文摘
AIA设计思维一直在验证复杂的设计任务,包括三个重叠的设计思考字段和使用知识场理论作为理论设计思维领域中知识流动机制。与此同时,复杂的社会技术系统高度依赖于多学科的设计知识和设计方法。尽管知识管理技术的出现(本体、专家系统、文本挖掘等),设计师们继续在非结构化方式存储知识。促进知识的集成图形和设计思考,我们引入一个集成的方法与友邦保险结构设计知识图的设计思维,通过代理组织现有的设计知识(概念)交互(关系)适应(概念)的框架。方法使用一个优化的卷积神经网络来完成两个任务:从文本和刺激构建概念图设计思维信息处理复杂社会技术系统的任务。基于我们的知识图,验证实验演示的优势促进设计师的理念和空间质量的延伸。
1。介绍
随着通信技术和计算机技术的发展,人类社会已经进入了信息时代。自那时以来,信息数据激增(1,2]。信息的爆炸式增长带来了大量的信息经验设计师,设计师迷失在大量的相关信息或与他们的需求3- - - - - -5]。一个语义网络6)提出了一个全新的知识表达方式,并且逐渐发展成为一个知识图(7- - - - - -9)来解决信息过载问题。
之前的研究表明使用语义网络和知识图的优点在医疗服务设计(10)、工程设计(11- - - - - -13),和室内场景设计14]。例如,Sarica et al。15]提出了一种使用技术语义网络的方法(技术)来刺激创意工程设计,旨在指导新技术概念的推理焦点周围的白色空间设计领域大型技术,根据他们的语义距离为潜在的合成为新的设计思想;梁等。14)提出了一种知识图框架基于事实的实体关系模型表示在室内场景设计和进一步发展弱监督算法提取知识图表示从一个小数据集使用结构和参数学习;罗等。16)利用数据驱动的设计和快速构思技术引入数据驱动的计算机辅助快速构思过程使用基于云的InnoGPS系统,集所有技术领域的经验网络图的基础上,根据知识距离国际专利分类相连基于专利数据,一些地图功能定位技术,探索社区,和检索知识,概念和解决方案在近或远领域设计类比和合成。陈等人。17)提出了一个集成的方法提高设计构思,运用人工智能和数据挖掘技术,它包含一个语义意念网络和可视化的概念组合模型提供灵感语义和基于计算机视觉创造力理论。总的来说,这些研究取得成功对某些类别的数据驱动的设计场景。然而,复杂的社会技术系统,如社区、医疗、交通,仍然具有挑战性;他们有许多组件技术和otherwise-whose动态交互系统的整体行为的关键(18]。
在此,我们的目标是提出一个综合的方法来支持复杂社会技术系统设计创意。这种方法包括知识图施工工艺和Agent-Interaction-Adaptation (AIA)设计思维框架(19],它激发语义和视觉设计思维理论的基础上。本研究的主要贡献可以概括如下:(1)提出了一个集成的方法结合数据驱动的构思方法和设计思维框架,旨在提高复杂社会技术系统设计的构思过程效率(2)提出一种有效的知识图施工方法构建概念图的文本,它使用一个卷积神经网络进行了优化(3)开发设计思维模式信息处理机制基于知识连接,清晰地描述了内部语义关系刺激信息和设计思想(4)评估该方法通过验证实验;结果表明,它能促进思想的设计师的扩展空间和思想品质
本文的其余部分组织如下:部分2启示文学评论,部分3侧重于综合方法设计知识图使用AIA设计思维框架,和部分4包含了讨论。本文结尾的结论和未来的工作。
2。文献综述
本文建立在之前的研究的数据驱动的设计方法和设计思维来开发一个集成的方法来支持复杂社会技术系统的设计创意。本节回顾了相关文献数据驱动的设计,设计思维,复杂的社会技术系统,知识图施工技术。
2.1。数据驱动的设计
最近几项研究已经提出了大数据技术设计创意设计师在早期设计阶段。例如,design-by-analogy是一种强大的方法来帮助设计者在系统地搜索和识别类比可用数据来源(20.]。发明问题解决理论(相)是分析和统计的基础上大量的高级专利(不是狭窄的数理统计,但组合逻辑归纳和演绎的方法)来实现法律背后的专利和技术创新指明了方向21,22]。
