本發(fā)明涉及產(chǎn)品設(shè)計(jì)技術(shù)領(lǐng)域，特別涉及產(chǎn)品外觀和感性特征關(guān)系模型的建立方法和反饋系統(tǒng)。

背景技術(shù)：

研究表明，不同人群對(duì)產(chǎn)品的感性認(rèn)知存在差異，在不經(jīng)過(guò)需求調(diào)查的情況下，設(shè)計(jì)師與用戶(hù)對(duì)產(chǎn)品的理解往往存在一定偏差。此外，用戶(hù)對(duì)產(chǎn)品的感性認(rèn)知是模糊的、復(fù)合的。因此，產(chǎn)品造型和用戶(hù)感知之間的映射往往是不準(zhǔn)確的，導(dǎo)致產(chǎn)品無(wú)法準(zhǔn)確吸引目標(biāo)用戶(hù)。

以往研究者們常運(yùn)用多種方法實(shí)現(xiàn)感性意象與產(chǎn)品設(shè)計(jì)要素之間的轉(zhuǎn)換和映射，如神經(jīng)網(wǎng)絡(luò)、模糊集、遺傳算法等，但是其通常是分別界定產(chǎn)品在單一感性維度中的分布，而不是把復(fù)合感性意象當(dāng)作空間整體來(lái)建立系統(tǒng)。在感性預(yù)測(cè)的過(guò)程中，也是對(duì)產(chǎn)品在單一感性維度上的感性值進(jìn)行分別預(yù)測(cè)。這種方式構(gòu)建出的感性語(yǔ)義系統(tǒng)忽略了用戶(hù)感性的整體性，對(duì)產(chǎn)品在感性空間中的類(lèi)群也沒(méi)有進(jìn)行深入的挖掘和可視化的呈現(xiàn)。此外，以往此類(lèi)研究缺少有效的數(shù)據(jù)處理體系，系統(tǒng)建立的過(guò)程耗費(fèi)時(shí)間，且結(jié)果難以令人信服，所以我們需要一個(gè)能夠處理不充分的、模糊的原始數(shù)據(jù)的系統(tǒng)，來(lái)降低建模負(fù)荷同時(shí)又使系統(tǒng)有效而準(zhǔn)確。

不難發(fā)現(xiàn)，用戶(hù)對(duì)產(chǎn)品的感性認(rèn)識(shí)不但涉及產(chǎn)品造型，還與產(chǎn)品顏色、材質(zhì)等緊密相關(guān)。因此，在建立產(chǎn)品感性語(yǔ)義系統(tǒng)時(shí)，不但要關(guān)注產(chǎn)品的造型元素，還需要關(guān)注產(chǎn)品色彩、材質(zhì)上的特性。因此，如何將產(chǎn)品造型、色彩、材質(zhì)等不同維度所形成的感性空間進(jìn)行提取歸納，建立復(fù)合感性特征系統(tǒng)變得十分重要。

將用戶(hù)情感需求與產(chǎn)品設(shè)計(jì)結(jié)合，不僅為產(chǎn)品設(shè)計(jì)提供數(shù)據(jù)支持，還能夠幫助產(chǎn)品在設(shè)計(jì)階段就對(duì)用戶(hù)可能的情感體驗(yàn)做出預(yù)測(cè)和評(píng)估，增加產(chǎn)品登陸市場(chǎng)后成功的幾率，減少產(chǎn)品的運(yùn)作成本，提高設(shè)計(jì)工作的效率。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了產(chǎn)品外觀和感性特征關(guān)系模型的建立方法，建立產(chǎn)品外觀和用戶(hù)心理之間的準(zhǔn)確映射，提高設(shè)計(jì)師的設(shè)計(jì)效率以及設(shè)計(jì)的情感內(nèi)涵。

