[논문]부동산 다속성 통합 검색 시스템 개발

조재형

부동산 다속성 통합 검색 시스템 개발
The Development of a Real Estate Multi-Attribute Integrated Search System 원문보기

한국전자거래학회지 = The Journal of Society for e-Business Studies, v.14 no.3, 2009년, pp.15 - 37

초록
AI-Helper

본 연구에서는 매수인이 부동산을 검색할 때, 매수인의 다양한 성향을 고려할 수 있는 새로운 검색 시스템을 제안한다. 이를 위해 부동산 가격에 영향을 미치는 요인들을 분석한 뒤, 지역요인 및 개별요인으로 분류하였다. 다요소 의사결정(Multi-attribute Decision Making) 알고리즘을 통해 매수인이 입력한 검색조건을 분석하여 가중치를 부여하고, 부동산 후보지간 엔트로피 척도를 통해 최적의 부동산 후보지를 도출하도록 설계하였다. 본 검색 시스템의 효용성을 평가하기 위해 부산지역의 실제 부동산 정보를 이용하여 실험을 진행하였다. 실험결과, 본 다속성 통합 검색 시스템은 매수 아파트 검색 시 지역분석과 개별분석을 용이하게 해 주었다. 또한 한번 검색으로 여러 지역의 부동산 후보들을 비교분석함으로써 매수인의 탐색비용을 절감시킬 수 있었다.

Abstract ▼ AI-Helper

This study presents a new retrieval system developed to consider various preferential requirements for buyers in the real estate market. The paper analyses essential factors affecting the price of real estate and then a set of factors are classified by region-related factor and individual-related factor. After endowing the buyer's selected factors with weights in the retrieval system, the optimal solutions have been drawn by comparing with the others through an entropy measure of Multi-attribute Decision Making. This retrieval system is applied to the Busan real estate market to estimate the solutions of retrieval. Evaluation results indicate that the retrieval system can provide useful information to analyse the price determination factors of real estate, as well as to save the searching cost of the buyers.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그러므로 본 연구에서는 부동산 탐색활동을 더욱 효과적・효율적으로 진행할 수 있도록 기존의 부동산 검색 시스템에 대한 개선 점을 제시하는 다속성 검색 시스템을 개발하는데 중점을 두었다. 다속성 검색 시스템이란 부동산 가격을 결정하는 여러 가지 요인들 중 매수인의 개인적 성향에 따라 부동산 가격결정 요인을 검색조건으로 고려할 수 있는 부동산 검색 시스템을 말한다.
그러므로 본 연구에서는 최근 활성화되고 있는 국내 부동산 종합정보 웹 사이트의 검색 프로세스를 분석하고, 이에 대한 문제점을 진단한다. 이와 함께 부동산 정보화에 대한 국내외 기존 연구들을 분석하였다.
부동산의 경우, 지역 요인은 정성적 요소이고, 개별요인과 가격은 정량적 요소에 속한다. 다속성을 고려한 부동산 검색에서 가장 큰 문제점 중 하나는 정성적 요소와 정량적 요소의 두 가지 요소들에 의해 평가된 대안들을 어떻게 비교할 것이며, 각 요소별 서로 다른 측정 단위를 갖는 요소들을 어떻게 평가할 것인가이다. 이를 위해 MADM에서는 32가지의 검색조건에 대해 규준화(normalization)를 실시한다.
본 실험의 목적은 부동산 다속성 통합 검색 시스템의 효용성을 평가하기 위해서이다. 이때 검색 시스템의 효용성은 매수인이 입력한 다양한 조건을 반영하여 상이한 지역의 아파트 후보들 중 최선의 아파트 선호대안을 선정할 수 있는지를 평가하였다.
본 연구에서는 부동산 정보화 연구 중 효율적 검색을 위한 새로운 방법론을 제안하고, 이를 평가하는데 목적이 있다. 이는 부동산 시장의 효율성에 큰 영향을 미치는 요인으로 부동산 시장을 매수인-중개인-매도인의 가치 사슬(value chain)로 생각해 볼 때, 부동산 정보의 투명적이고 가시적인(visibility) 정보는 가치사슬 구성원 간의 상충적인(trade-off) 이해관계를 해결하는데 매우 중요하다.
<그림 3>의 아파트 검색 시스템 인터페이스는 앞서 제시된 <표 3>의 내용에 기반하여 구성한 것이다. 이때 매수인은 개별 및 지역요소의 중요도 값을 0부터 10사이의 값으로 입력함으로써 각 매수인의 아파트에 대한 개인적 성향을 최대한 반영하고자 하였다.
그러므로 사용자가 입력한 정보를 이용하여 가장 만족도가 높은 부동산 후보지를 도출하여야 한다. 이러한 매수인 만족도를 평가하기 위해 본 연구에서는 MADM을 이용하여 32가지의 검색조건과 아파트 대안들을 함께 평가하였다.
지금까지의 기존 연구에서는 부동산 탐색 활동에서 중개인과 온라인의 중요성을 강조하고, 이를 경험적 연구(empirical research)를 통해 제시하였으나, 효율적 부동산 검색 시스템의 개선안을 제시하지는 못하고 있다. 이러한 문제점을 해결하기 위해 본 연구에서는 부동산 정보화의 많은 문제점 중 매수인의 불가피한 현장 답사로 인한 높은 탐색비용 (search cost) 발생에 우선 주목하였다. 이는 탐색 및 분석활동이 여전히 오프라인 시장을 중심으로 전개됨으로써 탐색비용이 자연스럽게 증가되고, 현재 부동산 웹 사이트의 지역 분석 및 개별분석이 거래조건 교섭에 불충분하고, 사용자의 만족도를 충족시키지 못하기 때문이다.
또한 부동산의 가격결정요인을 고려하여 가격을 도출함으로써 부동산 거품 가격을 제거하는 역할까지 가능해 진다. 이와 같이 본 연구는 이전에 제시되거나 시도되지 못했던 부동산 검색에 대한 새로운 방향을 제시하는데 의의를 둘 수 있다.

