產(chǎn)品形態(tài)設計不僅是產(chǎn)品創(chuàng)新設計的重要組成部分,也逐步成為工業(yè)設計研究的熱點。一套完整的產(chǎn)品形態(tài)設計流程,從需求調(diào)研開始,直至設計成品問世,其間會經(jīng)歷很多階段,本研究著重考慮與工業(yè)設計師密切相關(guān)的三個階段:用戶需求調(diào)研、形態(tài)設計要素分解以及概念草圖生成。面對這三個設計階段的挑戰(zhàn),工業(yè)設計師大多采用問卷調(diào)查、頭腦風暴等傳統(tǒng)設計方法。但是,這些傳統(tǒng)設計方法全程由設計師主導,具有很強的主觀性。近年來,隨著大數(shù)據(jù)、人工智能技術(shù)的蓬勃發(fā)展,將計算機技術(shù)合理運用到這三個設計階段當中,輔助提升傳統(tǒng)設計模式,已成為工業(yè)設計重要的發(fā)展趨勢�；诖�,本研究在設計前期的需求調(diào)研階段,采用自然語言處理方法挖掘用戶需求,結(jié)合復雜網(wǎng)絡理論建立用戶評價主題網(wǎng)絡模型;在形態(tài)設計要素分解階段,利用形態(tài)分析法對設計要素進行分解,結(jié)合復雜網(wǎng)絡理論建立設計約束網(wǎng)絡模型;在概念草圖生成階段,通過BP神經(jīng)網(wǎng)絡進行適應度評價,結(jié)合遺傳算法展開形態(tài)智能化設計。第一,從電商平臺采集目標產(chǎn)品用戶評價數(shù)據(jù);利用自然語言處理工具進行評價數(shù)據(jù)主題建模;結(jié)合復雜網(wǎng)絡理論與共現(xiàn)分析方法建立用戶評價主題網(wǎng)絡,直觀展示分析結(jié)果。將大數(shù)據(jù)、機器學習算法與... 

【文章來源】：蘭州理工大學甘肅省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

技術(shù)路線圖

基于復雜網(wǎng)絡理論的產(chǎn)品形態(tài)設計方法研究9第2章評價主題網(wǎng)絡模型要想從用戶的在線評價中采集信息，發(fā)現(xiàn)現(xiàn)有產(chǎn)品的不足，明確現(xiàn)有產(chǎn)品改進的方向，就需要確保用戶評價的真實有效性。但實際上在眾多評價中，無效評價占有一定的比例，這就讓信息采集出現(xiàn)了困難。需要先進行篩選處理，保留有價值的評價才能進行數(shù)據(jù)分析。Zhang等[32]從產(chǎn)品設計者的角度歸納出五類特征來預測評價的幫助性。S.M.等[33]開發(fā)并測試了一個消費者評價幫助模型，以判斷評價信息的有用性。Jin等[34]對評價數(shù)據(jù)進行特征提取與情感分析，利用卡爾曼濾波法預測客戶需求(CRs)趨勢。這些研究實現(xiàn)了對在線評價的情感分析，對于需求挖掘有很大的參考價值，不過它們的研究主要集中在情感極性分類上，判定文本傳達的是積極還是消極的（或中立的）情感，評價文本傳達的主題并沒有得到充分挖掘，這對于用戶需求挖掘而言是不夠的。評價文本主題挖掘的基礎是關(guān)鍵詞抽取，關(guān)鍵詞是文本主題的體現(xiàn)，它在一定程度上可以反映評價文本的主題。史偉等[35]通過抓取出現(xiàn)頻率較高的詞匯，從而找出最能描繪手機產(chǎn)品的特征詞。在關(guān)鍵詞提取研究方面，毛太田等[36]根據(jù)TF-IDF算法來區(qū)分篩選微博話題中重要的輿情詞，該算法認為：若某個詞是某篇文本中的高頻詞，且在其他文本中很少出現(xiàn)，該詞就具有很強的區(qū)分性。不過，考慮到評價文本的多樣性，單純以詞頻作為評價文本主題詞的判據(jù)，顯得不夠全面，某些低頻但很重要的詞匯可能會被忽略�；诖�，本研究期望提出一種基于主題網(wǎng)絡模型的用戶需求分析方法，結(jié)合機器學習算法和復雜網(wǎng)絡模型，實現(xiàn)用戶需求的快速挖掘與直觀展示。具體的研究流程如圖2.1所示。圖2.1主題網(wǎng)絡模型研究流程

