大規(guī)模用戶(hù)語(yǔ)義描述需求建模與分析

成方敏，余隋懷，初建杰，樊佳爽，胡宇坤

(西北工業(yè)大學(xué) 陜西省工業(yè)設(shè)計(jì)工程實(shí)驗(yàn)室，陜西 西安 710072)

0 引言

在當(dāng)前激烈的市場(chǎng)競(jìng)爭(zhēng)下，制造企業(yè)在產(chǎn)品開(kāi)發(fā)過(guò)程中全面分析并快速響應(yīng)大規(guī)模用戶(hù)需求，是提高產(chǎn)品用戶(hù)滿意度、提升企業(yè)市場(chǎng)競(jìng)爭(zhēng)力的關(guān)鍵[1]。用戶(hù)需求的多樣性、模糊性、動(dòng)態(tài)性等特點(diǎn)，使得準(zhǔn)確把握用戶(hù)需求十分困難[2]，如何準(zhǔn)確分析用戶(hù)需求已經(jīng)成為一個(gè)研究熱點(diǎn)。

用戶(hù)需求分析大致分為需求獲取、需求建模、需求轉(zhuǎn)化3個(gè)階段[3]。需求獲取是采集用戶(hù)需求信息的過(guò)程，傳統(tǒng)的需求獲取方法有用戶(hù)訪談、問(wèn)卷調(diào)查、發(fā)明問(wèn)題解決理論(Theory of Invention Problem Solving，TRIZ)等。近年來(lái)，一些學(xué)者提出了新的需求獲取方法，如基于用戶(hù)需求本體模型[4]、基于設(shè)計(jì)結(jié)構(gòu)矩陣[5]、基于電商平臺(tái)產(chǎn)品評(píng)論挖掘[6]等技術(shù)。需求轉(zhuǎn)化指設(shè)計(jì)人員將用戶(hù)需求映射到設(shè)計(jì)域中的產(chǎn)品功能、結(jié)構(gòu)、設(shè)計(jì)參數(shù)，最終形成產(chǎn)品設(shè)計(jì)方案的過(guò)程，具有代表性的方法包括基于需求—結(jié)構(gòu)相似特征匹配[7]、基于模糊關(guān)系矩陣[8]、基于質(zhì)量功能配置(Quality Function Deployment，QFD)[9]等技術(shù)的轉(zhuǎn)換方法。

需求建模是需求獲取與需求轉(zhuǎn)化的中間環(huán)節(jié)，指將多樣化、非結(jié)構(gòu)化的用戶(hù)需求進(jìn)行歸納整理，形成標(biāo)準(zhǔn)形式需求的過(guò)程。需求建模質(zhì)量極大影響著企業(yè)對(duì)用戶(hù)需求的快速響應(yīng)能力[10]。謝建中等[11]基于模糊認(rèn)知圖(Fuzzy Congitive Map，F(xiàn)CM)構(gòu)建了客戶(hù)需求模型，采用免疫遺傳算法對(duì)需求進(jìn)行相關(guān)性分析，并將需求信息存儲(chǔ)在需求數(shù)據(jù)庫(kù)中；耿秀麗等[12]基于加權(quán)網(wǎng)絡(luò)對(duì)客戶(hù)需求進(jìn)行聚類(lèi)，獲得典型客戶(hù)需求偏好類(lèi)型；張文旭等[13]提出基于產(chǎn)品評(píng)論數(shù)據(jù)的Kano需求分析方法，并引入物元表示法對(duì)用戶(hù)需求進(jìn)行量化表達(dá)；WEI等[10]利用事物特性表技術(shù)對(duì)產(chǎn)品需求信息元素進(jìn)行形式化表達(dá)；GAO等[14]建立了客戶(hù)偏好本體知識(shí)庫(kù)，利用基于本體的語(yǔ)義表達(dá)式規(guī)范化地描述客戶(hù)需求。

上述研究采用不同方法對(duì)用戶(hù)需求進(jìn)行建模與分析，雖然具有很大的借鑒意義，但是所分析的大多是通過(guò)需求模板、選擇菜單等方法獲取的結(jié)構(gòu)化或半結(jié)構(gòu)化用戶(hù)需求，對(duì)于以自然語(yǔ)言表達(dá)的非結(jié)構(gòu)化需求，即語(yǔ)義描述需求的研究比較少。利用自然語(yǔ)言表述需求更符合用戶(hù)的表達(dá)習(xí)慣，且較少受到需求采集人員的主觀影響，有利于獲得更為真實(shí)的需求信息[15]?；ヂ?lián)網(wǎng)技術(shù)的發(fā)展使得獲取大規(guī)模用戶(hù)的語(yǔ)義描述需求不再困難，然而如何處理大量的語(yǔ)義描述需求成為需求分析研究中新的難點(diǎn)。大規(guī)模用戶(hù)的語(yǔ)義描述需求具有較高的建模與分析難度，具體體現(xiàn)在兩方面：①語(yǔ)義描述需求具有模糊性、不確定性等特點(diǎn)，而且由于缺乏專(zhuān)業(yè)知識(shí)，用戶(hù)所表述的需求信息具有更強(qiáng)的不準(zhǔn)確性和多樣性，加大了需求信息處理的難度；②大規(guī)模用戶(hù)提出的需求種類(lèi)多、相關(guān)性復(fù)雜，增加了識(shí)別關(guān)鍵需求和確定需求優(yōu)先級(jí)的難度。解決上述兩個(gè)難點(diǎn)，是對(duì)大規(guī)模用戶(hù)語(yǔ)義描述需求進(jìn)行合理建模與分析的關(guān)鍵。

