[发明专利]一种多维度产品设计知识推送框架与构建方法

说明书

技术领域

本发明属于计算机应用技术领域，具体涉及一种多维度产品设计知识推送框架与构建方法。

背景技术

在日益激烈的市场竞争中，从事产品设计的知识密集型企业在运营过程中迅速积累起构成核心竞争力的大量知识网络。知识管理的实施使知识存量逐渐增大，知识来源趋于丰富；但面对大量的知识时，用户不能有效即时地获取所需知识的问题逐渐暴露。

如何有效地针对设计人员，实现知识的传递和推送服务，以期在企业达到知识的共享、知识的再创造，已成为迫切需要解决的问题。同一集团下的不同企业，以及市场变化不断加快下的不同时期同一企业，其业务流程可能完全不同，这导致其知识结构不同，使用知识的场景与需求也不同。因此针对不同的外部变化，构建自适应的多维度知识推送框架以满足员工多变的知识需求是很有必要的。

目前作为解决当前企业“知识海洋”中难以获取所需知识问题的根本途径的推送技术，其各方面的研究格外火热。多维度是推送技术发展的趋势之一，也是各种算法非常重要的突破点。但就当前而言，国内外鲜有学者对面向产品设计多维度知识推送的框架进行研究。现有基于规则的方法能带来较好的结果，但需要用户定制操作过多，实施困难；协同过滤技术具有较高的自动化程度、对数据结构要求低以及能带来较高的准确率，却会遭受稀疏性与冷启动等问题。

当前对知识推送的研究仅限于推送过程的本身，包括如何表示知识及分类，如何减小预测评分的误差等等。对推送多维度的构建以及后续全部运算过程作为一个整体考虑的并不多。概括来说，现有的技术描述的推送过程往往是在已有系统日志的情况下，对数据进行各种方式的挖掘，推送时考虑的主要问题是如何产生精度更高的推送。其实在记录系统行为日志之前应该根据推送系统的特定属性建立多维度的行为日志记录方式，然后再考虑如何用精确的算法产生推送。现有的推送技术缺陷就在于未能将多维度的因素提前考虑并建立到推送系统行为记录中，使得精确而复杂的推送算法在粗糙的数据上运行，导致推送算法与数据的失调，影响知识推送系统的优势的发挥。

现有的推送方法和理论的不够完善将导致：

1)统计运算单一化。在单一维度下，行为数据由于未进行多维度分解导致数量极为庞大且存在较多噪声数据。即使使用聚类分类算法，也只是在数据源上进行隐形地估计，使运算繁杂耗时；由于来源单一，最终推送的结果未能考虑产品设计时知识需求的多维度特性，导致效果不佳。

2)稀疏性与冷启动。常见影响推送质量的有稀疏性与冷启动问题。在传统框架下，用户的行为会显得十分稀疏，协同过滤等算法的效果大大降低，称为稀疏性问题。而新进入的用户和知识因为行为较少而难以被关联，导致这些用户很难接收到有效推送的知识，这些知识也很难被推送给用户，这种现象就是冷启动。稀疏性与冷启动问题容易导致推送质量降低，使推送系统进入恶性循环。

3)多维度方法不够完善。以往有学者提出过多维度的知识推送，但没有从维度的建立选择方法到最后多维度的融合提出完整的一套框架与方法，以致于难以真正实施多维度的知识推送。

4)难以持续性地改进。传统的行为日志记录的信息过少，行为背后的意义难以被有效挖掘，甚至造成错误解读。根据“无用输入，无用输出”原则(GIGO)，不考虑行为的多维度特性容易造成无效改进，影响推送算法自适应地提升。

发明内容

本发明的目的是为了克服已有技术的缺陷，为了解决设计人员获取知识能力不足的问题，提出一种多维度产品设计知识推送框架与构建方法。

本发明方法是通过下述技术方案实现的：

一种多维度产品设计知识推送框架与构建方法，包括以下步骤：

步骤1、根据企业产品设计需求建立以知识推送为中心的维度特征及维度特征相似关联表；

步骤2、根据维度特征相似关联表建立基于多维度特征的混合用户模型；

步骤3、利用用户的行为数据集对知识进行初步过滤；

步骤4、在满足触发推送的时机后，将步骤3得到的初步过滤后的知识传递给各个维度特征的推送子引擎，利用步骤2建立的混合用户模型分别运算出各维度特征的推送结果；

步骤5、将步骤4得到的推送结果进行融合后展示给当前用户；

步骤6、若用户触发推送结束事件，本次推送运算停止；用户结束一次知识推送使用前，每当有行为产生，则重复步骤3至6；

自此，就完成了多维度知识推送框架与系统构建的过程。

本发明的创新点和所达到的效果主要体现在以下几个方面：

(1)多维度的建立使推送计算时有了更多的依据，增强了对噪声数据的处理能力，提高了用户模型的质量；