大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法論與創(chuàng)新服務(wù)平臺(tái)

鹿旭東 ， 宋偉鳳， 郭偉， 崔立真 ＊， 林岳 ， 姜濤

1.山東大學(xué)軟件學(xué)院，山東 濟(jì)南 250101

2.北京億維訊同創(chuàng)科技有限公司，北京 100025

引 言

“自主創(chuàng)新，方法先行”，創(chuàng)新方法是自主創(chuàng)新的根本之源。我國(guó)正在實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，這是深化改革的重要內(nèi)容，也是轉(zhuǎn)變經(jīng)濟(jì)增長(zhǎng)方式的一項(xiàng)重要舉措。創(chuàng)新方法的理論體系最早起源于1946年前蘇聯(lián)科學(xué)家根里奇.阿奇舒勒的“發(fā)明問(wèn)題解決理論”（TRIZ）[1]的研究工作。他創(chuàng)建了一套由解決技術(shù)難題、實(shí)現(xiàn)技術(shù)創(chuàng)新等各種方法組成的TRIZ 理論。TRIZ 理論是對(duì)大量專利進(jìn)行研究之后產(chǎn)生的一種系統(tǒng)性創(chuàng)新方法[2]，揭示了創(chuàng)造發(fā)明的內(nèi)在規(guī)律和原理，強(qiáng)調(diào)系統(tǒng)中存在的矛盾，其目標(biāo)是完全解決矛盾，獲得最終的理想解[3]。

TRIZ 是一個(gè)龐雜的創(chuàng)新方法理論體系，迫切需要?jiǎng)?chuàng)新工具引導(dǎo)和支持人們利用TRIZ 進(jìn)行創(chuàng)新[4]， 經(jīng)過(guò)數(shù)十年發(fā)展，計(jì)算機(jī)輔助創(chuàng)新（CAI）技術(shù)[5]應(yīng)運(yùn)而生。計(jì)算機(jī)輔助創(chuàng)新設(shè)計(jì)軟件有數(shù)十種之多，國(guó)外以美國(guó) Ideation International 公司開發(fā)的Innovation WorkBench(IWB)[6]；國(guó)內(nèi)以河北工業(yè)大學(xué)開發(fā)的 Invention Tool[7]軟件為代表。實(shí)踐表明，TRIZ 創(chuàng)新方法理論和工具已經(jīng)發(fā)展成為一套實(shí)用性很強(qiáng)的解決新產(chǎn)品開發(fā)實(shí)際問(wèn)題的成熟理論和方法體系，能幫助技術(shù)開發(fā)人員突破思維障礙，進(jìn)行理性的邏輯思維；能幫助人們系統(tǒng)地分析問(wèn)題，快速發(fā)現(xiàn)問(wèn)題本質(zhì)，準(zhǔn)確確定問(wèn)題探索方向；能根據(jù)技術(shù)進(jìn)化規(guī)律預(yù)測(cè)未來(lái)發(fā)展趨勢(shì)，進(jìn)而開發(fā)富有競(jìng)爭(zhēng)力的新產(chǎn)品。如今它已在全世界得到廣泛應(yīng)用，創(chuàng)造出成千上萬(wàn)項(xiàng)的重大發(fā)明，為知名企業(yè)創(chuàng)造了巨大的經(jīng)濟(jì)效益和社會(huì)效益[8]。

然而，隨著大數(shù)據(jù)時(shí)代的到來(lái)，TRIZ 創(chuàng)新方法理論和工具面臨新的挑戰(zhàn)：（1）創(chuàng)新方法應(yīng)用難。雖然創(chuàng)新方法理論體系相對(duì)完善，但需要掌握的知識(shí)內(nèi)容復(fù)雜而龐大，入門很困難，應(yīng)用起來(lái)也不方便，常常需要專業(yè)的培訓(xùn)和專家的支持，不適用于社會(huì)大眾的普適化創(chuàng)新。（2）信息的多源化碎片化加劇了創(chuàng)意形成的難度。大數(shù)據(jù)時(shí)代數(shù)據(jù)的多源化、知識(shí)的碎片化，加劇了人們選擇創(chuàng)意、評(píng)價(jià)創(chuàng)新程度的難度。人們很難從海量信息中，針對(duì)某一產(chǎn)品提煉出系統(tǒng)化的創(chuàng)意方案[9]。（3）創(chuàng)新方案推薦和形成困難。有了產(chǎn)品創(chuàng)意，該用哪些關(guān)鍵技術(shù)，如何實(shí)現(xiàn)創(chuàng)意，面對(duì)海量信息和知識(shí)，對(duì)于普適化的大眾創(chuàng)新來(lái)說(shuō)也是一個(gè)很大挑戰(zhàn)。

當(dāng)然互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代也為創(chuàng)新帶來(lái)了巨大契機(jī)：一方面，數(shù)據(jù)和知識(shí)更加豐富，獲取更為便利。大數(shù)據(jù)不僅意味著海量、多樣、迅捷的數(shù)據(jù)處理，更是一種新的生產(chǎn)要素、一種創(chuàng)新資源和一種新的思維方式；另一方面，由于大眾互聯(lián)，更多智慧被激發(fā)，這些眾智的互動(dòng)和協(xié)作，為創(chuàng)新提供了更廣泛的源泉。為此，本文提出一套大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法論，并研發(fā)了一套大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新服務(wù)平臺(tái)。利用大數(shù)據(jù)技術(shù)和匯聚眾智的思想，以多源創(chuàng)新數(shù)據(jù)的跨界融合為基礎(chǔ)，構(gòu)建創(chuàng)新方法大數(shù)據(jù)[1]和創(chuàng)新知識(shí)圖譜；通過(guò)社會(huì)化公眾參與和互動(dòng)反饋，形成匯聚眾智的創(chuàng)新模式；基于創(chuàng)新大數(shù)據(jù)知識(shí)圖譜，實(shí)現(xiàn)創(chuàng)意自動(dòng)快速引導(dǎo)生成；基于發(fā)明原理等創(chuàng)新方法理論，實(shí)現(xiàn)創(chuàng)新方案的自動(dòng)生成。最終，為實(shí)現(xiàn)大眾的普適化精準(zhǔn)創(chuàng)新提供思維、方法和工具支撐。