제안 방법

각 아파트 매물별로 지역요소와 개별요소를 가지고 있으며, 이때 모든 요소는 상·중·하로 평가되도록 설계되었다.
또한 <그림 3>에서 사용자가 입력할 검색조건의 수는 모두 32가지인데, 이는 이용편리성 측면에서 사용자의 부담을 가중시킬 수 있다. 그러므로 사용자가 원하는 검색조건을 선택할 수 있도록 하였으며, 기본적으로 희망 가격과 면적은 필수입력사항으로 제한하였다.
이와 함께 부동산 정보화에 대한 국내외 기존 연구들을 분석하였다. 다음으로 부동산 가격에 영향을 미치는 요인들을 분석한 뒤, 이러한 요인들을 통합 검색할 수 있는 새로운 검색 시스템을 제안하였다. 본 시스템의 효율성을 평가하기 위해 실제 부동산 매물정보를 이용하여 실험을 진행하였다.
(2006) 역시 구매자가 부동산을 탐색할 때 소요되는 부동산 거래활동 비용과 탐색기간 비용을 각각 산출하고, 이들이 상관관계(trade-off)를 가지고 있음을 설명하였다. 또한 중개인을 통한 부동산 탐색활동이 제시된 두 가지의 비용에 어떠한 영향을 미치는지 구매자 유형별로 실험을 진행하였다.
먼저 부동산 탐색과정 1단계에서는 중개인이 부동산의 개별요소와 지역요소 정보를 입력하고 본 정보는 부동산 데이터베이스(real estate database)에 입력되도록 설계하였다. 2단계 과정에서는 매수인이 아파트의 지역 및 개별요소를 선택하고, 요소별 중요도 값과 매수 희망가격을 입력한다.
마지막으로 3단계에서는 전 단계에서 매수인이 입력한 값과 부동산 후보지 대안들을 MADM(Multi-attribute Decision Making)을 통해 평가한다. 본 MADM은 부동산 요소 평가 룰(Attribute valuation rule)로써 사용자가 입력한 검색조건을 이용하여 데이터베이스에 입력된 부동산 대안 중 최적의 결과를 도출한다.
다음으로 부동산 가격에 영향을 미치는 요인들을 분석한 뒤, 이러한 요인들을 통합 검색할 수 있는 새로운 검색 시스템을 제안하였다. 본 시스템의 효율성을 평가하기 위해 실제 부동산 매물정보를 이용하여 실험을 진행하였다.
<표 7>과 <그림 9>는 시나리오 1에 대해 북구와 남구지역의 MADM 결과를 살펴 볼수 있다. 시나리오 1에 대해 130,000,000～ 160,000,000원사이의 아파트 매물을 검색한 결과, 북구지역은 45건, 남구지역은 23건의 결과가 도출되었고, 이에 대해 MADM을 수행하였다. 여기서는 두 지역의 MADM 상위 10위 결과를 <표 7>에서 표시하였다.
에서 제시된 검색조건에 대한 평가기준은 상·중·하에 따라 다시 점수로 환산되어져, 각 아파트의 모든 요인들을 정량적으로 평가할 수 있도록 하였다.
