孫 斐，陸定邦，趙雨淋，孫 悅

(廣東工業(yè)大學(xué) 藝術(shù)與設(shè)計(jì)學(xué)院，廣東 廣州 510006)

由于市場環(huán)境的動(dòng)態(tài)性和競爭性風(fēng)險(xiǎn)，新產(chǎn)品和新工藝的開發(fā)已成為許多公司關(guān)注的關(guān)鍵點(diǎn)。這些新產(chǎn)品開發(fā)(new product development，NPD) 是一個(gè)復(fù)雜的領(lǐng)域[1]。NPD的時(shí)效性變得越來越緊迫，需要將科技與市場緊密結(jié)合起來。如果NPD無法跟上業(yè)務(wù)變化的步伐，企業(yè)就會(huì)面臨大幅下滑的威脅[2]。Luh等[3]提出了移情設(shè)計(jì)模型(emphatic design model,EDM)，能夠確定消費(fèi)者的認(rèn)知取向。移情設(shè)計(jì)是一種新的市場研究技術(shù)，旨在通過分析詳細(xì)的觀察結(jié)果來滿足消費(fèi)者的需求，說明設(shè)計(jì)模型能夠分析消費(fèi)者的需求，進(jìn)而改進(jìn)工業(yè)產(chǎn)品設(shè)計(jì)方法，縮短設(shè)計(jì)時(shí)間[4-5]。

在以上研究基礎(chǔ)上，Luh[6]首次提出動(dòng)機(jī)設(shè)計(jì)模型(motivation design model，MDM)，如圖1所示。它可以幫助進(jìn)一步了解目標(biāo)消費(fèi)者對(duì)產(chǎn)品印象的認(rèn)知結(jié)構(gòu)，推衍出更及時(shí)準(zhǔn)確的消費(fèi)者興趣域相關(guān)信息，如期待、抱怨或訴求等動(dòng)機(jī)；然后通過深入挖掘消費(fèi)者期待與生產(chǎn)方利益之間的關(guān)系，分類出生產(chǎn)方可能提供的有效的激勵(lì)因素。由此構(gòu)建一個(gè)包含期待、激勵(lì)、愿望和意愿為要素的消費(fèi)者特征與新產(chǎn)品特征能夠進(jìn)行耦合的擬合閉環(huán)，并輸出以消費(fèi)者視角占較大比重進(jìn)行分類的結(jié)果。

圖1 動(dòng)機(jī)設(shè)計(jì)模型Figure 1 Motivation design model,MDM

MDM是一種設(shè)計(jì)思維模型，其有效性和可行性需要被驗(yàn)證，所以研究結(jié)合設(shè)計(jì)技術(shù)智能化、數(shù)字化設(shè)計(jì)，架構(gòu)一種快速有效的產(chǎn)品分類框架MdmNet(圖2) 。它是基于一種將人類的設(shè)計(jì)思想嵌入機(jī)器學(xué)習(xí)技術(shù)進(jìn)行驗(yàn)證實(shí)現(xiàn)的新嘗試。MdmNet將MDM和CNN結(jié)合在一起，通過模擬算法來驗(yàn)證MDM的實(shí)踐應(yīng)用性。該框架構(gòu)建的基本假設(shè)是，消費(fèi)者信息可以通過一些事實(shí)數(shù)據(jù)進(jìn)行擴(kuò)展，并隨著更多信息的累積，產(chǎn)品分類的準(zhǔn)確性將得到提高。該框架將設(shè)計(jì)師角度的分類結(jié)果與消費(fèi)者角度的分類結(jié)果進(jìn)行集成，從而獲得更準(zhǔn)確的分類結(jié)果。

圖2 MdmNet主網(wǎng)絡(luò)組成Figure 2 The main network composition of MdmNet

MdmNet主要包括3個(gè)模塊：基于深度學(xué)習(xí)技術(shù)的目標(biāo)消費(fèi)者建模方法、基于MDM構(gòu)建消費(fèi)者特征閉環(huán)并輸出消費(fèi)者視角分類結(jié)果的消費(fèi)者信息推衍方法[7]，以及加權(quán)融合模塊。在基準(zhǔn)數(shù)據(jù)集Stanford Cars上進(jìn)行的實(shí)驗(yàn)證明了所提出的MdmNet具有顯著的性能。此實(shí)驗(yàn)方式首次將消費(fèi)者動(dòng)機(jī)分析引入到傳統(tǒng)的機(jī)器學(xué)習(xí)方法中，具有豐富的應(yīng)用前景。

