王 鵬，朱韋龍

基于大數(shù)據(jù)的產(chǎn)品族本體造型意象挖掘方法研究

王 鵬，朱韋龍

(蘭州理工大學(xué)設(shè)計藝術(shù)學(xué)院，甘肅 蘭州 730050)

為提升產(chǎn)品造型意象成族的準(zhǔn)確性，增強(qiáng)感性工學(xué)研究中意象詞匯提取的規(guī)范性和知識重用性。首先從同族、泛族、異族的概念切入，對目標(biāo)產(chǎn)品族的造型意象本體進(jìn)行了定義；再借助word2vec工具和主成分分析法(PCA)分別完成了對產(chǎn)品族意象詞匯的關(guān)聯(lián)性聯(lián)想和降維提取，從而構(gòu)建了意象詞匯挖掘機(jī)制，通過此機(jī)制可以輔助設(shè)計師利用網(wǎng)絡(luò)大數(shù)據(jù)資源更高效、準(zhǔn)確地進(jìn)行目標(biāo)產(chǎn)品意象的挖掘，一定程度上解決了傳統(tǒng)感性工學(xué)在意象挖掘方法中模糊性。最后結(jié)合意象詞匯與造型特征的映射關(guān)系，利用Protege工具構(gòu)建了產(chǎn)品族造型意象的本體模型，對目標(biāo)產(chǎn)品的造型意象知識進(jìn)行了邏輯化表征，為下一代產(chǎn)品繼承并發(fā)展原產(chǎn)品族造型意象提供參考。以馬自達(dá)MX-5車系的造型意象為例構(gòu)建了本體模型，并進(jìn)行了子代產(chǎn)品前臉的概念設(shè)計。

產(chǎn)品族；本體模型；意象挖掘；Word2vec；主成分分析法

產(chǎn)品族(product family，PF)設(shè)計是基于通用的產(chǎn)品平臺[1]，根據(jù)客戶個性化需求進(jìn)行快速開發(fā)和制造的系列產(chǎn)品，在保留同族群體的主要產(chǎn)品特征的同時，通過產(chǎn)品演進(jìn)過程中的突變，豐富產(chǎn)品族群的過程。意象是認(rèn)知主體在接觸客觀事物后，根據(jù)感覺來源傳遞的表象信息，在思維空間中形成有關(guān)認(rèn)知客體的形象[2]。人在產(chǎn)品造型的認(rèn)知過程中，視覺產(chǎn)生的短時記憶感覺與儲存在長時記憶中的知識及經(jīng)驗(yàn)進(jìn)行對比[3]，最終形成了對產(chǎn)品造型意象的認(rèn)知。

在產(chǎn)品造型設(shè)計中，傳統(tǒng)感性工學(xué)對意象詞匯的挖掘具有先導(dǎo)性作用，楊梅和薛明明[4]基于用戶的多維感官提取意象詞匯，構(gòu)建家具產(chǎn)品評價方法。張文召等[5]以品牌形象、用戶偏好、社會情境等方面在網(wǎng)絡(luò)資源上提取意象詞匯，構(gòu)建了多目標(biāo)產(chǎn)品造型驅(qū)動模型。然而在具體的設(shè)計過程中，初始造型意象詞匯的提取源于設(shè)計師頭腦風(fēng)暴或?qū)扔匈Y源的搜集，對網(wǎng)絡(luò)資源的利用方面缺乏高效準(zhǔn)確的方法和手段，過多地依靠設(shè)計師自身的思維習(xí)慣和文化背景，以至于無法保證對企業(yè)的PF基因進(jìn)行最合理的表征，使產(chǎn)品在意象造型成族方面缺乏廣泛的資源數(shù)據(jù)支撐。對意象詞匯挖掘的結(jié)果也缺少歸納，無法為后續(xù)的設(shè)計實(shí)踐提供先驗(yàn)性的知識概念。

基于此，本文利用網(wǎng)絡(luò)大數(shù)據(jù)資源，模擬設(shè)計師在利用網(wǎng)絡(luò)資源尋找產(chǎn)品意象語意過程中先發(fā)散后收斂的思維模式，建立了基于word2vec和主成分分析法(principal component analysis，PCA)的PF意象詞匯挖掘機(jī)制，一定程度上解決了經(jīng)典感性工學(xué)研究中在意象詞匯挖掘階段的不可控性和隨機(jī)性。并將結(jié)果表征為PF造型意象本體模型，提高了設(shè)計知識的重用性，輔助設(shè)計師對子代產(chǎn)品進(jìn)行概念設(shè)計。