본 실험의 목적은 부동산 다속성 통합 검색 시스템의 효용성을 평가하기 위해서이다. 이때 검색 시스템의 효용성은 매수인이 입력한 다양한 조건을 반영하여 상이한 지역의 아파트 후보들 중 최선의 아파트 선호대안을 선정할 수 있는지를 평가하였다. 이를 위해 부산광역시 남구와 북구의 2개 지역을 선정 하였고, 실험의 신뢰성을 높이기 위해 기존 A사의 부동산 종합정보 웹 사이트에서 제공되는 추천매물 정보를 이용하였다.
그러므로 본 연구에서는 최근 활성화되고 있는 국내 부동산 종합정보 웹 사이트의 검색 프로세스를 분석하고, 이에 대한 문제점을 진단한다. 이와 함께 부동산 정보화에 대한 국내외 기존 연구들을 분석하였다. 다음으로 부동산 가격에 영향을 미치는 요인들을 분석한 뒤, 이러한 요인들을 통합 검색할 수 있는 새로운 검색 시스템을 제안하였다.
그러나 <표 4>에서 표시된 지역요인 중학교의 질과 문화시설, 일상 용품 그리고 공공행정 서비스의 이용편리성에 대한 평가기준은 매수인마다 상이할 수 있다. 특히 학교의 질적 측면이 학교의 수로 측정될 수는 없으나, 부동산의 가격결정요인을 객관적으로 측정하기 위해 지역에 포함된 학교의 수로써 평가하였으며, 현재 서비스되고 있는 기존 부동산 웹 사이트에서도 이에 대한 표준화된 데이터 및 측정기준을 찾을 수 없어, 기존 문헌에서 제시된 평가기준을 인용하였다[3, 7].

대상 데이터

이를 위해 부산광역시 남구와 북구의 2개 지역을 선정 하였고, 실험의 신뢰성을 높이기 위해 기존 A사의 부동산 종합정보 웹 사이트에서 제공되는 추천매물 정보를 이용하였다. 우선 부산광역시 남구의 실제 추천매물 194건, 북구 183건의 데이터를 본 연구에서 설계한 데이터베이스에 저장하였다. 또한 <표 5>에서 제시한 매수인 검색 조건과 입력값을 사용자 인터페이스를 통해 역시 데이터베이스에 저장하였다.
이때 검색 시스템의 효용성은 매수인이 입력한 다양한 조건을 반영하여 상이한 지역의 아파트 후보들 중 최선의 아파트 선호대안을 선정할 수 있는지를 평가하였다. 이를 위해 부산광역시 남구와 북구의 2개 지역을 선정 하였고, 실험의 신뢰성을 높이기 위해 기존 A사의 부동산 종합정보 웹 사이트에서 제공되는 추천매물 정보를 이용하였다. 우선 부산광역시 남구의 실제 추천매물 194건, 북구 183건의 데이터를 본 연구에서 설계한 데이터베이스에 저장하였다.
주) 랭키닷컴(www.ranky.com)과 100hot(www.100hot.co.kr)의 “부동산종합정보” 분류에서 순위 3까지의 웹사이트를 분석함.