在此背景下，本文提出大規(guī)模用戶(hù)語(yǔ)義描述需求建模與分析方法。首先，分析用戶(hù)語(yǔ)義描述需求形式與類(lèi)型，并定義需求模型和需求建模過(guò)程；然后，提出不同需求類(lèi)型的需求合成方法；最后，評(píng)估用戶(hù)需求項(xiàng)之間的相關(guān)關(guān)系，并據(jù)此修正需求量，根據(jù)需求量計(jì)算需求重要度，最終輸出用戶(hù)群體的需求方案。

1 用戶(hù)語(yǔ)義描述需求建模過(guò)程

用戶(hù)需求一般指用戶(hù)對(duì)產(chǎn)品功能、結(jié)構(gòu)、性能等產(chǎn)品特征的觀點(diǎn)[16]。在形式上，用戶(hù)語(yǔ)義描述需求可歸納為“產(chǎn)品特征—觀點(diǎn)”組[17]，例如在句子“操作系統(tǒng)要流暢”中，“操作系統(tǒng)—流暢”是代表用戶(hù)需求的“產(chǎn)品特征—觀點(diǎn)”組。可形式化地將用戶(hù)語(yǔ)義描述需求表示為cn=〈rid，(fea，req)〉，rid為需求標(biāo)識(shí)，fea，req分別為用戶(hù)語(yǔ)義描述需求中的產(chǎn)品特征詞與觀點(diǎn)詞。對(duì)大規(guī)模用戶(hù)語(yǔ)義描述需求建模，就是將不準(zhǔn)確的、混亂的產(chǎn)品特征—觀點(diǎn)組轉(zhuǎn)化為標(biāo)準(zhǔn)形式的需求項(xiàng)，并識(shí)別篩選重要的需求項(xiàng)，構(gòu)建代表用戶(hù)群體意見(jiàn)的需求方案。需求建模過(guò)程分為需求合成與計(jì)算需求重要度兩個(gè)階段。

由于知識(shí)水平、語(yǔ)言習(xí)慣等方面的差異，不同用戶(hù)會(huì)采用不同詞匯描述相同的產(chǎn)品特征和觀點(diǎn)。為了分析用戶(hù)群體需求，應(yīng)將不同詞匯描述的相同產(chǎn)品特征和觀點(diǎn)進(jìn)行合成，轉(zhuǎn)化為標(biāo)準(zhǔn)形式的需求項(xiàng)，合成時(shí)需考慮需求的類(lèi)型差異。根據(jù)產(chǎn)品特征能否被定量描述，可將需求劃分為參數(shù)型需求與非參數(shù)型需求，由于兩類(lèi)需求中用戶(hù)觀點(diǎn)的表達(dá)方式不同，合成時(shí)應(yīng)采用不同的方法。對(duì)于非參數(shù)型需求，用戶(hù)采用諸如“可靠”“安全”“時(shí)尚”等感性詞語(yǔ)表達(dá)觀點(diǎn)；對(duì)于參數(shù)型需求，用戶(hù)觀點(diǎn)可用兩種形式表達(dá)，即語(yǔ)義型(如用“多”“很大”“高”等詞語(yǔ)表達(dá)觀點(diǎn))和數(shù)值型(如用大于或小于某個(gè)值表述觀點(diǎn))。

各需求對(duì)用戶(hù)群體的重要性不同，計(jì)算需求的重要度可識(shí)別出關(guān)鍵需求及其優(yōu)先級(jí)，進(jìn)而指導(dǎo)產(chǎn)品開(kāi)發(fā)。在計(jì)算需求重要度時(shí)，不僅要考慮提出某項(xiàng)需求的用戶(hù)數(shù)量即需求量，還要考慮需求項(xiàng)之間的相關(guān)關(guān)系，根據(jù)需求間的相關(guān)關(guān)系挖掘用戶(hù)的隱性需求并修正需求量，從而得到較為準(zhǔn)確的需求重要度。

