基于设计师画像的行业信息推荐平台研究

Research on Information Recommendation Platform Based on Designer Portrait

摘要: 本文在综合分析了行业信息、设计师画像、推荐平台和产学研的研究现状后，针对当前行业信息推荐系统中设计师画像指标少、划分粗略、评价缺乏客观性等问题，以及目前行业信息推荐均采用领域分类的方式进行、推送系统的个性化水平较低、对设计师需求研究不足的问题，提出了设计师画像构建、基于设计师画像的指标客观评价、行业信息推荐类别选择、结合设计师设计过程中的行业信息更新以及考虑针对设计师需求的个性化推送方法以更好地了解他们的需求和兴趣；基于设计师画像的指标客观评价，解决了评价指标不够客观的问题，可以更准确地评估设计师的能力和特点等。这些方法旨在改善行业信息推荐系统，使其更适应设计师的需求，提高信息的准确性和实用性。

Abstract: After a comprehensive analysis of industry information, designer portrait, recommendation platform and the research status of industry-university-research institutes, aiming at the problems such as few designer portrait indicators, rough division and lack of objectivity in the current industry information recommendation system, as well as the fact that the current industry information recommendation is carried out in the way of domain classification, the low level of individuation of the push system and insufficient research on the needs of designers, this paper proposes the construction of designer portrait, the objective evaluation of indicators based on designer portrait, the selection of industry information recommendation categories, the updating of industry information combined with the designer’s design process, and the personalized push method considering the designer’s needs to better understand their needs and interests. The objective evaluation based on the designer’s portrait solves the problem that the evaluation index is not objective enough, and can evaluate the designer’s ability and characteristics more accurately. These methods aim to improve the industry information recommendation system, make it more adaptable to the needs of designers, and improve the accuracy and practicality of information.

1. 引言

当下环境大数据发展迅速，将科技与设计产业结合，提供行业信息共享交流服务，形成完整的设计行业信息推荐服务体系，是新消费趋势下的必然产物。设计师是设计活动中的主体，设计师服务平台符合大发展方向的趋势。

2. 研究现状和内容

在设计师服务平台研究中，设计师能力画像的构建是研究的基础。在工业设计领域，牛端运用科学、系统的方法，建立了鉴别性较强的设计师胜任力特征模型 [1] ，将工业设计师胜任力特征分为创新、分析性思维、沟通技能、市场分析能力、专业素养等 [2] 。Le Deist和Winterton提出职业所需的能力包括概念的认知能力和操作性的功能能力，与个人效能相关的能力包括概念的元能力和操作的社会能力。这4个维度之间的关系形成了能力类型学的总体框架 [3] ，见图1。在设计过程中，设计师需要获得大量的知识。Chenetal指出个性化的知识推送可以刺激设计师的创新思维，提高产品创新效率，缩短产品设计周期。Petiotetal提出了一种通用方法，以合理的方式评估产品语义，以满足设计中的客户需求 [4] 。总结国内现有设计服务平台，大部分是为设计师提供工作机会，并且没有针对设计师个人能力特征有个性化的推荐。

Figure 1. The overall framework of competence typology: four dimensions

图1. 能力类型学的总体框架——四个维度

因此，提出了一种基于设计师画像的行业信息推荐平台研究，满足设计师对行业知识需求，帮助设计师和企业获取他们最需要的行业信息。平台以设计师需求作为研究对象，结合设计师能力模型、行业信息具体分类以及推荐模型等多个领域的研究，深入探索基于设计师画像的行业信息推荐。与传统设计服务平台相比，该平台把设计师和需要这些设计师的用户、企业、政府、平台精准地链接起来，让彼此能够准确的找到对方。

3. 基于设计师画像的行业信息推荐平台框架

在设计师与信息对接的过程中，不同的设计师和信息供给方对于选择的对象上有不同的要求，根据设计师和供给方的不同需求推送相应的行业信息内容，面向设计师和信息供给方的推荐平台框架如图2所示。

行业信息推荐平台可以分为四个步骤：

Figure 2. Industry information recommendation platform framework based on designer portrait