데이터처리

MADM을 통해서 도출된 가중치 값은 매수인이 입력한 중요도 값과 아파트 후보지의 요인별 값이 함께 반영된 결과이다. <그림 8>에서는 시나리오 1에 대해 북구와 남구지역 부동산 요인별 중요도와 가중치 값을 비교분석하였다. <그림 8>을 살펴보면, 부동산 검색요인 중 면적, 학군은 상대적으로 매수인이 직접 입력한 중요도 값에 비해 가중치 값이 낮게 도출되었다.
다음으로 아래의 2가지 시나리오에 따라 가격에 대한 SQL(Structured query language)을 실행하였다. 일차적으로 수행된 검색결과와 매수인이 입력한 검색조건에 대해 본 연구에서 구현된 MADM 알고리즘으로 아파트 결과대안을 분석하였다.

이론/모형

이를 위해 MADM에서는 32가지의 검색조건에 대해 규준화(normalization)를 실시한다. 규준화를 위해 우선 입력된 값의 크기를 측정하도록 구간척(interval scale)과 비율척(ration scale)을 이용하였다. 구간척은 부동산 지역요인에 적용되는데, 지역요인의 경우, 한 지역에 존재하는 아파트의 값은 거의 동일하게 평가되는 경향이 있다.
2단계 과정에서는 매수인이 아파트의 지역 및 개별요소를 선택하고, 요소별 중요도 값과 매수 희망가격을 입력한다. 마지막으로 3단계에서는 전 단계에서 매수인이 입력한 값과 부동산 후보지 대안들을 MADM(Multi-attribute Decision Making)을 통해 평가한다. 본 MADM은 부동산 요소 평가 룰(Attribute valuation rule)로써 사용자가 입력한 검색조건을 이용하여 데이터베이스에 입력된 부동산 대안 중 최적의 결과를 도출한다.
실질적으로 부동산 가치 평가요인은 부동산 가격형성에 중요한 요인이다. 부동산 가치의 판단요인을 명확하고 세부적으로 정의하기 위해 정영진(2006) 연구에서 사용된 부동산 가격형성요인을 인용한다. 부동산의 가격형성 원리는 먼저 지역요인에 의해 가격수준이 형성되면, 다음으로 개별요인에 의해서 구체적인 가격이 형성된다.

