為解決傳統(tǒng)感性意象設計創(chuàng)新中真實的用戶信息極少及需案例推理的問題,提出了基于網(wǎng)絡評價數(shù)據(jù)的產(chǎn)品感性意象無偏差設計方法.首先,基于網(wǎng)絡爬蟲獲取互聯(lián)網(wǎng)中用戶對產(chǎn)品外觀的文本評價數(shù)據(jù);接著,運用文本挖掘技術分析產(chǎn)品感性需求及意象信息,并構建詞向量實現(xiàn)意象的參數(shù)化表達;然后,通過參數(shù)化曲線描繪目標產(chǎn)品的造型特征,建立產(chǎn)品形態(tài)特征的參數(shù)化數(shù)據(jù);最后,基于最大信息系數(shù)選擇感性意象參數(shù)的維度,并通過隨機森林構建意象與設計特征間映射關系,實現(xiàn)對新產(chǎn)品設計特征參數(shù)及其取值范圍的預測,明確產(chǎn)品感性意象創(chuàng)新設計參考依據(jù).以三廂轎車側輪廓設計為例,所建立的意象與設計特征間映射關系中,正確率在0.5～0.7之間的比例為86.67%,設計結果滿足了主要的感性意象需求,表明通過該方法能夠將用戶真實的評價數(shù)據(jù)轉化為意象設計求解過程中重要的輸入信息,從而開展基于用戶感性訴求描述的無案例推理的意象創(chuàng)新設計活動,高效實現(xiàn)感性意象無偏差設計. 

【文章來源】：東南大學學報(自然科學版). 2020,50(01)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

可解釋變異量變化情況

式(1)中Wij為詞語且彼此獨立,無法直接參與計算.因此,在整體語義背景下,通過構建基于Distributed Representation思想的詞向量,將所有文本中反映語義關系的詞語轉換為詞向量,獲得各詞的參數(shù)化描述,進而通過降維以篩選詞向量中的主要信息.假設降維后詞向量維度為m,則式(1)可描述為

樣本感性意象參數(shù)分布

【參考文獻】：
期刊論文
[1]基于在線評論數(shù)據(jù)驅動的產(chǎn)品感性評價方法[J]. 李少波,全華鳳,胡建軍,吳永明,張安思.  計算機集成制造系統(tǒng). 2018(03)
[2]多維變量感性工學模型構建及其性能評估[J]. 劉征宏,謝慶生,黃海松,潘偉杰,林麗.  四川大學學報(工程科學版). 2016(02)
[3]面向列車內(nèi)裝造型設計的旅客視覺意象研究[J]. 張丙辰,過偉敏,王艷群,李順才,黃穎,徐靜.  機械工程學報. 2016(04)
[4]產(chǎn)品廓形曲線的幾何特征語義描述與風格解析技術[J]. 張云龍,王進,陸國棟.  計算機輔助設計與圖形學學報. 2013(11)
[5]產(chǎn)品設計中的感性意象理論、技術與應用研究進展[J]. 羅仕鑒,潘云鶴.  機械工程學報. 2007(03)



本文編號：3486244