图2. 基于设计师画像的行业信息推荐平台框架

第一步是行业信息的分类和表达。为了使行业信息标准化，需要对行业信息数据进行分类和具体描述，以便于设计师准确检索信息，提高推荐效率。

第二步是对设计师画像的构建。主要包括设计师的知识水平和各项指标分析后对设计师进行精准评价。首先，由于设计师在目标领域、教育背景、设计经验等方面存在差异，在信息需求阶段应考虑其差异。其次，在设计师多次检索和自我更新后，通过分析设计师的潜在需求，分析需求导向，进一步推荐更适配的行业信息。

第三步是平台内行业信息的主动推送。根据设计师画像以及设计师在平台知识库中的资源检索行为，产业的需求导向，通过协同推荐算法，将合适的设计师和产业互相推送。

第四步是推送行业信息并收集反馈。为确保准确性，平台采用显性反馈，如设计师画像评分和标签，以及隐性反馈，如浏览历史、查看历史和搜索模式。平台将推荐基础匹配的企业信息给设计师，并记录企业和设计师的浏览时间、评价和收藏情况。当设计师再次被推荐相关企业信息时，系统会根据设计师的历史记录过滤后推送最优的企业信息。经过反复迭代，设计师的企业需求模型会不断完善，平台推荐的准确性也会提高。

4. 建立设计领域分类和设计师能力维度模型

4.1. 设计领域分类

随着科技水平的发展，设计行业与多行业融合产出新兴设计产业领域。结合大众使用率较多的设计咨询平台、设计信息类平台和设计产业类平台，总结设计行业内的具体分类，作为平台和设计师画像中的辅助工具，并随着平台和产业更新迭代。部分分类如表1所示。

Table 1. Classification of design industry fields (Select some fields)

表1. 设计行业领域分类(选取部分领域)

4.2. 设计师画像构建

4.2.1. 设计师画像指标建设

为了更准确地推送信息给设计师，需要对设计师进行行业信息需求分析和提取。该模型主要由设计师的信息背景构成，并可根据不同的设计任务进行调整。系统记录设计师的基本信息以及浏览、评价、收藏等行为，并将所有信息存储在设计师信息库中，作为个性化知识推荐的依据。

为了获得更加全面且符合创新设计的设计师能力模型，更好地支持行业信息精准服务开展，设计师画像需要能够全面、精准地反映设计师的水平。本人结合现有的设计师能力模型和自身参加设计项目的经验，调查分析猪八戒和一品威客平台上提供的基本信息，其中专业背景、知识整合能力、设计经验、概念生成能力、设计作品能力、设计师/设计作品的社会影响力、市场转化率这7类要素可能对设计师能力评价有显著影响 [5] 。最后提出基于平台客观性的设计师画像，构建了如图3所示的面向行业信息精准推荐的企业画像构成要素体系框架，分为元能力、认知能力、功能能力、社会能力4大类45项能力特征指标。

Figure 3. Designer portrait index construction

图3. 设计师画像指标建设

1) 元能力。鉴于设计师的基本信息，需要在设计师画像中纳入教育层次和专业背景，为确定符合设计师的行业信息需求提供支持。从既往情况来看，教育层次即为学历背景，细分为大专到博士后水平。而专业背景细分为设计领域。

2) 认知能力。对于设计师画像的构建来说，设计师的知识获取能力与后续提升空间相关。基于此，认知模块构建中需要将能力提升速度、知识内化能力等纳入进来，为设计师匹配符合水平的行业信息。

3) 功能能力。设计师画像中引入功能能力的目的是为更精准地分析其在设计时的操作能力。其中，对于设计经验、设计调研能力、概念生成能力和设计作品能力的设定标准来说，最为关键的是概念生成能力和设计作品能力，对于这两项能力并非由设计师进行主观评价，专注于通过设计师的设计作品来分析出其中的评分。

4) 社会能力。在产业链视角下，平台其他参与者对设计师的信息需求主要包括两个方面，一是设计师的社会影响力，尤其是对于其设计作品和设计师本人，二是设计师的市场认可度。基于此，设计师画像构建中需要将设计师及设计作品的外部因素纳入进来，从而为更精准地分析其合作方信息需求提供支持。对于企业来说，其需求往往是扩大知名度和后续产品的创新创意研发，因此为准确分析设计作品的包括但不限于用户满意度、市场转化率等。