綜上，可將需求模型表示為CN=〈Rid，(Fea，Req)，Type，Weight〉，其中：Rid為需求標(biāo)識(shí)；(Fea，Req)表示經(jīng)合成后的標(biāo)準(zhǔn)形式的需求項(xiàng)，F(xiàn)ea為標(biāo)準(zhǔn)形式的產(chǎn)品特征，Req為標(biāo)準(zhǔn)形式的用戶(hù)觀點(diǎn)；Type為需求類(lèi)型，分為參數(shù)型需求和非參數(shù)型需求；Weight為需求項(xiàng)的重要度。本文研究的大規(guī)模用戶(hù)語(yǔ)義描述需求建模與分析過(guò)程，就是將語(yǔ)義描述需求轉(zhuǎn)換為標(biāo)準(zhǔn)化需求模型的過(guò)程(如圖1)，可形式化地表示為

cn=〈rid，(fea，req)〉→CN=〈Rid，

(Fea，Req)，Type，Weight〉。

2 語(yǔ)義描述需求合成

在充分獲取用戶(hù)顯性和隱性需求后[4]，利用自然語(yǔ)言處理(Natural Language Processing，NLP)技術(shù)從用戶(hù)語(yǔ)義描述需求中提取“產(chǎn)品特征—觀點(diǎn)”組[18]。首先合成產(chǎn)品特征詞，由于產(chǎn)品特征詞數(shù)量較小，可由設(shè)計(jì)人員進(jìn)行人工合成[19]；然后，根據(jù)產(chǎn)品特征屬性將需求分為參數(shù)型需求和非參數(shù)型需求，針對(duì)不同的需求類(lèi)型，采用不同方法將對(duì)應(yīng)于同一產(chǎn)品特征的觀點(diǎn)詞進(jìn)行聚類(lèi)。本節(jié)重點(diǎn)研究觀點(diǎn)詞聚類(lèi)的方法。

2.1 非參數(shù)型需求觀點(diǎn)詞聚類(lèi)

對(duì)于非參數(shù)型產(chǎn)品特征，用戶(hù)基于對(duì)產(chǎn)品特征的感性認(rèn)知，采用感性詞表達(dá)觀點(diǎn)。對(duì)一個(gè)產(chǎn)品特征的觀點(diǎn)可能有多個(gè)維度，例如對(duì)手機(jī)操作系統(tǒng)，可能有流暢、穩(wěn)定、易操作等維度的觀點(diǎn)。由于感性詞數(shù)量較大，語(yǔ)義較多，難以基于專(zhuān)家經(jīng)驗(yàn)進(jìn)行合成，本文基于Hownet計(jì)算感性詞之間的語(yǔ)義相似度，根據(jù)語(yǔ)義相似度聚類(lèi)感性詞。

2.1.1 感性詞語(yǔ)義相似度算法

Hownet是一個(gè)以漢語(yǔ)和英語(yǔ)詞語(yǔ)所代表的概念為描述對(duì)象，以揭示概念與概念之間以及概念所具有屬性之間的關(guān)系為基本內(nèi)容的語(yǔ)言知識(shí)庫(kù)[20]。Hownet利用“義原”和“義項(xiàng)”描述詞語(yǔ)。義項(xiàng)是對(duì)詞語(yǔ)語(yǔ)義的一種描述，一個(gè)詞可以表達(dá)為幾個(gè)義項(xiàng)；義原是描述義項(xiàng)的基本單位，每一個(gè)義項(xiàng)用第一基本義原、其他基本義原、關(guān)系義原描述、關(guān)系符號(hào)描述4類(lèi)特征表示。根據(jù)這種詞語(yǔ)語(yǔ)義描述方式，詞語(yǔ)的語(yǔ)義相似度可通過(guò)計(jì)算詞語(yǔ)義項(xiàng)和義原的語(yǔ)義相似度獲得[20]。

Hownet定義了義原之間的上下位關(guān)系，形成了義原層次體系。根據(jù)義原層次體系計(jì)算義原相似度

(1)

式中：s1和s2為兩個(gè)義原；dis(s1,s2)為s1和s2在義原層次體系中的距離；α為可調(diào)參數(shù)。

義項(xiàng)相似度通過(guò)組合4類(lèi)義原相似度進(jìn)行計(jì)算，計(jì)算公式為

(2)

式中：p1和p2為兩個(gè)義項(xiàng)；βi為可調(diào)節(jié)參數(shù)，需滿足β1+β2+β3+β4=1且β1≥β2≥β3≥β4。

對(duì)于兩個(gè)詞語(yǔ)w1和w2，將詞語(yǔ)義項(xiàng)中相似度最大的值作為詞語(yǔ)語(yǔ)義相似度的值，即

(3)

感性詞可以是一個(gè)包括多個(gè)詞語(yǔ)的詞組。假設(shè)詞組W1與W2的詞語(yǔ)集合分別為W1={w11,w12, …,w1a}，W2={w21,w22, …,w2b}，則兩詞組的語(yǔ)義相似度為

(4)

式中delta為調(diào)節(jié)參數(shù)。

2.1.2 感性詞聚類(lèi)算法

基于感性詞語(yǔ)義相似度對(duì)感性詞進(jìn)行聚類(lèi)。假設(shè)某非參數(shù)型產(chǎn)品特征對(duì)應(yīng)的感性詞集為WS={W1，W2，…，Wn}，則聚類(lèi)步驟如下：

步驟1根據(jù)式(1)～式(4)逐次計(jì)算感性詞之間的語(yǔ)義相似度，構(gòu)建語(yǔ)義相似度對(duì)稱(chēng)矩陣

(5)

步驟2最大最小距離算法是確定聚類(lèi)中心數(shù)的常用算法[21]。本文針對(duì)語(yǔ)義相似度值改進(jìn)最大最小距離算法，計(jì)算感性詞聚類(lèi)中心數(shù)K。步驟如下：

