角色模型的粗集-模糊聚類分析方法

西安文理學(xué)院 藝術(shù)學(xué)院，西安 710065

西安文理學(xué)院 藝術(shù)學(xué)院，西安 710065

1 引言

產(chǎn)品設(shè)計(jì)系統(tǒng)通常是從調(diào)和個(gè)性化定制與成本上升之間的矛盾，在速度和效率上優(yōu)化產(chǎn)品模型設(shè)計(jì)過(guò)程，通過(guò)產(chǎn)品功能模塊化，設(shè)計(jì)模型知識(shí)化、推理過(guò)程智能化，設(shè)計(jì)系統(tǒng)平臺(tái)化來(lái)實(shí)現(xiàn)個(gè)性化設(shè)計(jì)與多樣化設(shè)計(jì)，然而由于用戶需求模型的研究不足，制約了產(chǎn)品設(shè)計(jì)系統(tǒng)的效率與可用性。Alan Cooper[1]提出的角色分析方法可以滿足用戶個(gè)性化需求分析的需要，然而在產(chǎn)品設(shè)計(jì)中應(yīng)用不足?；诖旨哪：垲惤巧治龊湍Ｐ蜆?gòu)建方法，從用戶調(diào)研數(shù)據(jù)中通過(guò)模糊聚類分析提取典型用戶屬性特征，構(gòu)建具有代表性和個(gè)性化特征的角色模板，從而滿足產(chǎn)品個(gè)性化設(shè)計(jì)系統(tǒng)中對(duì)于用戶模型構(gòu)建的需要。

2 角色模型的含義與結(jié)構(gòu)

2.1 角色分析方法的研究

角色是指一系列能夠代表用戶對(duì)某種產(chǎn)品大部分需求的原型用戶（archetypal users），將具有細(xì)節(jié)特征的特定用戶形象作為設(shè)計(jì)對(duì)象的原型，進(jìn)行合理的需求推理單件，對(duì)產(chǎn)品細(xì)節(jié)特征設(shè)計(jì)做進(jìn)一步深入考慮得到具體設(shè)計(jì)方案是相對(duì)容易和明確的。角色分析即通過(guò)創(chuàng)建典型用戶模板來(lái)代表具有不同目標(biāo)的用戶，以角色模板為依據(jù)進(jìn)行產(chǎn)品需求分析以及個(gè)性化細(xì)節(jié)設(shè)計(jì)，以滿足具有類似目標(biāo)和需求的用戶群。

由于角色可以隨著場(chǎng)景的變換而改變，適用性和靈活性強(qiáng)，常用作設(shè)計(jì)分析的工具，用戶目標(biāo)評(píng)估的標(biāo)準(zhǔn)。在軟件系統(tǒng)的開發(fā)中已經(jīng)證明，角色分析在用戶需求模型的構(gòu)建上很有優(yōu)勢(shì)，如對(duì)于各種大型軟件系統(tǒng)的需求工程分析、施樂(lè)帕洛阿爾托研究中心面向方面的程序設(shè)計(jì)等[2-5]。但是，角色分析在軟件中的應(yīng)用主要以角色及其情境的定性描述為主，對(duì)于如何通過(guò)定量分析獲得角色模板沒(méi)有相應(yīng)的研究，所創(chuàng)建的角色也主要是作為構(gòu)建設(shè)計(jì)團(tuán)隊(duì)之間交流平臺(tái)的工具，在工業(yè)產(chǎn)品的概念設(shè)計(jì)中尚未得到充分利用[6]。

用于工業(yè)產(chǎn)品的概念設(shè)計(jì)建立基于角色分析的用戶模型（簡(jiǎn)稱角色模型），需要明確具有代表性的用戶群的個(gè)性化需求偏好強(qiáng)度，并以此進(jìn)行功能和設(shè)計(jì)指標(biāo)分析，建立可用的設(shè)計(jì)資源庫(kù)來(lái)提高設(shè)計(jì)效率和質(zhì)量，實(shí)現(xiàn)個(gè)性化的快速產(chǎn)品設(shè)計(jì)。因而，角色模型構(gòu)建的最大問(wèn)題首先在于典型用戶的識(shí)別和角色屬性的聚類分析，而這方面的文獻(xiàn)研究非常少見。本文根據(jù)用戶需求的模糊性、動(dòng)態(tài)性特征，結(jié)合John Pruitt提出的角色分析步驟和模糊聚類方法對(duì)角色模型提出以下改進(jìn)。

