JP6884361B1 - 多空間デザインモデル生成プログラム及びその方法 - Google Patents

多空間デザインモデル生成プログラム及びその方法 Download PDF

Info

Publication number
JP6884361B1
JP6884361B1 JP2020119574A JP2020119574A JP6884361B1 JP 6884361 B1 JP6884361 B1 JP 6884361B1 JP 2020119574 A JP2020119574 A JP 2020119574A JP 2020119574 A JP2020119574 A JP 2020119574A JP 6884361 B1 JP6884361 B1 JP 6884361B1
Authority
JP
Japan
Prior art keywords
space
design
code
information data
elements
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2020119574A
Other languages
English (en)
Inventor
成年 川上
成年 川上
Original Assignee
成年 川上
成年 川上
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 成年 川上, 成年 川上 filed Critical 成年 川上
Application granted granted Critical
Publication of JP6884361B1 publication Critical patent/JP6884361B1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】多空間デザインモデルの生成プログラム及び方法を提供する。【解決手段】多空間デザインモデル生成プログラムの処理手順は、物理空間情報データを取得する(STEP1)。次に、心理空間情報データを取得する(STEP2)。物理空間情報データ及び心理空間情報データを合わせた情報データについて形態素解析処理を実行し、デザイン要素を抽出する(STEP3)。コーディングルールに基づいて、デザイン要素を分類する(STEP4)。コーディングルールに基づいて、コードの共起関係を抽出し、分類されたデザイン要素をネットワーク状に構造化する(STEP5)。【選択図】図2