(1)選取與所有感性詞相似度之和最大的感性詞作為初始聚類(lèi)中心，即計(jì)算SW中每一行數(shù)據(jù)之和，最大值對(duì)應(yīng)的感性詞即為初始聚類(lèi)中心，設(shè)為Wa。

(2)給定θ(0<θ<1)，選取與Wa語(yǔ)義相似度最小的感性詞，記為Wb。若sim(Wa,Wb)≥θ，則將所有感性詞歸為一類(lèi)；若sim(Wa,Wb)<θ，則將Wb作為第2個(gè)聚類(lèi)中心。

(3)比較各感性詞與Wa和Wb的語(yǔ)義相似度值sim(Wx,Wa)和sim(Wx,Wb)，判斷是否有sim(Wc)=min{max[sim(Wx,Wa),sim(Wx,Wb)]}，c=1, 2, …,n，且θ×sim(Wc)

(4)統(tǒng)計(jì)聚類(lèi)中心總數(shù)K并記錄聚類(lèi)中心感性詞。

步驟3根據(jù)各感性詞與聚類(lèi)中心感性詞的語(yǔ)義相似度，將感性詞分配進(jìn)入語(yǔ)義相似度最大的類(lèi)。計(jì)算各類(lèi)中語(yǔ)義相似度之和最大的感性詞作為新的聚類(lèi)中心，重新將所有感性詞分配進(jìn)入語(yǔ)義相似度最大的新類(lèi)，再計(jì)算聚類(lèi)中心，不斷循環(huán)，直至各類(lèi)中的感性詞不再變化為止，得到最終的聚類(lèi)結(jié)果。

步驟4計(jì)算各類(lèi)中各感性詞的詞頻，將詞頻最大的感性詞作為標(biāo)準(zhǔn)的用戶(hù)觀點(diǎn)。

2.2 參數(shù)型需求觀點(diǎn)合成

對(duì)于參數(shù)型產(chǎn)品特征，用戶(hù)通過(guò)語(yǔ)義型與數(shù)值型兩種方式表達(dá)觀點(diǎn)。例如，對(duì)于吸塵器“吸力”這一產(chǎn)品特征，一些用戶(hù)會(huì)采用“較大”“很大”等詞語(yǔ)表述觀點(diǎn)，而具備較多產(chǎn)品知識(shí)的用戶(hù)可能會(huì)采用“至少15 000 Pa”“大約16 000 Pa”等含有參數(shù)數(shù)值的短語(yǔ)表述觀點(diǎn)。數(shù)值型觀點(diǎn)表示方式主要有4種，即大約某個(gè)值、大于某個(gè)值、小于某個(gè)值、某兩個(gè)值之間[8]。為了明確用戶(hù)群體的需求，需將同一參數(shù)型產(chǎn)品特征對(duì)應(yīng)的觀點(diǎn)進(jìn)行聚類(lèi)整合。

參數(shù)型需求觀點(diǎn)合成的目標(biāo)是通過(guò)具體數(shù)值表達(dá)用戶(hù)觀點(diǎn)，以便于后續(xù)構(gòu)建需求域到設(shè)計(jì)域的映射。利用模糊集理論可有效對(duì)模糊語(yǔ)義信息進(jìn)行量化表達(dá)，為了便于合成兩種方式表述的觀點(diǎn)，統(tǒng)一采用梯形模糊數(shù)表達(dá)觀點(diǎn)[22]。本文將語(yǔ)義型觀點(diǎn)等級(jí)設(shè)為5，若某產(chǎn)品特征參數(shù)的論域?yàn)閇α,β]，則可確定語(yǔ)義型與數(shù)值型觀點(diǎn)對(duì)應(yīng)的梯形模糊數(shù)，如表1所示。

表1 語(yǔ)言變量與梯形模糊數(shù)的轉(zhuǎn)換關(guān)系

對(duì)同一參數(shù)型產(chǎn)品特征對(duì)應(yīng)的用戶(hù)觀點(diǎn)，利用其對(duì)應(yīng)的梯形模糊數(shù)計(jì)算相似度。設(shè)兩個(gè)梯形模糊數(shù)分別為P1=(a1,b1,c1,d1)，P2=(a2,b2,c2,d2)，其相似度

(6)

設(shè)某一參數(shù)型產(chǎn)品特征對(duì)應(yīng)m個(gè)用戶(hù)觀點(diǎn)，將其全部轉(zhuǎn)換為梯形模糊數(shù)，構(gòu)成觀點(diǎn)模糊數(shù)集合FP={P1,P2, …,Pm}?；谀：龜?shù)相似度將各觀點(diǎn)進(jìn)行聚類(lèi)合成，步驟如下：

步驟1根據(jù)式(6)逐一計(jì)算各項(xiàng)觀點(diǎn)之間的梯形模糊數(shù)相似度，構(gòu)建相似度對(duì)稱(chēng)矩陣

(7)