2.2 角色模型的結(jié)構(gòu)與定義

用戶模型是用戶需求集合的綜合描述，應(yīng)用角色分析，其結(jié)構(gòu)包含三個(gè)部分：用戶個(gè)性特征、產(chǎn)品偏好特征、設(shè)計(jì)關(guān)聯(lián)模型[7]。角色模型的內(nèi)部結(jié)構(gòu)如圖1所示。

圖1 用戶需求模型的內(nèi)部結(jié)構(gòu)關(guān)系圖

角色模型的相關(guān)概念定義如下。

定義1（角色（Personas）角色是指由現(xiàn)實(shí)的顧客群中提煉出來(lái)的典型用戶，其特征可以由個(gè)性特征Potraits，角色個(gè)性特征包含了用戶類型與社會(huì)信息（如年齡、性別、職業(yè)、與產(chǎn)品選擇相關(guān)的愛好等）、用戶特殊信息（如價(jià)值期望、特定目的、心理特性）、產(chǎn)品使用環(huán)境（使用條件、場(chǎng)景Scenario），Preference Model（產(chǎn)品偏好模型），Samples（偏好實(shí)例庫(kù)）等屬性構(gòu)成，數(shù)學(xué)表達(dá)如下：

Persona(i)=f(Potraits，Preference Model，Samples)

定義2（產(chǎn)品偏好特征（Production Preference，PR））產(chǎn)品偏好是指相對(duì)于可比較的產(chǎn)品或者產(chǎn)品屬性來(lái)說(shuō)，用戶寧愿選擇效用值大的一項(xiàng)。產(chǎn)品偏好特征是指用戶對(duì)產(chǎn)品的設(shè)計(jì)特征相關(guān)的要求（不涉及結(jié)構(gòu)因素），包括主導(dǎo)功能與可選功能的要求、功能實(shí)現(xiàn)的效用值范圍（性能與質(zhì)量的規(guī)定）、外觀的偏好風(fēng)格、人機(jī)操作和材質(zhì)等方面的要求。產(chǎn)品偏好特征用產(chǎn)品屬性的效用值{uij}來(lái)反映。產(chǎn)品效用值是針對(duì)用戶而言產(chǎn)品整體或者某項(xiàng)功能的功效或價(jià)值大小。

定義3（產(chǎn)品偏好模型（Preference Model，PM））產(chǎn)品偏好模型是指產(chǎn)品偏好特征的集合空間，是指某屬性組合的概念產(chǎn)品對(duì)用戶的效用值應(yīng)處于基本值U*到理想值U*之間的偏好組合的集合，記為PM={Ups}。角色的產(chǎn)品偏好模型對(duì)應(yīng)于特定的效用偏好區(qū)間Z=[U*，U*]，其中Ups為某個(gè)產(chǎn)品偏好，UPs={uij|uij∈[U*，U*]}。產(chǎn)品的效用區(qū)間反映了用戶可選擇的效用值范圍，該區(qū)間的大小由產(chǎn)品的效用分析確定。

定義4（偏好距離（Utility Difference））偏好距離是指用來(lái)度量不同樣本偏好特征之間差異的值，用表示。設(shè)樣本s有多個(gè)屬性特征：

Ys={yjk|j=1，2，…，J，k=1，2，…，kj，?j，k∈R}(s∈S)為角色原型，S為由s構(gòu)成的角色空間，假定X={xjk|j=1,2,…，J，k=1，2，…，kj，?j，k∈R}為某一用戶的偏好屬性特征，Y*為理想的角色模型，則為樣本之間或者用戶與角色之間的屬性偏好距離，表式為=(usk，uxk)=||usk-uxk||(?k∈K)?？梢源_定角色聚類分布模式及聚類中心（角色原型），以及一般用戶與角色之間的匹配程度。f()=||*||的含義根據(jù)聚類要求確定。