碩士學位論文102.1產(chǎn)品評價數(shù)據(jù)集我們經(jīng)常提到的“數(shù)據(jù)”，主要指的是結(jié)構(gòu)化數(shù)據(jù)(StructuredData)，通過對這些結(jié)構(gòu)化數(shù)據(jù)進行仔細研究與歸納總結(jié)，得到相關(guān)結(jié)論的過程就是數(shù)據(jù)分析。如今，信息在互聯(lián)網(wǎng)時代已經(jīng)無處不在，對于產(chǎn)品設計師來說，大量的產(chǎn)品評價信息以及新信息的創(chuàng)建與發(fā)布速度，提供了研究和分析產(chǎn)品設計信息的機會。但是如何成功地從萬千信息中提取出我們需要的信息并加以利用并非易事，而網(wǎng)絡爬蟲(WebCrawler)，作為一種程序工具，可以自發(fā)地從被訪問頁面中找到我們需要的信息，有效解決了上述問題，因此本研究將使用網(wǎng)絡爬蟲工具進行用戶評價信息的采集。用戶在使用產(chǎn)品過后將產(chǎn)生的體驗、感受和意見通過文字或者圖片、視頻的方式在網(wǎng)頁上呈現(xiàn)，生成了相應的評價內(nèi)容(UGC)，即通常所指的消費者評價(OCR)，它們是商品在線口碑的一種重要形式，并作為免費的“銷售助理”幫助消費者識別最符合其使用條件的產(chǎn)品[37]。這些評價在時間上響應及時，數(shù)量巨大，不僅有助于消費者在購買前進行判斷，而且可以挖掘潛在的用戶需求，引導商家和廠商進行設計、生產(chǎn)及運營。2.1.1用戶評價數(shù)據(jù)采集如今主流的電商平臺都有用戶評價模塊，數(shù)據(jù)采集之前，首先要確定去哪個平臺采集數(shù)據(jù)，進而選取該平臺的版塊、商品，這樣可以定位到具體的網(wǎng)頁。在確定了數(shù)據(jù)采集的具體網(wǎng)頁之后，借助網(wǎng)絡爬蟲技術(shù)，爬取相關(guān)的評價文本。具體執(zhí)行時，使用Chrome瀏覽器，借助Python語言調(diào)用Selenium工具中的Webdriver自動測試框架，爬取相對應的用戶評價數(shù)據(jù)。運行腳本(Script)輸入指令給Webdriver，Webdriver控制瀏覽器，瀏覽器返回響應(Response)，通過代碼實現(xiàn)對瀏覽器的操作。數(shù)據(jù)采集過程如圖2.2所示。圖2.2數(shù)據(jù)采集過程

【參考文獻】：
期刊論文
[1]群智創(chuàng)新：人工智能2.0時代的新興創(chuàng)新范式[J]. 羅仕鑒.  包裝工程. 2020(06)
[2]“一帶一路”倡議下的Twitter文本主題挖掘和情感分析[J]. 趙常煜,吳亞平,王繼民.  圖書情報工作. 2019 (19)
[3]基于優(yōu)化BP神經(jīng)網(wǎng)絡的手寫體識別系統(tǒng)[J]. 張圣杰,郭必廣,陳屏國.  計算機與數(shù)字工程. 2019(10)
[4]第四次工業(yè)革命與超級智能時代[J]. 鄢一龍.  中央社會主義學院學報. 2019(05)
[5]信息藝術(shù)設計：在藝術(shù)和科學融合的“臨界點”上[J]. 師丹青,王之綱,徐迎慶,付志勇.  裝飾. 2019(09)
[6]TMvis:基于LDA的主題建模可視分析系統(tǒng)[J]. 湯穎,蘇建明,童寧.  計算機輔助設計與圖形學學報. 2019(10)
[7]新媒體時代下網(wǎng)絡熱點事件情感傳播特征研究[J]. 毛太田,蔣冠文,李勇,趙蓉,高凱.  情報科學. 2019(04)
[8]在線個性化產(chǎn)品定制研究綜述與展望[J]. 甄杰,嚴建援.  重慶工商大學學報(社會科學版). 2018(06)
[9]產(chǎn)品配色設計的色彩鄰接網(wǎng)絡模型[J]. 李愚,劉肖健,孫艷,盧純福.  計算機集成制造系統(tǒng). 2019(09)
[10]遺傳算法在陣列天線方向圖綜合中的應用[J]. 李銘琦.  中國新通信. 2018(09)

碩士論文
[1]基于蛛網(wǎng)結(jié)構(gòu)的產(chǎn)品意象形態(tài)進化設計研究[D]. 肖麗薇.蘭州理工大學 2018
[2]基于卷積神經(jīng)網(wǎng)絡的圖像分類算法研究[D]. 郭田梅.濟南大學 2017
[3]產(chǎn)品造型意象熵評價研究[D]. 張新新.蘭州理工大學 2016
[4]產(chǎn)品多目標意象造型進化設計研究[D]. 張秦瑋.蘭州理工大學 2014
[5]基于感性工學和遺傳算法的產(chǎn)品形態(tài)智能設計系統(tǒng)研究[D]. 張書濤.蘭州理工大學 2011
[6]基于下意識行為的產(chǎn)品愉悅體驗研究[D]. 劉潔.上海交通大學 2010
[7]產(chǎn)品設計初期用戶潛在需求獲取研究與應用[D]. 任潔.北京服裝學院 2008



本文編號：3292975