基于用戶分類的參與式交互方法研究*

鐘嘉佶，胡 磊，孫琦宗，華爾天*

(1.浙江工業(yè)大學(xué) 機械工程學(xué)院，浙江 杭州 310014；2.浙江工商大學(xué) 計算機與信息工程學(xué)院，浙江 杭州 310018)

0 引 言

我國制造業(yè)正處于結(jié)構(gòu)調(diào)整和發(fā)展方式轉(zhuǎn)變的關(guān)鍵時期[1]，在兩化深度融合過程中，消費產(chǎn)品設(shè)計越來越趨向于對用戶偏好的把控。Anderson和Marsh認為個性化量產(chǎn)的工業(yè)革命正在興起[2-3]，信息技術(shù)企業(yè)有機會更多地參與到制造業(yè)創(chuàng)新之中，而制造企業(yè)則向跨界融合企業(yè)轉(zhuǎn)變[4]。

傳統(tǒng)的產(chǎn)品設(shè)計基本依靠企業(yè)自身，依據(jù)收集到的市場信息提出產(chǎn)品設(shè)計的約束條件，設(shè)計部門據(jù)此完成產(chǎn)品的創(chuàng)新或改進設(shè)計。制造企業(yè)對市場信息收集存在局限性，新產(chǎn)品開發(fā)始終存在較大風險。產(chǎn)品設(shè)計中的信息不對稱問題如今因網(wǎng)絡(luò)技術(shù)的發(fā)展得到極大改善，用戶參與式設(shè)計的興起使用戶從產(chǎn)品的被動接受者成為設(shè)計者和傳播者[5]。姚錫凡[6]、黃偉莉[7]等學(xué)者的研究肯定了用戶參與的重要性，張勇等[8]分析了用戶參與的博弈關(guān)系。如何快速、有效地從用戶評論中提取可行的產(chǎn)品設(shè)計意見，則需要對用戶的專業(yè)程度進行區(qū)分。本文提出的用戶參與式產(chǎn)品設(shè)計方法，其獨特性體現(xiàn)在遴選具有一定專業(yè)知識及需求的用戶，使之能夠深入?yún)⑴c到產(chǎn)品設(shè)計中，該類用戶結(jié)合了市場性和專業(yè)性，其表達精確有效，方法切實可行。文獻[9-11]分別實現(xiàn)了產(chǎn)品評價中關(guān)于產(chǎn)品特征和消費者情感態(tài)度傾向的分析，針對汽車評價信息分析出消費者評價的語氣意義，結(jié)合LTP技術(shù)構(gòu)建知識庫來判斷極性詞的情感傾向。徐新勝等[12]在Han[13]所提方法的基礎(chǔ)上提出一種更高效的產(chǎn)品結(jié)構(gòu)相似性判斷方法，研究了變型設(shè)計的零件信息傳遞[14]。

本文基于以上研究提出利用產(chǎn)品的在線評論，分析、篩選出專業(yè)級用戶，在線獲取他們的使用體驗和改進建議，并激勵他們參與產(chǎn)品創(chuàng)新或改進設(shè)計，旨在為企業(yè)提供一種更加體現(xiàn)市場意愿的產(chǎn)品設(shè)計思想。

1 評論信息有效性判定

要在海量且模糊的評論數(shù)據(jù)中挖掘出對于產(chǎn)品設(shè)計有價值的內(nèi)容，首先是明確要找的數(shù)據(jù)目標，依照數(shù)據(jù)目標挖掘出真正有價值的數(shù)據(jù)信息。分類分析評論數(shù)據(jù)有效性的方法如圖1所示。

圖1 分類分析評論數(shù)據(jù)有效性的方法

研究人員將關(guān)鍵屬性進行聚類，以將存在異同的評論數(shù)據(jù)進行分類，使相同類型數(shù)據(jù)之間的相似性盡可能大，不同類型數(shù)據(jù)之間的相似性盡可能小。通過分類分析的方法篩選評論數(shù)據(jù)，找出一組數(shù)據(jù)對象共同具有的產(chǎn)品關(guān)鍵屬性并將其劃分為若干類，企業(yè)設(shè)計組對類進行劃分。