定義5（設(shè)計(jì)關(guān)聯(lián)模型（Design Associated Rule））設(shè)計(jì)關(guān)聯(lián)模型是指角色個(gè)性特征與產(chǎn)品偏好模型之間的設(shè)計(jì)需求映射和索引規(guī)則，用CN-FR={ri}表示。

3 角色模板的聚類分析

3.1 基于效用評(píng)價(jià)的角色屬性的識(shí)別

效用評(píng)價(jià)是基于用戶經(jīng)驗(yàn)選擇的因素分析方法，該方法假定用戶的實(shí)驗(yàn)性選擇行為（例如排序、優(yōu)選、打分，等等）在一定程度上反映了用戶的心理期望對(duì)于特定產(chǎn)品表現(xiàn)的評(píng)價(jià)，這種評(píng)價(jià)就是產(chǎn)品的效用值。產(chǎn)品效用因人而異，同一個(gè)產(chǎn)品對(duì)于不同的人來(lái)說(shuō)，其效用值是不同的，因此，產(chǎn)品的效用值與用戶的個(gè)性化需求具有一定的聯(lián)系。假設(shè)有m個(gè)用戶對(duì)產(chǎn)品的J個(gè)功能提出要求，產(chǎn)品的效用矩陣可以表示為：

其中，PR是指產(chǎn)品功能組合 PF={f1，f2，…，fJ}對(duì)用戶需求目標(biāo)CI={c1，c2，…，cm}的貢獻(xiàn)值，umn表示第 m個(gè)顧客對(duì)產(chǎn)品第 j個(gè)屬性的效用值。矩陣的每一列構(gòu)成了不同用戶對(duì)產(chǎn)品屬性的個(gè)性化差別要求的集合。這些屬性通常包括功能屬性、外觀屬性、技術(shù)屬性、價(jià)格屬性等。矩陣中各元素的組合及值的大小反映了目標(biāo)用戶的需求特征。角色的需求屬性聚類依據(jù)就是矩陣中這些效用值的大小和組合關(guān)系。點(diǎn)積(·)的含義和運(yùn)算規(guī)則根據(jù)需要確定。產(chǎn)品屬性的效用分析通常綜合了多種調(diào)研與統(tǒng)計(jì)方法來(lái)獲得，這里以聯(lián)合分析法進(jìn)行產(chǎn)品的效用分析結(jié)果作為用戶偏好屬性特征進(jìn)行角色屬性聚類分析的依據(jù)。

假定產(chǎn)品P由J個(gè)屬性構(gòu)成，每個(gè)屬性對(duì)產(chǎn)品都具有一定的效用貢獻(xiàn)，將屬性 j劃分為kj個(gè)水平等級(jí)，產(chǎn)品的總效用是各屬性效用的疊加，通過(guò)聯(lián)合分析，已知用戶對(duì)產(chǎn)品的偏好效用區(qū)間為Z=[U*，U*]，理論上任何在效用區(qū)間Z=[r，E]范圍內(nèi)的產(chǎn)品均為符合角色需求的產(chǎn)品，且數(shù)值越大，越能滿足用戶，效用值范圍相近的用戶可視為一個(gè)群。U*為角色對(duì)產(chǎn)品配置的最低要求，U*為最理想組合，分別由下式確定，具體分析方法和過(guò)程詳見其他相關(guān)文獻(xiàn)[6-12]。

3.2 基于粗集的模糊聚類分析

角色聚類的目的是從所收集的樣本中提取若干典型用戶資料，作為各聚類群體中的代表人物。由于現(xiàn)實(shí)中用戶需求描述本身具有模糊性，角色的偏好特征數(shù)據(jù)來(lái)源于用戶對(duì)產(chǎn)品的模糊分析與效用評(píng)價(jià)，CR-FR規(guī)則也無(wú)法用精確數(shù)值描述，因此需采用基于粗集的模糊聚類法對(duì)角色模型的屬性進(jìn)行分析。