1 大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法論

大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新（Big Data Driven Innovation，BDDI）方法論模型如圖 1 所示，可概括為“一個(gè)基礎(chǔ)、兩個(gè)智能、三位一體”。“一個(gè)基礎(chǔ)”是指以創(chuàng)新方法大數(shù)據(jù)為基礎(chǔ)，即來(lái)源于網(wǎng)絡(luò)世界的產(chǎn)品交易數(shù)據(jù)、領(lǐng)域知識(shí)數(shù)據(jù)、創(chuàng)新方法與案例數(shù)據(jù)、科技報(bào)告數(shù)據(jù)、專利數(shù)據(jù)等創(chuàng)新相關(guān)的數(shù)據(jù)，通過(guò)數(shù)據(jù)融合（將來(lái)自不同機(jī)構(gòu)的數(shù)據(jù)，按照統(tǒng)一的要求整理成統(tǒng)一格式，方便以后的使用）、存儲(chǔ)（存儲(chǔ)的方式，比如數(shù)據(jù)庫(kù)存儲(chǔ)）、計(jì)算、分析和可視化（使用各種圖形表格等形式讓用戶更快速的了解到數(shù)據(jù)信息）， 解讀多源異構(gòu)數(shù)據(jù)（來(lái)自不同機(jī)構(gòu)、不同存儲(chǔ)方式的數(shù)據(jù)）背后隱藏的有價(jià)值的信息，將其匯聚為創(chuàng)新知識(shí)，形成數(shù)據(jù)跨界融合公共支撐平臺(tái)，為創(chuàng)新者生成創(chuàng)意和創(chuàng)新方案提供數(shù)據(jù)支撐?！皟蓚€(gè)智能”是指在數(shù)據(jù)跨界融合公共支撐平臺(tái)基礎(chǔ)上，基于從創(chuàng)新方法大數(shù)據(jù)中抽取出的創(chuàng)新知識(shí)圖譜實(shí)現(xiàn)創(chuàng)意的智能引導(dǎo)和基于 TRIZ 發(fā)明原理等創(chuàng)新方法理論實(shí)現(xiàn)創(chuàng)新方案的智能推薦?！叭灰惑w” 指通過(guò)互聯(lián)網(wǎng)，將創(chuàng)客聚集在一起，形成社會(huì)主體的跨界融合創(chuàng)新，與創(chuàng)意智能引導(dǎo)、創(chuàng)新方案智能推薦形成三位一體[10]，實(shí)現(xiàn)眾智眾創(chuàng)、互動(dòng)反饋、評(píng)價(jià)優(yōu)化的協(xié)同創(chuàng)新過(guò)程。

圖1 大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法論模型Fig.1 Innovation methodology model driven by big data

大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法論包含創(chuàng)新思維與創(chuàng)新方法兩部分。大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新思維包括橫向?qū)哟螖U(kuò)展、縱向過(guò)程延伸、整體綜合補(bǔ)充、局部分析深入、內(nèi)在結(jié)構(gòu)開拓、外部結(jié)構(gòu)發(fā)現(xiàn)、因果關(guān)系回溯、因果關(guān)系前瞻八條原則[11]，從思維層面指導(dǎo)創(chuàng)新方法實(shí)施。對(duì)應(yīng)于產(chǎn)品創(chuàng)新全過(guò)程，大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法實(shí)施步驟分為六個(gè)階段：大數(shù)據(jù)驅(qū)動(dòng)的知識(shí)融合階段、創(chuàng)意引導(dǎo)階段、方案研發(fā)階段、原型測(cè)試階段、眾包反饋階段和眾智眾創(chuàng)階段，其中知識(shí)融合階段為基礎(chǔ)，眾智眾創(chuàng)階段為核心，整個(gè)實(shí)施流程如圖 2 所示。

圖2 大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法實(shí)施步驟Fig.2 Implementation steps of big data-driven innovation methods

1.1 知識(shí)融合

首先，創(chuàng)新方法大數(shù)據(jù)獲取與存儲(chǔ)。對(duì)電子商務(wù)平臺(tái)、社交媒體平臺(tái)、數(shù)據(jù)知識(shí)服務(wù)平臺(tái)、科技資訊平臺(tái)等網(wǎng)絡(luò)平臺(tái)和上面的商品信息、用戶評(píng)價(jià)、專利摘要、科技信息等創(chuàng)新數(shù)據(jù)進(jìn)行采集，將獲取的數(shù)據(jù)進(jìn)行解析和清洗，形成創(chuàng)新方法大數(shù)據(jù)。其次，創(chuàng)新知識(shí)圖譜構(gòu)建[12]。對(duì)獲取的創(chuàng)新數(shù)據(jù)進(jìn)行實(shí)體、屬性及關(guān)系的抽取；將抽取出的知識(shí)進(jìn)行實(shí)體鏈接和知識(shí)合并等知識(shí)融合操作，消除實(shí)體指稱項(xiàng)與實(shí)體對(duì)象直接的歧義；采用數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)構(gòu)建方法，進(jìn)行本體構(gòu)建，從知識(shí)庫(kù)中的實(shí)體關(guān)系數(shù)據(jù)出發(fā)，經(jīng)過(guò)知識(shí)推理，建立實(shí)體間的新聯(lián)系，最終形成創(chuàng)新知識(shí)圖譜。本文從 Web 上用爬蟲等技術(shù)手段獲取結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并從獲取的數(shù)據(jù)中提取本體庫(kù)（Ontology），經(jīng)過(guò)人工審核后，將本體庫(kù)與數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)中，并把存儲(chǔ)在 Neo4j 圖數(shù)據(jù)庫(kù)中的數(shù)據(jù)以圖譜的形式展示出來(lái)，采用 D3.js 將可視化和交互技術(shù)與數(shù)據(jù)驅(qū)動(dòng)的 DOM（Document Object Model）操縱方法相結(jié)合，將數(shù)據(jù)綁定到 DOM，為數(shù)據(jù)提供正確的可視化設(shè)計(jì)接口，然后應(yīng)用數(shù)據(jù)驅(qū)動(dòng)來(lái)轉(zhuǎn)換文檔生成交互式圖像。最后，個(gè)性化創(chuàng)新知識(shí)服務(wù)。建立創(chuàng)新知識(shí)搜索引擎，對(duì)創(chuàng)新者的個(gè)性化查詢提供精確的推薦和導(dǎo)航服務(wù)。

1.2 創(chuàng)意引導(dǎo)