1 產(chǎn)品族造型意象本體的定義

本體論起源于哲學(xué)的研究范疇，其可以看作是對抽象世界的認(rèn)識，是一種描述術(shù)語及術(shù)語間關(guān)系的概念模型[6]，構(gòu)建本體模型即是對某一領(lǐng)域的知識進(jìn)行具有邏輯屬性的概念描述。

在工業(yè)設(shè)計領(lǐng)域，本體論主要被應(yīng)用于構(gòu)建產(chǎn)品的功能知識模型[7-8]。盡管目前針對PF設(shè)計相關(guān)的本體論應(yīng)用研究較少，但PF平臺化、模塊化的設(shè)計方法與本體研究中的知識復(fù)用、概念化等思想相互契合。本文將利用本體模型對認(rèn)識邊界模糊的族意象進(jìn)行具有層級結(jié)構(gòu)的邏輯化表征，進(jìn)而為PF設(shè)計過程提供可參考的范式。

在對PF造型意象進(jìn)行本體建模時，應(yīng)該既包含給消費(fèi)者帶來主觀心理認(rèn)知和評價的PF意象，又考慮到屬于產(chǎn)品設(shè)計和制造的物理基礎(chǔ)的產(chǎn)品造型基因[9]，故可將PF造型意象本體定義為一個三元組，即

其中，PFO (product family ontology)為PF造型意象本體；PFCon (product family conception)為PF造型意象實(shí)體的集合，包含族意象詞匯實(shí)體和產(chǎn)品造型特征實(shí)體；PFAtt (product family attribute)為造型設(shè)計要素的屬性集合，包含PF意象的屬性、產(chǎn)品造型特征的屬性、兩者間映射關(guān)系的屬性；PFRel (product family relationship)為實(shí)體之間的關(guān)聯(lián)集合；包含族意象和產(chǎn)品設(shè)計要素的映射關(guān)系、族意象實(shí)體與產(chǎn)品造型特征實(shí)體的組成關(guān)系。

2 產(chǎn)品族造型意象本體模型構(gòu)建

2.1 族意象本體構(gòu)成研究

產(chǎn)品的感性意象是形成PF設(shè)計風(fēng)格的重要組成部分，相比廣義的產(chǎn)品意象，族意象還具有更明顯的遺傳和變異特征，新產(chǎn)品的造型風(fēng)格隨著族意象的繼承、發(fā)展需不斷地適應(yīng)和迭代。

在產(chǎn)品族群概念研究中[10]，本文對PF意象進(jìn)行重新構(gòu)建。把目標(biāo)PF自身繼承發(fā)展的風(fēng)格意象定義為“同族意象”，與目標(biāo)產(chǎn)品功能、造型有許多共通特征或共享相同的企業(yè)文化、精神內(nèi)涵的產(chǎn)品意象定義為“泛族意象”；在創(chuàng)新設(shè)計中引入的新的意象定義為“異族意象”。在實(shí)際的設(shè)計活動中，“同族意象”從目標(biāo)產(chǎn)品的品牌核心價值和企業(yè)PF基因中提取；“泛族意象”從與目標(biāo)PF風(fēng)格意象相近的產(chǎn)品基因中提??；“異族意象”從新時代產(chǎn)品設(shè)計的風(fēng)格趨勢，和其他類流行產(chǎn)品的優(yōu)質(zhì)設(shè)計特征中提取。

2.2 產(chǎn)品造型特征實(shí)體與族意象的關(guān)聯(lián)性

產(chǎn)品造型是傳達(dá)產(chǎn)品信息的首要因素，是設(shè)計師用來向用戶傳達(dá)設(shè)計思想和理念的重要手段[11]。在設(shè)計研究中，需要對產(chǎn)品造型特征進(jìn)行拆解形成設(shè)計要素，結(jié)合族意象實(shí)體形成兩者之間的映射，進(jìn)一步實(shí)現(xiàn)PF造型風(fēng)格實(shí)體的可視化。本文的研究目標(biāo)是汽車前臉，在相關(guān)研究的基礎(chǔ)上[12]，可對目標(biāo)產(chǎn)品造型特征劃分為前大燈、格柵、下進(jìn)氣口、霧燈以及整體輪廓5個區(qū)域。

