| 1 |
1
부동산 시장 분석 및 예측 장치로서, 복수 개의 시점에 대한 부동산 관련 데이터를 획득하는 획득부; 상기 복수 개의 시점에 대한 부동산 관련 데이터를 기초로, 복수 개의 부동산 시장 벡터를 산출하는 벡터 산출부; 기계학습을 통해 상기 복수 개의 부동산 시장 벡터 각각에 상응하는 부동산 시장 국면을 결정하는 국면 결정부; 및상기 국면 결정부에 의해 결정된 부동산 시장 국면에 기초하여, 미리 설정된 향후 시점에 대한 부동산 시장 국면을 결정하는 예측부를 포함하며, 상기 예측부는 주성분 분석(Principal Component Analysis) 알고리즘을 이용하여 상기 복수 개의 부동산 시장 벡터 중 주성분 부분에 포함된 부동산 시장 벡터를 추출하고, 추출된 주성분 부분에 포함된 부동산 시장 벡터에 기초하여, 회귀분석(Regression analysis) 알고리즘을 이용해 미리 설정된 향후 시점에 대한 부동산 시장 벡터를 산출하며, 상기 미리 설정된 향후 시점에 대한 부동산 시장 벡터에 기초하여 상기 미리 설정된 향후 시점에 대한 부동산 시장 국면을 결정하도록 더 구성되는, 부동산 시장 분석 및 예측 장치
|
| 2 |
2
제 1 항에 있어서, 상기 획득부가 획득하는 부동산 관련 데이터는, 실거래량, 매물량, 실거래가, 호가, 공시지가, 공급량, 멸실량, 기준금리, 물가지수, DTI, LTV 및 부동산 관련 세금 중 적어도 하나를 포함하는, 부동산 시장 분석 및 예측 장치
|
| 3 |
3
제 1 항에 있어서, 상기 국면 결정부는, 최근접 이웃 알고리즘(K-NN), 서포트 벡터 머신(SVM), 결정 트리(Decision Tree) 및 신경망(neural network) 중 적어도 하나를 이용하여, 상기 부동산 시장 벡터의 국면을 결정하고 기계학습 하는, 부동산 시장 분석 및 예측 장치
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
제 1 항에 있어서, 상기 예측부는, 상기 추출된 주성분 부분에 포함된 부동산 시장 벡터에 기초하여, 회귀분석 알고리즘을 이용해 부동산 시장 국면이 변하는 시점을 결정도록 더 구성되는, 부동산 시장 분석 및 예측 장치
|
| 7 |
7
제 1 항에 있어서, 상기 국면 결정부는 군집화부를 포함하고, 상기 군집화부는 군집화(Clustering) 알고리즘을 이용하여 상기 부동산 시장 벡터의 군집을 결정하는, 부동산 시장 분석 및 예측 장치
|
| 8 |
8
제 7 항에 있어서, 상기 군집화부는, K-평균(k-means), 기대값 최대화(Expectation-Maximization), 밀도기반 군집화(Density-based spatial clustering of applications with noise), 신경망(neural network) 알고리즘 중 적어도 하나를 이용하는, 부동산 시장 분석 및 예측 장치
|
| 9 |
9
제 1 항에 있어서, 상기 벡터 산출부는, 상기 획득된 부동산 관련 데이터를 기초로, 주성분 분석 알고리즘을 이용해 산출된 주성분을 좌표축으로 하는 새로운 부동산 시장 평면을 산출하는, 부동산 시장 분석 및 예측 장치
|
| 10 |
10
부동산 시장 분석 및 예측 장치에 의해 수행되는 부동산 시장 분석 및 예측 방법으로서, 복수 개의 시점에 대한 부동산 관련 데이터를 획득하는 단계; 상기 복수 개의 시점에 대한 부동산 관련 데이터를 기초로, 복수 개의 부동산 시장 벡터를 산출하는 단계; 기계학습을 통해 상기 복수 개의 부동산 시장 벡터 각각에 상응하는 부동산 시장 국면을 결정하는 단계; 및 상기 부동산 시장 국면을 결정하는 단계에서 결정된 부동산 시장 국면에 기초하여, 미리 설정된 향후 시점에 대한 부동산 시장 국면을 결정하는 단계를 포함하고, 상기 미리 설정된 향후 시점에 대한 부동산 시장 국면을 결정하는 단계는, 주성분 분석 알고리즘을 이용하여 상기 복수 개의 부동산 시장 벡터 중 주성분 부분에 포함된 부동산 시장 벡터를 추출하는 단계; 상기 추출된 주성분 부분에 포함된 부동산 시장 벡터에 기초하여, 회귀분석 알고리즘을 이용해 미리 설정된 향후 시점에 대한 부동산 시장 벡터를 산출하는 단계; 및상기 산출된 미리 설정된 향후 시점에 대한 부동산 시장 벡터에 기초하여 미리 설정된 향후 시점에 대한 부동산 시장 국면을 결정하는 단계를 포함하는, 부동산 시장 분석 및 예측 방법