首選，智能檢索。利用創(chuàng)新搜索引擎進(jìn)行創(chuàng)新關(guān)鍵詞檢索，基于知識(shí)圖譜和相似度計(jì)算，得到關(guān)鍵詞的知識(shí)關(guān)系圖和相關(guān)詞云（由詞匯組成的類似云的圖，對(duì)出現(xiàn)較高的詞予以視覺上的突出）圖，根據(jù)創(chuàng)新方法大數(shù)據(jù)不同來(lái)源，可分別生成產(chǎn)品信息詞云圖、用戶評(píng)價(jià)詞云圖、科技信息詞云圖等，并將詞云圖中詞的相關(guān)文檔鏈接及文檔中提取的高頻詞按照相關(guān)度排序顯示。其次，創(chuàng)意推薦。創(chuàng)新者通過(guò)更換知識(shí)關(guān)系圖和相關(guān)詞云圖中創(chuàng)新關(guān)鍵詞進(jìn)行創(chuàng)新思維發(fā)散，利用多文檔摘要提取技術(shù)（將同一主題下的多個(gè)文本描述的主要信息按壓縮比提煉出一個(gè)文本的自然語(yǔ)言處理技術(shù)），從其瀏覽并標(biāo)注的文檔中自動(dòng)生成摘要，推薦給創(chuàng)新者作為創(chuàng)意參考，創(chuàng)新者對(duì)推薦的創(chuàng)意進(jìn)行補(bǔ)充編輯。 最后，創(chuàng)意眾智評(píng)估與征集。將創(chuàng)意提交眾創(chuàng)社區(qū)，利用眾智對(duì)創(chuàng)意進(jìn)行評(píng)價(jià)，將評(píng)價(jià)的結(jié)果進(jìn)行數(shù)據(jù)分析處理后反饋給創(chuàng)新者。

1.3 方案研發(fā)

首先，產(chǎn)品概念開發(fā)。根據(jù)確定的產(chǎn)品創(chuàng)意，對(duì)產(chǎn)品進(jìn)行設(shè)計(jì)與描述，包括產(chǎn)品功能、性能、優(yōu)點(diǎn)、消費(fèi)群體、預(yù)計(jì)價(jià)格、技術(shù)問(wèn)題等。其次，發(fā)明原理智能匹配。對(duì)產(chǎn)品創(chuàng)新中的技術(shù)問(wèn)題進(jìn)行求解，基于相似度計(jì)算，將產(chǎn)品概念描述智能匹配相應(yīng)的 TRIZ 發(fā)明原理等創(chuàng)新方法理論，同時(shí)提供與產(chǎn)品概念描述相關(guān)的文檔鏈接，輔助工程技術(shù)人員解決在產(chǎn)品技術(shù)創(chuàng)新實(shí)現(xiàn)上的問(wèn)題。然后，創(chuàng)新方案推薦。利用多文檔摘要提取技術(shù)，從創(chuàng)新者瀏覽并標(biāo)注的專利或科技報(bào)告等文檔中自動(dòng)生成摘要推薦給創(chuàng)新者作為創(chuàng)新方案參考。工程技術(shù)人員根據(jù)推薦的發(fā)明原理、相關(guān)文檔，結(jié)合實(shí)際問(wèn)題，確定創(chuàng)新方案，具體包含采用何種技術(shù)、利用何種方式、選用何種材質(zhì)等。 最后，創(chuàng)新方案眾智評(píng)估或征集。借助眾創(chuàng)社區(qū)，對(duì)創(chuàng)新方案進(jìn)行眾智評(píng)估，讓具有專業(yè)領(lǐng)域知識(shí)的創(chuàng)客參與到方案研發(fā)中，將評(píng)估的結(jié)果結(jié)合企業(yè)內(nèi)部資源和外部環(huán)境等因素，生成最終產(chǎn)品創(chuàng)新方案。

1.4 原型測(cè)試

首先，產(chǎn)品原型研發(fā)。根據(jù)產(chǎn)品創(chuàng)新方案進(jìn)行產(chǎn)品原型研發(fā)，包括產(chǎn)品功能、結(jié)構(gòu)、屬性、外觀等多方面設(shè)計(jì)內(nèi)容，即將產(chǎn)品方案轉(zhuǎn)化為在技術(shù)和商業(yè)上可行的現(xiàn)實(shí)產(chǎn)品。其次，產(chǎn)品“α 測(cè)試”。進(jìn)行新產(chǎn)品的樣品開發(fā)及內(nèi)部試用，用以檢驗(yàn)產(chǎn)品原型設(shè)計(jì)在技術(shù)實(shí)現(xiàn)、功能和性能等方面是否符合最初期望要求等，若存在問(wèn)題，對(duì)產(chǎn)品原型進(jìn)行調(diào)整改進(jìn)。根據(jù)產(chǎn)品“α 測(cè)試”反饋結(jié)果，最終確定兩種產(chǎn)品原型。

最后，在線“A/B 測(cè)試”。借助互聯(lián)網(wǎng)眾智眾包，對(duì)產(chǎn)品原型進(jìn)行在線“A/B 測(cè)試”，根據(jù)用戶投票及建議，改進(jìn)和完善產(chǎn)品原型，推出符合大眾期待的新產(chǎn)品。

1.5 眾包反饋

首先產(chǎn)品問(wèn)題反饋。產(chǎn)品投入市場(chǎng)一段時(shí)間后，基于眾創(chuàng)社區(qū)，對(duì)產(chǎn)品存在問(wèn)題進(jìn)行調(diào)查，獲取社區(qū)用戶對(duì)產(chǎn)品各項(xiàng)指標(biāo)的評(píng)分及意見，將反饋數(shù)據(jù)存入創(chuàng)新放大數(shù)據(jù)庫(kù)中，作為下一次產(chǎn)品創(chuàng)新的數(shù)據(jù)基礎(chǔ)。最后：產(chǎn)品更新升級(jí)。根據(jù)產(chǎn)品問(wèn)題反饋及技術(shù)研發(fā)情況綜合考慮，決定是否需要立即進(jìn)行產(chǎn)品更新升級(jí)。

1.6 眾智眾創(chuàng)

首先建立評(píng)估模型。評(píng)估模型一般包括評(píng)價(jià)因素、評(píng)價(jià)等級(jí)、權(quán)重和評(píng)價(jià)人員信用，需要建立創(chuàng)意評(píng)估模型、方案評(píng)估模型、原型評(píng)估模型及反饋評(píng)估模型。其次，設(shè)置懸賞金額。為鼓勵(lì)更多用戶參與創(chuàng)新，眾創(chuàng)社區(qū)采取有償評(píng)估或征集方式，對(duì)參與完成任務(wù)的社區(qū)用戶給予一定金額獎(jiǎng)勵(lì)。

然后，眾智選擇。對(duì)社區(qū)用戶進(jìn)行“用戶畫像”，“用戶畫像”維度主要包括性別、年齡、地理位置、關(guān)注領(lǐng)域、信用等級(jí)等，基于PageRank 算法，將評(píng)估任務(wù)與用戶進(jìn)行匹配，精準(zhǔn)推送給合適的用戶。