按照產(chǎn)品造型特征與意象的關(guān)聯(lián)性，將同族意象對應(yīng)的產(chǎn)品造型特征進(jìn)行適應(yīng)性選擇遺傳；泛族意象對應(yīng)的產(chǎn)品造型特征進(jìn)行變異后遺傳；異族意象對應(yīng)的產(chǎn)品造型特征進(jìn)行對抗、共生性創(chuàng)新遺傳。

2.3 概念模型構(gòu)建

根據(jù)實(shí)體集、聯(lián)系集和屬性集的3個基本概念[13]，使用ER (entity relationship)圖構(gòu)建PF造型意象本體模型，將企業(yè)和消費(fèi)者對于意象的模糊感官轉(zhuǎn)換為確定的概念集合。具體模型如圖1所示。

圖1 產(chǎn)品族造型意象本體E-R模型

族意象實(shí)體從同族、泛族、異族3部分進(jìn)行表征，從PF研究對象自身、企業(yè)識別、品牌精神、新時代產(chǎn)品設(shè)計的風(fēng)格趨勢、其他產(chǎn)品優(yōu)質(zhì)設(shè)計特征等方面提取意象，意象具有不同的表征度作為屬性；產(chǎn)品造型特征具有不同的特征類別屬性。由于消費(fèi)者對產(chǎn)品意象評價的模糊性，族意象實(shí)體和造型特征實(shí)體間存在多對多的映射關(guān)聯(lián)，其本身帶有造型特征權(quán)重的屬性。

3 族意象詞匯挖掘機(jī)制研究

3.1 基于word2vec的意象詞匯泛化方法

意象詞匯是表征用戶對產(chǎn)品設(shè)計特征的認(rèn)知重要手段，意象詞匯的擴(kuò)展、泛化為PF成族提供了有效途徑。詞向量指通過語言模型學(xué)習(xí)得到的詞的分布式特征表示，也稱詞編碼，可以非稀疏的表示大規(guī)模語料中復(fù)雜的上下文信息[14]。MIKOLOV等[15]率先在2013年提出了word2vec語言模型，并有效地訓(xùn)練詞向量，同年Google實(shí)驗(yàn)室開源Word2vec詞向量工具。

Word2vec的本質(zhì)是一種淺層的神經(jīng)網(wǎng)絡(luò)模型。其原理是基于語言概率模型CBOW(continuous bag of words)和Skip-gram。其中CBOW模型利用目標(biāo)詞前后的詞匯集去預(yù)測當(dāng)前詞，而Skip-gram模型用目標(biāo)詞去預(yù)測其上下文的詞匯集，使得概率最大化。2種模型分別如圖2和3所示。

圖2 CBOW模型

圖3 Skip-gram模型

2種概率模型的目的均利用最大似然估計(maximum likelihood estimate，MLE)，使得目標(biāo)對數(shù)函數(shù)為

由式(2)得到模型的最優(yōu)參數(shù)，利用其對模型進(jìn)行預(yù)測。其中，為訓(xùn)練語料；()為詞匯的周邊詞的集合。

本文從同族、泛族、異族3方面有針對性地搜集產(chǎn)品描述語料，訓(xùn)練有汽車設(shè)計語意屬性的詞向量模型。

3.2 基于PCA的意象詞匯提取

利用word2vec處理語料資源將得到大量的詞匯，在進(jìn)行評判統(tǒng)計時，需要降低評價維度。本文利用PCA進(jìn)行量表的數(shù)據(jù)降維，其核心是保留了數(shù)據(jù)集中對方差貢獻(xiàn)最大的若干個特征來表征全部數(shù)據(jù)對象，以達(dá)到簡化數(shù)據(jù)集的目的。

衡量評價維度之間的相關(guān)度，再利用協(xié)方差矩陣的特征值得到每一主成分的貢獻(xiàn)率為

根據(jù)貢獻(xiàn)率選取降維后的主成分?jǐn)?shù)量，根據(jù)旋轉(zhuǎn)成分矩陣可得到主成分與原始意象詞匯的線性組合，從而確定主意象成分的含義。