几个数据驱动的计算机工具已经开发来实现这些设计方法。Pat-Analyzer是由Cascini和Russo23)来识别相结合的设计中包含的矛盾一个专利发明通过分析专利文本信息。高尔等人提出了design-by-analogy自然引擎(丹麦),一个基于知识的CAD系统,以支持生物启发设计(24]。罗等。16,25,26]发达InnoGPS系统,它使用一个网络图的所有专利类改进设计的探索机会总技术空间和指导跨域的先验知识的检索设计类比和合成。这些以前的方法展示了数据驱动方法可以支持工程师和制造人员在许多学科,特别是机械设计。然而,这些方法适合技术系统但不复杂的社会技术系统。此外,设计思维的设计认知账户仍需要澄清。
2.2。复杂的社会技术系统
复杂社会技术系统是新设计研究社区,但在其他研究领域已经研究了几十年。一般来说,复杂的社会技术系统分为三类(由诺曼-史塔伯斯18):人类行为和认知心理学、社会、政治、经济框架,技术问题导致DesignX问题的复杂性。最重要的区别是人类参与复杂的社会技术系统和技术系统。人类参与该系统循环组成的物质,使过程更加复杂。这是一个相当复杂的任务,因为“人”这个词有时就意味着一个个体,但有时它是一个群体,一个组织或政治实体(27]。“人类”的物质世界,设计已成为一个多尺度来回在多个尺度的问题。面临着多元化的设计对象和主题。设计过程充满动态和不确定性,这意味着将设计师的主动设计也有一定程度的设计多样化和预期结果(28]。为了满足这种需求,设计师必须遵循一个更可靠的方法,是意识到自己的优点和缺点,并采取适当的策略来打破障碍(29日]。
什么特殊贡献设计师能解决这些高度复杂的问题吗?设计师参与了这些问题和改善情况。然而,没有建立机制,严格的设计方法,或跟踪的“解决方案”的来源。设计师需要集成的结果不同学科和跨学科工作基于认知30.]。另一方面,病态结构的设计被认为是一个开放的过程和贫穷的定义。设计结果需要逐步改善在连续迭代过程(31日),和洞察力可以为设计师提供丰富的灵感在这一过程中(32]。因此,本研究提出了综合方法来支持设计师的见解代以满足实际设计问题的挑战,它含有更多的复杂性、模糊性,矛盾,和不确定性。
2.3。Agent-Interaction-Adaptation (AIA)的设计思想
设计思维是一种解决问题的方法,认为这些病理,缺乏定义的,复杂的,矛盾的挑战为机遇而不是障碍(33- - - - - -35]。它依赖于逻辑演绎推理合成对立观点的全面的解决方案(36- - - - - -38]。洛克伍德(39)认为,设计师的设计思维是一个应用程序确定解决问题的能力;林德伯格et al。40]认为设计思维是一个框架来帮助设计师了解在日常生活中遇到的问题,然后产生相应的反应;的观点Vetterli et al。41),设计思维提供了一种方法来刺激客户需求,然后生成一系列的快速和简单的解决问题的模型收敛到创新的解决方案。
我们先前的研究[19,42)已经提议Agent-Interaction-Adaptation (AIA)设计思维,一个系统的思考基于关系模型。图1显示了友邦保险设计思维模式,基于知识场理论(43- - - - - -45];友邦保险设计思维包括三个知识领域来源:“代理”,“互动”,和“适应。“这三个来源之间的逻辑关系是代理作为一个复杂的社会技术系统的基本单元相互作用和环境驱动系统的适应与进化。
友邦保险设计思维被证明有能力促进设计师的概念空间的扩展、大脑活动和想法质量与传统设计思维框架,特别是对于复杂的社会技术系统设计任务。因此,我们构建设计知识通过代理(概念)的交互图(关系)适应(概念)框架基于友邦保险设计思维。
2.4。知识图施工技术
构建一个知识图主要包括两个任务:认识到提到相关的命名实体设计概念的自由文本之间的关系并确定检测到实体名称。
