[发明专利]一种数据驱动的绿色设计知识推送方法

权利要求书

1.一种数据驱动的绿色设计知识推送方法，其特征在于：包括如下步骤：

步骤1.绿色设计知识挖掘；

具体包括：绿色设计是在产品的生命周期内，考虑其功能、质量和成本的同时，对产品造成的资源消耗和环境影响问题进行处理，使产品不仅能够保证其使用功能，更多地考虑各项环境指标符合绿色设计要求并且对环境的负总影响最小化，充分考虑产品的环境属性，尽可能将产品的环境排放量减少到最低，绿色设计知识的挖掘为知识推送提供数据支持，均从网页爬取；

论文爬取具体包括以下步骤：

1)输入关键词；在程序中输入需要抓取的相关关键字词条，然后启动编译器开始工作；

2)等待数据爬取；启动爬虫后，等待程序连接，提示框显示开始爬取论文，此时可以查看文献爬取的进度和相关论文信息情况；

使用Selenium框架获取Cookies信息，然后对页表进行快速爬取，爬取完成后将论文信息存入CSV格式文件中；

使用Selenium框架，通过模拟浏览器的操作行为，在程序中输入相应的关键词条，进行模糊匹配，结合Google浏览器驱动，模拟设计人员点击网站，对获取的网页内容进行解析，定位出关键信息，随后爬取网页文献，论文列表页爬取的主要内容包括获取标题、链接、发表时间和作者信息；最后将获取到的与文献相关的信息以CSV格式进行存储；3)数据下载；读取每篇文献的标题、作者、摘要、来源、引用、链接相关信息，保存到设定的CSV格式文件；

4)结束；根据判断条件，当匹配不到文献时，结束程序；

判断词条是否查询结束，使用Selenium框架模拟人员进行翻页浏览，根据词条的模糊匹配，当搜寻不到该内容时，根据判断条件结束查找；

步骤2.设计人员显性模型构建；

具体包括：给定设计知识集Ks＝{ks₁,ks₂,...ks_n}，为了有效的表示设计知识集，将可以描述设计知识特征和概括设计知识内容的词汇定义为Ks的特征词，将主要特征词序列表示为F＝(f₁,f₂,...,f_j,...f_k)，其中f_j表示设计知识ks_n的j个特征词，k表示特征词的数量，设计知识集主要是根据设计人员的历史浏览记录，判断出设计人员的兴趣偏好，以此来给设计人员推送他们需要的内容，由于设计人员本身包含自身的特征信息，设计人员的特征信息反映了设计人员间的相似关系；与此同时，设计人员的特征属性是稳定的，可以表现为设计人员间的不同特征；

通过引入设计人员特征属性，可以提取出相似设计人员间的特征属性相似度，并且可以改变相似项中目标项的不相关项的权重，从而可以计算出邻居设计人员集；用以下等式所表示设计人员与设计知识之间的关系：

D＝d₁∪d₂∪…∪d_i (1)

d₁＝{ks₁₁,ks₁₂,...ks_1n} (2)

d_i＝{ks_i1,ks_i2,...ks_in} (3)

其中D表示设计人员集合，ks_in表示设计人员i拥有的第n个设计知识；

对给定的设计知识集Ks＝{ks₁,ks₂,...ks_n}和特征词f_j进行文本向量化，特征词矩阵序列与设计知识集ks_i相互对应，ks_i可以表示为：ks_i＝(w_i1,w_i2,...,w_ij,...,w_ik)，其中w_ij表示特征词f_j在ks中的权重，w_ij的取值范围是[1,10]；当w_ij＝0时，说明特征词f_j不在设计知识集ks中；设计知识集特征词的权重矩阵的数学公式如下：

构建出的设计知识集特征词的权重矩阵是设计人员初次对浏览知识的评价情况，即为设计人员的显性知识权重；

设计人员显性模型定义：将设计人员自身浏览的设计知识文本进行向量化处理，并构建向量化的权重矩阵，最终形成了目标设计人员的显性兴趣模型；可以用公式DDM＝(w1₁,w1₂,...,w1_j,...,w1_k)表示，其中w1_j表示特征词序列在显性模型中的权重；

步骤3.设计人员-知识行为矩阵构建；

具体包括：设计人员集D＝{d₁,d₂,...,d_i,...,d_k}表示全体集合，其中k表示总的设计人员数，知识集Ks＝{ks₁,ks₂,...ks_n}，根据设计人员阅读知识的记录，可以将其表示为设计人员知识行为矩阵，其中矩阵的行表示每名设计人员，矩阵的列表示每项设计知识，矩阵中用数字1表示设计人员阅读了某项知识ks_n，用数字0表示表示设计人员d_i没有阅读某项知识ks_n，构建的设计人员-知识行为矩阵如下所示：

步骤4.设计人员隐性模型构建；

具体包括：设计人员隐性模型定义：使用协同过滤机制将相似设计人员的显性模型中得到的兴趣推送给目标设计人员，通过加权处理进一步得到目标设计人员的隐性兴趣模型；

可以用公式DIM＝(w2₁,w2₂,...,w2_j,...,w2_k)表示，其中w2_j表示特征词序列在隐性模型中的权重；

设计人员的隐性兴趣模型不同于设计人员显性的兴趣模型，无法通过以前的设计人员评论或历史记录来检索它；协同过滤可以将相似设计人员的兴趣推送给目标设计人员，用来初始化目标设计人员的隐性兴趣；