產(chǎn)品外觀和感性特征關(guān)系模型的建立方法，包括以下步驟：

(1)將產(chǎn)品外觀形態(tài)進(jìn)行解構(gòu)，得到產(chǎn)品外觀分解后的各屬性與其不同的屬性值，對(duì)屬性與屬性值進(jìn)行數(shù)字編碼；并獲取產(chǎn)品外觀屬性拆解矩陣；

(2)獲取樣本產(chǎn)品外觀的感性特征的樣本數(shù)據(jù)，對(duì)感性特征進(jìn)行歸類(lèi)和處理，提取產(chǎn)品外觀的典型感性特征以及每個(gè)樣本產(chǎn)品外觀在典型感性特征上的得分；所述得分是將所述典型感性特征上的傾向的量化。

(3)將步驟(2)的樣本產(chǎn)品外觀根據(jù)步驟(1)進(jìn)行解構(gòu)，得到每個(gè)樣本產(chǎn)品外觀的屬性與屬性值的數(shù)字編碼，結(jié)合步驟(2)得到的產(chǎn)品外觀的典型感性特征以及每個(gè)樣本產(chǎn)品外觀在典型感性特征上的得分建立產(chǎn)品外觀和復(fù)合感性特征的關(guān)系模型。

步驟(1)具體過(guò)程如下：

1-1、獲取產(chǎn)品外觀組合。采集特定產(chǎn)品的外觀圖片，采集來(lái)源包括網(wǎng)絡(luò)銷(xiāo)售平臺(tái)、產(chǎn)品官網(wǎng)、產(chǎn)品雜志、戶(hù)外產(chǎn)品廣告等，獲取產(chǎn)品外觀數(shù)據(jù)。

1-2、根據(jù)產(chǎn)品外觀數(shù)據(jù)將產(chǎn)品進(jìn)行歸類(lèi)，并使用聚類(lèi)分析方法選取各類(lèi)產(chǎn)品的典型外觀，獲取典型產(chǎn)品外觀。

1-3、最后解構(gòu)外觀屬性。采取形態(tài)學(xué)分析中形態(tài)打散的方法，將產(chǎn)品外觀形態(tài)進(jìn)行解構(gòu)，得到產(chǎn)品外觀分解后的各屬性與其不同的屬性值。同時(shí)加入產(chǎn)品色彩、材質(zhì)等特性，提取其在此類(lèi)元素中的屬性值。將解構(gòu)屬性與屬性值進(jìn)行數(shù)字編碼，獲取產(chǎn)品外觀屬性拆解矩陣。

為了提高模型的準(zhǔn)確性，同時(shí)簡(jiǎn)化模型，優(yōu)選的，步驟(2)中，對(duì)感性特征進(jìn)行歸類(lèi)和處理的具體步驟如下：

2-1、根據(jù)樣本數(shù)據(jù)的相似程度，對(duì)產(chǎn)品感性特征進(jìn)行歸類(lèi)，初步提取初級(jí)感性特征；樣本數(shù)據(jù)的采集過(guò)程為：采集選定產(chǎn)品的感性特征，采集來(lái)源包括用戶(hù)訪談、網(wǎng)絡(luò)銷(xiāo)售平臺(tái)、產(chǎn)品官網(wǎng)、產(chǎn)品雜志、戶(hù)外產(chǎn)品廣告等。

2-2、對(duì)步驟2-1的樣本產(chǎn)品外觀的初級(jí)感性特征建構(gòu)復(fù)合語(yǔ)義特征矩陣，采用語(yǔ)義差異量表評(píng)估產(chǎn)品外觀在不同感性特征維度上的傾向，獲得產(chǎn)品在初級(jí)感性特征上的得分；

2-3、對(duì)步驟2-2獲得的樣本產(chǎn)品外觀在初級(jí)感性特征上的得分進(jìn)行因子分析，提取典型感性特征以及每個(gè)樣本產(chǎn)品外觀在典型感性特征上的得分。