Description

本発明は、多空間デザインモデル生成プログラム及びその方法に関する。
非特許文献1には、多空間デザインモデルを作成するための発想法として多空間発想法が開示されている。
松岡由幸 監修、「デザイン科学概論」 慶應義塾大学出版、2018年3月30日、p.46-53
非特許文献1の多空間発想法では、STEP1.デザイン要素の抽出、STEP2.デザイン要素の分類、STEP3.デザイン要素の構造化、STEP4.デザイン要素の分解と追加、の4つのステップを繰り返して、分析と発想を行う。多空間発想法では、ブレインストーミング法によりSTEP1のデザイン要素の抽出を行い、親和図法によりSTEP2のデザイン要素の分類を行い、連関図法によりSTEP3のデザイン要素のネットワーク状の構造化を行う。
非特許文献1では、STEP1の多空間におけるデザイン要素の抽出にブレインストーミング法が用いられる。しかしながら、ブレインストーミングの参加者が気づいていないデザイン要素がある場合には、抽出されるデザイン要素に漏れが生じる場合がある。また、非特許文献1では、STEP3のデザイン要素のネットワーク状の構造化に連関図法が用いられる。しかしながら、連関図法によりデザイン要素の構造化を図るためには、当該分野の専門的な知識がある程度必要となる。そのため、特に専門外の者には多空間デザインモデルを容易には作成し難い。
本発明は、これらのような従来の問題を解決するためになされたもので、多空間デザインモデル生成を容易にすることを目的とする。
本発明は、コンピュータに、心理空間情報データと物理空間情報データについて形態素解析を行い、複数のデザイン要素を抽出する処理と、所定のコーディングルールに基づいて、心理空間コードと物理空間コードとに、複数のデザイン要素を分類する処理と、分類された心理空間コード及び物理空間コードの共起関係に基づいて、分類されたデザイン要素が、心理空間と物理空間とにネットワーク状に構造化された多空間デザインモデルを生成する処理と、を実行させる多空間デザインモデル生成プログラムである。
本発明は、心理空間情報データと物理空間情報データについて形態素解析を行い、複数のデザイン要素を抽出し、所定のコーディングルールに基づいて、心理空間コードと物理空間コードとに、複数のデザイン要素を分類し、分類された心理空間コード及び物理空間コードの共起関係に基づいて、分類されたデザイン要素が、心理空間と物理空間とにネットワーク状に構造化された多空間デザインモデルを生成する、多空間デザインモデル生成方法である。
本発明の多空間デザインモデル生成プログラム及びその方法によれば、多空間デザインモデル生成を容易にすることができる。
多空間デザインモデル生成プログラムを実行する装置のブロック図 多空間デザインモデル生成プログラムの処理を示すフローチャート 心理空間情報データ及び物理空間情報データの一部を示す図 抽出されたデザイン要素を示す図 コードとコーディングルールを示す図 生成された共起ネットワークを示す図 生成された多空間デザインモデルを示す図 多空間の関係を示す図
以下、実施形態である多空間デザインモデル生成プログラム及びその方法について、図を参照して詳細に説明をする。
図8は、実施形態の多空間デザインモデル生成プログラムにおける多空間の関係を示す。実施形態では、価値空間と、意味空間と、属性空間との多空間デザインモデルを生成することについて説明するが、空間はこれに限られない。例えば、分析目的に応じて、品質、状態、ニーズ、便益、機構、部品、機能、効果、用途等の空間であってもよい。すなわち、分析目的に応じて、心理空間情報及び物理空間情報からデザイン要素を抽出可能な空間を適宜選択すればよい。また、空間の数は3つに限られず、分析の目的に応じて、非特許文献1に示されるように、価値空間と意味空間と状態空間と属性空間との4つとしてもよい。
また、図8に示すように、実施形態では、価値空間は心理空間に属し、属性空間は物理空間に属し、意味空間は心理空間及び物理空間の両方にまたがって属するものとする。ただし、これに限られず、分析の目的に応じて、非特許文献1に示されるように、価値空間と意味空間とは心理空間に属し、状態空間と属性空間とは物理空間に属するとしてもよい。
価値空間では、文化的価値や機能的価値など様々な視点からの価値を表現するデザイン要素とそれらの関係が表現される。意味空間では、デザイン対象の持つ機能性や品質やイメージなどを表現するデザイン要素とそれらの関係が表現される。属性空間では、寸法、材料等、技術的内容を表現するデザイン要素とそれらの関係が表現される。
図1は、実施形態の多空間デザインモデル生成プログラムを実行するための情報処理装置のブロック図である。
システムバス108を介して、CPU(Central Processing Unit)101、ROM(Read Only Memory)102、RAM(Random Access Memory)103、HDD(Hard Disk Drive)105、外部I/F(Interface)106、及び、入力部107が接続される。CPU101とROM102とRAM103とで制御部104を構成する。
ROM102は、CPU101により実行されるプログラムや閾値を予め記憶する。ROM102は、後述する物理空間情報データや心理空間情報データやコーディングルールを記憶する。