采用一种混合设计人员行为和设计知识内容的协同过滤方法构建设计人员—知识行为矩阵，构建设计人员—知识行为矩阵能将设计人员相似度扩展为两部分，行为相似度和内容相似度；使用线性组合方法，设置对应的权重λ，将设计人员间的行为相似度与设计人员间的内容相似度进行组合，作为两个设计人员之间的相似度计算方法；公式如下：

sim(d_u,d_v)＝(1-λ)sim_b(d_u,d_v)+λsim_c(d_u,d_v) (5)

式中λ为相似度参数，取值范围是[0，1]；当λ取值为(0，1)时，表示设计人员之间的相似度综合考虑了其在浏览设计知识内容上和浏览设计知识行为上的相似性；

生成设计人员-知识行为矩阵后，采用Jaccard相似度计算目标设计人员与其他所有设计人员的内容相似度；

定义1：设计人员间的内容相似度sim_c(d_u,d_v)

设计人员d_u和d_v的知识集如下式：

其中，表示设计人员d_u浏览过设计知识集；

由于设计人员阅读知识集较多，为了较为准确的获得目标设计人员的隐性兴趣模型，对设计人员之间的内容相似度计算采用取均值方法计算，即，将相似的设计人员近期浏览过的设计知识根据特征词的权重大小取均值，设计人员d_u和d_v的内容相似度计算公式如下所示：

其中，和分别表示设计人员各自拥有的设计知识集；

定义2：设计人员间的行为相似度sim_b(d_u,d_v)

根据设计人员对设计知识的行为记录得到设计人员对设计知识的偏好情况，称为设计人员之间的行为相似度，目标设计人员d_t和其他设计人员d_i的行为相似度用可以sim_b(d_t,d_i)来表示；

为反映出不同设计人员之间浏览热门知识与浏览冷门知识所表现出的差别，采用改进的余弦相似度来计算设计人员之间行为相似度大小：

其中D(ks_i)表示浏览过相同知识集ks_i的数量，和表示设计人员各自阅读的设计知识数量；

根据设计人员混合相似度计算公式(5)，设计人员的d_u相似设计人员组为D_u＝{d_v1,d_v2,…,d_vk}，设计人员d_u与相似设计人员组中任意设计人员d_vi的混合相似度为sim(d_u,d_vi)，相似设计人员d_vi显性兴趣模型是DDM_vi＝(w1_vi1,w1_vi2,…,w1_vij,…,w1_vik)，根据以上公式(1)-(9)，得出设计人员d_u隐性兴趣模型的特征词的权重：

设计人员的隐性兴趣模型是基于设计人员显性兴趣模型计算得到的，对使用改进的协同过滤方法计算出的权值大小进行排序，再将相似设计人员兴趣模型中权值最高的部分设计知识推送给目标设计人员，用来初始化目标设计人员的隐性兴趣，最终实现向设计人员推送多样性设计知识；

步骤5.设计人员需求模型构建；

具体包括：所述设计人员需求模型是指将该设计人员的显性兴趣模型和隐性兴趣模型按一定的规则合并，得到目标设计人员的最终需求模型；可以用公式DRM＝(w3₁,w3₂,…,w3_j,…,w3_k)表示，其中w3_j表示特征词序列在需求模型中的权重；

在获得目标设计人员的显性模型和隐性模型之后，为了更加准确地向设计人员推送自身需求的设计知识，根据设计人员获得的显性模型和隐性模型中的设计知识，选取两个模型中评分值靠前的前K项设计知识，既满足设计人员自身个性化知识的需求，也能保证设计人员设计知识的多样性；

设计人员d_u的显性兴趣模型为：DDM_u＝(w1_u1,w1_u2,…,w1_uj,…,w1_uk)，设计人员d_u的隐性兴趣模型为：DIM_u＝(w2_u1,w2_u2,…,w2_uj,...,w2_uk)，设置设计人员d_u的需求模型为DRM_u＝(w3_u1,w3_u2,...,w3_uj,...,w3_uk)，设计知识集为Ks＝{ks₁,ks₂,…ks_n}；在设计人员d_u需求模型中，根据DDM_u和DIM_u中评价较高的top-K项设计知识，计算得出设计人员实际需求模中的设计知识权重，计算公式如下所示：

w3_ui＝max_top-Kw1_ui (11)

w3_uj＝max_top-Kw2_uj (12)

w3_u＝{w3_ui,w3_uj} (13)

在式(13)中，w3_u表示选择w1_ui和w2_uj的前K项设计知识推送给设计人员；

步骤6.绿色设计知识推送；

具体包括：所述绿色设计知识推送是一种主动的知识管理方法，主要体现在与设计人员之间的交互性与实时性上，在进行产品设计时，将与设计任务相关的知识推送给设计人员；具体包括以下步骤：

1)将绿色产品设计知识的推送过程分为设计人员和推送系统两个部分，按照设计人员端和推送系统端进行产品设计；

2)在设计人员端，从设计需求开始，设计人员收到一份任务清单；设计人员在分配设计任务后，将任务中使用到的设计知识需求与知识资源进行匹配；找到相似性后，设计人员可以获得匹配的知识，并且可以对相关的设计知识进行改进，最终存储到知识库中；

3)在推送系统端，设计人员的知识需求与知识资源相匹配，包括特征提取、知识匹配、排序、知识存储和设计人员数据更新。