4.2.2. 设计师画像指标更新

设计师感兴趣的知识可以分为显性知识和隐性知识。隐性知识主要存在于人的大脑中，包括经验、技能、直觉、洞察力，以及难以表达的知识；显性知识是指明确表达和组织的知识，包括以文件、手册、报告、图片、声音、视频等形式存在的知识 [6] 。显性的兴趣知识很容易从设计师的报名信息中获得。而从历史操作日志中获得的兴趣知识则是隐性知识。为了有效地捕捉设计师的设计需求，需要实现从隐性知识到显性知识的转化。

4.3. 研究步骤

4.3.1. 数据处理

本文选取五位设计师画像为基本数据，评分指标总分共100分，其中各指标所占分值分别为：元能力10分，认知能力25分，功能能力40分，社会能力25分。将5名设计师指标分数组成一个集合 $x=\left\{x_1,x_2,x_3,x_4,x_5\right\}$ (也称为论域x)，分别标记为1号，2号，3号，4号，5号，则论域 $x=\left\{x_1,x_2,x_3,x_4,x_5\right\}$ 为被分类的对象。每个设计师都以元能力、认知能力、功能能力、社会能力的分数作为四项统计指标，即有： $x_{ij}=\left\{\begin{array}{ccccc}{x}_{i1}& x_{i2}& x_{i3}& x_{i4}& x_{i5}\end{array}\right\}$ ，这里 $x_{ij}$ 表示第i名设计师第j项指标。

4.3.2. 用最大最小法建立模糊相似矩阵

本文选取最大最小法建立模糊相似矩阵。最大最小法的计算公式为：

$r_{ij}=\frac{{\displaystyle {\sum }_{k=1}^m\min \left(x_{ik},x_{jk}\right)}}{{\displaystyle {\sum }_{k=1}^m\max \left(x_{ik},x_{jk}\right)}}$ (1)

其中 ${\displaystyle {\sum }_{k=1}^m\min \left(x_{ik},x_{jk}\right)}$ 是任意两行的最小值之和， ${\displaystyle {\sum }_{k=1}^m\max \left(x_{ik},x_{jk}\right)}$ 是任意两行的最大值之和。 $r_{ij}\left[0,1\right],\left(i=1,2,3,4,5;j=1,2,3,4\right)$ 是表示第i名设计师和第j名设计师在四项成绩指标上相似程度的量，借助MATLAB运算，得到5位设计师四项指标的模糊相似关系的矩阵。

4.3.3. 利用模糊等价关系进行聚类

利用模糊等价关系矩阵对5名设计师进行聚类分析，截距水平 $\lambda$ 从1降至0，按 $\lambda$ 截矩阵进行动态聚类。

取 $\lambda =1$ 时，则有：

$R=\left(\begin{array}{ccccc}1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0\\ 0& 0& 1& 0& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1\end{array}\right)$

由上面的矩阵可得，X被分为5类： $\left\{x_1\right\},\left\{x_2\right\},\left\{x_3\right\},\left\{x_4\right\},\left\{x_5\right\}$ ，即：{1号}，{2号}，{3号}，{4号}，{5号}。

降截距水平 $\lambda$ ，对不同的 $\lambda$ 做同样的分析，得到当 $\lambda =0.98$ 时，则有：

$R_{0.98}=\left(\begin{array}{ccccc}1& 1& 0& 1& 0\\ 1& 1& 0& 1& 0\\ 0& 0& 1& 0& 0\\ 1& 1& 0& 1& 0\\ 0& 0& 0& 0& 1\end{array}\right)$

由上面的矩阵可得，被分为3类： $\left\{x_1,x_2,x_4\right\},\left\{x_3\right\},\left\{x_5\right\}$ ，即{1号，2号，4号}，{3号}，{5号}。

当 $\lambda =0.85$ 时，则有：

$R_{0.85}=\left(\begin{array}{ccccc}1& 1& 0& 1& 1\\ 1& 1& 0& 1& 1\\ 0& 0& 1& 0& 0\\ 1& 1& 0& 1& 1\\ 1& 1& 0& 1& 1\end{array}\right)$

由上面的矩阵可得，被分为2类： $\left\{x_1,x_2,x_4,x_5\right\},\left\{x_3\right\}$ ，即{1号，2号，4号，5号}，{3号}。