3.3 族意象詞匯挖掘機(jī)制

本文通過構(gòu)建對意象詞匯先關(guān)聯(lián)性拓展再降維提取的機(jī)制，模擬了設(shè)計師先發(fā)散后收斂的思維模式。

步驟1.結(jié)合PF造型意象本體模型，使用網(wǎng)絡(luò)爬蟲工具以同族、泛族、異族造型意象為切入點(diǎn)進(jìn)行產(chǎn)品描述語料的獲??；

步驟2.在對原始語料預(yù)處理的基礎(chǔ)上，導(dǎo)入語言概率模型中進(jìn)行word2vec訓(xùn)練。完成訓(xùn)練后，尋找敏感詞匯在向量空間中的關(guān)聯(lián)詞，并通過專業(yè)設(shè)計師的人工評判處理進(jìn)行迭代聯(lián)想，最終構(gòu)建出可視化的意象詞匯知識網(wǎng)絡(luò)；

步驟3.通過李克特量表構(gòu)建評價矩陣，使用PCA進(jìn)行典型意象詞匯的提取，并結(jié)合正交實(shí)驗(yàn)完成意象詞匯與造型特征間的映射。具體的意象詞匯挖掘機(jī)制如圖4所示。

圖4 產(chǎn)品族意象挖掘機(jī)制

4 實(shí)例研究

汽車前臉承載著汽車產(chǎn)品信息傳遞的重要功能，是向消費(fèi)人群表現(xiàn)品牌基因的重要載體[16]。本文以馬自達(dá)MX5系列跑車新能源版的前臉造型設(shè)計開發(fā)為例，構(gòu)建PF造型風(fēng)格本體模型，說明該方法的有效性。

4.1 族意象詞匯聯(lián)想拓展

本文從3部分收集語料，其中以Mx-5強(qiáng)烈的跑車基因作為同族意象，訓(xùn)練語料從官網(wǎng)描述和汽車媒體網(wǎng)站的測評文章中獲得；馬自達(dá)企業(yè)精神和品牌識別作為泛族意象；訓(xùn)練語料從官方網(wǎng)站和對馬自達(dá)汽車設(shè)計師的專訪文章中獲得；新能源汽車行業(yè)的屬性為異族意象，描述語料通過對市場上新晉的新能源汽車品牌和媒體測評中獲得。

利用開源的語義分析平臺NLPIR (http://ictclas. nlpir.org)對目標(biāo)網(wǎng)頁的文字內(nèi)容進(jìn)行抓取，共獲得約15萬字的原始語料；并利用平臺對語料進(jìn)行詞頻統(tǒng)計，獲得高頻詞匯：“馬自達(dá)”“跑車”“新能源”和“MX-5”，再結(jié)合語料信息人工提取“人馬一體”“魂動”作為高頻詞匯。

使用Jieba庫對原始語料進(jìn)行分詞和停用詞處理，再將語料導(dǎo)入word2vec模型中完成向量空間下詞典的構(gòu)建。將統(tǒng)計得到的高頻詞匯構(gòu)成敏感詞庫，在向量詞典中輸入詞庫可以計算得到其關(guān)聯(lián)詞，完成對于敏感詞匯的發(fā)散。

本文將敏感詞匯“跑車”“MX-5”發(fā)散得到的關(guān)聯(lián)詞作為同族意象詞匯；以“馬自達(dá)”“魂動”“人馬一體”“創(chuàng)馳藍(lán)天”發(fā)散得到的關(guān)聯(lián)詞作為泛族意象詞匯；以“新能源”發(fā)散得到的關(guān)聯(lián)詞作為異族意象詞匯。以敏感詞匯“馬自達(dá)”為例，根據(jù)詞向量距離設(shè)定閾值，使用python的matplotlab庫工具進(jìn)行可視化圖譜表征，結(jié)果如圖5所示。

圖5 詞匯“馬自達(dá)”的關(guān)聯(lián)詞可視化圖譜

對上述7個敏感詞匯進(jìn)行關(guān)聯(lián)詞拓展，將詞向量結(jié)果輸出成表，結(jié)合既定的篩選規(guī)則，經(jīng)設(shè)計師小組討論進(jìn)行人工處理。

