基于深度学习的用户需求智能获取与产品设计创新方法研究

To solve the challenges faced in intelligent product design in internet era, this project studies big data and deep learning based methods for accurate discovery of consumer demands and intelligent design of products. First, relying on the big data environments such as online shopping site and product forums, this project researches accurate discovery methods for consumer demands, which are based on deep semantic similarity analysis. Second, for knowledge acquisition and representation of product design, we develop text semantic analysis and image labeling based methods and build a knowledge map for product design. Finally, in order to obtain novel and intelligent product designs, we design trend prediction methods based on big data, deep learning, and knowledge map of product design, construct a mapping model between consumer demands and design knowledge, and design a system for intelligent product design. Generally, this project focuses on developing key product intelligent design techniques, such as text analysis, image labeling, and trend prediction. The execution of this project can improve the informational and intelligent level of product design, and provide methodological and technical support for the transformation and upgrade of manufacturing industries.

本项目针对互联网环境下产品设计智能化所面临的挑战性问题，研究基于大数据深度学习的用户需求精准发现与产品智能设计创新方法和关键技术：1）依托网络购物平台、产品论坛等大数据环境，提出基于深度语义相似性分析的用户需求精准发现方法；2）针对产品设计知识获取和表示问题，提出基于文本语义分析和图像多标签标注的产品设计知识获取方法，构建产品设计知识图谱；3）提出基于大数据深度学习和产品设计知识图谱的设计趋势预测方法，建立用户需求与设计知识的映射模型，实现基于用户需求和设计知识的产品智能设计创新原型系统。项目重点突破产品智能设计创新的文本分析、图像标注和趋势预测等关键技术，研究成果将有助于提高产品设计的信息化和智能化水平，为制造业转型升级提供方法和技术支持。

新产品设计与开发过程中存在市场定位难、研发成本高、设计人员经验依耐性强等难题。以互联网为代表的信息技术飞速发展，促进了产品用户大数据和设计大数据的形成，为新产品研发提供了数据基础；爬虫技术、深度学习、图像处理等大数据技术的发展，为新产品研发提供了坚实的技术基础。受此启发，本项目研究提出了面向产品设计师的智能辅助设计（ADAS）方法与系统框架，实现了产品数据的采集、分析、检索、结构化处理，以及初步设计方案的自动生成。主要研究包括：（1）在数据获取方面，针对图像来源复杂、人工收集成本高问题，提出了基于网络爬虫和相似度比对的自适应图像获取和清洗方法，以自动化的方式实现设计方案库的构建和增广；（2）在图像检索方面，针对产品图像存在的多尺度变化和视角差异引起的相关关系减弱等问题，提出了基于格拉姆矩阵的跳连网络和相似度创新量化方法，实现产品图像的精确检索和设计方案的侵权分析；（3）在产品及其属性识别方面，针对标签细粒度和同属异物等难题，提出了特征关系学习网络和自监督的解构重建学习网络方法，大幅提升概念性属性的多标签识别精度，实现自动化产品图像结构化处理；（4）在设计趋势分析方面，提出了基于设计趋势影响要素的智能趋势分析法，利用文本分类和信息抽取的方法得到社会趋势、消费趋势和设计语言趋势，帮助设计师把握设计趋势；（5）在产品设计方案初步生成方面，为加快设计进程，提出了基于生成对抗网络的设计方案生成方法，以生成初步的设计方案和草图，辅助设计师提高产品设计效率。项目任务成果共发表9篇论文，其中SCI源刊论文2篇；申请软件著作权1项、实用新型专利1项，培养博士研究生5名，硕士研究生10名，指导本科毕业生25名。研究成果已应用于快手、华为、逸音电子、创新包装、非遗苗绣等新媒体、制造和文旅企业产品设计，产生了良好的经济和社会效益。