一種基于自然語言處理的汽車造型推導(dǎo)方法技術(shù)

本發(fā)明專利技術(shù)提供一種基于自然語言處理的汽車造型推導(dǎo)方法，該方法首先提出所需設(shè)計的汽車類型，然后有針對性進行市場調(diào)研，采集潛在用戶對汽車造型的要求及期待，形成口語報告，并對口語包括進行處理，提取關(guān)鍵詞。設(shè)計師根據(jù)關(guān)鍵詞，設(shè)計出多種汽車造型風(fēng)格，并對設(shè)計出的汽車造型風(fēng)格進行匹配和評價，最后采用匹配度高的設(shè)計方案。與現(xiàn)有技術(shù)相比，此方法，能夠從用戶的感性認(rèn)識出發(fā)，設(shè)計過程中，設(shè)計師充分考慮用戶需求，不再是設(shè)計師的一言堂，最終設(shè)計出的汽車造型風(fēng)格適應(yīng)大眾需求，得到用戶的高度認(rèn)可。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)涉及汽車制造
，具體來說為一種基于自然語言處理的汽車造型推導(dǎo)方法。
技術(shù)介紹
根據(jù)調(diào)查，我國超過七成的消費者認(rèn)為外觀造型是決定購買汽車時的首要考慮因素，汽車造型風(fēng)格認(rèn)知以用戶為中心，極大地影響著消費者購車行為。對于設(shè)計師而言，如何形成消費者認(rèn)可并接受的汽車造型風(fēng)格成為關(guān)鍵性問題。圍繞這一問題，近年來國內(nèi)外學(xué)者對進行了廣泛的研究，如：蘇建寧等建立了神經(jīng)網(wǎng)絡(luò)評價系統(tǒng)，并利用非支配排序遺傳算法建立了汽車側(cè)輪廓的多意象造型進化設(shè)計系統(tǒng)；徐江等以典型汽車產(chǎn)品為例，提出了產(chǎn)品風(fēng)格歷時性與共時性進化模型，并結(jié)合生物遺傳學(xué)理論定義了產(chǎn)品風(fēng)格基因；付黎明等提出了汽車造型認(rèn)知過程中的意向投影原理，建立了相應(yīng)的意向投影評估模型；王波等提出了汽車造型的“線-型”分析方法，用以判定、提取汽車形體表面的關(guān)鍵造型線；Hsiao等運用模糊集與神經(jīng)網(wǎng)絡(luò)方法對汽車造型風(fēng)格及意象進行了研究；Jay等運用形狀文法，將別克汽車造型風(fēng)格編碼為可重用的設(shè)計語言；Lai等以汽車外形輪廓為例，提出了“感知度”(FeelingQuality,FQ)的概念，從而實現(xiàn)產(chǎn)品設(shè)計的參數(shù)與用戶感知意象的映射；Coughlan等提出用多次顯示的方法對汽車設(shè)計方案進行美學(xué)評價?？傮w而言，現(xiàn)有研究尚存在以下不足：①針對汽車造型的研究中，多從某一特定角度展開(如側(cè)面外輪廓、輪轂等)，缺乏整體性和系統(tǒng)性，沒有考慮整車造型設(shè)計，因而不能塑造整車形象，對實際設(shè)計的指導(dǎo)效果不夠充分。②缺乏對驅(qū)動汽車造型設(shè)計源頭的探討，即缺少對用戶感性需求的有效獲取和應(yīng)用，未能對設(shè)計師思維規(guī)律性進行研究，從而總結(jié)出行之有效的汽車造型設(shè)計方法。針對以上不足，本文提出一種基于自然語言處理的汽車造型風(fēng)格推導(dǎo)方法，將感性需求轉(zhuǎn)化為造型特征，并結(jié)合“層次分析法”(AnalyticHierarchyProcess,AHP)進行多目標(biāo)決策分析，對造型方案進行排序，從而獲得最優(yōu)解。
技術(shù)實現(xiàn)思路