3.2.1 確定角色屬性分類的粗糙集模型

則通過(guò)基于相似度的不可分辨關(guān)系IRAT把偏好樣本集U劃分為不同的相似類子集，該劃分結(jié)果可用U/SIMAT表達(dá)，從而基于相似性在屬性集AT上對(duì)U作了劃分[14]；關(guān)于cx的相似類 SIMAT(cx)={cx∈U:(cx，cy)∈IRAT}描述與 cx相似的偏好集合，劃分U/SIMAT的所有子集稱為基于相似關(guān)系IRAT的AT-基本集，類似地，可定義基于相似關(guān)系IRAT的關(guān)于cx屬性集AT的上下近似集：

3.2.2 構(gòu)造基于粗集的模糊相似矩陣

首先通過(guò)需求分析，獲得用戶c的需求效用矩陣PR，將每個(gè)用戶的效用區(qū)間進(jìn)行歸一化處理，改造為UR(c)=(u，μ，λ，w)格式，其中：μ為 ? 元素的加權(quán)均值，u=[u1，u2，…，uk](?k∈K)為歸一化后的效用值向量，λ為u的特征值，w為各屬性權(quán)重向量。設(shè)有M個(gè)用戶參加了產(chǎn)品偏好的效用值評(píng)測(cè)，相似度是在M個(gè)樣本中進(jìn)行模糊聚類分組的評(píng)判指標(biāo)，此處采用距離測(cè)度作為用戶 cx與cy間的不相似指標(biāo)，用表示相似度指標(biāo)，則

f1為加權(quán)海明距離，wk為各屬性權(quán)重，=1，f2為最小距離，分別求各項(xiàng)屬性的差值，從中選擇最小值，是用戶需求之間近似程度的最大范圍估計(jì)，λk是相似度調(diào)節(jié)因子；f3為最大距離，分別求各項(xiàng)屬性的差值，從中選擇最大值，是用戶需求之間近似程度的最小范圍估計(jì)。

3.2.3 劃分角色屬性的相似類

按照公式（3）、（4）定義各樣本需求屬性偏好程度的相似性，對(duì)于任意一個(gè)對(duì)象cx(?x∈M)，如果集合U中的其他各對(duì)象 cy∈Uc與其的相似性滿足 SIMj(x，y)≥?j，則認(rèn)為對(duì)象cx與cy具有關(guān)于PJ的相似關(guān)系，其中?j是預(yù)先指定的對(duì)象之間的相似度閾值。這樣，全集U中的所有對(duì)象將依據(jù)相似關(guān)系劃分為I個(gè)子集，結(jié)果可用U/PJ表示，U/PJ包含U且比U大。U/PJ中圍繞樣本cx得到的子集稱為cx關(guān)于 PJ的相似類，用 SIMj(cx)表示，即 SIMj(cx)={?cx∈U:SIMj≥?j}，U/PJ中的全體子集也稱為集合U的 PJ-基本集。

通常，與cx相似的一類對(duì)象并非僅僅是全集U的一個(gè)子集，而是彼此間存在屬性偏好重疊關(guān)系的若干子集，這樣就需要基于對(duì)象間的相似度大小，通過(guò)合并基本集實(shí)現(xiàn)子集削減，以構(gòu)造有限數(shù)量的相似類[13，15]。對(duì)于任意兩個(gè)對(duì)象cx與cy，如果滿足以下條件之一，則合并相似類SIMj(cx)和 SIMj(cy)：

根據(jù)構(gòu)建的模糊等價(jià)關(guān)系，用戶需求可劃分為少數(shù)幾個(gè)相似類。作為用戶需求聚類的結(jié)果，用戶需求全集UC在CRs空間上按照需求偏好間的相似性被劃分為若干個(gè)角色群，即Uc/Rc=(p1，p2，…，pΙ)，其中I是角色群的數(shù)量。

