產(chǎn)品形態(tài)設(shè)計(jì)不僅是產(chǎn)品創(chuàng)新設(shè)計(jì)的重要組成部分,也逐步成為工業(yè)設(shè)計(jì)研究的熱點(diǎn)。一套完整的產(chǎn)品形態(tài)設(shè)計(jì)流程,從需求調(diào)研開(kāi)始,直至設(shè)計(jì)成品問(wèn)世,其間會(huì)經(jīng)歷很多階段,本研究著重考慮與工業(yè)設(shè)計(jì)師密切相關(guān)的三個(gè)階段:用戶需求調(diào)研、形態(tài)設(shè)計(jì)要素分解以及概念草圖生成。面對(duì)這三個(gè)設(shè)計(jì)階段的挑戰(zhàn),工業(yè)設(shè)計(jì)師大多采用問(wèn)卷調(diào)查、頭腦風(fēng)暴等傳統(tǒng)設(shè)計(jì)方法。但是,這些傳統(tǒng)設(shè)計(jì)方法全程由設(shè)計(jì)師主導(dǎo),具有很強(qiáng)的主觀性。近年來(lái),隨著大數(shù)據(jù)、人工智能技術(shù)的蓬勃發(fā)展,將計(jì)算機(jī)技術(shù)合理運(yùn)用到這三個(gè)設(shè)計(jì)階段當(dāng)中,輔助提升傳統(tǒng)設(shè)計(jì)模式,已成為工業(yè)設(shè)計(jì)重要的發(fā)展趨勢(shì)。基于此,本研究在設(shè)計(jì)前期的需求調(diào)研階段,采用自然語(yǔ)言處理方法挖掘用戶需求,結(jié)合復(fù)雜網(wǎng)絡(luò)理論建立用戶評(píng)價(jià)主題網(wǎng)絡(luò)模型;在形態(tài)設(shè)計(jì)要素分解階段,利用形態(tài)分析法對(duì)設(shè)計(jì)要素進(jìn)行分解,結(jié)合復(fù)雜網(wǎng)絡(luò)理論建立設(shè)計(jì)約束網(wǎng)絡(luò)模型;在概念草圖生成階段,通過(guò)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行適應(yīng)度評(píng)價(jià),結(jié)合遺傳算法展開(kāi)形態(tài)智能化設(shè)計(jì)。第一,從電商平臺(tái)采集目標(biāo)產(chǎn)品用戶評(píng)價(jià)數(shù)據(jù);利用自然語(yǔ)言處理工具進(jìn)行評(píng)價(jià)數(shù)據(jù)主題建模;結(jié)合復(fù)雜網(wǎng)絡(luò)理論與共現(xiàn)分析方法建立用戶評(píng)價(jià)主題網(wǎng)絡(luò),直觀展示分析結(jié)果。將大數(shù)據(jù)、機(jī)器學(xué)習(xí)算法與... 

【文章來(lái)源】：蘭州理工大學(xué)甘肅省

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

基于復(fù)雜網(wǎng)絡(luò)理論的產(chǎn)品形態(tài)設(shè)計(jì)方法研究9第2章評(píng)價(jià)主題網(wǎng)絡(luò)模型要想從用戶的在線評(píng)價(jià)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(jìn)的方向，就需要確保用戶評(píng)價(jià)的真實(shí)有效性。但實(shí)際上在眾多評(píng)價(jià)中，無(wú)效評(píng)價(jià)占有一定的比例，這就讓信息采集出現(xiàn)了困難。需要先進(jìn)行篩選處理，保留有價(jià)值的評(píng)價(jià)才能進(jìn)行數(shù)據(jù)分析。Zhang等[32]從產(chǎn)品設(shè)計(jì)者的角度歸納出五類特征來(lái)預(yù)測(cè)評(píng)價(jià)的幫助性。S.M.等[33]開(kāi)發(fā)并測(cè)試了一個(gè)消費(fèi)者評(píng)價(jià)幫助模型，以判斷評(píng)價(jià)信息的有用性。Jin等[34]對(duì)評(píng)價(jià)數(shù)據(jù)進(jìn)行特征提取與情感分析，利用卡爾曼濾波法預(yù)測(cè)客戶需求(CRs)趨勢(shì)。這些研究實(shí)現(xiàn)了對(duì)在線評(píng)價(jià)的情感分析，對(duì)于需求挖掘有很大的參考價(jià)值，不過(guò)它們的研究主要集中在情感極性分類上，判定文本傳達(dá)的是積極還是消極的（或中立的）情感，評(píng)價(jià)文本傳達(dá)的主題并沒(méi)有得到充分挖掘，這對(duì)于用戶需求挖掘而言是不夠的。評(píng)價(jià)文本主題挖掘的基礎(chǔ)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(píng)價(jià)文本的主題。史偉等[35]通過(guò)抓取出現(xiàn)頻率較高的詞匯，從而找出最能描繪手機(jī)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(lái)區(qū)分篩選微博話題中重要的輿情詞，該算法認(rèn)為：若某個(gè)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(qiáng)的區(qū)分性。不過(guò)，考慮到評(píng)價(jià)文本的多樣性，單純以詞頻作為評(píng)價(jià)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(huì)被忽略。基于此，本研究期望提出一種基于主題網(wǎng)絡(luò)模型的用戶需求分析方法，結(jié)合機(jī)器學(xué)習(xí)算法和復(fù)雜網(wǎng)絡(luò)模型，實(shí)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(luò)模型研究流程