本專利技術(shù)的目的是為了解決現(xiàn)有技術(shù)中對汽車造型的研究中，缺乏整體性和系統(tǒng)性，以及缺乏對驅(qū)動汽車造型設(shè)計源頭的探討，即缺少對用戶感性需求的有效獲取和應(yīng)用的缺陷，提供一種基于自然語言處理的汽車造型推導(dǎo)方法來解決上述問題。為了實現(xiàn)上述目的，本專利技術(shù)的技術(shù)方案如下：一種基于自然語言處理的汽車造型推導(dǎo)方法，包括以下步驟：步驟1.提出汽車設(shè)計任務(wù)確定所需設(shè)計的汽車類型及其適用群體；步驟2.隱性風(fēng)格表征對所述汽車類型進行市場調(diào)研，采集自然語言信息，并對自然語言信息進行處理，提取關(guān)鍵詞；步驟3.顯性風(fēng)格的生成及評價根據(jù)關(guān)鍵詞，設(shè)計出汽車造型風(fēng)格，并對設(shè)計出的汽車造型風(fēng)格進行評價。進一步的，所述步驟2包括以下步驟：21)口語報告選擇不同人群，采集人群中每個人對汽車的造型風(fēng)格要求，并將每個人的自然語言形成獨立的口語報告；22)主題詞提取對每個人的口語報告進行處理，提取主題詞并計算所述主題詞的權(quán)重；23)主題詞聚類對主題詞相似度進行兩兩計算，合并同類項后進行篩選得到關(guān)鍵詞，形成隱性造型風(fēng)格；24)關(guān)鍵詞歸一化處理對所述關(guān)鍵詞進行歸一化計算，得出各關(guān)鍵詞的最終權(quán)重值。進一步的，所述步驟3包括以下步驟：31)汽車造型設(shè)計根據(jù)關(guān)鍵詞，完成汽車的顯性風(fēng)格特征設(shè)計，形成多種汽車造型設(shè)計方案；32)顯性風(fēng)格特征分解將每種汽車造型設(shè)計方案的顯性風(fēng)格特征分解為多個部分，并對所述多個部分顯性風(fēng)格特征進行權(quán)重比較并進行歸一化計算，得出每個顯性風(fēng)格特征的最終權(quán)重值；33)匹配度計算；對多種汽車造型設(shè)計方案分別進行顯性風(fēng)格特征與所述隱性風(fēng)格特征的匹配度計算。進一步的，所述步驟22)中，主題詞的權(quán)重計算公式如下：其中nij為一個詞語或短語在一篇用戶口語報告中出現(xiàn)的次數(shù)，TFij為所述詞語或短語的詞頻；Σknkj代表所有詞語或短語在所有口語報告中的次數(shù)之和；其中Nij為出現(xiàn)過所述詞語或短語的用戶口語報告數(shù)目，N為總口語報告數(shù)目，IDFij為所述詞語或短語的反向文件頻率，L為經(jīng)驗值；其中，H為所述詞語或短語的信息熵值，wij為所述詞語或短語的權(quán)重；且當(dāng)wij≥δmin時，所述詞語或短語將作為主題詞被提取，δmin為設(shè)定的最小值。進一步的，所述步驟23)中，主題詞相似度的計算公式為： S i m ( W 1 , W 2 ) = M a x i = 1... n , j = 1... m S i m ( S 1 i , S 2 j ) ]]>其中W1、W2為兩個主題詞，W1有n個義項：S11、S12、S13…S1n；W2有m個義項：S21、S22、S23…S2m；定義W1、W2的相似度為各個概念相似度的最大值；且0≤Sim(W1,W2)≤1；當(dāng)Sim(W1,W2)＝1時，表示W(wǎng)1與W2的詞義相同，當(dāng)Sim(W1,W2)＝0時，表示W(wǎng)1與W2的詞義不同。進一步的，所述步驟32)中，采用三標(biāo)度法對所述四部分顯性風(fēng)格特征進行權(quán)重比較；然后再對所述四部分顯性風(fēng)格特征的權(quán)重分別進行歸一化處理。進一步的，所述步驟33)中，匹配度計算方法如下： A = I 1 E 1 I 2 本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種基于自然語言處理的汽車造型推導(dǎo)方法，其特征在于：包括以下步驟：1)提出汽車設(shè)計任務(wù)確定所需設(shè)計的汽車類型及其適用群體；2)隱性風(fēng)格表征對所述汽車類型進行市場調(diào)研，采集自然語言信息，并對自然語言信息進行處理，提取關(guān)鍵詞；3)顯性風(fēng)格的生成及評價根據(jù)關(guān)鍵詞，設(shè)計出汽車造型風(fēng)格，并對設(shè)計出的汽車造型風(fēng)格進行評價。

【技術(shù)特征摘要】
1.一種基于自然語言處理的汽車造型推導(dǎo)方法，其特征在于：包括以下步驟：
1)提出汽車設(shè)計任務(wù)
確定所需設(shè)計的汽車類型及其適用群體；
2)隱性風(fēng)格表征
