一种基于大数据的全链式产品设计决策方法及系统技术方案

本发明专利技术提出一种基于大数据的全链式产品设计决策方法及系统，涉及产品设计的技术领域，解决了当前产品设计决策系统没有依据产品的全生命线信息做出决策，决策质量差的问题，首先在基于大数据的基础上获取产品文本数据，然后构建并训练用于预测产品的决策指标数据的决策指标预测模型，进一步，从产品的全链式设计阶段出发，对决策指标数据进行分析，得到决策指标数据的分析结果，最后依据决策指标数据的分析结果制定全链式产品设计决策，全链式产品设计决策的制定贯穿了产品的全链式设计阶段，将产品设计决策落脚于产品的全生命线信息，制定高质量决策。制定高质量决策。制定高质量决策。

【技术实现步骤摘要】
一种基于大数据的全链式产品设计决策方法及系统


[0001]本专利技术涉及产品设计的
，特别涉及一种基于大数据的全链式产品设计决策方法及系统。

技术介绍

[0002]大数据指的是所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯，大数据能够为产品设计提供有力的数据支撑。随着用户对产品设计需求的不断提高，设计人员利用大数据分析进行产品设计，改变产品的设计方法，提高产品设计的工作效率，可以为用户提供合适的产品。
[0003]产品设计是经过对客观事物的高度概括、夸张、典型化之后，再重新组合成的不同结构、不同形态、不同风格的立体空间的设计。目前，基于大数据的产品设计的方法主要是通过对产品设计过程中的单个过程进行研究，为研发人员提供前期或者后期的数据支撑，设计出符合用户需求的产品，但利用产品设计过程中的单个过程研究出的数据稳定性不高，为产品设计提供的数据不可靠；现有专利文献中公开了一种产品设计决策方法，从大数据源提取数据，并转换其格式，再从所发送的数据中搜索有用的产品信息，并对其集成和分析，最后基于分析结果做出决策，但决策是依据有用的产品信息的分析结果做出，没有将产品调研、产品设计、生产准备和市场投放反馈的信息作为依据，进行分析和参与决策制定，即没有考虑产品的全生命线信息，无法为产品设计决策提供有力的数据支撑，导致无法根据决策精准判断产品设计是否真正符合用户的需求的后果。

