角色模型的粗集-模糊聚类分析方法

西安文理学院 艺术学院，西安 710065

西安文理学院 艺术学院，西安 710065

1 引言

产品设计系统通常是从调和个性化定制与成本上升之间的矛盾，在速度和效率上优化产品模型设计过程，通过产品功能模块化，设计模型知识化、推理过程智能化，设计系统平台化来实现个性化设计与多样化设计，然而由于用户需求模型的研究不足，制约了产品设计系统的效率与可用性。Alan Cooper[1]提出的角色分析方法可以满足用户个性化需求分析的需要，然而在产品设计中应用不足。基于粗集的模糊聚类角色分析和模型构建方法，从用户调研数据中通过模糊聚类分析提取典型用户属性特征，构建具有代表性和个性化特征的角色模板，从而满足产品个性化设计系统中对于用户模型构建的需要。

2 角色模型的含义与结构

2.1 角色分析方法的研究

角色是指一系列能够代表用户对某种产品大部分需求的原型用户（archetypal users），将具有细节特征的特定用户形象作为设计对象的原型，进行合理的需求推理单件，对产品细节特征设计做进一步深入考虑得到具体设计方案是相对容易和明确的。角色分析即通过创建典型用户模板来代表具有不同目标的用户，以角色模板为依据进行产品需求分析以及个性化细节设计，以满足具有类似目标和需求的用户群。

由于角色可以随着场景的变换而改变，适用性和灵活性强，常用作设计分析的工具，用户目标评估的标准。在软件系统的开发中已经证明，角色分析在用户需求模型的构建上很有优势，如对于各种大型软件系统的需求工程分析、施乐帕洛阿尔托研究中心面向方面的程序设计等[2-5]。但是，角色分析在软件中的应用主要以角色及其情境的定性描述为主，对于如何通过定量分析获得角色模板没有相应的研究，所创建的角色也主要是作为构建设计团队之间交流平台的工具，在工业产品的概念设计中尚未得到充分利用[6]。

用于工业产品的概念设计建立基于角色分析的用户模型（简称角色模型），需要明确具有代表性的用户群的个性化需求偏好强度，并以此进行功能和设计指标分析，建立可用的设计资源库来提高设计效率和质量，实现个性化的快速产品设计。因而，角色模型构建的最大问题首先在于典型用户的识别和角色属性的聚类分析，而这方面的文献研究非常少见。本文根据用户需求的模糊性、动态性特征，结合John Pruitt提出的角色分析步骤和模糊聚类方法对角色模型提出以下改进。

2.2 角色模型的结构与定义

用户模型是用户需求集合的综合描述，应用角色分析，其结构包含三个部分：用户个性特征、产品偏好特征、设计关联模型[7]。角色模型的内部结构如图1所示。

图1 用户需求模型的内部结构关系图

角色模型的相关概念定义如下。

定义1（角色（Personas）角色是指由现实的顾客群中提炼出来的典型用户，其特征可以由个性特征Potraits，角色个性特征包含了用户类型与社会信息（如年龄、性别、职业、与产品选择相关的爱好等）、用户特殊信息（如价值期望、特定目的、心理特性）、产品使用环境（使用条件、场景Scenario），Preference Model（产品偏好模型），Samples（偏好实例库）等属性构成，数学表达如下：

Persona(i)=f(Potraits，Preference Model，Samples)

定义2（产品偏好特征（Production Preference，PR））产品偏好是指相对于可比较的产品或者产品属性来说，用户宁愿选择效用值大的一项。产品偏好特征是指用户对产品的设计特征相关的要求（不涉及结构因素），包括主导功能与可选功能的要求、功能实现的效用值范围（性能与质量的规定）、外观的偏好风格、人机操作和材质等方面的要求。产品偏好特征用产品属性的效用值{uij}来反映。产品效用值是针对用户而言产品整体或者某项功能的功效或价值大小。

定义3（产品偏好模型（Preference Model，PM））产品偏好模型是指产品偏好特征的集合空间，是指某属性组合的概念产品对用户的效用值应处于基本值U*到理想值U*之间的偏好组合的集合，记为PM={Ups}。角色的产品偏好模型对应于特定的效用偏好区间Z=[U*，U*]，其中Ups为某个产品偏好，UPs={uij|uij∈[U*，U*]}。产品的效用区间反映了用户可选择的效用值范围，该区间的大小由产品的效用分析确定。

定义4（偏好距离（Utility Difference））偏好距离是指用来度量不同样本偏好特征之间差异的值，用表示。设样本s有多个属性特征：

Ys={yjk|j=1，2，…，J，k=1，2，…，kj，∀j，k∈R}(s∈S)为角色原型，S为由s构成的角色空间，假定X={xjk|j=1,2,…，J，k=1，2，…，kj，∀j，k∈R}为某一用户的偏好属性特征，Y*为理想的角色模型，则为样本之间或者用户与角色之间的属性偏好距离，表式为=(usk，uxk)=||usk-uxk||(∀k∈K)。可以确定角色聚类分布模式及聚类中心（角色原型），以及一般用户与角色之间的匹配程度。f()=||*||的含义根据聚类要求确定。