根據(jù)以上步驟獲得的屬性相似類集合相對(duì)比較明確，由于用戶的屬性邊界并不分明，強(qiáng)行劃分會(huì)失去滿足可能的用戶需求的設(shè)計(jì)機(jī)會(huì)。因此，按照公式（1）和（2）可以進(jìn)一步分類獲得屬性相似類集合的近似集(Ck)。

3.3 角色模板的聚類分析

基于以上分析，M個(gè)用戶的需求屬性樣本可以被大致劃分為I(J，K)個(gè)用戶群，角色模板可以多屬性分析方法按照最大覆蓋原則獲得，具體方法如下。

同理，可得 I(J，K)中其他聚類元素歸屬于 Π的矩陣Πy=(zy1，zy2，…，zye)。對(duì)比 I(J，K)中所有的cx∈UI，取 Π中 z*i相同數(shù)最多的樣本歸為同一個(gè)群，最后將群內(nèi)覆蓋I(J，K)數(shù)最多的樣本確定為該群角色模板。

3.4 應(yīng)用實(shí)例

以產(chǎn)品造型的角色模型分析舉例說(shuō)明。假設(shè)已知以下5個(gè)用戶{ca，cb，cc，cd，cf}，經(jīng)過(guò)效用分析后得到uc，分別對(duì)應(yīng)于（形態(tài)，色彩，人機(jī)）：

經(jīng)過(guò)單屬性聚類分析，得到以下結(jié)果：

分別計(jì)算e值，將以上uc劃分為Πe+1=(z1，z2，z3)，以色彩為例，z1：[0.3，0.41），z2：[0.41，0.52），z3：[0.52，0.63），其中e+1=2，σ=0.11，由此得到ca，cb，cc，cd，cf歸屬于 Πe=(z1，z2，z3)的矩陣如圖2所示。

圖2 Πe矩陣分析

從圖2矩陣可以看出，ca，cc，cf的 Πe中的(z1，z2)向量完全相同，則歸為一個(gè)類，其中cf在 I人機(jī)、I色彩、I形態(tài)中都分別與ca，cc處于同一子集，跨度最大，因此被確定為多屬性聚合群 pf={ca，cc，cf}的角色模板。

在獲得角色屬性后，還需要進(jìn)一步確定角色的關(guān)系模型中對(duì)于產(chǎn)品需求的偏好決策關(guān)系，完善角色模型內(nèi)容。限于篇幅，這里不再贅述。

4 結(jié)論

通過(guò)基于粗集的模糊聚類分析，角色模型反映了一定用戶群中具有代表性用戶的需求特征和偏好強(qiáng)度，依據(jù)角色模板，可以建立相應(yīng)的產(chǎn)品設(shè)計(jì)模塊庫(kù)和查詢規(guī)則，彌補(bǔ)了角色分析的定量分析不足，缺乏數(shù)據(jù)支持的缺陷，增強(qiáng)了角色分析在工業(yè)產(chǎn)品設(shè)計(jì)過(guò)程中的適用性領(lǐng)域，改進(jìn)的角色模型也有助于快速生成概念產(chǎn)品設(shè)計(jì)模型與方案。

[1]Cooper A，Reimann R，Cronin D.About face 3：the essentials of interaction design[M].[S.l.]：Wiley Publishing，2007.

[2]Olewnik A T.Conjoint-HOQ：a quantitative methodology for consumer-driven design[C]//DETC2007，2008：207-217.

[3]Pruitt J，Adlin T.The persona lifecycle：keeping people in mind throughout product design[M].[S.l.]：Morgan Kaufman Publisher，2006.

[4]Junior P T A，F(xiàn)ilgueiras L V L.User modeling with personas[C]//Proceedings of CLIHC.New York：ACM Press，2005：277-282.

[5]McGinn J，Kotamraju N.Data-driven persona development[C]// CHI 2008，F(xiàn)lorence，Italy，2008：1045-1054.

[6]吳勘，陸長(zhǎng)德.以用戶需求原型為中心的產(chǎn)品設(shè)計(jì)方法[J].包裝工程，2009（3）：131-133.