最后，結(jié)果分析。利用評(píng)估模型對(duì)社區(qū)用戶客觀評(píng)價(jià)結(jié)果進(jìn)行計(jì)算，得到評(píng)估分?jǐn)?shù)，對(duì)主觀評(píng)價(jià)進(jìn)行語(yǔ)義情感分析，提取評(píng)價(jià)標(biāo)簽詞，并按照評(píng)價(jià)內(nèi)容長(zhǎng)度、評(píng)價(jià)時(shí)間、支持人數(shù)及用戶信用等計(jì)算評(píng)價(jià)質(zhì)量并排序，選取最佳回答。

2 大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新服務(wù)平臺(tái)關(guān)鍵技術(shù)

2.1 基于創(chuàng)新知識(shí)圖譜的創(chuàng)意智能引導(dǎo)

大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新的關(guān)鍵在于知識(shí)融合，基于創(chuàng)新知識(shí)圖譜的創(chuàng)意智能引導(dǎo)技術(shù)，指用戶通過(guò)創(chuàng)新搜索引擎進(jìn)行智能檢索，利用創(chuàng)新知識(shí)圖譜查找用戶創(chuàng)意問(wèn)題的答案及相關(guān)文檔。由于查詢時(shí)輸入通常比較短，基于空間向量模型的文檔表示與基于查詢關(guān)鍵詞匹配這種傳統(tǒng)檢索方案難以滿足用戶查詢需求。創(chuàng)新知識(shí)圖譜的出現(xiàn)為創(chuàng)新智能檢索提供了新的檢索方案——基于知識(shí)圖譜的文檔表示與基于知識(shí)圖譜獲得的查詢擴(kuò)展詞匹配結(jié)合。

2.1.1 創(chuàng)新知識(shí)圖譜數(shù)據(jù)獲取與構(gòu)建

實(shí)現(xiàn)過(guò)程包括：抽取文檔中的實(shí)體與關(guān)系， 用其構(gòu)成的圖來(lái)表示該文檔；將所有文檔抽取出的實(shí)體-關(guān)系圖進(jìn)行知識(shí)融合，得到創(chuàng)新知識(shí)圖譜。在進(jìn)行知識(shí)融合的過(guò)程中，要消除發(fā)生沖突的知識(shí)[12]。本文采用知識(shí)驗(yàn)證技術(shù)鏈接數(shù)據(jù)來(lái)源權(quán)限，考慮數(shù)據(jù)冗余和一致性以及納入額外的語(yǔ)義約束來(lái)識(shí)別最可靠的數(shù)據(jù)值，然后集成不同來(lái)源的知識(shí)；通過(guò)PRA[13]（Path Ranking Algorithm）補(bǔ)全創(chuàng)新圖譜中缺失的數(shù)據(jù)，由于PRA 方法具有較好的解釋性，并且不需要額外的邏輯規(guī)則，因此本文采用PRA 算法補(bǔ)全知識(shí)圖譜。PRA 將每種不同的關(guān)系路徑作為一維特征，通過(guò)在知識(shí)圖譜中統(tǒng)計(jì)大量的關(guān)系路徑構(gòu)建關(guān)系分類的特征向量，建立關(guān)系分類器進(jìn)行關(guān)系抽取，繞開規(guī)則提取步驟直接推理。PRA 用連接兩個(gè)實(shí)體的路徑作為特征，來(lái)預(yù)測(cè)兩個(gè)實(shí)體之間的關(guān)系。學(xué)習(xí)階段分為特征抽取、特征計(jì)算和構(gòu)造分類器三個(gè)部分。預(yù)測(cè)階段是使用分類器對(duì)任務(wù)進(jìn)行預(yù)測(cè)。PRA 通過(guò)上訴的步驟，從原始三元組數(shù)據(jù)推理生成新的數(shù)據(jù)，建立更多實(shí)體間的鏈接關(guān)系，增加圖譜的邊密度。

在創(chuàng)意引導(dǎo)過(guò)程中，為了更好更準(zhǔn)確地為用戶推薦其所需要的知識(shí)，本文從構(gòu)建好的創(chuàng)新知識(shí)圖譜中計(jì)算并獲取查詢關(guān)鍵詞的擴(kuò)展詞[13]；因?yàn)閿U(kuò)展詞攜帶有更多的信息，可以作為查詢關(guān)鍵詞的補(bǔ)充。通過(guò)查詢擴(kuò)展詞去通過(guò)余弦相似度計(jì)算查詢擴(kuò)展詞與數(shù)據(jù)庫(kù)文檔的相關(guān)度，系統(tǒng)可以更準(zhǔn)確地為用戶推薦其所需要的文檔[14]。

創(chuàng)新知識(shí)圖譜構(gòu)建框架如圖 3 所示。

圖3 創(chuàng)新知識(shí)圖譜構(gòu)建框架Fig.3 Framework of constructing innovative knowledge graph

2.1.2 創(chuàng)新知識(shí)圖譜的可視化

數(shù)據(jù)可視化的基本方法是根據(jù)不同的數(shù)據(jù)對(duì)象類型和展示需求特點(diǎn)選擇合適的數(shù)據(jù)可視化形式，確定數(shù)據(jù)空間到可視化空間的映射關(guān)系，進(jìn)而可視化數(shù)據(jù)。數(shù)據(jù)可視化框架如圖 4 所示，分為數(shù)據(jù)層、映射層和可視化層。數(shù)據(jù)層將用戶數(shù)據(jù)存儲(chǔ)到系統(tǒng)內(nèi)存中，通過(guò) Ajax 接收和發(fā)送 JSON 格式的數(shù)據(jù)，映射層根據(jù)用戶確定的映射關(guān)系和維度，將用戶數(shù)據(jù)轉(zhuǎn)為可視化數(shù)據(jù)，可視化層負(fù)責(zé)實(shí)現(xiàn)數(shù)據(jù)可視化。數(shù)據(jù)可視化關(guān)鍵技術(shù)是如何將通過(guò)上述方法構(gòu)建好的知識(shí)圖譜存儲(chǔ)到Neo4j 圖數(shù)據(jù)庫(kù)中。Neo4j是專門用來(lái)存放圖的數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)可以方便用戶可視化。將知識(shí)圖譜存儲(chǔ)到Neo4j 是創(chuàng)新知識(shí)可視化的核心。通過(guò)圖4 所示的流程，我們可以存儲(chǔ)到Neo4j 中。

圖4 創(chuàng)新知識(shí)圖譜可視化流程Fig.4 Visualization process of innovative knowledge graph

