一种产品生产参数优化方法、装置及终端设备制造方法及图纸

本发明专利技术适用于机器翻译技术领域，提供了一种产品生产参数优化方法、装置及终端设备，方法包括：获取测试用户基于待测产品生成的多维用户体验测试数据，多维用户体验测试数据包括J个测试用户对I件待测产品的用户体验评价分数，以及J个测试用户的测试用户画像；通过约束群决策综合计算对多维度用户体验测试数据进行处理，获得测试结果；获取待测产品的关键生产参数；根据测试用户画像将测试结果分类后作为输出，将关键生产参数作为输入，训练建立用户体验参数优化模型；输入目标用户的目标用户画像，通过用户体验参数优化模型搜索基于目标用户的产品生产参数。通过本发明专利技术可以批量生产定制化产品，提高生产效率。提高生产效率。提高生产效率。

【技术实现步骤摘要】
一种产品生产参数优化方法、装置及终端设备


[0001]本专利技术涉及计算机软件
，尤其涉及一种产品生产参数优化方法、装置及终端设备。

技术介绍

[0002]随着社会生产力和科技水平的不断提高，以及互联网的普及，消费需求正日益呈现个性化和多元化的趋势，传统的标准化生产方式所产出的产品难以满足用户需求。
[0003]但是，与传统的标准化生产方式相对应，完全定制化或部分定制化的产品，会给企业的生产效率带来巨大压力，不利于提高市场竞争力。