1 相關(guān)問題描述

1.1 產(chǎn)品概念設(shè)計(jì)和產(chǎn)品分類方法的關(guān)系

NPD流程的第一步通常是要求完成概念設(shè)計(jì)階段[8]，也就是定義新產(chǎn)品的性質(zhì)和功能，其底層邏輯是對(duì)新產(chǎn)品進(jìn)行分類。傳統(tǒng)的產(chǎn)品分類過程基本是由設(shè)計(jì)師為代表的生產(chǎn)方(以下以“設(shè)計(jì)師方”代表生產(chǎn)方進(jìn)行論述) 在歷代產(chǎn)品的基礎(chǔ)上發(fā)展起來的。這種方式耗費(fèi)勞動(dòng)力且低效，已成為這些企業(yè)提速增效的瓶頸或制約因素。此外，由于設(shè)計(jì)過程由設(shè)計(jì)師方主導(dǎo)，消費(fèi)者參與度限制的客觀限制，常導(dǎo)致新產(chǎn)品與消費(fèi)者需求之間不能適時(shí)匹配。對(duì)于缺乏過去幾代產(chǎn)品經(jīng)驗(yàn)的公司來說，他們很難找到有效的產(chǎn)品分類流程和管理活動(dòng)[9]。

1.2 產(chǎn)品分類作用

產(chǎn)品開發(fā)過程的第1步是定義產(chǎn)品的性質(zhì)和功能，即對(duì)新產(chǎn)品進(jìn)行分類[10]。在此實(shí)驗(yàn)中，產(chǎn)品分類被定義為一個(gè)概念設(shè)計(jì)驗(yàn)證原型，并以相關(guān)設(shè)計(jì)學(xué)模型為基礎(chǔ)，應(yīng)用其概念及元素作為核心思維進(jìn)行解析擴(kuò)展。采用這種原型的主要目的是闡明產(chǎn)品功能和配置及其實(shí)際用途，從而幫助產(chǎn)品開發(fā)指明正確方向，幫助設(shè)計(jì)開發(fā)人員更容易地理解產(chǎn)品的需求特征，從而建設(shè)更加精準(zhǔn)有效的分組討論內(nèi)容，達(dá)到促進(jìn)新產(chǎn)品快速改進(jìn)、縮短市場開發(fā)時(shí)長的目的。

1.3 深度學(xué)習(xí)應(yīng)用

傳統(tǒng)的產(chǎn)品分類只使用產(chǎn)品特征作為輸入訓(xùn)練數(shù)據(jù)，因而這些方法也無法在產(chǎn)品與其目標(biāo)消費(fèi)者之間建立聯(lián)系，所以這樣的產(chǎn)品分類模型精度較低，對(duì)設(shè)計(jì)經(jīng)理幫助不大。如果給一臺(tái)機(jī)器更多任務(wù)定義的經(jīng)驗(yàn)，它的性能就會(huì)提高[11]。由于參考數(shù)據(jù)由設(shè)計(jì)師方定義，消費(fèi)者參與程度受限，因此從設(shè)計(jì)師的角度獲得的分類結(jié)果在多數(shù)情況下會(huì)占有較大的關(guān)注比重。對(duì)于一個(gè)產(chǎn)品，設(shè)計(jì)師和消費(fèi)者常會(huì)有不同的關(guān)注視角和關(guān)注特征，所以他們會(huì)有不同的定義。新產(chǎn)品的分類結(jié)果將影響產(chǎn)品設(shè)計(jì)方法。僅從設(shè)計(jì)師角度進(jìn)行分類的設(shè)計(jì)產(chǎn)品可能產(chǎn)生無法滿足消費(fèi)者需求的情況，從而影響新產(chǎn)品的匹配準(zhǔn)確度。