步驟2利用改進(jìn)的最大最小距離算法確定聚類(lèi)中心數(shù)K，方法與2.1.2中步驟2類(lèi)似。

步驟3根據(jù)各觀點(diǎn)與聚類(lèi)中心觀點(diǎn)的梯形模糊數(shù)相似度，將各觀點(diǎn)分配進(jìn)入相似度最大的類(lèi)。計(jì)算各類(lèi)中模糊數(shù)相似度之和最大的觀點(diǎn)，作為新的聚類(lèi)中心，重新將所有觀點(diǎn)分配進(jìn)入相似度最大的新類(lèi)，再計(jì)算聚類(lèi)中心，不斷循環(huán)，直到各類(lèi)中的觀點(diǎn)不再變化為止，從而得到最終的聚類(lèi)結(jié)果。

步驟4確定各類(lèi)所表示的參數(shù)觀點(diǎn)。假設(shè)某類(lèi)共有l(wèi)個(gè)觀點(diǎn)項(xiàng)，對(duì)應(yīng)的模糊數(shù)構(gòu)成模糊數(shù)集合FP={(a1,b1,c1,d1), (a2,b2,c2,d2), …, (al,bl,cl,dl)}，則此類(lèi)觀點(diǎn)對(duì)應(yīng)的梯形模糊數(shù)

(8)

式中：Ni為本類(lèi)第i項(xiàng)觀點(diǎn)存在的數(shù)量；Nall為本類(lèi)包含的觀點(diǎn)總數(shù)量。

3 確定需求重要度

合成后的產(chǎn)品特征和對(duì)應(yīng)的觀點(diǎn)組成標(biāo)準(zhǔn)形式的需求項(xiàng)，將需求項(xiàng)中包含“產(chǎn)品特征—觀點(diǎn)”組的個(gè)數(shù)稱(chēng)為該需求的需求量。需求重要度可由需求量反映，需求量較大表示有較多用戶(hù)提出該需求，其重要度較高。

然而，原始需求量并不能全面反映用戶(hù)的真實(shí)需求。在產(chǎn)品開(kāi)發(fā)實(shí)現(xiàn)過(guò)程中，需求之間存在技術(shù)層面的相關(guān)關(guān)系，將需求相關(guān)關(guān)系定義為：在產(chǎn)品開(kāi)發(fā)過(guò)程中，若需求A得到滿足時(shí)，需求B也在一定概率上需要得到滿足，則稱(chēng)需求A與需求B存在相關(guān)關(guān)系，將這一概率稱(chēng)為相關(guān)關(guān)系值。需求的相關(guān)性反映了用戶(hù)的隱性需求，若需求A與B相關(guān)，則當(dāng)用戶(hù)明確表達(dá)需求A時(shí)，其在一定程度上也存在需求B。因此，在計(jì)算需求的重要度時(shí)，應(yīng)考慮需求之間的相關(guān)性，修正原始需求量，以得到更為客觀的需求重要度。

3.1 需求相關(guān)性評(píng)估

本文采用兩輪評(píng)估的方式評(píng)估需求相關(guān)關(guān)系：

(1)判斷產(chǎn)品特征之間的相關(guān)性

對(duì)應(yīng)于需求相關(guān)關(guān)系的定義，將產(chǎn)品特征相關(guān)關(guān)系定義為：在產(chǎn)品設(shè)計(jì)中，若對(duì)產(chǎn)品特征A進(jìn)行設(shè)計(jì)時(shí)需考慮產(chǎn)品特征B的約束，則稱(chēng)產(chǎn)品特征A與B相關(guān)。若一組產(chǎn)品特征無(wú)相關(guān)性，則可認(rèn)為其對(duì)應(yīng)的需求項(xiàng)之間也不存在相關(guān)性；反之，若一組產(chǎn)品特征有相關(guān)性，則其對(duì)應(yīng)的需求可能也存在相關(guān)性，對(duì)其進(jìn)行下一輪評(píng)估。通過(guò)第一輪評(píng)估，可識(shí)別并忽略大量無(wú)相關(guān)性的需求組，從而降低評(píng)估工作量。

(2)分類(lèi)評(píng)估需求相關(guān)性

1)參數(shù)型需求相關(guān)性評(píng)估

很多產(chǎn)品參數(shù)之間存在定量關(guān)系，可根據(jù)定量關(guān)系計(jì)算需求間的相關(guān)關(guān)系值。對(duì)于兩個(gè)參數(shù)型產(chǎn)品特征Fa與Fb，將其參數(shù)取值分別記為Pa和Pa。假設(shè)兩個(gè)參數(shù)取值存在定量關(guān)系Pb=f(Pa)，需求項(xiàng)Ri對(duì)Fa的取值范圍記為[xi，yi]，需求項(xiàng)Rj對(duì)Fb的取值范圍記為[xj，yj]。當(dāng)用戶(hù)存在需求Ri時(shí)，隱含了用戶(hù)對(duì)Fb參數(shù)取值范圍的要求為[f(xi)，f(yi)]，則Ri與Rj的相關(guān)關(guān)系值為

(9)

式中Δd為[f(xi)，f(yi)]和[xj，yj]重疊部分的絕對(duì)值。

2)其他需求相關(guān)性評(píng)估

(10)