技术实现思路

[0004]为解决当前产品设计决策系统没有依据产品的全生命线信息做出决策，决策质量差的问题，本专利技术提出一种基于大数据的全链式产品设计决策方法及系统，将产品设计决策落脚于产品的全生命线信息，制定高质量决策。
[0005]为了达到上述技术效果，本专利技术的技术方案如下：
[0006]一种基于大数据的全链式产品设计决策方法，包括以下步骤：
[0007]S1.确定产品行业，从大数据中获取产品行业的产品文本数据；
[0008]S2.对获取的产品文本数据进行预处理；
[0009]S3.构建决策指标预测模型，利用预处理完的产品文本数据对决策指标预测模型进行训练，得到训练好的决策指标预测模型；
[0010]S4.将待预测的产品文本数据输入训练好的决策指标预测模型，输出产品的决策指标数据；
[0011]S5.明确产品的全链式设计阶段，在全链式设计阶段对决策指标数据进行分析，得到决策指标数据的分析结果；
[0012]S6.以决策指标数据的分析结果为依据，制定全链式产品设计决策。
[0013]在本技术方案中，首先在基于大数据的基础上获取产品文本数据，然后构建并训练决策指标预测模型，决策指标预测模型用于预测产品的决策指标数据，起到了为产品设计决策提供有力的数据支撑的作用，进一步，从产品的全链式设计阶段出发，对决策指标数据进行分析，得到决策指标数据的分析结果，便于对产品设计过程中的全链式设计过程进行研究，为企业、研发部门和市场部门提供可靠的决策指标数据的分析结果，最后依据决策指标数据的分析结果制定全链式产品设计决策，全链式产品设计决策的制定贯穿了产品的全链式设计阶段，即将产品设计决策落脚于产品的全生命线信息，制定高质量决策，实现洞察及挖掘真正符合用户需求的产品。
[0014]优选地，在步骤S1中，所述产品文本数据包括产品行业的社媒数据、电商数据和产品行业垂类数据。
[0015]优选地，在步骤S2中，对获取的产品文本数据进行预处理的具体步骤为：
[0016]S21.采用文本指纹算法和文本分类算法，去除产品文本数据中的重复数据和无关数据；
[0017]S22.对去除重复数据和无关数据的产品文本数据进行标注，得到产品标注文本数据。
[0018]优选地，在步骤S3中，所述决策指标预测模型包括实体识别模块、实体关系识别模块、实体情感判断模块和实体关键词提取模块；所述实体识别模块的输出端分别连接实体识别模块、实体关系识别模块、实体情感判断模块和实体关键词提取模块的输入端；在决策指标预测模型训练过程中，实体识别模块从预处理完的产品文本数据识别固定预定义趋势类型的趋势名称，将趋势名称记为实体词，将实体词分别输入实体关系识别模块、实体情感判断模块和实体关键词提取模块，实体关系识别模块在不同维度中识别实体词之间的语义关系，实体情感判断模块识别实体词在整句话中的正负中性情感，实体关键词提取模块计算实体词中每个词的TF
‑
IDF分数，对实体词中每个词的TF
‑
IDF分数进行排序，将TF
‑
IDF分数高的记为实体词中的关键词。
[0019]优选地，步骤S4所述决策指标数据包括产品网络声量、产品互动量、产品销量、产品销售额、产品数、环比、同比、产品的趋势名称、产品的趋势类型、产品的趋势定位、产品的趋势规模指数、产品的趋势增长指数和产品的趋势情感指数。
[0020]优选地，所述产品网络声量是在筛选的时间范围内，利用产品的趋势名称在互联网出现的文章中提及的声量值计算得到。
[0021]优选地，产品的趋势定位的趋势类型包括潜力趋势、机会趋势、成熟趋势和爆品趋势，利用产品的趋势规模指数和产品的趋势增长指数对所述产品的趋势定位的趋势类型进行判断。
[0022]优选地，若产品的趋势规模指数和产品的趋势增长指数同时不大于预设的潜力趋势阈值，则产品的趋势定位的趋势类型为潜力趋势；否则，产品的趋势定位的趋势类型为机会趋势或成熟趋势或爆品趋势；若产品的趋势规模指数和产品的趋势增长指数同时不大于预设的机会趋势阈值，则产品的趋势定位的趋势类型为机会趋势；否则，产品的趋势定位的趋势类型为潜力趋势或成熟趋势或爆品趋势；若产品的趋势规模指数大于预设的成熟趋势阈值，且产品的趋势增长指数不大于预设的成熟趋势阈值，则产品的趋势定位的趋势类型成熟趋势；否则，产品的趋势定位的趋势类型为潜力趋势或机会趋势或爆品趋势；若产品的
趋势规模指数大于预设的爆品趋势阈值，且产品的趋势增长指数不大于预设的爆品趋势阈值，则产品的趋势定位的趋势类型爆品趋势；否则，产品的趋势定位的趋势类型为潜力趋势或机会趋势或成熟趋势。
[0023]优选地，步骤S5所述全链式设计阶段包括用于分析产品行业情况的同类产品分析子阶段、用于分析产品概念及走势并提供产品设计创意灵感的产品概念挖掘子阶段、用于提供行业现存专业技术参考资料的产品开发子阶段、用于查看产品市场投放结果的产品投放子阶段。
[0024]本专利技术还提出了一种基于大数据的全链式产品设计决策系统，所述系统包括：
[0025]数据获取模块，用于确定产品行业，从大数据中获取产品行业的产品文本数据；
[0026]预处理模块，用于对获取的产品文本数据进行预处理；
[0027]模型构建处理模块，用于构建决策指标预测模型，利用预处理完的产品文本数据对决策指标预测模型进行训练，得到训练好的决策指标预测模型；
[0028]数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的全链式产品设计决策方法，其特征在于，包括以下步骤：S1.确定产品行业，从大数据中获取该产品行业的产品文本数据；S2.对获取的产品文本数据进行预处理；S3.构建决策指标预测模型，利用预处理完的产品文本数据对决策指标预测模型进行训练，得到训练好的决策指标预测模型；S4.将待预测的产品文本数据输入训练好的决策指标预测模型，输出产品的决策指标数据；S5.明确产品的全链式设计阶段，在全链式设计阶段对决策指标数据进行分析，得到决策指标数据的分析结果；S6.以决策指标数据的分析结果为依据，制定全链式产品设计决策。2.根据权利要求1所述的基于大数据的全链式产品设计决策方法，其特征在于，在步骤S1中，所述产品文本数据包括产品行业的社媒数据、电商数据和产品行业垂类数据。3.根据权利要求2所述的基于大数据的全链式产品设计决策方法，其特征在于，在步骤S2中，对获取的产品文本数据进行预处理的具体步骤为：S21.采用文本指纹算法和文本分类算法，去除产品文本数据中的重复数据和无关数据；S22.对去除重复数据和无关数据的产品文本数据进行标注，得到产品标注文本数据。4.根据权利要求3所述的基于大数据的全链式产品设计决策方法，其特征在于，在步骤S3中，所述决策指标预测模型包括实体识别模块、实体关系识别模块、实体情感判断模块和实体关键词提取模块；所述实体识别模块的输出端分别连接实体识别模块、实体关系识别模块、实体情感判断模块和实体关键词提取模块的输入端；在决策指标预测模型训练过程中，实体识别模块从预处理完的产品文本数据识别固定预定义趋势类型的趋势名称，将趋势名称记为实体词，将实体词分别输入实体关系识别模块、实体情感判断模块和实体关键词提取模块，实体关系识别模块在不同维度中识别实体词之间的语义关系，实体情感判断模块识别实体词在整句话中的正负中性情感，实体关键词提取模块计算实体词中每个词的TF
‑
IDF分数，对实体词中每个词的TF
‑
IDF分数进行排序，将TF
‑
IDF分数高的记为实体词中的关键词。5.根据权利要求4所述的基于大数据的全链式产品设计决策方法，其特征在于，步骤S4所述决策指标数据包括产品网络声量、产品互动量、产品销量、产品销售额、产品数、环比、同比、产品的趋势名称、产品的趋势类型、产品的趋势定位、产品的趋势规模指数、产品的趋势增长指数和产品的趋势情感指数。6.根据权利要...

【专利技术属性】
技术研发人员：方正，朱红波，黎兆祺，徐亚波，李旭日，
申请(专利权)人：广东横琴数说故事信息科技有限公司，
类型：发明
国别省市：