由于市場環(huán)境的動(dòng)態(tài)性和競爭性，業(yè)界普遍認(rèn)為新產(chǎn)品的兼容性，即一個(gè)新產(chǎn)品與消費(fèi)者的價(jià)值觀之間的一致性是一個(gè)動(dòng)態(tài)的復(fù)雜系統(tǒng)。兼容性與消費(fèi)者的體驗(yàn)、生活方式、宗教信仰，以及對(duì)產(chǎn)品項(xiàng)目的既有知識(shí)儲(chǔ)備有關(guān)[12]。如果設(shè)計(jì)師能夠從消費(fèi)者的角度預(yù)測消費(fèi)者對(duì)產(chǎn)品的定義，改進(jìn)產(chǎn)品設(shè)計(jì)方法，就可以提高設(shè)計(jì)生產(chǎn)效益?；谟?jì)算機(jī)智能從根本上是指機(jī)器對(duì)對(duì)象(如人類) 的功能的洞察能力，改進(jìn)分類結(jié)果的方案之一是將消費(fèi)者定義的數(shù)據(jù)集成到模型訓(xùn)練中。

2 模型建模與方法

2.1 網(wǎng)絡(luò)結(jié)構(gòu)

本文提出的產(chǎn)品分類框架MdmNet是將人本動(dòng)機(jī)思維嵌入機(jī)器學(xué)習(xí)技術(shù)的一種新嘗試。與大多數(shù)產(chǎn)品分類過程不同，MdmNet從消費(fèi)者的角度輸出分類結(jié)果，并與設(shè)計(jì)師的角度的分類結(jié)果集成獲得更全面的分類結(jié)果(圖2) 。

根據(jù)EDM可知，消費(fèi)者的行為與其認(rèn)知取向正相關(guān)，認(rèn)知與個(gè)人經(jīng)驗(yàn)有關(guān)，短期內(nèi)不會(huì)改變，行為也不會(huì)改變。因此，目標(biāo)消費(fèi)者的過去和未來購買之間存在相關(guān)性?？梢酝ㄟ^分析他們對(duì)相關(guān)產(chǎn)品的定義來預(yù)測他們對(duì)新產(chǎn)品的定義。目標(biāo)消費(fèi)者建模模塊的任務(wù)為獲取消費(fèi)者的興趣域，然后將興趣域提供給后續(xù)的MDM。消費(fèi)者建模的主要目的是在有限的已知數(shù)據(jù)基礎(chǔ)上擴(kuò)展信息，以彌補(bǔ)消費(fèi)者信息的不足。目標(biāo)消費(fèi)者建模模塊利用圖像檢索技術(shù)對(duì)目標(biāo)消費(fèi)者過去的購買數(shù)據(jù)庫來作擴(kuò)展新產(chǎn)品的參照信息進(jìn)行建模，探索消費(fèi)者購買歷史信息與現(xiàn)有產(chǎn)品信息之間的關(guān)系，對(duì)目標(biāo)消費(fèi)者進(jìn)行個(gè)性化建模并形成目標(biāo)消費(fèi)者的興趣域。

MDM可以構(gòu)建一個(gè)包括期待、激勵(lì)、期待和意愿的消費(fèi)者特征閉環(huán)，應(yīng)用于發(fā)現(xiàn)消費(fèi)者的興趣和期待。MDM輸出的是消費(fèi)者視角的分類結(jié)果。應(yīng)用MDM來設(shè)計(jì)以下實(shí)驗(yàn)步驟：首先，從每一類產(chǎn)品中隨機(jī)選擇一個(gè)標(biāo)準(zhǔn)圖像來模擬消費(fèi)者的期待。然后，在對(duì)現(xiàn)有產(chǎn)品庫進(jìn)行分類時(shí)，評(píng)估篩選出的新產(chǎn)品與預(yù)期之間的相似性。從消費(fèi)者的角度來看，相似性排名是指新產(chǎn)品所屬類別的順序。在MDM中，使用直方圖來描述產(chǎn)品特征，并使用Pearson相關(guān)系數(shù)來評(píng)估相似度。