假設(shè)經(jīng)需求合成后共得到m項(xiàng)用戶(hù)需求，構(gòu)成需求集合RS={R1，R2，…，Rm}，令無(wú)相關(guān)性需求間的相關(guān)關(guān)系值與同一需求之間的相關(guān)關(guān)系值均為0，則需求相關(guān)關(guān)系矩陣

(11)

3.2 需求量修正與需求重要度計(jì)算

確定需求之間的相關(guān)關(guān)系值后，修正每個(gè)用戶(hù)所提需求的需求量。假設(shè)對(duì)應(yīng)于標(biāo)準(zhǔn)需求集RC={R1，R2，…，Rm}，用戶(hù)y所提需求的需求量構(gòu)成需求量集RD={N1(y)，N2(y)，…，Nm(y)}。對(duì)于Ni(y)(1≤i≤m)，若用戶(hù)提出需求Ri，則Ni(y)=1；若用戶(hù)未提出需求Ri，則Ni(y)=0。計(jì)算該用戶(hù)所提需求的修正量

(12)

確定用戶(hù)y對(duì)于需求Ri最終的需求量

(13)

對(duì)于n個(gè)用戶(hù)組成的用戶(hù)群體，需求Ri修正后的需求量

(14)

需求Ri的重要度

(15)

確定需求重要度后，就將用戶(hù)語(yǔ)義描述需求轉(zhuǎn)化為符合需求模型的標(biāo)準(zhǔn)化需求。

進(jìn)一步確定用戶(hù)群體需求方案。設(shè)置需求重要度閾值為k，若weight(Ri)

4 應(yīng)用案例

以手持吸塵器產(chǎn)品為例，應(yīng)用本文方法對(duì)用戶(hù)語(yǔ)義描述需求進(jìn)行建模分析。

4.1 需求合成

通過(guò)在線平臺(tái)收集100名用戶(hù)以自然語(yǔ)言描述的需求，在獲取需求時(shí)啟發(fā)用戶(hù)挖掘自身隱性需求[4]，以提供盡可能全面的需求。將語(yǔ)義描述需求處理為〈產(chǎn)品特征，觀點(diǎn)〉的形式，共計(jì)545項(xiàng)。設(shè)計(jì)人員對(duì)產(chǎn)品特征進(jìn)行人工合成，共得到17個(gè)產(chǎn)品特征，包括8個(gè)非參數(shù)型產(chǎn)品特征和9個(gè)參數(shù)型產(chǎn)品特征。

4.1.1 非參數(shù)型需求聚類(lèi)

對(duì)非參數(shù)型需求中的觀點(diǎn)即感性詞進(jìn)行聚類(lèi)。以產(chǎn)品部件“塵杯”為例，對(duì)應(yīng)的感性詞及其詞頻如表2所示。

表2 “塵杯”對(duì)應(yīng)的感性詞及其頻率

根據(jù)式(1)～式(4)計(jì)算感性詞組之間的語(yǔ)義相似度。式(1)中α=1.6，式(2)中β1=0.6，β2=0.15，β3=0.15，β4=0.1，式(4)中delta=0.2，得到語(yǔ)義相似度對(duì)稱(chēng)矩陣

給定θ=0.85，利用改進(jìn)的最大最小距離算法確定聚類(lèi)數(shù)為3，初始聚類(lèi)中心為W8，W5，W1。根據(jù)語(yǔ)義相似度聚類(lèi)感性詞，得到3個(gè)類(lèi)，以各類(lèi)中詞頻最高的詞作為類(lèi)的名稱(chēng)，分別為“易拆裝”={W1，W4，W10}，“衛(wèi)生”={W2，W3，W5，W9}，“耐用”={W6，W7，W8，W11}，從而將塵杯的非參數(shù)型語(yǔ)義描述需求轉(zhuǎn)換為3類(lèi)標(biāo)準(zhǔn)形式需求。以同樣的方法將所有非參數(shù)型需求進(jìn)行合成。

4.1.2 參數(shù)型需求聚類(lèi)

對(duì)參數(shù)型需求中的觀點(diǎn)進(jìn)行聚類(lèi)。以“重量”為例，經(jīng)專(zhuān)家分析其論域?yàn)閇1, 3]，將相關(guān)的觀點(diǎn)用梯形模糊數(shù)表示，如表3所示。

表3 “重量”對(duì)應(yīng)的參數(shù)觀點(diǎn)及梯形模糊數(shù)

根據(jù)式(6)計(jì)算觀點(diǎn)之間的模糊數(shù)相似度，構(gòu)建相似度對(duì)稱(chēng)矩陣

S重量=

給定θ=0.85，利用改進(jìn)的最大最小距離算法確定聚類(lèi)數(shù)為2，初始聚類(lèi)中心為P1和P2。根據(jù)模糊數(shù)相似度對(duì)參數(shù)觀點(diǎn)進(jìn)行聚類(lèi)，得到兩個(gè)類(lèi)，分別為{P1,P3,P4,P6}和{P2,P5}。根據(jù)式(8)計(jì)算出兩類(lèi)需求的梯形模糊數(shù)，分別為[1.32, 1.47, 1.75, 1.95]和[1, 1.13, 1.31, 1.51]。將兩類(lèi)觀點(diǎn)用語(yǔ)言分別描述為“在1.47 kg～1.75 kg之間”和“在1.13 kg～1.31 kg之間”，從而將重量的參數(shù)型語(yǔ)義描述需求轉(zhuǎn)換為標(biāo)準(zhǔn)形式的兩類(lèi)需求。以同樣的方法將所有參數(shù)型需求進(jìn)行合成。