優(yōu)選的，步驟(3)中，建立關(guān)系模型采用多元統(tǒng)計(jì)分析方法、支持向量回歸方法。

建立關(guān)系模型可以采用多種解構(gòu)方法，如經(jīng)典參數(shù)統(tǒng)計(jì)或神經(jīng)網(wǎng)絡(luò)等，但是本發(fā)明建立時(shí)優(yōu)選采用支持向量回歸的方法。其主要原因在于支持向量回歸在小樣本、非線性、高維數(shù)數(shù)據(jù)的模式識(shí)別中具有優(yōu)勢(shì)，同時(shí)能夠克服局部極小的問(wèn)題，泛化能力較佳。優(yōu)選的，步驟(3)中，建立關(guān)系模型采用支持向量回歸方法，具體步驟如下：

3-1、根據(jù)步驟(2)得到的樣本產(chǎn)品外觀的典型感性特征以及每個(gè)樣本產(chǎn)品外觀在典型感性特征上的得分，建立感性特征矩陣；

3-2、將樣本產(chǎn)品外觀隨機(jī)分為測(cè)試集和訓(xùn)練集；

3-3、通過(guò)支持向量回歸，采用訓(xùn)練集中的樣本產(chǎn)品外觀的數(shù)字編碼及其對(duì)應(yīng)的典型感性特征構(gòu)建復(fù)合模型；

3-4、采用測(cè)試集中的樣本產(chǎn)品外觀的數(shù)字編碼及其對(duì)應(yīng)的典型感性特征驗(yàn)證步驟3-3得到的復(fù)合模型的準(zhǔn)確性，得到最終的產(chǎn)品外觀和復(fù)合感性特征的關(guān)系模型。

為了提高模型的準(zhǔn)確性，步驟(1)中，所述產(chǎn)品外觀形態(tài)至少包括：結(jié)構(gòu)組成、顏色和材質(zhì)。

本發(fā)明還提供了產(chǎn)品外觀和感性特征反饋系統(tǒng)，包括上述的產(chǎn)品外觀和復(fù)合感性特征的關(guān)系模型。

為了提高本發(fā)明的實(shí)用性，優(yōu)選的，產(chǎn)品外觀和感性特征反饋系統(tǒng)還包括：

感性特征反饋單元，用于將產(chǎn)品外觀的屬性和屬性值導(dǎo)入產(chǎn)品外觀和復(fù)合感性特征的關(guān)系模型，輸出該產(chǎn)品外觀的典型感性特征得分；

產(chǎn)品外觀屬性反饋單元，用于將典型感性特征導(dǎo)入產(chǎn)品外觀和復(fù)合感性特征的關(guān)系模型，輸出產(chǎn)品外觀的屬性及其屬性值。

為了進(jìn)一步提高本發(fā)明的實(shí)用性，產(chǎn)品外觀和感性特征反饋系統(tǒng)還包括：

產(chǎn)品圖形解構(gòu)單元，將產(chǎn)品圖形分解為產(chǎn)品外觀的屬性和屬性值。

產(chǎn)品圖形解構(gòu)模塊的分解方法或者軟件可以采用形態(tài)學(xué)分析中形態(tài)打散的方法，將產(chǎn)品的形態(tài)特征進(jìn)行量化，將組成產(chǎn)品外觀的各個(gè)部分進(jìn)行歸納并編號(hào)，形態(tài)特征集合可以表示為X＝{X1,X2,…,Xi}。

本發(fā)明的有益效果：

本發(fā)明的方法建立的產(chǎn)品外觀和感性特征的關(guān)系模型以及帶有該關(guān)系模型的反饋系統(tǒng)，將產(chǎn)品外觀和用戶(hù)心理需求對(duì)應(yīng)連接，通過(guò)對(duì)產(chǎn)品外觀分析，在設(shè)計(jì)初期就給予設(shè)計(jì)師設(shè)計(jì)方向的指導(dǎo)，并能夠根據(jù)產(chǎn)品設(shè)計(jì)需求提供相應(yīng)的設(shè)計(jì)靈感，提高設(shè)計(jì)師的設(shè)計(jì)效率。