通過前兩個(gè)模塊得到消費(fèi)者視角的分類結(jié)果。同時(shí)，通過使用基于ResNet的分類方法可以得到生產(chǎn)者視角的分類結(jié)果。這兩個(gè)結(jié)果都用排序序列表示，也就是說，新產(chǎn)品的最可能類別位于序列的頂部。分級(jí)越低，新產(chǎn)品就越不可能屬于此類。在融合模塊中，對(duì)兩個(gè)序列進(jìn)行加權(quán)融合。通過調(diào)整權(quán)重系數(shù)，可以調(diào)整消費(fèi)者視角結(jié)果和生產(chǎn)者視角結(jié)果在最終結(jié)果中的權(quán)重。

受CNN發(fā)展的啟發(fā)，該實(shí)驗(yàn)利用圖像檢索技術(shù)來擴(kuò)展目標(biāo)消費(fèi)者的信息。本文引入一個(gè)簡單而有效的監(jiān)督學(xué)習(xí)框架，用于快速圖像檢索，該框架以目標(biāo)消費(fèi)者過去的購買信息為輸入，輸出為所有相似的產(chǎn)品[13]。具體而言，此模塊從過去購買庫中的產(chǎn)品和現(xiàn)有產(chǎn)品庫中提取功能。然后計(jì)算新乘積向量與庫向量之間的距離，找到相似對(duì)，并將對(duì)應(yīng)的相似乘積作為搜索結(jié)果。

2.2 動(dòng)機(jī)設(shè)計(jì)模式

目標(biāo)消費(fèi)者建模步驟中，實(shí)驗(yàn)利用機(jī)器存儲(chǔ)和算法的放大、疊加、倍增方式，以圖像檢索技術(shù)來實(shí)現(xiàn)目標(biāo)消費(fèi)者的興趣域建立，然后將消費(fèi)者的興趣域收斂成MDM中的期待要素，繼續(xù)輸出成消費(fèi)者視角的分類結(jié)果。

在驗(yàn)證的實(shí)驗(yàn)比對(duì)中，首先將隨機(jī)選取每個(gè)類別的標(biāo)準(zhǔn)產(chǎn)品形象作為消費(fèi)者期待的標(biāo)準(zhǔn)值，再從消費(fèi)者的角度計(jì)算分類結(jié)果的后續(xù)輸出的期待和興趣之間的相似性。在計(jì)算相似度之前，先對(duì)圖像進(jìn)行預(yù)處理。為了恢復(fù)產(chǎn)品分類的真實(shí)情況，將原始彩色圖像調(diào)整為(56,56)，只保留一個(gè)通道，這可以大大提高框架的響應(yīng)速度。

另外，在MDM中的預(yù)處理階段采用直方圖均衡化技術(shù)，產(chǎn)品圖像由直方圖描述。實(shí)驗(yàn)需要評(píng)估目標(biāo)消費(fèi)者的興趣和期待之間的相似性。結(jié)論采用Bhattacharyya系數(shù)和Pearson相關(guān)系數(shù)計(jì)算相關(guān)性進(jìn)行顯示。

Pearson相關(guān)系數(shù)是一個(gè)線性相關(guān)系數(shù)，它反映了兩個(gè)量之間的線性相關(guān)程度。Pearson系數(shù)的范圍為-1到1。絕對(duì)值越接近1，相關(guān)性越強(qiáng)(負(fù)相關(guān)性/正相關(guān)性) 。如表1所示，對(duì)于屬于同一類別的Img1和Img2，它們之間的Pearson系數(shù)顯著高于不同類別之間的Pearson系數(shù)，而Bhattacharyya系數(shù)沒有顯著差異。因此，實(shí)驗(yàn)選取Pearson相關(guān)系數(shù)來評(píng)價(jià)目標(biāo)消費(fèi)者的興趣域與期待之間的相關(guān)性。