4.2 確定需求重要度

經(jīng)過(guò)需求合成，將用戶(hù)語(yǔ)義描述需求轉(zhuǎn)化為42個(gè)標(biāo)準(zhǔn)形式的需求項(xiàng)，構(gòu)成標(biāo)準(zhǔn)需求集RC={R1，R2，…，R42}。仍以塵杯和重量對(duì)應(yīng)的需求為例展示需求重要度確定過(guò)程。經(jīng)第一輪評(píng)估，塵杯相關(guān)的產(chǎn)品特征為“操作”“塵杯”“吸塵桿”，重量相關(guān)的產(chǎn)品特征為“操作”“吸力”“充電時(shí)間”“續(xù)航時(shí)間”“長(zhǎng)度”，然后進(jìn)行第二輪評(píng)估。首先計(jì)算存在定量關(guān)系的參數(shù)型需求的相關(guān)關(guān)系值。以重量和續(xù)航時(shí)間的相關(guān)需求為例，有關(guān)重量的需求為R19：1.47 kg～1.75 kg和R20：1.13 kg～1.31 kg，有關(guān)續(xù)航時(shí)間的相關(guān)需求為R28：24 min ～33 min，R29：35 min ～41 min，R30：44 min ～49 min。重量w與續(xù)航時(shí)間t存在經(jīng)驗(yàn)公式t=27.5w，則R19對(duì)應(yīng)于續(xù)航時(shí)間的要求為40.425 min ～48.125 min。根據(jù)式(9)可得Ral(R1928)=0，Ral(R1929)=(41-40.425)/(41-35)=0.10，Ral(R1930)=(48.125-44)/(49-44)=0.83。以同樣的方法可得R20與續(xù)航時(shí)間相關(guān)需求的相關(guān)關(guān)系值。由6名專(zhuān)家對(duì)不存在定量關(guān)系的需求進(jìn)行相關(guān)性評(píng)價(jià)，將評(píng)價(jià)結(jié)果轉(zhuǎn)換為粗?jǐn)?shù)，計(jì)算粗?jǐn)?shù)均值得到相關(guān)關(guān)系值，最終得到所有需求項(xiàng)之間的相關(guān)關(guān)系值，然后構(gòu)建相關(guān)關(guān)系矩陣。以塵杯和重量對(duì)應(yīng)的需求為例列出相關(guān)關(guān)系矩陣，如表4所示。

表4 需求相關(guān)關(guān)系矩陣(部分)

根據(jù)需求之間的相關(guān)關(guān)系值修正每名用戶(hù)所提需求的需求量。以某用戶(hù)為例，其初始需求集為RS={R1，R6，R11，R16，R23，R32，R36}，根據(jù)式(12)～式(14)對(duì)需求量進(jìn)行修正。例如對(duì)于R30，根據(jù)相關(guān)關(guān)系矩陣得初始需求中與其相關(guān)的需求為R23，R36，相關(guān)關(guān)系值分別為0.83，0.15，因此R30的修正需求量為1×0.83+1×0.15=0.98。通過(guò)修正需求量得到該用戶(hù)的最終需求項(xiàng)集和對(duì)應(yīng)的需求量。

計(jì)算所有用戶(hù)修正后的需求量之和為1 034.85，根據(jù)式(15)計(jì)算各需求的重要度。設(shè)需求重要度閾值為0.03，排除需求量低于閾值的需求后得到11個(gè)需求項(xiàng)，如表5所示。

表5 關(guān)鍵需求項(xiàng)及其重要度

經(jīng)檢驗(yàn)，R30和R29為互斥需求，表明用戶(hù)群體對(duì)續(xù)航時(shí)間的需求存在偏好差異。若企業(yè)只計(jì)劃開(kāi)發(fā)一款產(chǎn)品，則最終的用戶(hù)需求方案確定為{R21，R4，R35，R8，R1，R30，R2，R23，R26，R39}；若計(jì)劃開(kāi)發(fā)兩款產(chǎn)品，則最終的用戶(hù)需求方案確定為{R21，R4，R35，R8，R1，R30，R2，R23，R26，R39}和{R21，R4，R35，R8，R1，R2，R23，R26，R29，R39}?？衫肣FD等方法構(gòu)建需求項(xiàng)與結(jié)構(gòu)解的映射，優(yōu)先滿足重要度高的需求，形成產(chǎn)品初步設(shè)計(jì)方案。然后在考慮企業(yè)供給能力等約束下進(jìn)行產(chǎn)品詳細(xì)設(shè)計(jì)，完成用戶(hù)需求驅(qū)動(dòng)的產(chǎn)品設(shè)計(jì)過(guò)程。