RAM103は、CPU101が実行するプログラムを展開するエリアと、プログラムによるデータ処理の作業領域となるワークエリアなどの様々なメモリエリア等を有する。RAM103は、後述する物理空間情報データや心理空間情報データやコーディングルールを記憶してもよい。
HDD105は、入力部107から入力された物理空間情報データや心理空間情報データ等のテキストデータ等を記憶する。HDD105は、後述する複合語とコーディングルールを記憶してもよい。なお、物理空間情報データや心理空間情報データは外部I/F106を介して、外部装置から取得してもよい。
外部I/F106は、例えばクライアント端末(PC)などの外部装置と通信するためのインターフェースである。外部I/F106は、外部装置とデータ通信を行うインターフェースであれば良く、たとえば、外部装置にローカルに接続する機器(USBメモリ等)であってもよいし、有線又は無線ネットワークを介して通信するためのネットワークインターフェースであってもよい。
外部I/F106は、液晶ディスプレイ等の表示装置(不図示)と接続する。外部I/F106は、個人が所有するスマートフォン、タブレット等の携帯端末に接続する。
入力部107は、キーボード、マウス、スキャナ(読取装置)等の入力装置である。
図2は、実施形態の多空間デザインモデル生成プログラムの処理手順を示すフローチャートである。実施形態では、分析対象製品を「おむつ」とした場合の多空間デザインモデルの生成処理について説明する。
まず、物理空間情報データを取得する(STEP1)。実施形態では、物理空間情報データを、J-PlatPatなどの特許情報データベースから取得する。実施形態では、特許情報データベースから意味空間のデザイン要素の用語と属性空間のデザイン要素の用語を抽出した。実施形態では、検索対象を「おむつ」とした検索によりヒットした特許出願のうち、40件の特許出願を分析の対象とした。なお、抽出する件数は40件に限られず、解析目的に応じて増減させて良い。
なお、実施形態では、物理空間情報データを特許情報データベースから取得するが、物理空間情報の取得源はこれに限られず、公開技報、マニュアル、単行本、国内技術雑誌、非技術雑誌、外国学会論文、国内学会論文、企業技報、団体機関誌、予稿集、及び、J-GLOBAL等の技術情報が集約されたデータベースから適宜取得してもよい。
図3は、特許調査で抽出された40件の要約書(40件をまとめて物理空間情報データ100とする)の内の一部の3件の要約書(1件1件を技術情報データ100a〜cとする)のデータを示す。物理空間情報データは、ROM102やRAM103やHDD105に記憶される。
次に、心理空間情報データを取得する(STEP2)。心理空間情報は、クレーム情報、顧客レビュー、顧客アンケート、顧客インタビュー等により収集できる。実施形態では、ネット上のカスタマーレビューから価値空間のデザイン要素の用語と意味空間のデザイン要素の用語を抽出した。ネット上の評判は、他にSNSから抽出することできる。実施形態では、検索対象を「おむつ」とした検索によりヒットしたカスタマーレビューのうち、30件の心理空間情報を分析の対象とした。なお、抽出する件数は30件に限られず、解析目的に応じて増減させて良い。
なお、顧客レビュー等には物理空間情報が多少含まれることが考えられ、特許情報等には心理空間情報が多少含まれることが考えられるため、心理空間情報と物理情報とを混ぜて、価値空間、意味空間、属性空間のデザイン要素を一括して抽出することでもよい。
図3は、顧客調査で抽出された30件のカスタマーレビュー(30件をまとめて心理空間情報データ200とする)の内の一部の3件のカスタマーレビュー(1件1件を心理空間情報データ200a〜cとする)のデータを示す。心理空間情報データは、ROM102やRAM103やHDD105に記憶される。
制御部104は、物理空間情報データ40件(物理空間情報データ100)、及び、心理空間情報データ30件(心理空間情報データ200)を合わせた情報データ300(図3)について形態素解析処理を実行し、デザイン要素を抽出する(STEP3)。これにより、物理空間情報データ40件及び心理空間情報データ30件のテキスト全体から分析対象となるデザイン要素の用語を抽出する処理を実行する。
形態素解析とは、文法的な情報の注記の無い自然言語のテキストデータ(文)から、対象言語の文法や、辞書と呼ばれる単語の品詞等の情報に基づき、形態素(言語で意味を持つ最小単位)の列に分割し、それぞれの形態素の品詞等を判別する処理のことをいう。
図4は、形態素解析処理により抽出されたデザイン要素となる用語の一部を示す。図に示すように品詞ごとに抽出語が得られる。各抽出語の右にある数字は、当該抽出語の出現回数である。
次に、制御部104は、コーディングルールに基づいてデザイン要素(用語)をコーディングし、デザイン要素を分類する(STEP4)。コーディングとは、仮説、テーマに基づいて、抽出語を組み合わせる処理のことをいう。コーディング処理を行う前には、いくつかのカテゴリー(以下、コードという)を設定し、「特定の記述がデータ中にあればそのデータを特定のコードに分類すること」といった基準を設定する。この基準のことをコーディングルールという。すなわち、コードがデザイン要素の分類に相当する。
図5は、コーディングに使用したコードを示す。コードは、テキストマイニングにより抽出した用語をKJ法を使用して設定してもよい。社内に自社技術分類がある場合には、それをコードに設定しても良い。