碩士學(xué)位論文102.1產(chǎn)品評(píng)價(jià)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(guò)對(duì)這些結(jié)構(gòu)化數(shù)據(jù)進(jìn)行仔細(xì)研究與歸納總結(jié)，得到相關(guān)結(jié)論的過(guò)程就是數(shù)據(jù)分析。如今，信息在互聯(lián)網(wǎng)時(shí)代已經(jīng)無(wú)處不在，對(duì)于產(chǎn)品設(shè)計(jì)師來(lái)說(shuō)，大量的產(chǎn)品評(píng)價(jià)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(shè)計(jì)信息的機(jī)會(huì)。但是如何成功地從萬(wàn)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(luò)爬蟲(WebCrawler)，作為一種程序工具，可以自發(fā)地從被訪問(wèn)頁(yè)面中找到我們需要的信息，有效解決了上述問(wèn)題，因此本研究將使用網(wǎng)絡(luò)爬蟲工具進(jìn)行用戶評(píng)價(jià)信息的采集。用戶在使用產(chǎn)品過(guò)后將產(chǎn)生的體驗(yàn)、感受和意見(jiàn)通過(guò)文字或者圖片、視頻的方式在網(wǎng)頁(yè)上呈現(xiàn)，生成了相應(yīng)的評(píng)價(jià)內(nèi)容(UGC)，即通常所指的消費(fèi)者評(píng)價(jià)(OCR)，它們是商品在線口碑的一種重要形式，并作為免費(fèi)的“銷售助理”幫助消費(fèi)者識(shí)別最符合其使用條件的產(chǎn)品[37]。這些評(píng)價(jià)在時(shí)間上響應(yīng)及時(shí)，數(shù)量巨大，不僅有助于消費(fèi)者在購(gòu)買前進(jìn)行判斷，而且可以挖掘潛在的用戶需求，引導(dǎo)商家和廠商進(jìn)行設(shè)計(jì)、生產(chǎn)及運(yùn)營(yíng)。2.1.1用戶評(píng)價(jià)數(shù)據(jù)采集如今主流的電商平臺(tái)都有用戶評(píng)價(jià)模塊，數(shù)據(jù)采集之前，首先要確定去哪個(gè)平臺(tái)采集數(shù)據(jù)，進(jìn)而選取該平臺(tái)的版塊、商品，這樣可以定位到具體的網(wǎng)頁(yè)。在確定了數(shù)據(jù)采集的具體網(wǎng)頁(yè)之后，借助網(wǎng)絡(luò)爬蟲技術(shù)，爬取相關(guān)的評(píng)價(jià)文本。具體執(zhí)行時(shí)，使用Chrome瀏覽器，借助Python語(yǔ)言調(diào)用Selenium工具中的Webdriver自動(dòng)測(cè)試框架，爬取相對(duì)應(yīng)的用戶評(píng)價(jià)數(shù)據(jù)。運(yùn)行腳本(Script)輸入指令給Webdriver，Webdriver控制瀏覽器，瀏覽器返回響應(yīng)(Response)，通過(guò)代碼實(shí)現(xiàn)對(duì)瀏覽器的操作。數(shù)據(jù)采集過(guò)程如圖2.2所示。圖2.2數(shù)據(jù)采集過(guò)程

【參考文獻(xiàn)】：
期刊論文
[1]群智創(chuàng)新：人工智能2.0時(shí)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(bào)工作. 2019 (19)
[3]基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的手寫體識(shí)別系統(tǒng)[J]. 張圣杰,郭必廣,陳屏國(guó).  計(jì)算機(jī)與數(shù)字工程. 2019(10)
[4]第四次工業(yè)革命與超級(jí)智能時(shí)代[J]. 鄢一龍.  中央社會(huì)主義學(xué)院學(xué)報(bào). 2019(05)
[5]信息藝術(shù)設(shè)計(jì)：在藝術(shù)和科學(xué)融合的“臨界點(diǎn)”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�？梢暦治鱿到y(tǒng)[J]. 湯穎,蘇建明,童寧.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(10)
[7]新媒體時(shí)代下網(wǎng)絡(luò)熱點(diǎn)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(bào)科學(xué). 2019(04)
[8]在線個(gè)性化產(chǎn)品定制研究綜述與展望[J]. 甄杰,嚴(yán)建援.  重慶工商大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2018(06)
[9]產(chǎn)品配色設(shè)計(jì)的色彩鄰接網(wǎng)絡(luò)模型[J]. 李愚,劉肖健,孫艷,盧純福.  計(jì)算機(jī)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(yīng)用[J]. 李銘琦.  中國(guó)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(jìn)化設(shè)計(jì)研究[D]. 肖麗薇.蘭州理工大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法研究[D]. 郭田梅.濟(jì)南大學(xué) 2017
[3]產(chǎn)品造型意象熵評(píng)價(jià)研究[D]. 張新新.蘭州理工大學(xué) 2016
[4]產(chǎn)品多目標(biāo)意象造型進(jìn)化設(shè)計(jì)研究[D]. 張秦瑋.蘭州理工大學(xué) 2014
[5]基于感性工學(xué)和遺傳算法的產(chǎn)品形態(tài)智能設(shè)計(jì)系統(tǒng)研究[D]. 張書濤.蘭州理工大學(xué) 2011
[6]基于下意識(shí)行為的產(chǎn)品愉悅體驗(yàn)研究[D]. 劉潔.上海交通大學(xué) 2010
[7]產(chǎn)品設(shè)計(jì)初期用戶潛在需求獲取研究與應(yīng)用[D]. 任潔.北京服裝學(xué)院 2008



本文編號(hào)：3292975