[7]Tsai H，Hsiao S.Evaluation of alternatives for product customization using fuzzy logic[J].Information Sciences，2004，158（1）：232-262.

[8]吳勘，陸長(zhǎng)德.基于用戶角色分析的概念設(shè)計(jì)方法[J].現(xiàn)代制造工程，2009（6）：106-110.

[9]Green P E.Thirty years of conjoint analysis：reflections and prospects[J].Interfaces，2004，31（3）：59-61.

[10]黃海清，張平.用戶偏好提取MDP建模研究[J].國(guó)防科技大學(xué)學(xué)報(bào)，2006（6）：81-85.

[11]Wu Kan，Lu Changde.Personas construction based on utility analysis in industrial design[C]//MASS 2010，2010.

[12]黃自元，甄蘭蘭.復(fù)雜系統(tǒng)的遺傳-模糊建模方法[J].系統(tǒng)仿真學(xué)報(bào)，2003（9）.

[13]陳春寶.基于聚類分析與遺傳算法的產(chǎn)品多樣性優(yōu)化研究[D].上海：上海交通大學(xué)，2008.

[14]Stepaniuk J.Similarity based rough sets and learning[C]//Proceedings of the 4th International Workshop on Rough Sets，F(xiàn)uzzy Sets，and Machine Discovery，1996：18-22.

[15]Wang Qingdong，Dai Huaping，Sun Youxian.A rough set based clustering algorithm and the information theoretical approach to refineclusters[C]//IntelligentControland Automation，2004，5：4287-4291.

角色模型的粗集-模糊聚類分析方法

吳 勘

WU Kan

School of Art,Xi’an University of Arts and Science,Xi’an 710065,China

Personas analysis can help to construct user model of personalized design system and understand the Essential factors of user needs better.To this purpose,Fuzzy Clustering Method of Personas Construction Based on Rough Set（FCM PCBRS）is proposed in this paper.It extracts typical user attribute characteristics with fuzzy clustering analysis of the data from user research. It builds representative persona templates and database of user demand personalized features.Relational data between user demand model and product conceptual design model constructs subsequently to meet the query needs of personalized design system. FCM PCBRS improves the personas analytical method,and contributes to make product conceptual design easier to locate personalized information of the target users and quickly generates product concept model and design.

persona analysis;fuzzy clustering;rough sets;user model

角色分析可以滿足產(chǎn)品個(gè)性化設(shè)計(jì)系統(tǒng)中對(duì)于用戶模型構(gòu)建的需要。提出了基于粗集的模糊聚類角色分析與模型構(gòu)建方法，通過(guò)構(gòu)造基于粗集的模糊相似矩陣、確定角色屬性的模糊相似聚類分析方法，從用戶調(diào)研數(shù)據(jù)中提取典型用戶屬性特征，構(gòu)建角色模型。該方法完善了角色分析在產(chǎn)品設(shè)計(jì)中的應(yīng)用方法，有助于快速生成概念產(chǎn)品設(shè)計(jì)模型與方案。關(guān)鍵詞：角色分析；模糊聚類；粗糙集；用戶模型

A

TP39

10.3778/j.issn.1002-8331.1301-0282

WU Kan.Fuzzy clustering method of personas construction based on rough set.Computer Engineering and Applications,2013,49（11）：31-34.

西安市科技計(jì)劃項(xiàng)目-西安文理學(xué)院科研創(chuàng)新基金專項(xiàng)項(xiàng)目（No.CXY1134WL33）；陜西省教育廳專項(xiàng)科研計(jì)劃項(xiàng)目（No.12JK1110）。

吳勘（1970—），女，博士，講師，研究領(lǐng)域：計(jì)算機(jī)輔助工業(yè)設(shè)計(jì)、設(shè)計(jì)管理信息系統(tǒng)。E-mail：lygong@mail.xjtu.edu.cn

2013-01-25

2013-04-03

1002-8331（2013）11-0031-04

◎理論研究、研發(fā)設(shè)計(jì)◎