研究定義人工處理流程如下：

(1) 按照詞匯關(guān)聯(lián)度數(shù)值進(jìn)行降序排列，篩選出關(guān)聯(lián)度為0.8以上的數(shù)據(jù)，以“馬自達(dá)”為例結(jié)果見表1。

(2) 過濾關(guān)聯(lián)詞中過于主觀的詞匯，如“勇毅”等，過濾表意不清的詞匯如“巧”等。最終得到詞匯“靈感”“優(yōu)雅”“純粹”“細(xì)膩”“敏捷”和“優(yōu)異”作為第一級的聯(lián)想詞匯。

(3) 對聯(lián)想詞進(jìn)行拓展，得到下一級聯(lián)想詞。經(jīng)專家小組討論對詞匯進(jìn)行選擇，或直接替換上一級詞匯作為篩選后的詞匯。并共同構(gòu)成李克特量表的評價詞匯。

(4) 剔除已被過濾的詞匯，對剩余的詞匯構(gòu)建知識圖譜，如圖6所示。

表1 詞匯“馬自達(dá)”關(guān)聯(lián)詞表(部分)

4.2 族意象詞匯降維提取

按照同族、泛族、異族3部分選取樣本，分別包含Mazda MX-5車系歷代前臉、Mazda最新的家族式前臉、新晉品牌的新能源汽車前臉。用輪廓特征線的表達(dá)方式[17]，提取了如圖7所示的典型產(chǎn)品樣本并進(jìn)行編號。其中，因第一代Mazda MX-5的設(shè)計語言與后續(xù)PF風(fēng)格相差較大而不作為研究對象。

使用篩選出的意象詞匯，按照同族、泛族、異族的分類與產(chǎn)品樣本對應(yīng)，分別設(shè)計3×12，2×12，3×11維的李克特量表問卷。邀請64名受訪者，其中包含10名馬自達(dá)汽車的資深用戶、12名工業(yè)設(shè)計和產(chǎn)品設(shè)計專業(yè)的教授、9名在職工業(yè)設(shè)計師以及33名設(shè)計類專業(yè)的學(xué)生。受訪者對產(chǎn)品樣本與意象詞匯的符合度進(jìn)行1～5的評分，對結(jié)果求平均值處理得到樣本在各意象評價維度下的得分，表2以異族產(chǎn)品樣本的得分為例。

并分別對同族、泛族、異族產(chǎn)品樣本的得分表進(jìn)行PCA：

(1) 對樣本得分表做標(biāo)準(zhǔn)化處理，計算其對應(yīng)的12維協(xié)方差矩陣，得到表3。

(2) 使用Matlab軟件計算協(xié)方差矩陣的特征向量值，帶入式(4)得到各成分貢獻(xiàn)率，對異族樣本所有成分的特征值進(jìn)行貢獻(xiàn)率分析，排序整理得到表4。

圖6 馬自達(dá)MX-5車型意象詞匯聯(lián)想圖譜

(3) 使用SPSS軟件對得分表進(jìn)行旋轉(zhuǎn)因子分析，得到旋轉(zhuǎn)空間中的主成分圖8和旋轉(zhuǎn)成分矩陣表5，根據(jù)表中主成分與意象詞匯之間的線性關(guān)系，可進(jìn)一步提取得到代表性意象詞匯。

由表5可得到提取的3個主成分與原始評價的負(fù)載系數(shù)值。根據(jù)負(fù)載系數(shù)可將異族第一主成分解釋為“未來感的”。結(jié)合異族成分的貢獻(xiàn)度表4可知，若提取第一主成分1為未來感時，可以表達(dá)異族意象48.48%的信息。

同理提取出的同族代表意象“流暢的”表達(dá)了40.5%的信息，泛族代表意象“獨(dú)特的”表達(dá)了40.58%的信息。

圖7 典型產(chǎn)品樣本

表2 產(chǎn)品樣本意象得分表(以異族樣本為例)