表1 MdmNet的性能參數(shù)Table 1 The performance parameters of MdmNet

對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)模型，在不增加新的訓(xùn)練數(shù)據(jù)的情況下，每次模型的輸出都是一致的。然而，人不同于機(jī)器，消費(fèi)者在對(duì)產(chǎn)品進(jìn)行分類時(shí)，決策可能會(huì)受到各種心理和環(huán)境因素的影響，包括個(gè)人、時(shí)間、地點(diǎn)、事件、事物或情況，從而產(chǎn)生個(gè)性化的結(jié)果。正如Luh[12]所述，需求引導(dǎo)著人類的行為。有些需要是外向的，與生理層面有關(guān)；有些需要是內(nèi)向的，與心理層面有關(guān)。盡管人類有各種各樣的需求，但經(jīng)過大量研究，基本需求的分類還是有限的。文化人類學(xué)家收集的大量證據(jù)表明，盡管不同文化在滿足這些需求的方式上存在巨大差異，但所有人的基本需求都非常相似，而由需求產(chǎn)生的心理動(dòng)機(jī)則因環(huán)境參數(shù)的不同而不同[7,14-16]。

MDM是基于人類動(dòng)機(jī)需求的概念提出的。在這個(gè)概念中，MDM從目標(biāo)消費(fèi)者的抱怨和訴求開始，然后從期待、激勵(lì)、愿望和意愿4個(gè)方面擴(kuò)展目標(biāo)消費(fèi)者的信息。最后，MDM將從消費(fèi)者與生產(chǎn)者相結(jié)合的角度輸出分類結(jié)果。

2.3 加權(quán)融合

從消費(fèi)者和設(shè)計(jì)師的角度獲得分類結(jié)果，并且這兩個(gè)結(jié)果都以有序序列Customer rank和Designer rank表示。以設(shè)計(jì)師角度的分類結(jié)果為例，新產(chǎn)品屬于哪個(gè)類別的概率越大，該類別在序列中的位置就越高。

傳統(tǒng)的產(chǎn)品分類框架只考慮設(shè)計(jì)師的角度，直接從設(shè)計(jì)師的角度輸出分類結(jié)果。但MdmNet將綜合考慮設(shè)計(jì)者和消費(fèi)者，并且在加權(quán)融合模塊中發(fā)生融合。

當(dāng)融合發(fā)生時(shí)，采用評(píng)分策略。以一個(gè)類別標(biāo)簽在等級(jí)中的位置作為分?jǐn)?shù)。對(duì)于一個(gè)標(biāo)簽，因?yàn)樗谠O(shè)計(jì)師和消費(fèi)者的排名中有不同的位置，因此將得到兩個(gè)分?jǐn)?shù)，分別記錄為Sdesigner和Scustomer。在MdmNet中，使用權(quán)重系數(shù)Wa和Wb分別定義Sdesigner和Scustomer對(duì)最終分?jǐn)?shù)的重要性。標(biāo)簽的最終得分計(jì)算如下。

之后，MdmNet將根據(jù)最終得分對(duì)標(biāo)簽進(jìn)行排序，并輸出得分最高的標(biāo)簽作為分類結(jié)果。

3 算例分析

3.1 數(shù)據(jù)集

Stanford Cars數(shù)據(jù)集包含196類汽車的圖像，分為8 144張訓(xùn)練圖像和8 041張測試圖像。等級(jí)通常為品牌、車型、年份，實(shí)驗(yàn)中需要設(shè)置3種數(shù)據(jù)集，新產(chǎn)品是測試集中的一個(gè)圖像；目標(biāo)消費(fèi)者以往的購買數(shù)據(jù)庫包含訓(xùn)練測試的所有圖像；目標(biāo)消費(fèi)者的期待值是從每一類測試集中隨機(jī)選取的。

3.2 消費(fèi)者興趣域

MdmNet中的目標(biāo)消費(fèi)者建模模塊通過圖像檢索技術(shù)獲得消費(fèi)者的興趣。圖3顯示了目標(biāo)消費(fèi)者建模模塊的輸出，是以往購買數(shù)據(jù)庫中與現(xiàn)有產(chǎn)品庫中最相似的10種選項(xiàng)?？梢钥闯?，消費(fèi)者建模模塊從以往購買數(shù)據(jù)庫中發(fā)現(xiàn)的類似產(chǎn)品與新產(chǎn)品相似，這表明消費(fèi)者建模模塊能夠擴(kuò)展目標(biāo)消費(fèi)者的信息。