定义5（设计关联模型（Design Associated Rule））设计关联模型是指角色个性特征与产品偏好模型之间的设计需求映射和索引规则，用CN-FR={ri}表示。

3 角色模板的聚类分析

3.1 基于效用评价的角色属性的识别

效用评价是基于用户经验选择的因素分析方法，该方法假定用户的实验性选择行为（例如排序、优选、打分，等等）在一定程度上反映了用户的心理期望对于特定产品表现的评价，这种评价就是产品的效用值。产品效用因人而异，同一个产品对于不同的人来说，其效用值是不同的，因此，产品的效用值与用户的个性化需求具有一定的联系。假设有m个用户对产品的J个功能提出要求，产品的效用矩阵可以表示为：

其中，PR是指产品功能组合 PF={f1，f2，…，fJ}对用户需求目标CI={c1，c2，…，cm}的贡献值，umn表示第 m个顾客对产品第 j个属性的效用值。矩阵的每一列构成了不同用户对产品属性的个性化差别要求的集合。这些属性通常包括功能属性、外观属性、技术属性、价格属性等。矩阵中各元素的组合及值的大小反映了目标用户的需求特征。角色的需求属性聚类依据就是矩阵中这些效用值的大小和组合关系。点积(·)的含义和运算规则根据需要确定。产品属性的效用分析通常综合了多种调研与统计方法来获得，这里以联合分析法进行产品的效用分析结果作为用户偏好属性特征进行角色属性聚类分析的依据。

假定产品P由J个属性构成，每个属性对产品都具有一定的效用贡献，将属性 j划分为kj个水平等级，产品的总效用是各属性效用的叠加，通过联合分析，已知用户对产品的偏好效用区间为Z=[U*，U*]，理论上任何在效用区间Z=[r，E]范围内的产品均为符合角色需求的产品，且数值越大，越能满足用户，效用值范围相近的用户可视为一个群。U*为角色对产品配置的最低要求，U*为最理想组合，分别由下式确定，具体分析方法和过程详见其他相关文献[6-12]。

3.2 基于粗集的模糊聚类分析

角色聚类的目的是从所收集的样本中提取若干典型用户资料，作为各聚类群体中的代表人物。由于现实中用户需求描述本身具有模糊性，角色的偏好特征数据来源于用户对产品的模糊分析与效用评价，CR-FR规则也无法用精确数值描述，因此需采用基于粗集的模糊聚类法对角色模型的属性进行分析。

3.2.1 确定角色属性分类的粗糙集模型

则通过基于相似度的不可分辨关系IRAT把偏好样本集U划分为不同的相似类子集，该划分结果可用U/SIMAT表达，从而基于相似性在属性集AT上对U作了划分[14]；关于cx的相似类 SIMAT(cx)={cx∈U:(cx，cy)∈IRAT}描述与 cx相似的偏好集合，划分U/SIMAT的所有子集称为基于相似关系IRAT的AT-基本集，类似地，可定义基于相似关系IRAT的关于cx属性集AT的上下近似集：

3.2.2 构造基于粗集的模糊相似矩阵

首先通过需求分析，获得用户c的需求效用矩阵PR，将每个用户的效用区间进行归一化处理，改造为UR(c)=(u，μ，λ，w)格式，其中：μ为 ℜ 元素的加权均值，u=[u1，u2，…，uk](∀k∈K)为归一化后的效用值向量，λ为u的特征值，w为各属性权重向量。设有M个用户参加了产品偏好的效用值评测，相似度是在M个样本中进行模糊聚类分组的评判指标，此处采用距离测度作为用户 cx与cy间的不相似指标，用表示相似度指标，则

f1为加权海明距离，wk为各属性权重，=1，f2为最小距离，分别求各项属性的差值，从中选择最小值，是用户需求之间近似程度的最大范围估计，λk是相似度调节因子；f3为最大距离，分别求各项属性的差值，从中选择最大值，是用户需求之间近似程度的最小范围估计。

3.2.3 划分角色属性的相似类

按照公式（3）、（4）定义各样本需求属性偏好程度的相似性，对于任意一个对象cx(∀x∈M)，如果集合U中的其他各对象 cy∈Uc与其的相似性满足 SIMj(x，y)≥ϑj，则认为对象cx与cy具有关于PJ的相似关系，其中ϑj是预先指定的对象之间的相似度阈值。这样，全集U中的所有对象将依据相似关系划分为I个子集，结果可用U/PJ表示，U/PJ包含U且比U大。U/PJ中围绕样本cx得到的子集称为cx关于 PJ的相似类，用 SIMj(cx)表示，即 SIMj(cx)={∀cx∈U:SIMj≥ϑj}，U/PJ中的全体子集也称为集合U的 PJ-基本集。

通常，与cx相似的一类对象并非仅仅是全集U的一个子集，而是彼此间存在属性偏好重叠关系的若干子集，这样就需要基于对象间的相似度大小，通过合并基本集实现子集削减，以构造有限数量的相似类[13，15]。对于任意两个对象cx与cy，如果满足以下条件之一，则合并相似类SIMj(cx)和 SIMj(cy)：