本發(fā)明的方法建立的產(chǎn)品外觀和感性特征的關(guān)系模型以及帶有該關(guān)系模型的反饋系統(tǒng)，不僅為產(chǎn)品設(shè)計(jì)提供數(shù)據(jù)支持，還能夠幫助產(chǎn)品在設(shè)計(jì)階段就對(duì)用戶(hù)可能的情感體驗(yàn)做出預(yù)測(cè)和評(píng)估，增加產(chǎn)品登陸市場(chǎng)后成功的幾率，減少產(chǎn)品的運(yùn)作成本，提高設(shè)計(jì)工作的效率。

附圖說(shuō)明

圖1為本發(fā)明的產(chǎn)品外觀和感性特征關(guān)系模型的建立方法的線框流程圖。

具體實(shí)施方式

如圖1所示，本實(shí)施例的產(chǎn)品外觀和感性特征關(guān)系模型的建立方法，包括以下步驟：

(1)將產(chǎn)品外觀形態(tài)進(jìn)行解構(gòu)，得到產(chǎn)品外觀分解后的各屬性與其不同的屬性值，對(duì)屬性與屬性值進(jìn)行數(shù)字編碼；獲取產(chǎn)品外觀屬性拆解矩陣；具體過(guò)程如下：

從各網(wǎng)站、雜志等搜集324個(gè)不同制造商和樣式的電熱水壺圖片。由專(zhuān)家進(jìn)行篩選，將外形過(guò)于古怪或者形態(tài)過(guò)于復(fù)雜難以進(jìn)行歸納的熱水壺去掉，同時(shí)精簡(jiǎn)款式過(guò)于雷同的圖片，得到54種電熱水壺樣式。

分別對(duì)所有產(chǎn)品的外觀進(jìn)行形態(tài)學(xué)分析，得到產(chǎn)品外觀分解后的各屬性與其相應(yīng)的屬性值。同時(shí)加入產(chǎn)品色彩、材質(zhì)等特性，提取其在此類(lèi)元素中的屬性值。將解構(gòu)屬性與屬性值進(jìn)行數(shù)字編碼，獲取產(chǎn)品外觀屬性拆解矩陣。如電熱水壺為例，拆解矩陣如下表：

(2)獲取樣本產(chǎn)品外觀的感性特征的樣本數(shù)據(jù)，對(duì)感性特征進(jìn)行歸類(lèi)和處理，提取產(chǎn)品外觀的典型感性特征以及每個(gè)樣本產(chǎn)品外觀在典型感性特征上的得分；具體步驟如下：

與步驟(1)中產(chǎn)品外觀屬性組合的獲取相似，通過(guò)網(wǎng)絡(luò)銷(xiāo)售平臺(tái)、產(chǎn)品官網(wǎng)、產(chǎn)品雜志、戶(hù)外產(chǎn)品廣告等盡可能收集關(guān)于電熱水壺形態(tài)的形容詞，篩選和聚類(lèi)后，初步得到12組初級(jí)感性詞對(duì)：健康的－有害的、獨(dú)特的－普通的、流線的－幾何的、清新的－沉悶的、簡(jiǎn)約的－繁復(fù)的、現(xiàn)代的－古典的、硬朗的－柔和的、張揚(yáng)的－內(nèi)斂的、易用的－難用的、專(zhuān)業(yè)的－業(yè)余的、動(dòng)感的－靜態(tài)的、精致的－粗糙的。

采用語(yǔ)義差異量表采集樣本在12個(gè)初級(jí)感性詞對(duì)上的語(yǔ)義得分。進(jìn)行因子分析(根據(jù)得分對(duì)12個(gè)詞進(jìn)行整合)，概括提取公因子得到典型感性詞對(duì)：低檔的-高檔的、呆板的-活潑的、流線的-幾何的。