2.2 基于發(fā)明原理的創(chuàng)新方案智能推薦

矛盾解決理論是TRIZ 理論體系中的經(jīng)典工具[14]。經(jīng)研究發(fā)現(xiàn)，不同的發(fā)明創(chuàng)造往往遵循共同的規(guī)律，TRIZ 理論將這些共同的規(guī)律歸納成40 個(gè)發(fā)明原理，如合并原理、預(yù)加反作用原理、反向原理等，針對(duì)具體的技術(shù)矛盾，采取相應(yīng)的發(fā)明原理，結(jié)合工程實(shí)際尋求具體的解決方案[15]。為了充分利用已有專利中的知識(shí)，支持創(chuàng)新設(shè)計(jì)和鼓勵(lì)發(fā)明創(chuàng)造，本項(xiàng)目提出一種基于專利目的(p)、機(jī)制(m)和發(fā)明原理(t)的專利知識(shí)挖掘方法來(lái)加速用戶創(chuàng)新。為了實(shí)現(xiàn)創(chuàng)新想法目的和機(jī)制的自動(dòng)標(biāo)注，本項(xiàng)目引用了機(jī)器學(xué)習(xí)模型，結(jié)合眾包技術(shù)對(duì)已有專利的摘要中表示該專利目的和機(jī)制的文本進(jìn)行標(biāo)注，作為模型的訓(xùn)練集，利用雙向循環(huán)神經(jīng)網(wǎng)絡(luò)（Bi-RNN）對(duì)專利的目的和機(jī)制進(jìn)行訓(xùn)練和學(xué)習(xí)（圖5）。專利和發(fā)明原理之間通常是一對(duì)多的關(guān)系，利用多標(biāo)簽分類算法對(duì)專利按發(fā)明原理進(jìn)行分類（圖6），分類一篇專利文本，輸出一個(gè)發(fā)明原理的標(biāo)簽集合。跨領(lǐng)域技術(shù)是推動(dòng)創(chuàng)新發(fā)展的重要力量，為了實(shí)現(xiàn)專利推薦結(jié)果的多樣性，本項(xiàng)目提出在用戶輸入的創(chuàng)新想法和已有專利之間進(jìn)行匹配的模式為（相似目的，不同機(jī)制，不同發(fā)明原理），即：其中PAT 表示專利語(yǔ)料庫(kù)，表示基于專利目的的距離函數(shù)，dm表示基于專利機(jī)制的距離函數(shù)，表示基于專利發(fā)明原理的距離函數(shù)是為使推薦專利的機(jī)制具有多樣性設(shè)置的距離閾值，是為使推薦專利的發(fā)明原理具有多樣性設(shè)置的距離閾值，從而為用戶推薦與其創(chuàng)新想法目的相似、機(jī)制和發(fā)明原理具有多樣性的專利，幫助用戶完善其創(chuàng)新想法形成專利。

圖5 基于雙向循環(huán)神經(jīng)網(wǎng)絡(luò)訓(xùn)練專利（目的，機(jī)制）示意圖Fig.5 Schematic diagram of training patent (purpose, mechanism) based on bidirectional recurrent neural network

圖6 專利發(fā)明原理多標(biāo)簽分類示意圖Fig.6 Schematic diagram of multi-label classification of patented invention principles

2.3 基于 PageRank 的創(chuàng)客匹配

PageRank[16]是搜索引擎對(duì)網(wǎng)頁(yè)排名的算法，用于計(jì)算網(wǎng)頁(yè)權(quán)威性。如果目標(biāo)頁(yè)面被越多的其他網(wǎng)頁(yè)鏈接，那么目標(biāo)頁(yè)面越重要；指向目標(biāo)頁(yè)面的其他頁(yè)面質(zhì)量越高，則目標(biāo)頁(yè)面的質(zhì)量也越高。PageRank 算法可應(yīng)用于衡量眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)中用戶權(quán)威性，根據(jù)系統(tǒng)中影響用戶權(quán)威性的因素，比如，用戶回答問(wèn)題的質(zhì)量、用戶的回答問(wèn)題數(shù)量、用戶擅長(zhǎng)的專業(yè)領(lǐng)域、問(wèn)題難度等，對(duì)PageRank 算法進(jìn)行改進(jìn)[15]，以便實(shí)現(xiàn)眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)中的用戶評(píng)價(jià)和問(wèn)題推薦，達(dá)到任務(wù)個(gè)性化、精準(zhǔn)推送的效果。

2.3.1 對(duì)社區(qū)的用戶進(jìn)行權(quán)威性分析

（1）在PageRank[16]算法的基礎(chǔ)上，構(gòu)建一個(gè)用戶問(wèn)答關(guān)系圖其中用戶問(wèn)答關(guān)系圖中的每一個(gè)結(jié)點(diǎn)表示為一個(gè)用戶，用戶問(wèn)答關(guān)系圖中的每一條有向邊表示為用戶到用戶之間的問(wèn)答交互關(guān)系；

圖 7 大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新服務(wù)平臺(tái)Fig.7 Innovation service platform driven by big data

其中，PR(A)代表網(wǎng)頁(yè)A 的PR 值（它是Google 排名運(yùn)算法則（排名公式）的一部分，是Google 用于用來(lái)標(biāo)識(shí)網(wǎng)頁(yè)的等級(jí)/重要性的一種方法，是Google 用來(lái)衡量一個(gè)網(wǎng)站的好壞的唯一標(biāo)準(zhǔn)。其級(jí)別從1 到10 級(jí)，10 級(jí)為滿分。PR 值越高說(shuō)明該網(wǎng)頁(yè)越受歡迎（越重要）），d 代表阻尼系數(shù)，取值范圍是0＜d＜1；PR(Ti)代表鏈接到網(wǎng)頁(yè)A 的網(wǎng)頁(yè)Ti的PR值；C(Ti)代表網(wǎng)頁(yè)Ti鏈出的網(wǎng)頁(yè)數(shù)量；PR 值全稱為PageRank（網(wǎng)頁(yè)級(jí)別），用來(lái)表現(xiàn)網(wǎng)頁(yè)等級(jí)的一個(gè)標(biāo)準(zhǔn)，級(jí)別分別是0 到10。

（2）引入對(duì)答案質(zhì)量的分析[17]，分析用戶的行為，得出初步的用戶權(quán)威性的計(jì)算方法；所述用戶的行為，包括：回答問(wèn)題、選擇最佳答案、贊成和反對(duì)；設(shè)回答問(wèn)題的權(quán)重分?jǐn)?shù)為x，其中x＞0，選擇最佳答案的權(quán)重分?jǐn)?shù)為ax，其中a＞1，贊成的權(quán)重為bx，其中b＞0，反對(duì)的權(quán)重為-cx，其中c＞0；

（3）引入對(duì)問(wèn)題難度的分析，得出用戶權(quán)威性計(jì)算方法；

問(wèn)題難度的計(jì)算公式如下：

問(wèn)題的回答數(shù)量越多，表明有越多的用戶知道問(wèn)題的答案，問(wèn)題相對(duì)簡(jiǎn)單，當(dāng)問(wèn)題的平均回答時(shí)間越長(zhǎng)，表明用戶無(wú)法在短時(shí)間之內(nèi)回答該問(wèn)題，問(wèn)題相對(duì)困難。最終計(jì)算用戶權(quán)威性的方法：