5 討論

相比采用需求模板、選擇菜單等傳統(tǒng)方法獲得的結(jié)構(gòu)化用戶(hù)需求，用戶(hù)以自然語(yǔ)言形式提出的語(yǔ)義描述需求具有符合用戶(hù)表達(dá)習(xí)慣、較為客觀真實(shí)等優(yōu)點(diǎn)，因此受到廣泛關(guān)注。本文針對(duì)大規(guī)模用戶(hù)語(yǔ)義描述需求提出一種需求建模與分析方法，相比其他方法，本文具有以下優(yōu)勢(shì)：

(1)提出系統(tǒng)的語(yǔ)義描述需求合成方法，將大規(guī)模語(yǔ)義描述需求分類(lèi)整合為標(biāo)準(zhǔn)形式的需求項(xiàng)。語(yǔ)義描述需求的標(biāo)準(zhǔn)化處理是大規(guī)模用戶(hù)語(yǔ)義描述需求分析的基礎(chǔ)，然而現(xiàn)有研究并未提出比較全面系統(tǒng)的處理方法。在一些用戶(hù)需求研究中，雖然將語(yǔ)義描述需求作為研究對(duì)象，但是忽略了需求的標(biāo)準(zhǔn)化過(guò)程，只關(guān)注分析標(biāo)準(zhǔn)化處理后的需求[11,24]。一些研究雖然提出需求的標(biāo)準(zhǔn)化處理方法，但是不夠全面，例如文獻(xiàn)[8]提出半結(jié)構(gòu)化需求的處理方法，然而該方法主要針對(duì)參數(shù)型需求，未考慮無(wú)法定量描述的非參數(shù)型需求的標(biāo)準(zhǔn)化過(guò)程。本文所提需求合成方法彌補(bǔ)了現(xiàn)有研究的缺陷，解決了語(yǔ)義描述需求標(biāo)準(zhǔn)化處理這一關(guān)鍵問(wèn)題。

(2)在確定需求重要度時(shí)考慮了需求相關(guān)性，挖掘了用戶(hù)隱性需求，修正了需求量。一些研究在用戶(hù)需求方案向結(jié)構(gòu)解映射階段考慮了需求相關(guān)性問(wèn)題[3]，但在用戶(hù)需求方案決策研究中則很少考慮需求相關(guān)性[2,12]，使得需求方案因客觀性不足而影響產(chǎn)品開(kāi)發(fā)質(zhì)量。本文方法將需求相關(guān)性分析前移至需求方案決策過(guò)程中，確定了比較客觀的需求方案。

然而，本文方法仍存在一定局限。在確定需求重要度時(shí)，本文未考慮需求類(lèi)型。根據(jù)Kano模型的定義，用戶(hù)需求大致分為基本型需求、期望型需求和興奮型需求[13]，本文根據(jù)需求量(即用戶(hù)表述需求的數(shù)量)確定需求的重要度，更多地考慮了期望型需求，而對(duì)于一些重要的基本型需求和興奮型需求，由于用戶(hù)表述較少，可能無(wú)法被篩選出來(lái)，未來(lái)研究將著力解決這一問(wèn)題。

6 結(jié)束語(yǔ)

本文針對(duì)產(chǎn)品開(kāi)發(fā)過(guò)程中大量用戶(hù)提交的語(yǔ)義描述需求，提出一種大規(guī)模用戶(hù)語(yǔ)義描述需求建模與分析方法，其主要特點(diǎn)與創(chuàng)新點(diǎn)如下：

(1)在對(duì)用戶(hù)語(yǔ)義描述需求形式與類(lèi)型分析的基礎(chǔ)上，將需求分為參數(shù)型需求和非參數(shù)型需求，并根據(jù)其語(yǔ)義表述特點(diǎn)提出相應(yīng)的需求合成方法。非參數(shù)型需求基于感性詞語(yǔ)義相似度進(jìn)行合成，參數(shù)型需求采用梯形模糊數(shù)表示，并基于模糊數(shù)相似度進(jìn)行合成。

(2)提出考慮需求相關(guān)性的需求重要度計(jì)算方法。根據(jù)需求相關(guān)性挖掘了用戶(hù)隱性需求，并提出需求量修正算法，最終得到較為客觀的需求重要度和需求方案。

(3)在分析需求相關(guān)性時(shí)，根據(jù)不同類(lèi)型需求相關(guān)關(guān)系特點(diǎn)制定兩輪評(píng)估的方法來(lái)分類(lèi)評(píng)估相關(guān)關(guān)系值。針對(duì)不同類(lèi)型的需求相關(guān)性，分別采用基于定量關(guān)系的客觀值計(jì)算方法和基于語(yǔ)義變量與粗?jǐn)?shù)的專(zhuān)家評(píng)價(jià)方法，降低了評(píng)估結(jié)果的主觀性，保障了相關(guān)性評(píng)估的準(zhǔn)確性。

未來(lái)將重點(diǎn)研究Kano模型的引入方法，識(shí)別大規(guī)模用戶(hù)語(yǔ)義描述需求中重要的基礎(chǔ)型需求與興奮型需求，形成更為全面準(zhǔn)確的用戶(hù)需求方案。