(3)將步驟(2)的樣本產(chǎn)品外觀根據(jù)步驟(1)進(jìn)行解構(gòu)，得到每個(gè)樣本產(chǎn)品外觀的屬性與屬性值的數(shù)字編碼，結(jié)合步驟(2)得到的產(chǎn)品外觀的典型感性特征以及每個(gè)樣本產(chǎn)品外觀在典型感性特征上的得分建立產(chǎn)品外觀和復(fù)合感性特征的關(guān)系模型，具體步驟如下：

對(duì)最初篩選的54個(gè)電熱水壺樣本意象在“低檔的-高檔的”、“呆板的-活潑的”、“流線的-幾何的”3個(gè)感性詞對(duì)上進(jìn)行語(yǔ)義差異評(píng)估。選擇39個(gè)樣本作為訓(xùn)練集，15個(gè)樣本作為測(cè)試集。以樣本拆分的屬性值作為自變量，三個(gè)感性詞對(duì)作為因變量進(jìn)行機(jī)器學(xué)習(xí)。

測(cè)試過(guò)程中調(diào)整SVR模型參數(shù)，獲得理想模型，并用測(cè)試集15個(gè)樣本對(duì)模型進(jìn)行測(cè)試。如下表所示，測(cè)試集的均方根誤差(RMSE)為0.004、0.008、0.003，極其接近于0；平方跟系數(shù)(R2)為0.946、0.931、0.936，非常接近于1。該模型評(píng)估結(jié)果說(shuō)明測(cè)試表明系統(tǒng)建立成功，表明實(shí)驗(yàn)依據(jù)感性語(yǔ)義數(shù)據(jù)所建立的支持向量機(jī)語(yǔ)義認(rèn)知模型的性能較好，可以運(yùn)用到實(shí)際產(chǎn)品的感性語(yǔ)義的分類(lèi)預(yù)測(cè)當(dāng)中。

本申請(qǐng)實(shí)施例中各個(gè)單元可以集成于一體，也可以分離部署，系統(tǒng)可以用于特定產(chǎn)品的感性特征系統(tǒng)建構(gòu)上，也可以通過(guò)特征庫(kù)的升級(jí)創(chuàng)建多產(chǎn)品的感性特征系統(tǒng)。各個(gè)單元可以按照實(shí)施例描述分布于實(shí)施例的系統(tǒng)中，也可以進(jìn)行相應(yīng)變化位于不同于本申請(qǐng)實(shí)施例的一個(gè)或多個(gè)系統(tǒng)中。

本領(lǐng)域的技術(shù)人員應(yīng)該明白，本申請(qǐng)實(shí)施例可提供成為系統(tǒng)、方法、或相應(yīng)程序的產(chǎn)品。

本申請(qǐng)實(shí)施例的各單元或各流程可以用通用的計(jì)算裝置來(lái)實(shí)現(xiàn)，此外，本申請(qǐng)實(shí)施例的各單元可選地，它們可以用計(jì)算裝置可執(zhí)行的程序代碼來(lái)實(shí)現(xiàn)，從而可以將它們存儲(chǔ)在存儲(chǔ)裝置中由計(jì)算裝置來(lái)執(zhí)行，或者將它們分別制作成各個(gè)集成電路模塊，或者將它們中的多個(gè)模塊或步驟制作成單個(gè)集成電路模塊來(lái)實(shí)現(xiàn)。因此，本申請(qǐng)實(shí)施例不限制于任何特定的硬件和軟件結(jié)合。

以上公開(kāi)的僅為本發(fā)明的具體實(shí)施例，但是本發(fā)明并非局限于此，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。顯然這些改動(dòng)和變型均應(yīng)屬于本發(fā)明要求的保護(hù)范圍保護(hù)內(nèi)。