基于在线评论数据的用户感性需求挖掘研究
Research on User Kansei Demand Based on Online Comment Data Mining
DOI: 10.12677/SEA.2021.102008, PDF,    国家自然科学基金支持
作者: 袁 建, 吕 健*：贵州大学现代制造技术教育部重点实验室，贵州 贵阳；李媛媛：贵州大学机械工程学院，贵州 贵阳；万 露：华东计算技术研究所，上海
关键词: 感性工学；在线评论数据；用户感性需求；需求挖掘；Kansei Engineering； Online Comment Data； User Kansei Needs； Requirement Mining
摘要: 为了满足用户日益增长的感性需求，提升产品的满意度，本研究基于在线评论数据进行用户感性需求的挖掘研究。首先，以产品在线评论为数据源，通过网络爬虫获取评论数据中的感性需求；然后，通过关键词提取算法和聚类算法采集在线评论中具有代表性的用户感性需求；最后，基于感性工学技术对用户感性需求进一步展开分析，进而推测出符合用户需求的产品特征。将本文所提的用户感性需求挖掘研究方法应用在智能手表的感性需求挖掘中，验证了该方法的可行性。文章所提的研究方法能够快速从在线评论数据中挖掘到用户真实的感性需求，为感性工学中感性数据库的构建提供全新的信息输入渠道。同时，也为其他传统工业产品的设计提供思路的借鉴和参考。
Abstract: In order to meet the increasing kansei needs of users and improve product satisfaction, this re-search is based on online review data to conduct research on user kansei needs. First, use online product reviews as the data source to obtain kansei needs in the review data through web crawlers; then, collect representative kansei needs of users in online reviews through keyword extraction algorithms and clustering algorithms, which are represented by adjectives; finally, based on the kansei engineering technology, further analyze the user’s kansei needs, and then infer the product characteristics that meet the user’s needs. The user kansei demand mining research method proposed in this paper is applied to the kansei demand mining of smart watches, and the feasibility of this method is verified. The research method proposed in the article can quickly mine the real kansei needs of users from online comment data, and provide a new information input channel for the construction of perceptual database in kansei engineering. At the same time, it also provides reference for the design of other traditional industrial products.
文章引用：袁建, 吕健, 李媛媛, 万露. 基于在线评论数据的用户感性需求挖掘研究[J]. 软件工程与应用, 2021, 10(2): 51-59. https://doi.org/10.12677/SEA.2021.102008

参考文献

[1] Francalanza, E., Borg, J., Fenech, A. and Farrugia, P. (2019) Emotional Product Design: Merging Industrial and Engi-neering Design Perspectives. Procedia CIRP, 84, 124-129. [Google Scholar] [CrossRef] 
[2] 林丽, 郭主恩, 阳明庆. 面向产品感性意象的造型优化设计研究现状及趋势[J]. 包装工程, 2020, 41(2): 65-79.
[3] 王玉婷, 张守京. 老年浴缸设计中的感性要素研究[J]. 包装工程, 2020, 41(10): 168-174.
[4] 苏建宁, 王瑞红, 赵慧娟, 等. 基于感性意象的产品造型优化设计[J]. 工程设计学报, 2015, 22(1): 35-41.
[5] 宋君, 战洪飞, 余军合. 基于网络评论数据的产品设计综合评价模型的构建[J]. 计算机应用与软件, 2019, 36(1): 88-93+110.
[6] 李少波, 全华凤, 胡建军, 等. 基于在线评论数据驱动的产品感性评价方法[J]. 计算机集成制造系统, 2018, 24(3): 752-762.
[7] 刘蓓贝, 张融, 陈旭, 等. 基于大数据的产品色彩设计[J]. 包装工程, 2019, 40(14): 228-235.
[8] 任帅, 陆光. 基于在线评论的网络视频情感分类平台设计与实现[J]. 现代电子技术, 2019, 42(6): 170-174.
[9] 赵京胜, 朱巧明, 周国栋, 等. 自动关键词抽取研究综述[J]. 软件学报, 2017, 28(9): 2431-2449.
[10] 林丽, 张云鹍, 牛亚峰, 等. 基于网络评价数据的产品感性意象无偏差设计方法[J]. 东南大学学报(自然科学版), 2020, 50(1): 26-32.
[11] 常耀成, 张宇翔, 王红, 等. 特征驱动的关键词提取算法综述[J]. 软件学报, 2018, 29(7): 2046-2070.
[12] 张雪, 孙宏宇, 辛东兴, 等. 自动术语抽取研究综述[J]. 软件学报, 2020, 31(7): 2062-2094.
[13] 柳林青, 余瀚, 费宁, 等. 一种基于TextRank的单文本关键字提取算法[J]. 计算机应用研究, 2018, 35(3): 705-710.
[14] 周美玉, 龚丽娜, 刘飞. 聚类模型在感性设计中的应用[J]. 机械工程学报, 2008(7): 248-252.
[15] 师洁, 苏建宁, 李雄. 产品意象原型形态耦合优化设计研究[J]. 包装工程, 2019, 40(8): 47-53+129.
[16] 吕佳, 陈东生. 基于聚类算法的服装感性数据挖掘方法[J]. 纺织学报, 2014, 35(5): 108-112.
[17] Han, S.H. and Hong, S.W. (2003) A Systematic Approach for Coupling User Satisfaction with Product Design. Ergonomics, 46, 1441-1461. [Google Scholar] [CrossRef] [PubMed]

为你推荐