当 $\lambda =0.84$ 时，则有：

$R_{0.84}=\left(\begin{array}{ccccc}1& 1& 1& 1& 1\\ 1& 1& 1& 1& 1\\ 1& 1& 1& 1& 1\\ 1& 1& 1& 1& 1\\ 1& 1& 1& 1& 1\end{array}\right)$

由上面的矩阵可得，X被分为1类： $\left\{x_1\right\},\left\{x_2\right\},\left\{x_3\right\},\left\{x_4\right\},\left\{x_5\right\}$ ，即：{1号}，{2号}，{3号}，{4号}，{5号}。

在分类过程中，可以看出若截距水平 $\lambda$ 取值过高时，设计师画像会各自分为一类；若截距水平 $\lambda$ 取值过低时，又会使设计师画像聚为一类，为了更好地进行聚类分析，同时又能客观合理地反映设计师之间的差别，按不同的截距水平 $\lambda$ 对设计师画像进行研究。当 $0.85\le \lambda \le 0.98$ 时，分类结果能较好地体现出设计师之间的差异，所以 $0.85\le \lambda \le 0.98$ 时的分类是科学可取的，说明分为一类的设计师能力相似程度较为接近。

5. 基于设计师画像的行业信息推荐

本研究的主要目的之一是基于设计师画像，开发一种有效的设计企业信息推荐系统。该系统可以根据设计师的个人特征和偏好，为其推荐最相关和最吸引人的企业信息。具体而言，本研究将通过以下步骤来实现上述目标：

首先，本研究将收集大量设计师的个人信息，包括教育背景、工作经验、专业领域、设计水平等，在这些方面进行综合分析和建模，从而构建出每个设计师的画像。接下来研究如何将这些设计师画像与企业信息相匹配。具体而言，平台将分析每个企业的属性和特点，比如知名度、领域、项目等，并将它们映射到设计师画像中。这样，平台就可以确定哪些企业更符合某个设计师的兴趣和能力。然后，我们将设计并实现一个推荐算法，该算法将考虑设计师画像及其历史项目经验，以及作品属性等多个因素，从而为设计师推荐最相关和最适合的企业或项目。为了提高推荐效果，我们还将采用机器学习和人工智能技术，对推荐算法进行优化和改进。

由于不同设计师对行业信息的需求、能力模块的隐藏特征以及信息之间的关系非常复杂，往往难以说清。不同于以往设计师企业推荐系统通过简单分类的方法实现信息的推荐，本文的推荐方法是：研究现有的基于设计师能力指标推荐的相关类型，基于企业和设计师的协同过滤推荐算法，我们可以将算法拆分成两个步骤，第一个就是要找到与目标设计师兴趣相似的用户集合，另外一个步骤就是找到这个集合中设计师喜欢的、并且目标设计师没有搜索过的行业信息推荐给设计师。通过捕获设计师能力特征向量和行业信息文本向量之间的交互关系实现完成对不同设计师的协同推荐 [7] 。

最后，我们将对设计师群体进行调查和实验，以评估我们的推荐系统的效果和可行性。通过这些实验和调查结果，我们可以得出结论，验证该推荐系统的有效性。

基于设计师画像的企业信息推荐系统是一种个性化、精准的企业推荐系统。本研究旨在探究如何通过设计师画像，为设计师提供符合其兴趣和能力的企业信息，从而增加其项目经历和产学合作。

6. 结语

在前文研究的基础上，本文最终研究了基于设计师画像的行业信息推荐平台。该平台采用设计师画像和行业大数据相融合的方式，建立设计师画像评价标准，并通过计算机协同推荐实现了行业信息推荐的创新设计。文章结合个性化推送方法进行了实验推送，验证了其成功性。并以某一设计师画像为例，详细介绍了该平台各个模块的使用方法。在未来研究中，可以考虑对创新设计任务进行分类，针对各类设计任务对能力模型进行调整，从而提高其实用性。此外，还可以进一步探索如何利用更多的数据源和更先进的技术来改进行业信息推荐平台的精准度和效率。

基金项目

浙江省科学技术厅“领雁”研发攻关计划项目(2022C01220)。

注释

文中所有图片均为作者自绘

NOTES

^*通讯作者。