考虑产品属性层次性的评论挖掘及需求获取方法

为提高需求获取的准确性,提出一种考虑产品属性层次性的评论挖掘及需求获取方法。首先,采用基于层次主题模型的半监督方法挖掘大量文本评论数据,得到产品属性层次结构树。其次,基于依存句法分析抽取产品属性对应的情感极性相关词,并对其量化表示为情感极性值,再基于属性间的加权层次关系对缺失的情感极性值进行补充。最后,计算每个产品属性的平均用户满意度,并分析确定下一代产品的开发需求。通过挖掘汽车之家口碑数据获取用户需求的案例,证明了所提方法的有效性。     

基于GA-BP的6061Al切削参数优化

针对6061Al铣削中表面粗糙度预测精度低、切削参数选择不合理的问题,提出一种基于遗传神经网络与遗传算法结合的优化模型,对6061Al切削参数进行优化。采用遗传神经网络(GA-BP)构建表面粗糙度预测模型;基于表面粗糙度预测,以材料去除率为目标函数构建切削参数优化模型;利用遗传算法进行优化求解,对6061Al切削参数进行优化。研究结果表明:所建预测模型表面粗糙度预测精度在97%以上;同时,优化模型能优化6061Al切削参数,达到较好的全局寻优效果,为铝合金工件铣削加工切削参数优化提供参考。     

一种可制造性知识挖掘与管理策略模型

针对当前可制造性知识的挖掘模式分散孤立,以及可制造性知识的分类管理模糊混乱的问题,提出一种系统性的可制造性知识挖掘与管理策略模型。首先,基于数据挖掘的视角对可制造性数据间的关系进行了分析,并将数据分为六大类;其次,提出一种系统性的可制造性知识挖掘策略,旨在挖掘出可制造性数据之间的追踪性/追溯性关系和相似性/差异性关系,实现以"关系驱动"替代"目标驱动"的数据挖掘方式,避免重复的挖掘及资源的浪费;再次,选择合适的数据挖掘方法进行挖掘;最后,提出可制造性知识的多维度视图管理方法,以提高设计人员查找知识、应用知识的效率。基于该策略模型,开发了可制造性知识挖掘与管理原型系统。