產(chǎn)品關(guān)鍵屬性間可能存在既定的相互關(guān)系，即一個關(guān)鍵屬性的出現(xiàn)可能導(dǎo)致另一個產(chǎn)品屬性跟隨出現(xiàn)。將評論中的數(shù)據(jù)項通過分類模型映射到某個給定的類別，與分類方法進行整合。

采用直接距離法中的歐幾里得距離法，比較評論中各分類與專業(yè)類的相似度roi:

(1)

結(jié)合現(xiàn)有的產(chǎn)品與獲取的用戶偏好，確定一個閥值δ，對獲取的評論進行有效性判斷。第i條在線評論的有效性設(shè)為ti：

(2)

式中:ti=1—評論有效;ti—評論無效，ti=0。

得到有效評論集合W={w1，w2，……，wm}，其中表示有效評論數(shù)。

2 基于關(guān)鍵屬性的用戶專業(yè)度計算

2.1 建立關(guān)鍵屬性集合

從評論數(shù)據(jù)中提取用戶需求，首先需明確產(chǎn)品的關(guān)鍵屬性。產(chǎn)品關(guān)鍵屬性集的建立如圖2所示。

圖2 產(chǎn)品關(guān)鍵屬性集建立過程

V0={v1，v2，…，vn}

(3)

式中:n—關(guān)鍵屬性的個數(shù)。

在實際評論中，產(chǎn)品知識屬性中存在大量的定性數(shù)據(jù)，需對其進行定量化處理。若第j個屬性vij為定性數(shù)據(jù)，設(shè)定性數(shù)據(jù)有k類，vij為第p(p≤k)類定性數(shù)據(jù)，則將該定性屬性定量化為：

(4)

通常，不同的數(shù)據(jù)具有不同的量綱，需對數(shù)據(jù)進行標準化處理，壓縮到標準區(qū)間[0，1]，即進行標準差變換：

(5)

實際處理中，用戶評論大多以具有多條分句的自然語言形式存在，計算機難以理解和處理。為此，對于中文詞之間沒有分隔符的評論，在抽取特征詞之前先進行分詞處理。

對于用不同詞語表達的對同一產(chǎn)品屬性的評論，筆者使用模板語言，對照某個詞的同義詞擴展處理。如哈工大詞林(擴展版)將詞庫分為大、中、小3個等級[15]，對于每個語料庫中的詞，搜索詞林里的同義詞組，得到組合物的代名詞，它的同義詞OPS列表節(jié)點對應(yīng)的模板內(nèi)容。相應(yīng)的模板如下：

其中，用一個從0開始的ID號標識模板；標識的是詞性與依存關(guān)系標識；是從0開始的節(jié)點號。如果兩個模板的dps和f序列號相同，說明這兩個模板的相似度很大，即反映了評論語句極為相似。若兩個模版相似，即L1={w11，w12，...，w1p}和L2={w21，w22，…，w2p}且L1∩L2≠?，則把這兩個模板合并，合并之后模板的ops列表是L=L1∪L2，冗余減少，檢索速度提高。對于已經(jīng)合并的候選模板庫，通過比較其出現(xiàn)的次數(shù)來判斷可靠性，出現(xiàn)次數(shù)越為頻繁的模板可信度越高。通過設(shè)置閥值θ來過濾掉可信度較差的模板。

閥值θ計算式：

(6)

式中:α—比例系數(shù)，α∈[0，1];pf—訓(xùn)練語料庫中模板出現(xiàn)的總次數(shù);pn—候選模板的數(shù)量;θ—當α固定時，語料庫中模板出現(xiàn)的平均次數(shù)。

在模板庫中檢索ops列表當中含有該檢索詞的模板，獲取該模板中的序列號C，進行匹配檢索：

Step1：j=0,position=-1

Step2：dps=template_jc.dps

Step3：如果dps是一個子序列，則說明匹配成功，使用position記錄模板中與dps具有相同子序列的初始位置，同時記錄下模板的行序號j，然后結(jié)束算法；否則,j=j+1,當j≤m時，轉(zhuǎn)到Step2。