성능/효과

북구지역의 경우, 일상용품 구매 편리성, 대중교통 이용 편리성, 면적, 매매가 순으로 중요도가 도출되었고, 남구지역은 일상 용품 구매 편리성, 면적, 향, 매매가 순으로 중요도가 도출되었다. 두 지역을 함께 비교해 보았을 때, 북구지역은 남구지역에 비해 지하철 이용편리성, 대형마트의 수, 방 개수에서 좋은 평가를 받았고, 남구지역은 북구지역에 비해 면적, 향, 매매가에서 높게 평가받았다.
북구지역의 경우, 대부분 화명동 소재지의 아파트가 최적의 후보지로 도출되었고, 남구지역의 경우, 용당동, 문현동, 대연동, 용호동, 우암동 소재지의 아파트가 골고루 도출되었다. 두 지역의 MADM을 함께 비교해 보았을 때, 북구 지역보다는 남구지역의 부동산 후보지가 높게 도출되어 매수인의 검색요인을 더 만족시키고 있음을 보여준다.
두 지역의 비교에서는 남구가 북구에 비해 지하철, 학군, 주차수가 좋게 평가되었고, 북구는 남구에 비해 층수, 방개수에서 높게 평가되었다. 그리고 면적과 매매가는 두 지역의 차이가 거의 없었다.
이는 사용자의 중요도 값이 높게 반영되었을 뿐만 아니라 부동산 후보지간 일상 용품 구매 편리성에 대한 엔트로피가 매우 높아, 후보지간 데이터 편차가 매우 큼을 알 수 있다. 북구지역의 경우, 일상용품 구매 편리성, 대중교통 이용 편리성, 면적, 매매가 순으로 중요도가 도출되었고, 남구지역은 일상 용품 구매 편리성, 면적, 향, 매매가 순으로 중요도가 도출되었다. 두 지역을 함께 비교해 보았을 때, 북구지역은 남구지역에 비해 지하철 이용편리성, 대형마트의 수, 방 개수에서 좋은 평가를 받았고, 남구지역은 북구지역에 비해 면적, 향, 매매가에서 높게 평가받았다.
<표 9>와 <그림 11>은 시나리오 2에 대한 두 지역의 MADM 결과를 볼 수 있다. 시나리오 2에서 190,000,000～220,000,000원 사이의 아파트 매물을 검색한 결과, 북구지역은 19건, 남구지역은 20건의 결과가 도출되었으 나, 시나리오 1과 같이 두 지역의 MADM 상위 10위 결과만을 비교하였다. <그림 11>를 살펴보면, 북구지역 MADM 상위 1위 아파트의 만족도가 매우 높음을 알 수 있다.
그러나 본 검색 시스템의 장점은 사용자가 입력한 부동산 가격결정 요인을 최대한 반영하여 부동산 후보지를 평가함으로써 사용자의 탐색시간을 줄이는데 있다. 이는 기존의 검색 시스템이 검색조건 입력값과 정확히 일치해야하는 디렉토리 검색 방식 및 이진(boolean) 정보 검색보다 확장성이 높음을 의미한다.
<표 2>의 국내 부동산 웹 사이트의 탐색 및 분석기능 비교에서는 현재 1위부터 3위 까지의 순위를 가진 국내 부동산 종합정보 웹 사이트를 매수부동산 탐색방법, 지역분석 방법, 개별분석 방법, 검색 기능별로 각각 분석·요약하였다. 이들 사이트들을 분석한 결과, 대체로 정보의 양적 측면에서는 풍부하나, 웹 사이트 이용자들이 손쉽게 탐색하고, 분석할 수 있는 기술적 장치가 미미한 것으로 평가된다. 예를 들어 검색조건의 부족 및 검색기능의 미미, 관심 부동산에 대한 지속적 정보제공 서비스 부재 등이다.