圖3 目標(biāo)消費(fèi)者的興趣域被擴(kuò)大Figure 3 The target consumer’s area of interest is expanded

3.3 分類結(jié)果

為了更直觀地查看分類結(jié)果，本文使用產(chǎn)品本身而不是類別標(biāo)簽來表示結(jié)果。以圖4中的新產(chǎn)品為標(biāo)的，通過將相似度與目標(biāo)消費(fèi)者的期待值進(jìn)行比較，可以得到消費(fèi)者視角的分類結(jié)果，如消費(fèi)者排名所示。從設(shè)計(jì)師的角度來看，分類結(jié)果可以通過學(xué)習(xí)過去數(shù)據(jù)庫的數(shù)據(jù)獲得。設(shè)計(jì)師排名中顯示了概率最高的前10個(gè)分類結(jié)果。MdmNet的輸出結(jié)合了設(shè)計(jì)師和消費(fèi)者的結(jié)果。

圖4 MdmNet可以輸出更全面的產(chǎn)品分類結(jié)果Figure 4 MdmNet output more comprehensive product classification results

當(dāng)基準(zhǔn)數(shù)據(jù)集Cars上設(shè)置Wa為0.1，Wb為0.9時(shí)，MdmNet輸出的Top-1、Top-5及Top-10的正確率相對(duì)于設(shè)計(jì)師視角的傳統(tǒng)算法可分別提高0.789 7%、2.086 81%及2.692 46%。由此可見，MdmNet可以將消費(fèi)者的優(yōu)選排名和設(shè)計(jì)師的優(yōu)選排名進(jìn)行綜合考慮，從而產(chǎn)生更為全面的分類結(jié)果。當(dāng)Wa＞W(wǎng)b時(shí)，設(shè)計(jì)師的判斷對(duì)結(jié)果有更大影響；反之，消費(fèi)者的判斷會(huì)對(duì)結(jié)果有更大影響。通過實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論：當(dāng)訓(xùn)練數(shù)據(jù)和訓(xùn)練時(shí)間不能滿足深度學(xué)習(xí)模型的訓(xùn)練要求時(shí)，通過增加目標(biāo)消費(fèi)者對(duì)應(yīng)的權(quán)重系數(shù)，可以得到更準(zhǔn)確的判斷。

4 結(jié)論

本文提出了一種快速有效的產(chǎn)品分類方法，是基于將人本動(dòng)機(jī)思維嵌入機(jī)器學(xué)習(xí)技術(shù)的一種新嘗試。MdmNet的意義在于，它可以提高NPD的時(shí)效性，加快設(shè)計(jì)流程跟上并促進(jìn)業(yè)務(wù)變化的步伐，是傳統(tǒng)的人工設(shè)計(jì)方式結(jié)合深度學(xué)習(xí)技術(shù)的方式嘗試，在基準(zhǔn)汽車數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)表明，該方法具有良好的性能。

將深度學(xué)習(xí)技術(shù)與關(guān)注人本動(dòng)機(jī)的設(shè)計(jì)思維模型MDM相結(jié)合，以協(xié)助分析消費(fèi)者的相關(guān)動(dòng)機(jī)信息，并輸出側(cè)重消費(fèi)者視角的分類結(jié)果。使用MDM來激發(fā)消費(fèi)者的興趣和期待可以幫助設(shè)計(jì)師更好地激發(fā)消費(fèi)者在面對(duì)特定產(chǎn)品時(shí)的行為動(dòng)機(jī)。

該實(shí)驗(yàn)所提出的MdmNet是一個(gè)框架，它可以通過一些在人類動(dòng)機(jī)需求方面更有意義的機(jī)器學(xué)習(xí)技術(shù)來分析目標(biāo)消費(fèi)者，并且該框架能夠在沒有足量消費(fèi)者詳細(xì)信息的情況下，以一種加快迭代、側(cè)重牽引的方式運(yùn)行，這使得分析過程更高效、更滿意和更具牽引力。但是，目前還未評(píng)估這種產(chǎn)品分類方法在實(shí)際市場環(huán)境中是否能帶來經(jīng)濟(jì)效益，未來，還需要更多的案例研究。