命名实体识别(尼珥)长期以来一直被视为一个序列的分类问题。广泛采用的方法是第一个句子中每个单词分类后的三个类:b(代表命名实体的开始提到),我(命名实体的内部),o(命名实体以外的),其次是分组的单词b和我标签到实体名称。序列分类模型,如条件随机场(CRF) [46- - - - - -48)和递归神经网络,已广泛应用于任务(49- - - - - -52]。最近,研究人员使用了伯特模型,它展示了非常有效的性能在不同的NLP的任务,建立尼珥模型(53]。还在这个研究中,我们使用伯特识别命名实体相关的建筑设计概念。
关系提取比尼珥更具挑战性。在早期,研究人员手动建立规则来识别命名实体之间的关系(54- - - - - -56]。例如,一个可以确定一对名字实体之间的关系一旦某些单词出现。然而,非常密集的建立规则,这些方法可能会出现可扩展性问题,当数据规模很大。在大数据的背景下,它是更实际的提取与监督机器学习方法的关系。培训机器学习模型,一个关键因素是从文本中提取区别的特征。不同的句法和语义功能,如名字实体之间的依赖路径和名称的上义词和下义词在WordNet实体,已被广泛采用。近年来,研究人员应用神经网络的任务,利用他们的表达能力更好地捕捉的非线性关系57,58]。与传统的机器学习模型相比,neural-based模型通常需要更少的工程努力和语义丰富的特性。然而,训练这些模型,我们需要手动标注为大量样本的关系,这也是一个劳动密集型的过程。为了解决这个问题,semisupervised方法提出了(59,60]。这些方法通常开始几种子对关系类型标签,然后提取上下文模式与种子对从一个大标记语料库。进一步用于提取新的培训模式对。然而,semisupervised机器学习方法可能会导致主题漂移,增加的风险引入名称实体对无关。在本文中,我们采用监督方法以产生正确的结果。
综上所述,先前的研究知识图施工工艺和其展示优势可能研制出一种新方法设计知识图表根据友邦保险设计思维框架,支持复杂的社会技术系统的设计过程。在下一节中,我们将详细的方法。
3所示。综合方法设计知识图使用AIA设计思维框架
我们的方法构建一个循环优化迭代机制如图2支持复杂的社会技术系统的设计过程。具体地说,我们第一次收集数据到数据处理层,我们使用优化的卷积神经网络检测概念实体之间的关系。然后,我们构造设计知识通过代理(概念)的交互图(关系)适应(概念)框架基于友邦保险设计思维和产生新的设计知识通过设计师的认知系统。最后,我们收集新的有价值的设计知识,实现循环迭代优化的目的。
3.1。构建知识图
我们的目标是建立一个概念图的文本。概念图由许多概念,相关的概念由直接相连的边缘。换句话说,图可以看作是三胞胎的集合:cp= {h,t,e},cp表示一个概念,h头的概念,t尾巴的概念e边缘。存在的可能性,两对概念共同正面或反面;因此这些概念对连接通过他们共同的概念。因此,任何两个任意概念之间可能存在的路径图。它们之间的路径距离图中可以看作是他们的相似性:距离越短,越相似的两个概念。
构建知识图的一个关键问题是检测相关的名词形式自由的文本的设计概念和识别检测概念之间的关系。我们对待检测的概念命名实体识别的任务,这是一种研究自然语言处理任务。在这个研究中,我们培训监督分类检测概念实体。准备培训资料,我们从文本中提取句子讨论设计概念和手动标签以下列方式每个句子。对于每个句子,每个单词我们标签与“o”这个词是不相关的设计概念,“b”如果这个词是一个概念的开始,“我”如果这个词是在一个概念。我们准备1000左右这样的训练句子和用于训练LSTM分类器。分类器预测的“入会”的标签之一每个单词一个句子中去。我们训练的分类器通过最小化真实之间的错误标签和预测。在测试时,我们使用“b”的子字符串起始标签和结束与“o”标签作为预测的概念实体。
检测概念实体在一个句子后,另一个问题是发现他们的关系。本研究采用卷积神经网络(CNN)曾提出的et al。60]。然而,我们简化了模型在我们的实验中我们观察到的简化版本具有更好的性能。在模型中,我们首先将句子中每个单词映射到一个嵌入层如下: 在哪里W词是一个开门嵌入模型和t是一个炎热的编码向量的词。然后我们计算的平均向量这个词在每个句子中嵌入向量如下:
与此同时,我们计算每个单词的上下文特征一个句子中去。我们设置上下文窗口3相关的上下文特征,因此用一个句子表示如下:
然后喂上下文特性,为卷积层提取本地分类的信号。 在哪里f是双曲正切函数,我表示第i个卷积过滤器,是权重矩阵,b是偏见。然后我们饲料产生的特征映射到一个max-pooling层提取最突出的信号: 然后我们将和和饲料成致密层和致密层的输出使用估计的概率的关系类型k通过将softmax函数:
我们使用交叉熵作为损失学习基于bp神经网络的参数的方法。假设有米实体对训练集,可以写成
我们使用梯度像样的更新的参数神经网络。 在哪里是学习速率调整培训过程中使用网格搜索。
3.2。设计思维信息处理机制
创新的思维是不同的,他们可以“以不同的方式思考”的原因是,因为他们可以连接的概念尚未连接(61年]。例如,设计师可以通过识别潜在的生物学和工程学之间的相似性得到灵感并生成如仿生设计的想法。拥有知识和经验的设计师在设计实践过程中占据至关重要的地位。有相同背景的人会有类似的鼓舞人心的反应时面临着同样的刺激。主要原因是知识和经验的知识被编码成相应的节点和连接形成一个协会根据特定的关联规则网络。越是背景是一样的,类似的协会模式(62年]。思考设计任务的过程就是不断寻找的过程概念(知识节点)相关设计问题(如相似,相对的,依赖,接近,和因果)在协会网络之间的连接一个特定概念和设计问题可以成功地促使设计师产生一个解决方案(63年]。
根据认知科学的信息处理的观点,设计思维理解为是一个知识信息处理机制的核心是建立连接,如图3。外部环境是指当前设计场景组成的设计任务信息,激励信息,现有产品,自然或社会现象。内存系统包括感知系统,它使用每个感觉器官暂时接收和存储来自外部环境的信息和屏幕这个信息。工作记忆存储和处理外部环境信息感知系统筛选和长期记忆唤醒,设计思想在哪里生成。长期记忆储存大量的知识和经验。大脑的内部思维活动从设计任务设计理念可以表达明确如下:任务信息进入认知系统,过滤的知觉系统;进入工作记忆的一部分,是加工成相关的设计问题。然后,由于问题的刺激,长期记忆中的相应的知识节点唤醒。当这些知识节点之间的连接和设计问题不能成功地转化为设计思想,其他长期记忆中的知识节点或在前一个阶段的知识节点继续被唤醒,直到连接可以成功地转化为设计理念,并将外部输出。
根据其理解,人类大脑将知识或经验转化为一个特定的表示形式,并将其存储在内存中。当环境刺激引起注意,这唤醒知识表示形式对应于当前刺激在大脑中。因此,在提供刺激信息,如知识的设计任务图,筛选后知觉系统,刺激信息进入工作记忆的一部分,是公认的,和相对应的知识可视化表示的刺激信息长期记忆唤醒。当前的设计问题需要解决时,所表示的知识表示形式进一步调用的一些知识节点之间建立连接和设计问题,形成明确的想法的输出。因此,设计问题和刺激信息协同作用在内存系统和在某些情况下将加速建立连接的过程。在某种程度上,刺激信息代表了知识节点与设计问题,即知识的联系。
4所示。实验和结果
4.1。参与者
在这个实验中,28创新设计背景的学生被邀请(14 25到28岁男性和14个女性)。参与者的选择是基于假设他们已经基本设计过程的知识但不练习专业人士。这是我们认为结果将更好的适用于设计的支持。此外,这种选择相关的总体目标是开发一个新的支持设计通过这种分析方法。所有的参与者都是志愿者没有收到额外的学分要求为他们的参与。
4.2。实验大纲
在这个实验中,30个参与者分为A组和B组;每组有7个男性和7女性;他们都需要独立设计新思路提供典型的复杂社会技术系统的设计任务:设计一个社区有更多的可持续性在半小时内。所不同的是,与友邦保险集团使用知识图设计思维框架在设计过程中。相比之下,B组使用传统知识图完成了设计任务。这两个知识图都来自这篇文章题为“介绍混合物:可持续生活的理论与实践。“图4显示了友邦保险知识图使用本文的设计思维框架。