表3 協(xié)方差矩陣

表4 異族成分貢獻(xiàn)率

圖8 旋轉(zhuǎn)空間中主成分圖

表5 旋轉(zhuǎn)成份矩陣

4.3 族意象詞匯與造型特征的關(guān)聯(lián)構(gòu)建

本文對9個典型樣本按照前燈區(qū)域、格柵區(qū)域、下進(jìn)氣口區(qū)域、霧燈區(qū)域以及整體輪廓5個部分進(jìn)行了設(shè)計要素劃分，并提取樣本的特征類別，結(jié)果見表6。邀請12名專家用戶，對典型樣本按照“獨(dú)特的”“流暢的”和“未來感的”3個代表性意象維度打分，對得分進(jìn)行正交試驗(yàn)分析，結(jié)果見表7。每個評價維度需對設(shè)計要素的最高得分進(jìn)行標(biāo)灰處理，即得到最能表征此意象的特征類別。

表6 汽車前臉造型特征

根據(jù)3個典型評價維度在5個設(shè)計要素的最高分，制作成如圖9所示的設(shè)計要素篩選折線圖。

表7 正交實(shí)驗(yàn)評價值

圖9 設(shè)計特征篩選折線圖

從圖9可看出，在典型意象詞匯的維度下，造型得分最優(yōu)的設(shè)計特征組合為：線條感強(qiáng)的整體輪廓、貫穿型前燈、近七邊形進(jìn)氣格柵、過渡轉(zhuǎn)折型的下進(jìn)氣口、三角星型形的霧燈組。

4.4 本體模型可視化及造型方案

基于PF意象詞匯實(shí)體、PF造型基因?qū)嶓w以及兩者間的關(guān)聯(lián)，使用protege工具構(gòu)建了PF造型意象本體模型，如圖10所示。

研究通過意象詞匯挖掘機(jī)制，構(gòu)建了PF造型意象本體模型，模型中展示了意象詞匯的關(guān)聯(lián)關(guān)系，及其與產(chǎn)品造型特征的映射關(guān)系。

利用本體模型提高了研究者對設(shè)計知識的檢索效率，提高了知識重用性，以圖11檢索代表意象詞匯“獨(dú)特”為例：一方面可得出與本詞同屬于同族的典型意象詞匯還有“年輕的”“純粹的”和“酣暢的”等，為研究者尋找新的PF意象提供參考。另一方面根據(jù)映射關(guān)系可得，在本車型的設(shè)計中，使用貫穿型的前大燈和三角星的霧燈造型，更能表征意象“獨(dú)特的”，為后續(xù)設(shè)計提供方向。

圖10 產(chǎn)品族造型意象本體模型

圖11 意象詞匯“獨(dú)特的”檢索結(jié)果

再檢索意象詞匯“流暢的”和“未來感的”，得到其對應(yīng)的設(shè)計要素下的產(chǎn)品造型特征，依據(jù)結(jié)論對子代產(chǎn)品進(jìn)行能體現(xiàn)該意象的設(shè)計，分別得到“獨(dú)特型”“流暢型”和“未來感型”的概念設(shè)計方案，見表8。

表8 概念設(shè)計方案

5 結(jié)束語

基于詞向量和PCA方法制定了意象詞匯挖掘機(jī)制，完成了目標(biāo)PF造型意象本體模型的構(gòu)建。結(jié)論如下：

(1) 訓(xùn)練了具有特定行業(yè)屬性的word2vec模型，為調(diào)研者提供了利用網(wǎng)絡(luò)資源輔助聯(lián)想意象詞匯的技術(shù)手段；

(2) 通過構(gòu)建意象詞匯挖掘機(jī)制，模擬了先發(fā)散后收斂的思維模式，提高了意象詞匯提取的準(zhǔn)確性；

(3) 構(gòu)建了PF造型意象本體模型，增強(qiáng)了設(shè)計知識的檢索效率，提高了設(shè)計知識的重用性。

本文重點(diǎn)探討了族意象詞匯挖掘機(jī)制和意象本體模型的建立，而在此模型的基礎(chǔ)上，對設(shè)計知識進(jìn)行數(shù)據(jù)化地表征還有待進(jìn)一步探究。

[1] KIM G, KWON Y, SUH E S, et al. Analysis of architectural complexity for product family and platform[J]. Journal of Mechanical Design, 2016, 138(7): 071401.