|
| 11 |
11
제 10 항에 있어서, 상기 부동산 관련 데이터를 획득하는 단계에서 획득되는 부동산 관련 데이터는, 실거래량, 매물량, 실거래가, 호가, 공시지가, 공급량, 멸실량, 기준금리, 물가지수, DTI, LTV 및 부동산 관련 세금 중 적어도 하나를 포함하는, 부동산 시장 분석 및 예측 방법
|
| 12 |
12
제 10 항에 있어서, 상기 기계학습을 통해 상기 복수 개의 부동산 시장 벡터 각각에 상응하는 부동산 시장 국면을 결정하는 단계는, 최근접 이웃 알고리즘(K-NN), 서포트 벡터 머신(SVM), 결정 트리(Decision Tree) 및 신경망(neural network) 중 하나를 이용하여, 상기 부동산 시장 벡터의 국면을 결정하고 기계학습 하는, 부동산 시장 분석 및 예측 방법
|
| 13 |
13
삭제
|
| 14 |
14
삭제
|
| 15 |
15
제 10 항에 있어서, 상기 미리 설정된 향후 시점에 대한 부동산 시장 국면을 결정하는 단계는, 상기 추출된 주성분 부분에 포함된 부동산 시장 벡터에 기초하여, 회귀분석 알고리즘을 이용해 부동산 시장 국면이 변하는 시점을 결정하는 단계를 더 포함하는, 부동산 시장 분석 및 예측 방법
|
| 16 |
16
제 10 항에 있어서, 상기 기계학습을 통해 상기 복수 개의 부동산 시장 벡터 각각에 상응하는 부동산 시장 국면을 결정하는 단계는, 군집화 알고리즘을 이용하여 상기 부동산 시장 벡터의 군집을 결정하는 단계를 포함하는, 부동산 시장 분석 및 예측 방법
|
| 17 |
17
제 16 항에 있어서, 상기 군집화 알고리즘을 이용하여 상기 부동산 시장 벡터의 군집을 결정하는 단계는, K-평균(k-means), 기대값 최대화(Expectation-Maximization), 밀도기반 군집화(Density-based spatial clustering of applications with noise), 신경망(neural network) 알고리즘 중 하나를 이용하는, 부동산 시장 분석 및 예측 방법
|
| 18 |
18
제 10 항에 있어서, 상기 복수 개의 부동산 시장 벡터를 산출하는 단계는, 상기 획득된 부동산 관련 데이터를 기초로, 주성분 분석 알고리즘을 이용해 산출된 주성분을 좌표축으로 하는 새로운 부동산 시장 평면을 산출하는 단계를 포함하는, 부동산 시장 분석 및 예측 방법
|
| 19 |
19
하드웨어와 결합되어, 복수 개의 시점에 대한 부동산 관련 데이터를 획득하는 단계; 상기 복수 개의 시점에 대한 부동산 관련 데이터를 기초로, 복수 개의 부동산 시장 벡터를 산출하는 단계; 기계학습을 통해 상기 복수 개의 부동산 시장 벡터 각각에 상응하는 부동산 시장 국면을 결정하는 단계; 주성분 분석 알고리즘을 이용하여 상기 복수 개의 부동산 시장 벡터 중 주성분 부분에 포함된 부동산 시장 벡터를 추출하는 단계; 상기 추출된 주성분 부분에 포함된 부동산 시장 벡터에 기초하여, 회귀분석 알고리즘을 이용해 미리 설정된 향후 시점에 대한 부동산 시장 벡터를 산출하는 단계; 및상기 산출된 미리 설정된 향후 시점에 대한 부동산 시장 벡터에 기초하여 미리 설정된 향후 시점에 대한 부동산 시장 국면을 결정하는 단계를 실행하도록 기록매체에 저장된 컴퓨터 프로그램
|