2.3.2 將用戶提出的待解決問(wèn)題與社區(qū)的用戶進(jìn)行匹配度計(jì)算

3 大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新服務(wù)平臺(tái)

基于大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法實(shí)施步驟，我們研發(fā)了大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新服務(wù)平臺(tái)，如圖 3 所示，包含四個(gè)子系統(tǒng)：數(shù)據(jù)跨界融合公共支撐系統(tǒng)、大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)意引導(dǎo)系統(tǒng)、大數(shù)據(jù)驅(qū)動(dòng)的方案推薦系統(tǒng)和眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)。

基于大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法實(shí)施步驟，我們研發(fā)了大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新服務(wù)平臺(tái)，如圖 7 所示，包含四個(gè)子系統(tǒng)：數(shù)據(jù)跨界融合公共支撐系統(tǒng)、大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)意引導(dǎo)系統(tǒng)、大數(shù)據(jù)驅(qū)動(dòng)的方案推薦系統(tǒng)和眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)。

3.1 數(shù)據(jù)跨界融合公共支撐系統(tǒng)

數(shù)據(jù)跨界融合公共支撐系統(tǒng)是大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新服務(wù)平臺(tái)的基礎(chǔ)，包括大數(shù)據(jù)抽取、大數(shù)據(jù)融合、大數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)計(jì)算、大數(shù)據(jù)分析、大數(shù)據(jù)可視化等過(guò)程，匯聚創(chuàng)新方法大數(shù)據(jù)，抽取創(chuàng)新知識(shí)圖譜，為創(chuàng)新活動(dòng)提供數(shù)據(jù)支撐。

系統(tǒng)實(shí)現(xiàn)包括創(chuàng)新相關(guān)文檔獲取并分類存儲(chǔ)、實(shí)體和關(guān)系抽取融合、基于知識(shí)圖譜的文檔表示；基于語(yǔ)義理解進(jìn)行文檔分詞、文檔建倒排索引、詞向量計(jì)算、文檔空間向量計(jì)算、專利數(shù)據(jù)基于 TIRZ 發(fā)明原理分類等。

3.2 大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)意引導(dǎo)系統(tǒng)

大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)意引導(dǎo)系統(tǒng)實(shí)現(xiàn)“創(chuàng)新什么” 功能，幫助用戶解決創(chuàng)意缺乏這一創(chuàng)新難題。用戶基于創(chuàng)新知識(shí)圖譜進(jìn)行智能檢索，檢索結(jié)果以知識(shí)關(guān)系圖、相關(guān)詞云圖和相關(guān)文檔形式顯示，將與關(guān)鍵詞最相關(guān)的數(shù)據(jù)信息以更直觀的方式展現(xiàn)給用戶，引導(dǎo)用戶發(fā)散思維產(chǎn)生創(chuàng)意，通過(guò)與眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)中創(chuàng)客的互動(dòng)，進(jìn)行創(chuàng)意評(píng)估與征集，最終生成可行創(chuàng)意。

系統(tǒng)實(shí)現(xiàn)包括基于用戶檢索詞頻率統(tǒng)計(jì)推薦創(chuàng)新詞、基于知識(shí)圖譜計(jì)算查詢擴(kuò)展詞、基于知識(shí)圖譜計(jì)算知識(shí)關(guān)系圖、基于詞向量距離計(jì)算相關(guān)詞云圖、基于查詢擴(kuò)展詞檢索文檔等。

3.3 大數(shù)據(jù)驅(qū)動(dòng)的方案推薦系統(tǒng)

大數(shù)據(jù)驅(qū)動(dòng)的方案推薦系統(tǒng)實(shí)現(xiàn)“怎樣創(chuàng)新” 功能，幫助用戶解決創(chuàng)意的技術(shù)實(shí)現(xiàn)這一創(chuàng)新難題。用戶對(duì)產(chǎn)品創(chuàng)意進(jìn)行詳細(xì)描述，系統(tǒng)自動(dòng)匹配TRIZ 發(fā)明原理和推薦相關(guān)專利等科技文檔，將TRIZ 發(fā)明原理和與創(chuàng)意描述最相關(guān)的數(shù)據(jù)推薦給用戶進(jìn)行方案研發(fā)參考，通過(guò)與眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)中創(chuàng)客的互動(dòng)，指導(dǎo)用戶生成創(chuàng)新方案。

系統(tǒng)實(shí)現(xiàn)包括基于支持向量機(jī)分類算法將創(chuàng)意描述按發(fā)明原理分類、基于文檔空間向量距離計(jì)算創(chuàng)意描述與創(chuàng)新文檔的相關(guān)度等。

3.4 眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)

眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)是企業(yè)與創(chuàng)客群體之間的互動(dòng)平臺(tái)，通過(guò)有償形式，吸引具有不同領(lǐng)域不同專業(yè)知識(shí)的公眾充分參與到創(chuàng)新過(guò)程中來(lái)，根據(jù)“用戶畫像”，將創(chuàng)新任務(wù)精準(zhǔn)推送給相關(guān)領(lǐng)域創(chuàng)客，匯聚眾智，實(shí)現(xiàn)萬(wàn)眾創(chuàng)新，其中包括對(duì)創(chuàng)意和方案的眾智評(píng)估與征集、原型測(cè)試和眾包反饋等。

系統(tǒng)實(shí)現(xiàn)包括基于用戶行為數(shù)據(jù)構(gòu)建用戶畫像、基于 PangRank 算法實(shí)現(xiàn)任務(wù)精準(zhǔn)推薦、基于創(chuàng)新評(píng)估模型計(jì)算創(chuàng)新分?jǐn)?shù)、基于語(yǔ)義情感分析提取評(píng)論標(biāo)簽、基于評(píng)論質(zhì)量模型進(jìn)行答案推薦排序等。