[2] 蘇建寧, 張秦瑋, 張書濤, 等. 產(chǎn)品意象造型進(jìn)化設(shè)計研究進(jìn)展[J]. 機(jī)械設(shè)計, 2014, 31(2): 97-102.

SU J N, ZHANG Q W, ZHANG S T, et al. Development of product image modeling evolutionary design[J]. Journal of Machine Design, 2014, 31(2): 97-102 (in Chinese).

[3] 陳世斌, 楊雙建, 朱蕾, 等. 基于BP神經(jīng)網(wǎng)絡(luò)的轎車造型意象設(shè)計與量化預(yù)測模型建立[J]. 包裝工程, 2019, 40(16): 128-133.

CHEN S B, YANG S J, ZHU L, et al. Design and quantification of cars modeling imagery based on BP neural network[J]. Packaging Engineering, 2019, 40(16): 128-133 (in Chinese).

[4] 楊梅, 薛明明. 基于用戶多維感官需求的家具意象評價方法探究[J]. 包裝工程, 2020, 41(8): 111-117, 139.

YANG M, XUE M M. Furniture image evaluation method based on user's multi-dimensional sensory needs[J]. Packaging Engineering, 2020, 41(8): 111-117, 139 (in Chinese).

[5] 張文召, 呂健, 潘偉杰, 等. 多目標(biāo)驅(qū)動的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型研究[J]. 圖學(xué)學(xué)報, 2019, 40(2): 335-343.

ZHANG W Z, LV J, PAN W J, et al. Research on model of product form gene network driven by multi-objective[J]. Journal of Graphics, 2019, 40(2): 335-343 (in Chinese).

[6] 王穎琇. 基于本體的產(chǎn)品造型交互設(shè)計方法及應(yīng)用[D]. 杭州: 浙江農(nóng)林大學(xué), 2017.

WANG Y X. Product modeling interaction design method based on ontology and its application[D]. Hangzhou: Zhejiang A & F University, 2017 (in Chinese).

[7] 張新新, 楊明剛, 張書濤, 等. 基于本體的產(chǎn)品色彩意象知識表達(dá)[J]. 包裝工程, 2019, 40(8): 41-46.

ZHANG X X, YANG M G, ZHANG S T, et al. Knowledge expression of product color image based on ontology[J]. Packaging Engineering, 2019, 40(8): 41-46 (in Chinese).

[8] 劉偉, 馬宏, 曹國忠. 基于本體論的小型農(nóng)機(jī)快速響應(yīng)設(shè)計[J]. 機(jī)械設(shè)計與研究, 2017, 33(2): 12-16, 24.

LIU W, MA H, CAO G Z. Research on rapid response design for small agriculture machine based on ontology[J]. Machine Design & Research, 2017, 33(2): 12-16, 24 (in Chinese).

[9] 胡浩, 傅望, 秦菊英, 等. 面向意象移植的產(chǎn)品風(fēng)格本體建模研究[J]. 人類工效學(xué), 2015, 21(3): 60-63.

HU H, FU W, QIN J Y, et al. Research on product style ontology modeling for image transplantation[J]. Chinese Journal of Ergonomics, 2015, 21(3): 60-63 (in Chinese).

[10] 徐姝, 周海海. 整合產(chǎn)品族與泛族群的汽車前臉形態(tài)演進(jìn)設(shè)計[J]. 機(jī)械制造與自動化, 2018, 47(3): 40-43, 48.

XU S, ZHOU H H. Integrating morphological evolution product family and pan-ethnic-group product into car front face design[J]. Machine Building & Automation, 2018, 47(3): 40-43, 48 (in Chinese).

[11] 賈樂賓, 張雅梅. 儒家“美”、“善”語境下的智能家電產(chǎn)品形態(tài)設(shè)計研究[J]. 設(shè)計, 2020, 33(11): 14-16.

JIA L B, ZHANG Y M. Research on the form design of smart home appliances in the context of Confucian “beauty” and “good”[J]. Design, 2020, 33(11): 14-16 (in Chinese).

[12] 栗嘉琪, 周力輝. 基于參數(shù)化描述的電動汽車前臉造型發(fā)展趨勢研究[C]//2019中國汽車工程學(xué)會年會論文集. 北京: 機(jī)械工業(yè)出版社, 2019: 416-421.