對所述汽車類型進行市場調(diào)研，采集自然語言信息，并對自然語言信息進行處理，提取
關(guān)鍵詞；
3)顯性風(fēng)格的生成及評價
根據(jù)關(guān)鍵詞，設(shè)計出汽車造型風(fēng)格，并對設(shè)計出的汽車造型風(fēng)格進行評價。
2.根據(jù)權(quán)利要求1所述的一種基于自然語言處理的汽車造型推導(dǎo)方法，其特征在于：所
述步驟2)包括以下步驟：
21)口語報告
選擇不同人群，采集人群中每個人對汽車的造型風(fēng)格要求，并將每個人的自然語言形
成獨立的口語報告；
22)主題詞提取
對每個人的口語報告進行處理，提取主題詞并計算所述主題詞的權(quán)重；
23)主題詞聚類
對主題詞相似度進行兩兩計算，合并同類項后進行篩選得到關(guān)鍵詞，形成隱性造型風(fēng)
格；
24)關(guān)鍵詞歸一化處理
對所述關(guān)鍵詞進行歸一化計算，得出各關(guān)鍵詞的最終權(quán)重值。
3.根據(jù)權(quán)利要求2所述的一種基于自然語言處理的汽車造型推導(dǎo)方法，其特征在于：所
述步驟3)包括以下步驟：
31)汽車造型設(shè)計
根據(jù)關(guān)鍵詞，完成汽車的顯性風(fēng)格特征設(shè)計，形成多種汽車造型設(shè)計方案；
32)顯性風(fēng)格特征分解
將每種汽車造型設(shè)計方案的顯性風(fēng)格特征分解為多個部分，并對所述多個部分顯性風(fēng)
格特征進行權(quán)重比較并進行歸一化計算，得出每個顯性風(fēng)格特征的最終權(quán)重值；
33)匹配度計算；
對多種汽車造型設(shè)計方案分別進行顯性風(fēng)格特征與所述隱性風(fēng)格特征的匹配度計算。
4.根據(jù)權(quán)利要求2所述的一種基于自然語言處理的汽車造型推導(dǎo)方法，其特征在于：所
述步驟22)中，主題詞的權(quán)重計算公式如下：
其中nij為一個詞語或短語在一篇用戶口語報告中出現(xiàn)的次數(shù)，TFij為所
述詞語或短語的詞頻；Σknkj代表所有詞語或短語在所有口語報告中的次數(shù)之和；
其中Nij為出現(xiàn)過所述詞語或短語的用戶口語報告數(shù)目，N為總口
語報告數(shù)目，IDFij為所述詞語或短語的反向文件頻率，L為經(jīng)驗值；
其中，H為所述詞語或短語的信息熵值，wij為所述詞語或
短語的權(quán)重；且當(dāng)wij≥δmin時，所述詞語或短語將作為主題詞被提取，δmin為設(shè)定的最小值。
5.根據(jù)權(quán)利要求2所述的一種基于自然語言處理的汽車造型推導(dǎo)方法，其特征在于：所
述步驟23)中，主題詞相似度的計算公式為：
S i m ( W 1 , W 2 ) = m a x i = 1 ... n , j = 1 ... m S i m ( S 1 i , S 2 j ) ]]>其中W1、W2為兩個主題詞，W1有n個義項：S11、S12、S13…S1n；W2有m個義項：S21、S22、S23…S2m；
定義W1、W2的相似度為各個概念相似度的最大值；
且0≤Sim(W1,W2)≤1；當(dāng)Sim(W1,W2)＝1時，表示W(wǎng)1與W2的詞義相同，當(dāng)Sim(W1,W2)＝0時，
表示W(wǎng)1與W2的詞義不同。
6.根據(jù)權(quán)利要求3所述的一種基于自然語言處理的汽車造型推導(dǎo)方法，其特征在于：所
述步驟32)中，采用三標(biāo)度法對所述四部分顯性風(fēng)格特征進行權(quán)重比較；然后再對所述四部
分顯性風(fēng)格特征的權(quán)重分別進行歸一化處理。
7.根據(jù)權(quán)利要求6所述的一種基于自然語言處理的汽車造型推導(dǎo)方法，其特征在于：所
述步驟33)中，匹配度計算方法如下：
A = I 1 E 1 I 2 E 1 I 3 ...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：盧兆麟，張悅，王波，
申請(專利權(quán))人：合肥學(xué)院，
類型：發(fā)明
國別省市：安徽;34