我們的平臺(tái)已經(jīng)上線運(yùn)行，網(wǎng)址如下：www.bigdatainnovation.cn 。我們的平臺(tái)面向的用戶企業(yè)和個(gè)人。本平臺(tái)旨在為企業(yè)創(chuàng)新提供指導(dǎo)，貫穿大數(shù)據(jù)爬取、創(chuàng)意引導(dǎo)、解決方案推薦、眾智眾創(chuàng)的創(chuàng)新過(guò)程。平臺(tái)包括需求挖掘和行為模式分析系統(tǒng)、大數(shù)據(jù)驅(qū)動(dòng)的模式創(chuàng)新智能推薦系統(tǒng)、大數(shù)據(jù)跨界融合公共支撐系統(tǒng)和大數(shù)據(jù)驅(qū)動(dòng)的社會(huì)化眾智眾創(chuàng)互動(dòng)反饋評(píng)價(jià)系統(tǒng)。并且系統(tǒng)的具體系統(tǒng)界面如圖8所示。我們的系統(tǒng)已經(jīng)有一些活躍用戶，包括企業(yè)用戶和個(gè)人用戶。實(shí)踐證明，企業(yè)用戶從系統(tǒng)中獲得了具有價(jià)值的創(chuàng)意和評(píng)價(jià)，個(gè)人用戶也憑創(chuàng)新參與獲得了收益。

4 大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法論和創(chuàng)新服務(wù)平臺(tái)示范案例

大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法論和創(chuàng)新服務(wù)平臺(tái)為創(chuàng)新提供了思維、方法和工具支持，在工業(yè)制造、互聯(lián)網(wǎng)產(chǎn)品研發(fā)等多個(gè)領(lǐng)域進(jìn)行應(yīng)用示范，取得良好效果。

4.1 板材下料自動(dòng)拾取系統(tǒng)創(chuàng)新應(yīng)用

與山東大國(guó)重器自動(dòng)化有限公司密切合作，研究大數(shù)據(jù)創(chuàng)新方法在機(jī)械行業(yè)的創(chuàng)新應(yīng)用，主要應(yīng)用案例如下：

4.1.1 基于數(shù)據(jù)融合跨界系統(tǒng)獲取領(lǐng)域數(shù)據(jù)

針對(duì)機(jī)械設(shè)備研發(fā)問(wèn)題，使用數(shù)據(jù)融合跨界支撐系統(tǒng)從互聯(lián)網(wǎng)上獲取了機(jī)械領(lǐng)域?qū)＠?科技數(shù)據(jù) 30 余萬(wàn)條，作為該案例的數(shù)據(jù)支撐，并邀請(qǐng)山東大學(xué)機(jī)械學(xué)院機(jī)械設(shè)計(jì)制造與自動(dòng)化團(tuán)隊(duì)注冊(cè)為眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)的會(huì)員。

4.1.2 基于大數(shù)據(jù)驅(qū)動(dòng)的方案推薦系統(tǒng)匹配 TRIZ 原理

該問(wèn)題屬于創(chuàng)新方案研發(fā)問(wèn)題，采用大數(shù)據(jù)驅(qū)動(dòng)的方案推薦系統(tǒng)。系統(tǒng)中自動(dòng)匹配的 TRIZ 發(fā)明原理為：2（分離原理），33（均質(zhì)性原理），27（廉價(jià)替代品原理），18（機(jī)械振動(dòng)原理）。其中推薦的相關(guān)科技數(shù)據(jù)如《一種內(nèi)置式車用硬盤減震固定裝置》、《一種柔性減震器結(jié)構(gòu)》、《雙向緩沖伸縮式拖車桿》等提出的使用柔性減震緩沖等方法對(duì)本創(chuàng)意問(wèn)題具有一定指導(dǎo)作用。將其中相關(guān)描述加入記事本，繼而加入問(wèn)題解決描述中，發(fā)送至眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)進(jìn)行方案征集。

4.1.3 基于眾智眾創(chuàng)評(píng)價(jià)系統(tǒng)選擇最優(yōu)方案

眾智眾創(chuàng)評(píng)價(jià)系統(tǒng)依據(jù)問(wèn)題分類將問(wèn)題精準(zhǔn)推送給山東大學(xué)機(jī)械學(xué)院機(jī)械設(shè)計(jì)制造與自動(dòng)化團(tuán)隊(duì)。對(duì)分離方法的考慮是眾智眾創(chuàng)評(píng)價(jià)系統(tǒng)上創(chuàng)客討論較多的方面，有從材料特性本身討論的，也有從分離方式討論的，依據(jù)討論和建議，得出采用條件分離，在需要考慮應(yīng)力影響（如振動(dòng)）時(shí)用柔性材料，而需要考慮安全考慮時(shí)，如移動(dòng)時(shí)采用剛性材料。最終，采用了山東大學(xué)機(jī)械學(xué)院機(jī)械設(shè)計(jì)制造與自動(dòng)化團(tuán)隊(duì)提出的方案——在鐵鏈外套一個(gè)剛性管，這樣使晃動(dòng)限制在剛性管內(nèi)，而且連接件與取料末端的柔性連接，也不會(huì)產(chǎn)生大的應(yīng)力。

目前該方案已應(yīng)用在板材下料自動(dòng)拾取系統(tǒng)中，經(jīng)實(shí)驗(yàn)及實(shí)際應(yīng)用證明，效果良好，大大降低了設(shè)備損壞率，節(jié)約了生產(chǎn)成本。

系統(tǒng)經(jīng)過(guò)一段時(shí)間的實(shí)際應(yīng)用，我們對(duì)上述系統(tǒng)用戶進(jìn)行了調(diào)查，系統(tǒng)經(jīng)過(guò)一段時(shí)間的實(shí)際應(yīng)用，我們對(duì)上述系統(tǒng)用戶進(jìn)行了調(diào)查，用戶可以在系統(tǒng)的輔助下很容易的使用TRIZ 理論來(lái)指導(dǎo)自己的創(chuàng)新，能更好的利用創(chuàng)新知識(shí)，大眾創(chuàng)客的參與對(duì)創(chuàng)新方案的形成起到了積極的作用，縮短了創(chuàng)新方案形成的時(shí)間，提高了創(chuàng)新方案的質(zhì)量。

4.2 證書打印機(jī)創(chuàng)新應(yīng)用

山大鷗瑪軟件股份有限公司根據(jù)證書打印系統(tǒng)研發(fā)項(xiàng)目，研發(fā)證書打印機(jī)。

4.2.1 基于創(chuàng)新服務(wù)平臺(tái)的創(chuàng)意描述與方案推薦

針對(duì)辦公設(shè)備研發(fā)問(wèn)題，使用數(shù)據(jù)融合跨界支撐系統(tǒng)從互聯(lián)網(wǎng)上獲取了相應(yīng)領(lǐng)域產(chǎn)品 數(shù)據(jù)、評(píng)價(jià)數(shù)據(jù)和專利和科技數(shù)據(jù)80 余萬(wàn)條，為該案例提供數(shù)據(jù)支撐。