記錄模板中與數(shù)據(jù)處理系統(tǒng)相同子序列的初始位置position，利用已搜索到的模板節(jié)點和position可以準確的定位到評論中的屬性詞，假設(shè)模板中的節(jié)點值為ω，則評論分詞中的position+ω位置對應(yīng)的詞即為屬性詞。

2.2 用戶專業(yè)度計算

本研究針對在線評論中用戶的專業(yè)程度進行定量計算，根據(jù)不同用戶的專業(yè)程度情況生成針對性的用戶反饋交互內(nèi)容，主要流程框架如圖3所示。

圖3 用戶專業(yè)化程度計算框架圖

(7)

第i個用戶的有效性判斷公式為：

(8)

通過有效性驗證的用戶，結(jié)合已生成的關(guān)聯(lián)詞庫，對用戶的專業(yè)程度進行分類。

3 點對點用戶參與的實現(xiàn)

點對點是指企業(yè)設(shè)計組個體與單個專業(yè)級用戶或是用戶對設(shè)計組中的多個設(shè)計人員的在線聯(lián)接。不同于傳統(tǒng)的協(xié)同設(shè)計，用戶的參與需要依托于在線設(shè)計平臺。在這之前，先分析用戶的關(guān)注點、產(chǎn)品的不足及可能的創(chuàng)新點，結(jié)合對用戶觀點的有效性分析和可行性分析，從專業(yè)角度和已有產(chǎn)品經(jīng)驗出發(fā)確定主題。

首先，本研究對用戶的評論進行分詞處理，記錄下用戶評論中的產(chǎn)品關(guān)鍵屬性，進一步定量計算用戶對屬性n的專業(yè)程度，表示為vnm，若用戶評論中針對某一屬性有多個分詞出現(xiàn)，則選擇最高分詞來表示，即：

vnm=maxVn1,Vn2,Vn3…

(9)

得到用戶專業(yè)化程度數(shù)組：

Ai=v1,v1m,v1,v1m,…,vn,vnm

(10)

式中:Ai—用戶的評論;vn—屬性n是否被提及，若用戶提及了屬性n，則vn=1，否則vn=0。

根據(jù)不同用戶的專業(yè)程度，生成針對性的用戶反饋交互內(nèi)容。

(1)利用用戶評論中提及的產(chǎn)品關(guān)鍵屬性來確定交互式問答的屬性模塊Qi：

(11)

式中:Qi=1—交互式問答上包含關(guān)于產(chǎn)品第i個關(guān)鍵屬性的內(nèi)容;Qi=0—交互式問答中不包含關(guān)于產(chǎn)品第i個關(guān)鍵屬性的內(nèi)容。

(2)同一個產(chǎn)品的關(guān)鍵屬性，專業(yè)化程度不同的用戶其交互內(nèi)容也不相同，若Qi=1，則：

Qij=vnm

(12)

式中:Qij—關(guān)于產(chǎn)品關(guān)鍵屬性i，程度j的用戶交互內(nèi)容。

(3)生成針對該類用戶的在線交互式問答：

Q={Q1j,Q2j,…,Qnj}

(13)

有時用戶提出的需求涉及多項產(chǎn)品功能，對應(yīng)多個功能設(shè)計方案[16]，此時需將產(chǎn)品設(shè)計目標進行需求分解。假定產(chǎn)品的目標部件屬性用符號T(Targets)表示，那么每一個目標部件有多個子部件屬性，子部件屬性用符號P(Parts)表示。每個子部件又可以看成單獨的新的目標部件，此時這個單獨新目標部件屬性又可表示為符號T，新的目標部件又有多個子部件屬性，新的子部件屬性又可表示為符號P，連續(xù)地分析與分解，把需求細化。

用特征矩陣表示這種思想為：

目標部件：

T=(P11,P12,…,P1n)

(14)

子部件：

P11=(P11,P21,…,Pm1)T

(15)

