보정하는 단계는,
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 제1 개수 미만인 경우, 상기 입력된 복수의 검색 조건에 대한 보정 속성을 N개의 검색 조건 제외로 결정하고, 상기 입력된 복수의 검색 조건의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 N개의 검색 조건을 제외시키는 단계; 및
상기 입력된 복수의 검색 조건을 만족하는 부동산 매물의 개수가 상기 제1 개수 이상 제2 개수 미만인 경우, 상기 입력된 복수의 검색 조건에 대한 보정 속성을 M개의 검색 조건 조정으로 결정하고, 상기 입력된 복수의 검색 조건의 우선순위에 기초하여 우선순위가 낮은 검색 조건부터 순차적으로 M개의 검색 조건을 조정하는 단계를 포함하는 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법을 실행시키기 위하여 컴퓨팅 장치로 판독 가능한 기록매체에 저장된, 컴퓨터프로그램.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220129429A KR102526451B1 (ko) | 2022-10-11 | 2022-10-11 | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 |
KR1020230052278A KR20240050252A (ko) | 2022-10-11 | 2023-04-20 | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220129429A KR102526451B1 (ko) | 2022-10-11 | 2022-10-11 | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230052278A Division KR20240050252A (ko) | 2022-10-11 | 2023-04-20 | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102526451B1 true KR102526451B1 (ko) | 2023-04-26 |
Family
ID=86099348
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220129429A KR102526451B1 (ko) | 2022-10-11 | 2022-10-11 | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 |
KR1020230052278A KR20240050252A (ko) | 2022-10-11 | 2023-04-20 | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230052278A KR20240050252A (ko) | 2022-10-11 | 2023-04-20 | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 |
Country Status (1)
Country | Link |
---|---|
KR (2) | KR102526451B1 (ko) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100036792A (ko) | 2008-09-30 | 2010-04-08 | 김준호 | 부동산 매물 실시간 검색 시스템과 이를 이용한 검색 방법 |
KR20200023667A (ko) * | 2018-08-14 | 2020-03-06 | 이건영 | 빅데이터 기반 상품 투자 추천 알고리즘의 최적 가중치를 인공지능을 이용하여 탐색하는 시스템 및 방법 |
KR20210015514A (ko) * | 2019-08-02 | 2021-02-10 | 김소라 | 부동산 매칭 서비스를 제공하는 방법 |
KR20210017158A (ko) * | 2019-08-07 | 2021-02-17 | 주식회사 우리은행 | 사용자 맞춤형 부동산 정보 제공 서버 및 이를 실행하는 방법 |
KR102290481B1 (ko) * | 2020-02-25 | 2021-08-17 | (주)오아시스비즈니스 | 블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치 |
KR20210144505A (ko) * | 2020-05-21 | 2021-11-30 | (주)핀다 | 고객의 정보를 기초로 금융사별 대출조건 정보의 제공이 가능한 대출조건 정보 제공 서버 및 그 동작 방법 |
KR102448083B1 (ko) * | 2021-11-22 | 2022-09-27 | (주)스네일 | 빅데이터 및 인공지능 기반 고객 맞춤형 금융 상품 추천 방법, 장치 및 시스템 |
-
2022
- 2022-10-11 KR KR1020220129429A patent/KR102526451B1/ko active IP Right Grant
-
2023
- 2023-04-20 KR KR1020230052278A patent/KR20240050252A/ko unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100036792A (ko) | 2008-09-30 | 2010-04-08 | 김준호 | 부동산 매물 실시간 검색 시스템과 이를 이용한 검색 방법 |
KR20200023667A (ko) * | 2018-08-14 | 2020-03-06 | 이건영 | 빅데이터 기반 상품 투자 추천 알고리즘의 최적 가중치를 인공지능을 이용하여 탐색하는 시스템 및 방법 |
KR20210015514A (ko) * | 2019-08-02 | 2021-02-10 | 김소라 | 부동산 매칭 서비스를 제공하는 방법 |
KR20210017158A (ko) * | 2019-08-07 | 2021-02-17 | 주식회사 우리은행 | 사용자 맞춤형 부동산 정보 제공 서버 및 이를 실행하는 방법 |
KR102290481B1 (ko) * | 2020-02-25 | 2021-08-17 | (주)오아시스비즈니스 | 블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치 |
KR20210144505A (ko) * | 2020-05-21 | 2021-11-30 | (주)핀다 | 고객의 정보를 기초로 금융사별 대출조건 정보의 제공이 가능한 대출조건 정보 제공 서버 및 그 동작 방법 |
KR102448083B1 (ko) * | 2021-11-22 | 2022-09-27 | (주)스네일 | 빅데이터 및 인공지능 기반 고객 맞춤형 금융 상품 추천 방법, 장치 및 시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR20240050252A (ko) | 2024-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102012676B1 (ko) | 콘텐츠 추천 방법, 장치 및 시스템 | |
CN106548210B (zh) | 基于机器学习模型训练的信贷用户分类方法及装置 | |
US10354184B1 (en) | Joint modeling of user behavior | |
Ortega et al. | Improving collaborative filtering-based recommender systems results using Pareto dominance | |
WO2021159894A1 (en) | Recommender system using bayesian graph convolution networks | |
US20220253722A1 (en) | Recommendation system with adaptive thresholds for neighborhood selection | |
US10963799B1 (en) | Predictive data analysis of stocks | |
US20220253688A1 (en) | Recommendation system with adaptive weighted baysian personalized ranking loss | |
US20240054535A1 (en) | Value map generation and processing | |
KR102526451B1 (ko) | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 | |
CN111445032B (zh) | 利用业务决策模型进行决策处理的方法及装置 | |
KR20240049933A (ko) | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 | |
KR102477576B1 (ko) | 인공지능을 이용한 연예인 자동 캐스팅 서비스 제공방법, 서버 및 컴퓨터프로그램 | |
KR102637198B1 (ko) | 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램 | |
KR102621619B1 (ko) | 역경매 방식을 이용한 의료기기 판매자와 구매자의 거래 중개 서비스 제공방법, 서버 및 컴퓨터프로그램 | |
Wu et al. | Convergence and Stability of Coupled Belief-Strategy Learning Dynamics in Continuous Games | |
US20230177609A1 (en) | Method and system for providing portfolio deviation analytics | |
KR102518637B1 (ko) | 인공지능 기반의 클라이언트 및 인플루언서 매칭 서비스 제공방법, 서버 및 컴퓨터프로그램 | |
US20240119470A1 (en) | Systems and methods for generating a forecast of a timeseries | |
KR102687353B1 (ko) | 상품의 입고부터 출고까지 모든 프로세스에 대한 통합관리솔루션을 제공하며 국내 쇼핑몰 등록과 연동하여 해외 쇼핑몰 등록을 자동으로 지원하는 셀러와 유저를 매칭시키는 글로벌 이커머스 플랫폼의 운영방법 | |
KR102669575B1 (ko) | 인공지능 모델 기반 고객 맞춤 마케팅 퍼널 최적화 방법 및 장치 | |
KR102618378B1 (ko) | 인공지능 모델 기반 추천 부가서비스를 이용한 어플리케이션 관리 방법 및 장치 | |
US20240220762A1 (en) | Systems and methods for cross pollination intent determination | |
KR20240031071A (ko) | 사용자 맞춤형 인공지능 모델 제작 서비스 제공방법, 장치 및 컴퓨터프로그램 | |
US20240221052A1 (en) | Systems and methods for next best action prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
A107 | Divisional application of patent | ||
GRNT | Written decision to grant |