技术实现思路

[0004]本专利技术的主要目的在于提出一种产品生产参数优化方法、装置及终端设备，解决现有的完全定制化或部分定制化的产品对企业生产效率造成影响的问题。
[0005]为实现上述目的，本专利技术实施例第一方面提供了一种产品生产参数优化方法，包括：
[0006]获取测试用户基于待测产品生成的多维用户体验测试数据，所述多维用户体验测试数据包括J个测试用户对I件待测产品的用户体验评价分数，以及J个测试用户的测试用户画像；其中，J和I为正整数；
[0007]通过约束群决策综合计算对所述多维度用户体验测试数据进行处理，获得测试结果；
[0008]获取所述待测产品的关键生产参数；
[0009]根据所述测试用户画像将所述测试结果分类后作为输出，将所述关键生产参数作为输入，训练建立用户体验参数优化模型；
[0010]输入目标用户的目标用户画像，通过所述用户体验参数优化模型搜索基于所述目标用户的产品生产参数。
[0011]可选地，通过约束群决策综合计算对所述多维度用户体验测试数据进行处理，获得测试结果，包括：
[0012]对于第i件待测产品，每个用户基于K个维度体验特征提供K个维度特征评价分数；i为小于或者等于I的正整数，K为正整数；
[0013]在第i件待测产品的第k个维度体验特征上，对每个用户提供的所述维度特征评价分数进行群决策加权映射，获得每个用户对第i件待测产品中第k个维度体验特征的排名结果，k为小于或者等于K的正整数；
[0014]在第i件待测产品的第k个维度体验特征上，对来自J个用户的J个排名结果进行集成计算，计算结果作为第i件待测产品的第k个维度体验特征的用户评价分数；
[0015]对于第i件待测产品的每个维度体验特征，使用相同的群决策加权映射方法集成计算，以使第i件待测产品的K个维度体验特征包括K个用户评价分数；
[0016]基于任一维度体验特征，获得来自I件待测产品的I个用户评价分数，将排序后的I个用户评价分数作为测试结果。
[0017]可选地，在第i件待测产品的第k个维度体验特征上，对来自J个用户的J个排名结果进行集成计算，计算公式为：
[0018][0019]其中，CPDFWA
i
表示第i件待测产品在第k个维度体验特征上的用户评价分数；n表示测试用户数量n＝J、X
ij
表示在第k个维度体验特征上编号为j的测试用户对编号为i的被测产品的排名结果、I
ij
表示第j名测试用户对编号为i的被测产品填写的产品熟悉度量化值，I
ij
∈(0,1)、μ
i
表示编号为i的被测产品得到的排名结果的期望、σ
i
表示第i个测试产品所得排名的标准差。
[0020]可选地，通过约束群决策综合计算对所述多维度用户体验测试数据进行处理之前，包括：
[0021]通过所述排名结果和所述用户评价分数对所述多维度用户体验测试数据进行验证，计算公式为：
[0022][0023][0024]其中，W
″
ij
为第j名测试用户对第i件产品的评价贡献量、W
″
j
为第j个测试用户对所有产品的总评价贡献量、W
ij
为第j名测试用户对第i件产品评价的概率密度数值；
[0025]当所述评价贡献量小于预设数值时，第j名测试用户所提供的多维度用户体验测试数据验证不通过；当所述评价贡献量大于预设数值时，第j名测试用户所提供的多维度用户体验测试数据验证通过；
[0026]第j名测试用户对第i件产品评价的概率密度数值W
ij
的计算公式为：
[0027][0028]其中，S
i
表示第i件待测产品在第k个维度体验特征上的用户评价分数，X
ij
表示在第k个维度体验特征上编号为j的测试用户对编号为i的被测产品的排名结果。
[0029]可选地，获取所述待测产品的关键生产参数，包括：
[0030]根据产品质量水平的影响因素获取所述关键生产参数。
[0031]可选地，根据所述测试用户画像将所述测试结果分类后作为输出，将所述关键生
产参数作为输入，训练建立用户体验参数优化模型，包括：
[0032]根据所述关键生产参数和分类后的测试结果之间的非线性映射关系，获得初始神经网络模型；
[0033]将所述初始神经网络模型内部的权值和阈值设置为状态变量，并将所述权值及所述阈值的学习迭代方程作为离散状态方程；
[0034]将所述权值及所述阈值的学习迭代方程中的学习变化量作为滤波误差，获得用户体验参数优化模型。
[0035]可选地，根据所述测试用户画像将所述测试结果分类后作为输出，将所述关键生产参数作为输入，训练建立用户体验参数优化模型之后，包括：
[0036]获取新多维用户体验测试数据作为新增样本，并在使用新增样本时，通过Kalman滤波学习算法，改进所述用户体验参数优化模型。
[0037]本专利技术实施例第二方面提供一种产品生产参数优化装置，包括：
[0038]体验测试模块，用于获取测试用户基于待测产品生成的多维用户体验测试数据，所述多维用户体验测试数据包括J个测试用户对I件待测产品的用户体验评价分数，以及J个测试用户的测试用户画像；其中，J和I为正整数；
[0039]测试数据处理模块，用于通过约束群决策综合计算对所述多维度用户体验测试数据进行处理，获得测试结果；
[0040]关键生产参数获取模块，用于获取所述待测产品的关键生产参数；
[0041]用户体验参数优化模型建立模块，用于根据所述测试用户画像将所述测试结果分类后作为输出，将所述关键生产参数作为输入，训练建立用户体验参数优化模型；
[0042]产品生产参数优化模块，用于输入目标用户的目标用户画像，通过所述用户体验参数优化模型搜索基于所述目标用户的产品生产参数。
[0043]本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上第一方面所提供的方法的步骤。
[0044]本专利技术实施例的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上第一方面所提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品生产参数优化方法，其特征在于，包括：获取测试用户基于待测产品生成的多维用户体验测试数据，所述多维用户体验测试数据包括J个测试用户对I件待测产品的用户体验评价分数，以及J个测试用户的测试用户画像；其中，J和I为正整数；通过约束群决策综合计算对所述多维度用户体验测试数据进行处理，获得测试结果；获取所述待测产品的关键生产参数；根据所述测试用户画像将所述测试结果分类后作为输出，将所述关键生产参数作为输入，训练建立用户体验参数优化模型；输入目标用户的目标用户画像，通过所述用户体验参数优化模型搜索基于所述目标用户的产品生产参数。2.如权利要求1所述的产品生产参数优化方法，其特征在于，通过约束群决策综合计算对所述多维度用户体验测试数据进行处理，获得测试结果，包括：对于第i件待测产品，每个用户基于K个维度体验特征提供K个维度特征评价分数；i为小于或者等于I的正整数，K为正整数；在第i件待测产品的第k个维度体验特征上，对每个用户提供的所述维度特征评价分数进行群决策加权映射，获得每个用户对第i件待测产品中第k个维度体验特征的排名结果，k为小于或者等于K的正整数；在第i件待测产品的第k个维度体验特征上，对来自J个用户的J个排名结果进行集成计算，计算结果作为第i件待测产品的第k个维度体验特征的用户评价分数；对于第i件待测产品的每个维度体验特征，使用相同的群决策加权映射方法集成计算，以使第i件待测产品的K个维度体验特征包括K个用户评价分数；基于任一维度体验特征，获得来自I件待测产品的I个用户评价分数，将排序后的I个用户评价分数作为测试结果。3.如权利要求2所述的产品生产参数优化方法，其特征在于，在第i件待测产品的第k个维度体验特征上，对来自J个用户的J个排名结果进行集成计算，计算公式为：其中，CPDFWA
i
表示第i件待测产品在第k个维度体验特征上的用户评价分数；n表示测试用户数量n＝J、X
ij
表示在第k个维度体验特征上编号为j的测试用户对编号为i的被测产品的排名结果、I
ij
表示第j名测试用户对编号为i的被测产品填写的产品熟悉度量化值，I
ij
∈(0,1)、μ
i
表示编号为i的被测产品得到的排名结果的期望、σ
i
表示第i个测试产品所得排名的标准差。4.如权利要求3所述的产品生产参数优化方法，其特征在于，通过约束群决策综合计算对所述多维度用户体验测试数据进行处理之前，包括：通过所述排名结果和所述用户评价分数对所述多维度用户体验测试数据进行验证，计算公式为：
其中，W
″
ij
为第j名测试用户对第i件产品的评价贡献量、W
″
j
为第j个测试用户对所有产品的总评价贡献量、W
ij
...

【专利技术属性】
技术研发人员：李巧月，李太福，贺潇，刘森宇，
申请(专利权)人：重庆易可通科技有限公司，
类型：发明
国别省市：