整體合并為：

(16)

目標部件T有n個一級子部件，表示為P11,P12,…,P1n。每個一級子部件又分為次級子部件，每個一級子部件都可看作一個新的目標部件T。P代表部件的屬性值，對于一個特定的產(chǎn)品，目標部件或子部件的屬性值為特定范圍時，將其定義域標記為[αi，βi]，用戶在此范圍內(nèi)選取滿足需求的特征值。

需要指出的是，在用戶參與式產(chǎn)品設(shè)計中，存在著用戶提出建議后不再跟進關(guān)注產(chǎn)品設(shè)計的情況。因此，需要一種激勵措施來吸引此類用戶的參與。例如，參與成果可以領(lǐng)取相應(yīng)的創(chuàng)新積分來進行權(quán)限升級及獲得獎勵等。

4 案例分析

近年來，阿里、騰訊、大華等互聯(lián)網(wǎng)企業(yè)相繼公布了自己的造車計劃。何小鵬[17]認為，互聯(lián)網(wǎng)造車定位要從工程師維度轉(zhuǎn)換到用戶角度。

SUV車型存在大量的用戶使用評論。首先通過分類分析的方法從海量的評論數(shù)據(jù)中篩選出有效的評論集合。對數(shù)據(jù)內(nèi)容進行定量化、標準化處理之后，對于缺少分隔符的評論進行分詞處理。

評論的語句分割如圖4所示。

圖4 語句分割分析

本研究基于屬性集合從挖掘的有效評論中提取出當前用戶真正關(guān)心的產(chǎn)品關(guān)鍵屬性，進一步定量計算用戶對各屬性的專業(yè)程度，并生成針對性的用戶反饋交互內(nèi)容。利用定量計算的方法對用戶專業(yè)程度劃分，例如下列3個針對自動變速箱邏輯的完整語句描述：a“該車急加速乏力”，b“自動變速箱對駕駛者意圖理解不夠明確”，c“自動變速箱換擋邏輯不夠清晰，深踩油門未能及時降檔”，以上3個語句是典型的描述自動變速箱特征信息的語句。a用戶提到了加速乏力，但該用戶并不知道急加速乏力的原因；b用戶根據(jù)自己對汽車的了解知道導(dǎo)致急加速乏力的原因是自動變速箱對駕駛者意圖理解不夠明確，但該用戶不確定問題的根源；c用戶評論中不僅提到了換擋邏輯，而且還提到了問題根源是變速箱降檔不夠積極。以上3個用戶的評論反饋明顯反映出他們的專業(yè)程度差異。

本研究用特征矩陣來表達SUV車型的目標需求分解，其變速箱、限滑差速器、轉(zhuǎn)向系統(tǒng)和輪胎胎紋的設(shè)計特征參數(shù)表示過程如下：

目標部件：

TSUV=(P變速箱，P限滑差速器，P轉(zhuǎn)向系統(tǒng)，P胎紋)

子部件：

P變速箱=(CVT，又離合，AMT，手排)P限滑差速器=(托森，液力多摩擦片，粘性限滑，差速鎖)P轉(zhuǎn)向系統(tǒng)=(電動助力，電子液壓，機械液壓，機械助力)P胎紋=(混合紋，不對稱紋，單導(dǎo)向紋，塊狀紋)

合并為：

評估各個設(shè)計目標組合的相似性，企業(yè)提出基于現(xiàn)有制造能力、制造時間及經(jīng)濟效益的相似性閥值。如果新的設(shè)計方案相似性索引低于該閾值的下限值，表示在該方案和現(xiàn)有產(chǎn)品存在的差異過大，這將增加后續(xù)設(shè)計和制造的難度，影響企業(yè)效益。在這種情況下，企業(yè)設(shè)計組與用戶深入交流改進方案，引導(dǎo)其進行反饋調(diào)整，達到用戶需求與企業(yè)現(xiàn)狀的優(yōu)化匹配，形成可行的產(chǎn)品設(shè)計方案。