후속연구

그러므로 향후 연구에서는 본 검색시스템의 활용성을 증진시키기 위해 웹 기반의 부동산 검색시스템을 개발하고, 실험 데이터의 확장과 본 연구결과에 대해 매수인의 만족도를 측정할 수 있는 평가기준과 부동산 신뢰 지수를 함께 개발할 예정이다.
왜냐하면 본 시스템을 통해 가격결정요인인 지역요소와 개별요소 그리고 매매가격을 함께 고려하여 검색이 가능하기 때문이다. 또한 본 검색 시스템은 최선책의 후보지뿐 아니라, 차선책의 대체 후보지들을 함께 제공해 줌으로써 사용자의 만족도를 증가시킬 것으로 기대한다. 또한 부동산의 가격결정요인을 고려하여 가격을 도출함으로써 부동산 거품 가격을 제거하는 역할까지 가능해 진다.
또한 본 검색 시스템은 최선책의 후보지뿐 아니라, 차선책의 대체 후보지들을 함께 제공해 줌으로써 사용자의 만족도를 증가시킬 것으로 기대한다. 또한 부동산의 가격결정요인을 고려하여 가격을 도출함으로써 부동산 거품 가격을 제거하는 역할까지 가능해 진다. 이와 같이 본 연구는 이전에 제시되거나 시도되지 못했던 부동산 검색에 대한 새로운 방향을 제시하는데 의의를 둘 수 있다.
다음으로 본 검색 시스템의 활용적 측면이다. 본 검색 시스템이 부동산 시장에서 활용되기 위해서는 웹 기반의 검색 시스템과 GIS 기술이 접목되어야 할 것이다. 현재 북미시장과 일본시장에서는 GIS 기술과 멀티미디어 요소가 접목된 대규모의 부동산 정보 시스템이 상용화되고 있으나, 아직 국내에서는 연구 수준에서 머무르고 있다.
<표 3>의 가격형성 요인은 김재익(1998)과 김타열·장찬호·윤종현(2000) 연구에서 제시되었던 요인들을 각각 지역요인과 개별요인으로 재정리한 것이다. 본 연구에서 분류된 지역요인과 개별요인은 연구자마다 상이할 수 있으나, 본 연구에서는 정확한 요인을 도출하는 것보다 이의 활용방안에 초점을 두고 있으며, 향후 필요 시 아파트가격형성 요인은 추가 또는 삭제될 수 있을 것이다.
본 연구의 한계점으로는 다양한 부동산 검색조건을 만족하는 관련 정보 수집이었다. 국내 부동산 웹 사이트의 경우, 매우 방대한 자료를 제공함에도 불구하고, 입력 값이 제각각 이었다.
이로 인해 본 검색 시스템에 활용된 데이터 건수가 모두 377건으로 제한되었다. 이에 따라 현재 국내 웹사이트에서 제공되는 부동산 정보의 표준화가 이루어진다면, 본 연구에서 제안한 검색 시스템의 활용도는 매우 높을 것으로 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	국내에서 시행되고 있는 부동산 거래관리 시스템은 어떻게 구성되어 있는가?	국내에서 시행되고 있는 부동산 거래관리 시스템(Real Estate Trade Management System) 은 부동산 거래신고와 거래가격 적정성 평가 그리고 유관기관 정보공유로 구성되어 있으며, 2006년부터 전국적으로 시행되고 있다. 이러한 시스템은 부동산 실거래 가격을 정기 적으로 공개하고, 실거래 가격을 토대로 부동산 실거래 가격지수를 개발하는데 이용되고 있다.
	부동산 정보화의 문제점은 무엇인가?	그러나 부동산 정보화의 문제점은 이러한 세 개 주체가 상호 교류를 위한 매체수단으로 주로 오프라인을 이용하는데 있으며, 이 또한 투명성과 상호신뢰성을 보장하지 못하고 있다. 이러한 이유를 부동산 정보화에 대한 기존 문헌을 통해 정리해보면 첫째, 부동산 중개업자의 정보화 의식이 저조하며[3, 5, 12], 둘째, 부동산 시장의 고정성, 개별성, 국지성, 거래의 비밀성, 거래 가액의 고액성과 같은 특수성이 존재하고 거래가격의 가변성이 매우 크나[7], 현재 웹 사이트 등의 정보화 수단으로는 이를 해결하는데 한계성을 가지고 있다[2].
	검색조건들은 전체 부동산 시장 중 아파트 시장만으로 국한한 이유는 무엇인가?	본 연구에서 다룬 검색조건들은 전체 부동산 시장 중 아파트 시장만으로 국한하였다. 왜냐 하면 아파트 시장의 경우, 국내 부동산 시장 에서 가장 선호 받고 있으며 부동산 거래 중 가장 활발한 분야이기 때문이다[4, 11].

참고문헌 (24)

김재익, "주거만족도 구성요인의 가격추정에 관한 연구", 국토계획, 제33권 제2호, 1998, pp. 105-117.
김정하, "개인화된 부동산 거래정보 서비스를 위한 에이전트 시스템에 관한 연구", 한양대학교 산업대학원 석사학위논문, 2001.
김타열, 장찬호, 윤종현, "아파트가격의 결정요인에 관한 연구", 환경연구, 제19권, 제2호, 2000, pp. 27-36.
김현아, "최근 부동산 시장불안의 원인과 대책", 건설산업동향, 2005-2006호, 2005.
신동호, 박은병, 김태현, "부동산 중개업의 정보화 여건 조사연구 : 대전시 부동산 중개업자를 중심으로", 한국지역개발학회지, 제12권, 제2호, 2000, pp. 97-110.