通過(guò)大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)意引導(dǎo)系統(tǒng)中創(chuàng)新搜索引擎搜索證書打印機(jī)，得到愛普生、富士通等品牌證書打印機(jī)產(chǎn)品信息，同時(shí)用戶評(píng)價(jià)相關(guān)詞云圖中包含卡紙、打印不清、噪音大、系統(tǒng)兼容等問(wèn)題。根據(jù)創(chuàng)意引導(dǎo)系統(tǒng)提供的信息，進(jìn)行創(chuàng)意描述，包括由于證書紙張厚度差異大，而且裝訂成冊(cè)，需要多頁(yè)打印，每頁(yè)打印內(nèi)容包括文字信息和彩色照片，市面上的打印機(jī)存在卡紙、打印不清、系統(tǒng)兼容等各種問(wèn)題，無(wú)法滿足證書打印的特殊需求等。將創(chuàng)意描述發(fā)布到眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)中對(duì)創(chuàng)意進(jìn)行創(chuàng)新性、技術(shù)可行性、市場(chǎng)需求性等多個(gè)指標(biāo)參數(shù)進(jìn)行評(píng)估，共收到評(píng)估數(shù)據(jù) 537 條，通過(guò)創(chuàng)意評(píng)估模型得到此創(chuàng)意評(píng)估分?jǐn)?shù)為 4.38 分，認(rèn)為有必要研發(fā)配合證書打印系統(tǒng)的證書打印機(jī)。通過(guò)大數(shù)據(jù)驅(qū)動(dòng)的方案推薦系統(tǒng)中對(duì)創(chuàng)意問(wèn)題進(jìn)行描述。證書打印時(shí)存在如下實(shí)際情況：（1）證書裝訂成冊(cè)，需要平鋪展開打印，紙張不平整度較大；（2）需要指定頁(yè)打印制定內(nèi)容，證書位置需要精確定位；（3）證書紙張厚度差異大。目前使用市場(chǎng)的打印機(jī)打印證書存在如下問(wèn)題：（1）只能在平整的紙面上打印內(nèi)容，而且紙張厚度差異不能太大。對(duì)于像這種厚度較大的證書會(huì)出現(xiàn)打印間隙過(guò)小甚至觸碰證書表面情況，引起打印頭污損紙張或甚至導(dǎo)致打印頭或證書損壞；（2）由于證件需要左右展開打印，頁(yè)面不平整，會(huì)導(dǎo)致打印油墨濃密不一，打印內(nèi)容扭曲變形，使用傳統(tǒng)滾輪入紙方式甚至無(wú)法順利入紙打印。

系統(tǒng)自動(dòng)匹配的 TRIZ 發(fā)明原理中的 13（逆向思維原理）描述中包含使物體的活動(dòng)部分改變?yōu)楣潭ǖ?，讓固定的部分變活?dòng)，比如：旋轉(zhuǎn)部件而不是旋轉(zhuǎn)工具、健身跑步機(jī)等等。此原理中對(duì)應(yīng)的《一種打印裝置的制作方法》、《打印機(jī)和導(dǎo)紙機(jī)構(gòu)》、《輪胎用打印裝置以及用于在輪胎表面進(jìn)行打印的方法》等專利數(shù)據(jù)的啟發(fā)，得出使固定的打印平臺(tái)可以前后運(yùn)動(dòng)替代傳統(tǒng)滾輪進(jìn)紙方式，以解決進(jìn)紙困難的問(wèn)題；使打印平臺(tái)可以上下運(yùn)動(dòng)以解決打印不同厚度紙張的問(wèn)題。而系統(tǒng)匹配的 10（預(yù)先作用原理）給出的描述為：在另一事件發(fā)生前執(zhí)行某種作用，結(jié)合其分類中推薦的《一種帶有平紙裝置的激光打印機(jī)》、《一種出紙穩(wěn)定的印刷機(jī)》、《一種壓紙機(jī)》等專利數(shù)據(jù)，得出采用壓紙裝置，對(duì)凹凸不平的證件表面提前壓裝，即保證紙張的平整度又實(shí)現(xiàn)證書位置的定位。

具體的技術(shù)實(shí)現(xiàn)方案實(shí)現(xiàn)采用有償征集形式，由歐瑪公司將創(chuàng)意問(wèn)題描述發(fā)送至眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)。一些打印機(jī)生產(chǎn)廠家以及個(gè)體創(chuàng)客給出了許多解決方案，具有很強(qiáng)的參考性，同時(shí)針對(duì)一些具體問(wèn)題提出了一些考慮，如對(duì)打印穩(wěn)定性以及定位精度等問(wèn)題的討論等，認(rèn)為還需要實(shí)驗(yàn)來(lái)具體確定。

最終，結(jié)合眾智眾創(chuàng)反饋評(píng)價(jià)系統(tǒng)中提出的方案和相關(guān)問(wèn)題，歐瑪技術(shù)團(tuán)隊(duì)進(jìn)行了具體實(shí)驗(yàn)，最終確定的解決方案為：采用直線導(dǎo)軌+直線軸承實(shí)現(xiàn)滑動(dòng)原理解決進(jìn)紙困難問(wèn)題，進(jìn)紙取消常見滾輪進(jìn)紙方式，采用平臺(tái)平行進(jìn)退紙結(jié)構(gòu)。進(jìn)紙和退紙極限位置設(shè)置限位傳感器。經(jīng)實(shí)驗(yàn)及實(shí)際應(yīng)用證明，打印效果良好，節(jié)約了打印成本。

系統(tǒng)經(jīng)過(guò)一段時(shí)間的實(shí)際應(yīng)用，我們對(duì)上述系統(tǒng)用戶進(jìn)行了調(diào)查，用戶可以在系統(tǒng)的輔助下很容易的使用TRIZ 理論來(lái)指導(dǎo)自己的創(chuàng)新，能更好地利用創(chuàng)新知識(shí)，大眾創(chuàng)客的參與對(duì)創(chuàng)新方案的形成起到了積極的作用，縮短了創(chuàng)新方案形成的時(shí)間，提高了創(chuàng)新方案的質(zhì)量。

5 結(jié)語(yǔ)

本文提出的大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新方法論和創(chuàng)新服務(wù)平臺(tái)，以數(shù)據(jù)跨界融合為基礎(chǔ)，社會(huì)化公眾參與互動(dòng)為核心，在創(chuàng)新過(guò)程中實(shí)現(xiàn)創(chuàng)意的智能引導(dǎo)和創(chuàng)新方案的智能推薦。此方法論和服務(wù)平臺(tái)為創(chuàng)新提供了思維、方法和工具支持，通過(guò)對(duì)數(shù)據(jù)挖掘和眾智科學(xué)的研究，智能地解決了創(chuàng)新面臨的難題，推動(dòng)創(chuàng)新向著智能化、大眾化方向發(fā)展。

利益沖突聲明

所有作者聲明不存在利益沖突關(guān)系。