网络评论文本驱动的汽车设计规划方法

为将网络评论文本中的关键信息应用于汽车设计开发中,利用词频-逆文档频率算法(Term Frequency-Inverse Document Frequency,TF-IDF)及依存句法分析提取产品特征,基于BERT(Bidirectional Encoder Representation from Transformers)预训练模型进行文本情感分析.通过搭建质量屋进行用户需求转化,完成工程技术特性重要度评价,把握产品设计方向,得到评论数据驱动的产品规划方法.以微型汽车设计规划为例,获取了部分工程技术特性优先级,验证了该方法的可行性,不仅能快速获取用户的客观反馈,缩短产品开发周期,并能有效地将用户需求转化为可执行的设计问题.     

基于潜在狄利特雷分布模型的网络评论产品特征抽取方法

针对网络评论挖掘中的产品特征抽取准确度不高、人工参与较多和难以处理口语化表述等问题,提出一种基于潜在狄利特雷分布模型的产品特征抽取方法。该方法首先应用中文分词工具对网络评论信息进行分词和词性标注,得到最初的产品特征名词集合;然后采用潜在狄利特雷分布文本训练模型筛选出候选产品特征词集合,进而通过同义词词林拓展和过滤规则得到最终的产品特征集合。以京东网上的相机和手机评论数据为例,通过实验对比分析验证了所提方法的有效性。     

产品评论文本中特征词提取及其关联模型构建与应用

网络上产品评论文本是用户对产品的评价与反馈,及时、有效挖掘其中有价值的信息是制造企业、销售商获取竞争优势迫切需要解决的问题。综合词形、词性、依存关系、控制词及其情感描述等,设计了特征词提取规则单元以及规则模板,基于条件随机场实现了产品特征词的有效提取,并对特征词进行分类;构建了特征词频次、情感评分的计算模型;结合产品特征词的内容与分类,构建了产品特征词关联模型。在此基础上,提出了基于贝叶斯网络的产品特征词关键影响因素推理方法,并以某手机产品为对象进行应用与验证。研究结果可以为制造企业、销售商的精细化管理提供实施依据。     

基于在线评论挖掘的产品感性评价方法研究

为了快速获取用户感性评价并用于产品的改进设计,提出一种基于在线评论挖掘的产品感性评价方法.采用爬虫技术从网络平台获取用户对产品的在线评论数据,构建在线评论原始语料库;通过分词技术和词向量技术预处理数据,将文本评论转化为词向量表达形式;挖掘在线评论数据,构建用户极性词典并获取产品特征;分析用户关注特征和在线评论数据,为制造企业提出产品改进措施.最后以笔记本电脑为例,基于在线评论和产品规格说明书,构建在线评论原始语料库并进行数据预处理,获取产品特征,分析用户评价,验证所提理论与方法的可行性和有效性,为改进产品设计提供依据.     

面向产品创新设计的专利文本分类研究

为提高专利知识在产品创新设计中的应用价值,以打破思维定势、激发创新灵感,提出了一种面向创新设计的专利文本分类的思路及方法.基于发明问题解决理论(TRIZ),应用文本挖掘和自然语言理解等先进的技术手段,以TRIZ发明原理为分类标准对专利文本进行了自动分类的研究.以美国专利为数据源,将发明原理的知识表示与文本挖掘策略相融合,抽取专利特征信息,建立统一的专利特征表示模型,并使用VC++开发出了相应的软件系统.最后分析了该软件挖掘出的相关专利,对造纸机进行了创新设计,辅助得到了新的原理方案,验证了该方法的有效性.     

分离视角下产品迭代设计的决策信息挖掘方法

为将在线评论中用户体验信息准确应用于产品迭代设计中,从分离视角综合运用数据挖掘技术构建了一个用户需求挖掘模型.通过归纳面向用户分离的语法结构与候选词集,提取消费-使用角色分离的评论,应用概率主题模型(La-tent Dirichlet Allocation,LDA)对分类语料库进行主题提取,解析并获得产品设计迭代决策的关键信息.通过对4组不同品牌的老年人智能腕表在线评论进行实证分析,快速获取了用户反馈中4组产品各自不同的竞争优势及目标产品4项缺陷,通过对比分析,对目标产品迭代方向进行定位.该框架下的LDA挖掘方法克服了传统词频统计方法噪声较大的缺陷,提高了在线评论中挖掘用户体验信息的准确性,为企业产品开发人员提供参考,缩短产品的开发周期.     

基于交互注意力机制网络模型的故障文本分类

当前基于深度学习的故障文本分类已成为故障诊断和分析的关键技术,但单独使用循环神经网络或卷积神经网络难以有效捕获故障文本中的关键分类特征,鉴于此,提出一种交互注意力机制网络模型,用于捕获故障文本中的关键分类特征,以提升分类性能.该模型利用交互注意力机制关注循环神经网络和卷积神经网络所提取特征中的关键分类特征,形成全局—局部特征;针对故障现象文本中故障件和故障模式两类关键分类信息,引入了故障件和故障模式注意力机制捕获关键故障信息,形成故障件—故障模式特征;基于全局—局部特征和故障件—故障模式特征的融合形成分类特征.利用多组数据进行故障文本分类实验,结果表明所提模型具有更优的性能.     

一种基于深度学习的产品分类统计方法的研究

对于流水线上多类产品不规则混合放置条件下的统计问题,利用基于faster R-CNN和改进的深度卷积网络结合的图像识别方法,实现了对产品的在线分类计数。首先利用faster R-CNN方法获取图像中产品的位置信息,然后用改进的深度卷积网络对图像进行特征提取,将产品区域的位置信息映射到最后一层特征图上,再用ROI池化对产品区域特征进行尺度归一化,把归一化后的产品特征输入softmax分类器识别,从而实现了分类统计。实验结果表明,该方法能够在工业生产中实现多类混线产品在线自动分类统计。     

STEP-NC数控程序的信息表达与提取方法研究

首先分析了产品模型数据交换标准-数控程序的格式和数据组织结构,对其信息模型进行了分类研究,提出了基本的处理原则和方法。进一步分析和研究了几何描述信息和制造工艺信息模型及信息提取问题,给出了利用STIX库函数提取制造特征以及工艺信息的基本方法和步骤。基于上述方法实现了一个基本的产品模型数据交换标准-数控程序解释器。实际运行表明,该解释器可以有效地解释产品模型数据交换标准-数控程序。     

基于社交媒体分析的手机缺陷识别

为了从社交媒体中获取用户反映手机产品缺陷的数据信息,在对现有社交媒体分析框架进行改进的基础上,结合不同的平台特征,构建了基于社交媒体分析的手机产品缺陷识别框架;在综合分析比较后采用信息增益作为特征评估函数,利用支持向量机分类方法对社交媒体数据进行情感识别,构建手机产品缺陷语料集;基于主题模型算法对手机产品缺陷进行聚类分析,形成不同的缺陷内容聚类。相关实验研究结果表明,该方法能够有效地识别出中文社交媒体中的手机缺陷,具有较高的准确率和召回率。