LI J Q, ZHOU L H. Research on the development trend of front face modeling of electric vehicles based on parametric description[C]//Proceedings of 2019 China Society of Automotive Engineering . Beijing: China Maching Press, 2019: 416-421(in Chinese).

[13] 牛榮, 陳紀(jì)龍, 杜義君. 數(shù)據(jù)庫設(shè)計中ER模型設(shè)計的一些基本問題探討[J]. 信息技術(shù)與信息化, 2019(7): 189-192.

NIU R, CHEN J L, DU Y J. Discussion on some basic problems of ER model design in database design[J]. Information Technology and Informatization, 2019(7): 189-192 (in Chinese).

[14] 林奕歐, 雷航, 李曉瑜, 等. 自然語言處理中的深度學(xué)習(xí): 方法及應(yīng)用[J]. 電子科技大學(xué)學(xué)報, 2017, 46(6): 913-919.

LIN Y O, LEI H, LI X Y, et al. Deep learning in NLP: methods and applications[J]. Journal of University of Electronic Science and Technology of China, 2017, 46(6): 913-919 (in Chinese).

[15] MIKOLOV T, SUTSKEVER I, CHEN K, et al.Distributed representations of words and phrases and their compositionality[C]//The 26th International Conference on Neural Information Processing Systems. New York: ACM Press, 2013: 3111-3119.

[16] 牟瓊坤. 基于品牌基因的國產(chǎn)自主汽車前臉衍變設(shè)計研究: 以哈弗汽車為例[D]. 長春: 長春工業(yè)大學(xué), 2019.

MU Q K. Research on the evolution design of domestic independent automobile brand vehicle front face based on brand gene —take haval as an example[D]. Changchun: Changchun University of Technology, 2019 (in Chinese).

[17] 蘇建寧, 朱赫, 楊文瑾, 等. 基于拓?fù)淅碚摰漠a(chǎn)品仿生形態(tài)進(jìn)化設(shè)計方法[J]. 包裝工程, 2020, 41(10): 129-135, 149.

SU J N, ZHU H, YANG W J, et al. Bionic form evolution design method of product based on topology theory[J]. Packaging Engineering, 2020, 41(10): 129-135, 149 (in Chinese).

Research on product family ontology modeling image mining method based on big data

WANG Peng, ZHU Wei-long

(School of Design and Art, Lanzhou University of Technology, Lanzhou Gansu 730050, China)

The research is aimed at improving the accuracy of product modeling image formation and enhancing the standardization of image vocabulary extraction and knowledge reusability in the research on perceptual engineering. This research started with the concepts of homogenousness, pan-ethnicity, and heterogeneousness, and defined the model image ontology of the target product family; then, with the help of word2vec tools and principal component analysis (PCA), the relevance association and dimensionality reduction extraction of the product family image vocabulary was respectively completed, thereby constructing an image vocabulary mining mechanism. This mechanism can assist designers to more efficiently and accurately mine the image of the target product using network big data resources, which can to a certain extent solve the vagueness of the image mining method in traditional perceptual engineering. Finally, combining the mapping relationship between the image vocabulary and the modeling features, the Protege tool was employed to construct the ontology model of the product family modeling image, which logically characterized the modeling image knowledge of the target product, and provided reference for the next-generation products to inherit and develop the original product family modeling image. Taking the modeling image of Mazda MX-5 car series as an example, the ontology model was constructed, and the conceptual design of the front face of the child product was undertaken.

product family; ontology model; image mining; Word2vec; principal component analysis

TP 751.1

10.11996/JG.j.2095-302X.2021061051

A

2095-302X(2021)06-1051-10

2021-02-06；

2021-03-29

甘肅省自然科學(xué)基金項(xiàng)目(20JR10RA165)

王 鵬(1980-)，男，甘肅蘭州人，副教授，碩士，碩士生導(dǎo)師。主要研究方向?yàn)楦行怨W(xué)、智能設(shè)計。E-mali：78933997@qq.com

6 February，2021；

29 March，2021

The Natural Science Foundation of Gansu Province (20JR10RA165)

WANG Peng (1980-), male, associate professor, master. His main research interests cover perceptual engineering and intelligent design. E-mali：78933997@qq.com