実施形態では、デザイン要素の分類に、価値空間コード、意味空間コード、及び、属性空間コードを使用する。価値空間コードは、顧客の要求(ニーズ)や顧客への便益(ベネフィット)等、の顧客の声から注目すべき価値を表現するデザイン要素であり、意味空間コードは、製品やサービスの品質等の機能性やイメージを表現するデザイン要素であり、属性空間コードは、機構や部品や機能や効果や用途等の技術的内容を表現するデザイン要素である。
実施形態では、価値空間コードは心理空間に属するコード(心理空間コード)であり、属性空間コードは物理空間に属するコード(物理空間コード)であり、意味空間コードは心理空間及び物理空間に属するコードである。
実施形態では、図5に示す「価値空間」の用語(デザイン要素)と「意味空間」の用語(デザイン要素)と「属性空間」の用語(デザイン要素)と、をコードに使用し、デザイン要素を分類する。「価値空間コード」としては、「着心地が良い」、「サイズが合う」、「使いやすい」、及び、「子供に似合う」を設定し、デザイン要素を分類する。
「意味空間コード」として、「漏れない」、「蒸れない」、「動きやすい」、「肌に優しい」、「交換しやすい」、及び、「見た目が良い」を設定し、デザイン要素を分類する。
「属性空間コード」として、「吸収構造」、「通気構造」、「肌触り構造」、「固定構造」、及び、「意匠構造」を設定し、デザイン要素を分類する。
実施形態では、「属性空間コード」を「構成」としたが、分析の目的に応じて、「属性空間コード」を「機能」や「用途」等、技術的に分析が必要な事項としてもよい。
図5は、コーディングルールを示す。コーディングルールは、図4に示す形態素解析により抽出された多数のデザイン要素の用語を、図5に示すコードに割り当ててあらかじめ設定される。すなわち、多数のデザイン要素は図5に示すコードに分類される。設定されたコーディングルールは、ROM102やRAM103やHDD105に記憶される。
図5に示すコーディングルールは、単純に抽出語の「or」を取っている。なお、他の算術演算子や論理演算子を使用して、より複雑なコーディングルールを設定しても良い。
制御部104は、コーディングルールに基づいて、コードの共起関係を抽出し、分類されたデザイン要素をネットワーク状に構造化する(STEP5)。図6は、生成された価値空間コードと、意味空間コードと、属性空間コードとに分類されたデザイン要素の共起関係を図示した共起ネットワークを示す。共起ネットワークは、図5のコーディングルールに基づいて、価値空間コード及び属性空間コードと、意味空間コードのJaccard係数を計算した共起関係に基づいて生成されたものである。
共起性の尺度は、2つのコード(例えば、「赤ちゃんが快適」と「漏れない」)の共起頻度を規準化した尺度である。共起性が弱いほど0に近づき(すなわち同じ文書(要約書等)中に出現することが少ない)、強いほど1に近づく(すなわち同じ文書(要約書等)中に出現することが多い)。
制御部4は、価値空間コードと、意味空間コードと、属性空間コードとに分類されたデザイン要素の共起関係に基づいて、心理空間と物理空間の中に、分類されたデザイン要素をネットワーク状に構造化した多空間デザインモデルを生成する。
図7は、生成された多空間デザインモデルを示す。制御部4は、共起関係が所定値(例えば、0.2)以上の関係にある上記関連コードを抽出し、価値空間と意味空間と属性空間に配置し、分類されたデザイン要素が心理空間と物理空間の中にネットワーク状に構造化した多空間デザインモデルを生成する。
図7に示すように、「着心地が良い」、「サイズが合う」、「使いやすい」、及び、「子供に似合う」に分類されたデザイン要素は、価値空間かつ心理空間に配置され、「漏れない」、「蒸れない」、「動きやすい」、「肌に優しい」、「交換しやすい」、及び、「見た目が良い」に分類されたデザイン要素は、意味空間かつ心理空間及び物理空間に跨って配置され、「吸収構造」、「通気構造」、「肌触り構造」、「固定構造」、及び、「意匠構造」に分類されたデザイン要素は、属性空間かつ物理空間に配置され、それらはネットワーク状に構造化される。
なお、上記実施形態では、価値空間コード-意味空間コードのモデル(心理空間モデル)と、属性空間コード-意味空間コードのモデル(物理空間モデル)と、を一体的に生成したが、心理空間情報から価値空間コード-意味空間コードの心理空間モデルのみを作成し、物理空間情報から属性空間コード-意味空間コードの物理空間モデルのみを作成し、それらからモデルを組み合わせてもよい。
以上説明したように、実施形態の多空間デザインモデル生成プログラム及び方法によれば、多空間発想法におけるSTEP1のデザイン要素の抽出、STEP2のデザイン要素の分類、及び、STEP3のデザイン要素のネットワーク状の構造化を、プログラムにより処理できるので、多空間デザインモデル生成を容易にすることができる。さらに、デザイン要素は特許情報やレビュー情報から抽出するので、デザイン要素の抽出の漏れが少なくなる。
以上、実施形態を説明したが、この実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
101 CPU、102 ROM、103 RAM、104 制御部、105 HDD、106 外部I/F、107 入力部、108 システムバス