5 結(jié)束語

本文提出了一種基于用戶分類的參與式交互方法，用于前端輔助產(chǎn)品創(chuàng)新或改進設(shè)計，具體做法是挖掘用戶的評論數(shù)據(jù)項并映射到各個給定的類別，采用歐幾里得距離法比較評論的相似性，結(jié)合產(chǎn)品特性和用戶偏好確定有效性判據(jù)，篩選出有效評論。對數(shù)據(jù)內(nèi)容進行必要的定量化、標準化處理，對缺少分隔符的評論進行分詞處理，使用模板語言對表達同一產(chǎn)品屬性的同義詞擴展處理。選擇并提取出用戶當前真正關(guān)心的產(chǎn)品關(guān)鍵設(shè)計屬性，定量計算用戶的專業(yè)程度并將用戶分類.

本研究對于不同專業(yè)類別的用戶有針對性地設(shè)計建立交互反饋的內(nèi)容，激勵用戶結(jié)合產(chǎn)品的使用體驗提出改進建議并最終轉(zhuǎn)化成設(shè)計方案；以SUV車型為例，試驗了參與式交互方法的流程，驗證了該方法的可行性和有效性。

:

[1] 路甬祥.走向綠色和智能制造——中國制造發(fā)展之路[J].中國機械工程，2010，21(4):379-386，399.

[2] ANDERSON C. Makers: the new industrial revolution[M]. New York: Random House，2012.

[3] MARSH P. The new industrial revolution∶consumers， glo-balization and the end of mass production[M]. New Haven: Yale University Press，2013.

[4] 王喜文.工業(yè)4.0:最后一次工業(yè)革命[M].1版.北京:電子工業(yè)出版社，2015.

[5] 姚錫凡，練肇通，楊 屹，等.智慧制造——面向未來互聯(lián)網(wǎng)的人機物協(xié)同制造模式[J].計算機集成制造系統(tǒng)，2014，20(6):1490-1498.

[6] 姚錫凡，李 彬，董曉倩，等.符號學(xué)視角下的智慧制造系統(tǒng)集成框架[J].計算機集成制造系統(tǒng)，2014，20(11):2734-2742.

[7] 黃偉莉，史冬敏.面向用戶需求的產(chǎn)品創(chuàng)新設(shè)計[J].機械設(shè)計，2014(11):18-20.

[8] 張 勇，張 衛(wèi)，徐新勝，等.基于三階段博弈的制造服務(wù)系統(tǒng)動態(tài)演化方法[J].計算機集成制造系統(tǒng)，2016，22(11):2698-2706.

[9] LIU B， HU M， CHENG J. Opinion observer: analyzing and comparing opinions on the Web[C]. International Conference on World Wide Web, Chiba: ACM，2005.

[10] GAMON M， AUE A， CORSTON S， et al. Pulse: mining customer opinions from free text[J].LectureNotesinComputerScience，2005(3646):121-132.

[11] YI J， NIBLACK W. Sentiment mining in WebFountain[C]. International Conference on Data Engineering， Tokyo: IEEE Computer Society，2005.

[12] 徐新勝，王 誠，肖 穎.基于非負矩陣分解的產(chǎn)品結(jié)構(gòu)相似性判斷及其應(yīng)用[J].中國機械工程，2016，27(8):1072-1077.

[13] HAN M S. Product structure (BOM)-based product simi-larity measures usin g orthogonal procrustes approach[J].Computers&IndustrialEngineering，2011，61(3):608-628.

[14] 徐新勝，朱凡凡，魯玉軍.零件尺寸的信息效率特性分析及其應(yīng)用[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2015(4):731-737.

[15] 陳宏朝，李 飛，朱新華，等.基于路徑與深度的同義詞詞林詞語相似度計算[J].中文信息學(xué)報，2016，30(5):80-88.

[16] 劉 飛，李世新，劉 勝.面向大批量定制的用戶需求協(xié)同配置思想及其應(yīng)用[J].機械工程學(xué)報，2004，40(1):109-113.

[17] 甄文媛.小鵬汽車:新勢力如何造新一代智能電動車[J].汽車縱橫，2017(7):36-39.