每一个参与者被要求“自言自语”电子录像机记录在设计过程中。我们分析了设计思想产生的参与者和他们的性能在设计过程中。
4.3。数据收集和分析
我们收集的数据在两个阶段。在第一阶段,我们收集参与者的话语在设计过程中协议数据和访谈。我们测量距离概念的新的名词“社区”和“可持续性”基于WordNet。被定义为概念的扩展空间(N是新的名词的数量)。表1显示了每个参与者的思想空间的延伸。
然后我们使用配对分析这些数据t以及。表中给出的结果2显示参与者的想法扩展空间的差异显著(A组和B组之间 ),和A组的平均值(0.73)显著高于B组(0.64)的平均值。因此,可以推断,知识图使用AIA设计思维框架可以促进参与者的想法的延伸空间。
在第二阶段中,我们测量了每个参与者的想法质量和数量使用沙等人提出的方法。64年]。在这个方法中,这个想法质量估计足够即使定量信息是不足以执行正式的分析在概念阶段。此外,这种方法添加所有的质量分数选择实现的总分集。因此,质量来标示
在这个方程,年代jk的得分函数j在阶段k;米是功能的总数;fj函数的重量吗j;pk体重阶段吗k。分母是正常化10的规模。从20个参与者收集的设计思想。表3显示了一个评估的质量和数量28参与者的想法。
然后我们使用配对分析这些数据t以及。表中给出的结果4表明,A组和B组之间想法的质量差异显著( ),和A组的平均值(6.10)显著高于B组(4.90)的平均值。因此,可以推断,知识图使用AIA设计思维框架可以促进参与者的想法的质量。然而,想法的差异数量微不足道(A组和B组之间 )。因此它不能被推断知识图使用AIA设计思维框架可以促进参与者的数量。这些分析结果也支持我们的初步研究[19]。
5。讨论
设计是一系列的行为指导现状在一个更好的方向65年];今天的设计师所面临的主要问题不是一个单一的学科的问题但是问题涉及复杂社会技术系统和许多涉众。如果设计需要从关注“创造”转向面对这些大问题和大系统,“必须超越设计传统以直觉和感知,而探索新的设计文化(66年]。我们建议作出回应的综合方法,假设以下影响:(1)这种方法使用知识图施工技术来更好地处理复杂性、模糊性、矛盾和复杂的社会技术系统的不确定性。采用一个跨学科的方法来处理实际问题的挑战。(2)这种方法构建一个循环优化迭代机制来促进设计协同与个体行为改变,使设计主体越来越多元化。在该机制中,设计师已经成为一个重要的组成部分,与“智能”机合作。(3)实际的设计思维过程并不是一个简单的线性过程,和设计师提出的问题并不适用于任何线性分析和集成模型在实践中。因此,这种方法使用AIA设计思考作为一个逻辑框架。与此同时,我们将演示其有效性在促进设计师的深入思考,表现为概念空间的扩展和想法质量。(4)这种方法有助于建立一个设计支持系统等复杂的社会技术系统可持续社区建设,这有利于智能设计和设计教育的发展,并使某些贡献知识工程的发展。
6。结论和未来的工作
本文开发一个集成的方法与友邦保险结构设计知识图设计思维框架。这种方法的核心是通过代理组织现有的设计知识(概念)交互(关系)适应(概念)的框架。然后对照实验进行检查的有效性提出了设计知识图;这表明该设计知识图可以促进设计师的概念空间的扩展和想法的质量对于复杂社会技术系统相比传统设计知识图的任务。本研究有助于越来越多的研究数据驱动的设计,analogy-based设计和machine-learning-based设计分析。
在未来的工作中,我们将建立一个更完整的设计知识数据库相关复杂社会技术系统和使用该方法获得更有效的设计知识图的广泛使用其他感兴趣的设计师。此外,我们将继续改进神经网络模型,尝试开发一种更健壮的架构学习更好的从数据库设计特点。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
作者承认收到的资金支持这项工作从中国博士后科学基金会(2020 m681405)。