상세보기
서순탁, "정보화시대 부동산중개서비스업의 당면과제와 대응전략", 감정평가논집, 제12권, 제1호, 2002, pp. 89-112.
안정근, "부동산평가이론", 법문사, 1998.
이강인, "엔트로피 척도를 이용한 MADM 문제의 선호대안 선정", 산업경영시스템학회지 제26권, 제2호, 2003, pp. 55-61.

원문보기 상세보기
이국철, 최금영, "부동산 웹 사이트 평가 모형 개발에 관한 연구 : 정보 품질요인과 운영전략 요인을 중심으로", 부동산학보, 제23집, 2004, pp. 35-52.
이도헌, "인터넷 비즈니스 기반의 부동산 정보화 활성화 방안에 관한 연구", 경기대학교 서비스 경영전문대학원 석사학위논문, 2003.
정영진, "부동산 가치평가 모형의 적용 실태와 문제점에 관한 연구", 충남대학교 경영대학원 석사학위논문, 2006.
조재형, "부동산 가격형성요인을 고려한 매수인 기반의 검색 시스템 설계", 지식연구, 제5권, 제2호, 2007, pp. 3-28.

상세보기
한상훈, "부동산중개제도의 개선방향에 관한 연구", 부동산법학, 제12집, 2005, pp. 41-62.
Cao, J., Jackie, Y. K. Chan, Heng, L., Lamine, M. and Peter, E. D. Love, "REALMEDIA : Providing Multimediabased Real Estate Services through the Internet," Automation in Construction Vol. 10, 2001, pp. 275-289.

상세보기
Fulai, H. and Feng, W., "A System for Early-warning and Forecasting of Real estate Development," Automation in Construction Vol. 14, 2005, pp. 333-342.

상세보기
Hongling, G., Heng, L., Qiping, S., Yaowu, W. and Yan, L., "Real estate confidence index based on Web GIS and SPSS WebAPP," International Jounal of Project Management Vol. 25, 2007, pp. 171-177.

상세보기
Jung, Jongjin and Jo, Geunsik, "Brokerage between Buyer and Seller Agents using Constraint Satisfaction Problem Models," Decision Support Systems Vol. 28, 2000, pp. 293-304.

상세보기
Leonard, V. Z., Ken, H. J. and Randy, I. A., "Internet use and Real Estate Brokerage Market Intermediation," Journal of Housiing Economics Vol. 12, 2003, pp. 134-150.

상세보기
Marcos, P. E. Lins, Lyra, N. and Loureiro, L., "Real Estate Appraisal : A Double Perspective Data Envelopment Analysis Approach," Annals of Operations Research, Vol. 138, No. 1, 2005, pp. 79-96.

상세보기
Max, K. and Joelle, C. L., “Information and Communication Technology in the Real Estate Industry : Productivity, Industry Structure and Market Efficiency,” Telecommunication Policy 29, 2005, pp. 173-190.

상세보기
Michael, N., “Issues in disintermediation in the real estate brokerage sector,” Applied Mathematics and Computation Vol. 186, 2007, pp. 1054-1064.

상세보기
Simatupang, T. M. and Sridharan, R., “The Collaborative Supply Chain,” The International Journal of Logistics Management, Vol. 13, No. 1, 2002, pp. 15-30.

상세보기
Wang, W. K., “A Knowledge-based Decision Support System for Measuring the Performance of Government Real Estate Investment,” Expert Systems with Applications 29, 2005, pp. 901-912.

상세보기
Zheng, S., Liu H. and Rebecca, L., “Buyer Search and the Role of Broker in an Emerging Housing Market：A Case Study of Guangzhou,” Tsinghua Science and Technology, Vol. 11, No. 6, 2006, pp. 675-685.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증