Claims (2)

  1. コンピュータに、
    特定商品分野に基づいて取得された複数の自然言語文からなる心理空間情報データと特定技術分野に基づいて取得された複数の自然言語文からなる物理空間情報データについて形態素解析を行い、複数の用語を抽出する処理と、
    複数の価値空間コードと、複数の意味空間コードと、複数の属性空間コードとに、前記複数の用語を割り当てるコーディングルールに基づいて、前記価値空間コードと、前記意味空間コードと、前記属性空間コードとに、前記複数の用語を分類する処理と、
    前記複数の用語が分類された、前記価値空間コードと、前記意味空間コードと、前記属性空間コードとの共起関係に基づいて、共起ネットワークを生成する処理と、
    を実行させる多空間デザインモデル生成プログラム。
  2. コンピュータが、
    特定商品分野に基づいて取得された複数の自然言語文からなる心理空間情報データと特定技術分野に基づいて取得された複数の自然言語文からなる物理空間情報データについて形態素解析を行い、複数の用語を抽出し、
    複数の価値空間コードと、複数の意味空間コードと、複数の属性空間コードとに、前記複数の用語を割り当てるコーディングルールに基づいて、前記価値空間コードと、前記意味空間コードと、前記属性空間コードとに、前記複数の用語を分類し、
    前記複数の用語が分類された、前記価値空間コードと、前記意味空間コードと、前記属性空間コードとの共起関係に基づいて、共起ネットワークを生成する、
    多空間デザインモデル生成方法。
JP2020119574A 2020-03-01 2020-07-11 多空間デザインモデル生成プログラム及びその方法 Active JP6884361B1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020034553 2020-03-01
JP2020034553 2020-03-01

Publications (1)

Publication Number Publication Date
JP6884361B1 true JP6884361B1 (ja) 2021-06-09

Family

ID=76218194

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020119574A Active JP6884361B1 (ja) 2020-03-01 2020-07-11 多空間デザインモデル生成プログラム及びその方法

Country Status (1)

Country Link
JP (1) JP6884361B1 (ja)

Similar Documents

Publication Publication Date Title
Zhou et al. A machine learning approach to customer needs analysis for product ecosystems
Arulmurugan et al. RETRACTED ARTICLE: Classification of sentence level sentiment analysis using cloud machine learning techniques
Luiz et al. A feature-oriented sentiment rating for mobile app reviews
Gu et al. " what parts of your apps are loved by users?"(T)
Tyagi et al. Demystifying the role of natural language processing (NLP) in smart city applications: background, motivation, recent advances, and future research directions
Fernandes et al. Latent trees for coreference resolution
AU2015204283A1 (en) Text mining system and tool
US11687826B2 (en) Artificial intelligence (AI) based innovation data processing system
Cheligeer et al. Machine learning in requirements elicitation: A literature review
JP2011059935A (ja) 設計チェック知識構築方法及びシステム
Lytvyn et al. A method of construction of automated basic ontology
Hussain et al. Stories from Blogs: Computational Extraction and Visualization of Narratives.
Goossens et al. Extracting Decision Model and Notation models from text using deep learning techniques
Saha et al. Vader vs. bert: A comparative performance analysis for sentiment on coronavirus outbreak
Pan et al. Advancements of Artificial Intelligence Techniques in the Realm About Library and Information Subject—A Case Survey of Latent Dirichlet Allocation Method
Tuarob et al. Automated discovery of product feature inferences within large-scale implicit social media data
Kostareva et al. Using Ontology-Driven Methods to Develop Frameworks for Tackling NLP Problems.
JP6884361B1 (ja) 多空間デザインモデル生成プログラム及びその方法
Setik et al. Exploring Classification For Sentiment Analysis From Halal Based Tweets
Abdallah et al. Feature-based sentiment analysis for slang arabic text
Utitiaj et al. Sentiment Analysis Tool for Spanish Tweets in the Ecuadorian Context
Young et al. CIDER: Context-sensitive polarity measurement for short-form text
Hamzah et al. Multiclass intent classification for chatbot based on machine learning algorithm
JP6830636B1 (ja) 発想支援プログラム及びその方法
JP2021047469A (ja) 特許マップ生成プログラム及びその方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200711

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200711

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200721

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201215

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210127

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210204

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210428

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210429

R150 Certificate of patent or registration of utility model

Ref document number: 6884361

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250