根据构建的模糊等价关系，用户需求可划分为少数几个相似类。作为用户需求聚类的结果，用户需求全集UC在CRs空间上按照需求偏好间的相似性被划分为若干个角色群，即Uc/Rc=(p1，p2，…，pΙ)，其中I是角色群的数量。

根据以上步骤获得的属性相似类集合相对比较明确，由于用户的属性边界并不分明，强行划分会失去满足可能的用户需求的设计机会。因此，按照公式（1）和（2）可以进一步分类获得属性相似类集合的近似集(Ck)。

3.3 角色模板的聚类分析

基于以上分析，M个用户的需求属性样本可以被大致划分为I(J，K)个用户群，角色模板可以多属性分析方法按照最大覆盖原则获得，具体方法如下。

同理，可得 I(J，K)中其他聚类元素归属于 Π的矩阵Πy=(zy1，zy2，…，zye)。对比 I(J，K)中所有的cx∈UI，取 Π中 z*i相同数最多的样本归为同一个群，最后将群内覆盖I(J，K)数最多的样本确定为该群角色模板。

3.4 应用实例

以产品造型的角色模型分析举例说明。假设已知以下5个用户{ca，cb，cc，cd，cf}，经过效用分析后得到uc，分别对应于（形态，色彩，人机）：

经过单属性聚类分析，得到以下结果：

分别计算e值，将以上uc划分为Πe+1=(z1，z2，z3)，以色彩为例，z1：[0.3，0.41），z2：[0.41，0.52），z3：[0.52，0.63），其中e+1=2，σ=0.11，由此得到ca，cb，cc，cd，cf归属于 Πe=(z1，z2，z3)的矩阵如图2所示。

图2 Πe矩阵分析

从图2矩阵可以看出，ca，cc，cf的 Πe中的(z1，z2)向量完全相同，则归为一个类，其中cf在 I人机、I色彩、I形态中都分别与ca，cc处于同一子集，跨度最大，因此被确定为多属性聚合群 pf={ca，cc，cf}的角色模板。

在获得角色属性后，还需要进一步确定角色的关系模型中对于产品需求的偏好决策关系，完善角色模型内容。限于篇幅，这里不再赘述。

4 结论

通过基于粗集的模糊聚类分析，角色模型反映了一定用户群中具有代表性用户的需求特征和偏好强度，依据角色模板，可以建立相应的产品设计模块库和查询规则，弥补了角色分析的定量分析不足，缺乏数据支持的缺陷，增强了角色分析在工业产品设计过程中的适用性领域，改进的角色模型也有助于快速生成概念产品设计模型与方案。

[1]Cooper A，Reimann R，Cronin D.About face 3：the essentials of interaction design[M].[S.l.]：Wiley Publishing，2007.

[2]Olewnik A T.Conjoint-HOQ：a quantitative methodology for consumer-driven design[C]//DETC2007，2008：207-217.

[3]Pruitt J，Adlin T.The persona lifecycle：keeping people in mind throughout product design[M].[S.l.]：Morgan Kaufman Publisher，2006.

[4]Junior P T A，Filgueiras L V L.User modeling with personas[C]//Proceedings of CLIHC.New York：ACM Press，2005：277-282.

[5]McGinn J，Kotamraju N.Data-driven persona development[C]// CHI 2008，Florence，Italy，2008：1045-1054.

[6]吴勘，陆长德.以用户需求原型为中心的产品设计方法[J].包装工程，2009（3）：131-133.

[7]Tsai H，Hsiao S.Evaluation of alternatives for product customization using fuzzy logic[J].Information Sciences，2004，158（1）：232-262.

[8]吴勘，陆长德.基于用户角色分析的概念设计方法[J].现代制造工程，2009（6）：106-110.

[9]Green P E.Thirty years of conjoint analysis：reflections and prospects[J].Interfaces，2004，31（3）：59-61.

[10]黄海清，张平.用户偏好提取MDP建模研究[J].国防科技大学学报，2006（6）：81-85.

[11]Wu Kan，Lu Changde.Personas construction based on utility analysis in industrial design[C]//MASS 2010，2010.

[12]黄自元，甄兰兰.复杂系统的遗传-模糊建模方法[J].系统仿真学报，2003（9）.

[13]陈春宝.基于聚类分析与遗传算法的产品多样性优化研究[D].上海：上海交通大学，2008.

[14]Stepaniuk J.Similarity based rough sets and learning[C]//Proceedings of the 4th International Workshop on Rough Sets，Fuzzy Sets，and Machine Discovery，1996：18-22.

[15]Wang Qingdong，Dai Huaping，Sun Youxian.A rough set based clustering algorithm and the information theoretical approach to refineclusters[C]//IntelligentControland Automation，2004，5：4287-4291.

角色模型的粗集-模糊聚类分析方法

吴 勘

WU Kan

School of Art,Xi’an University of Arts and Science,Xi’an 710065,China

Personas analysis can help to construct user model of personalized design system and understand the Essential factors of user needs better.To this purpose,Fuzzy Clustering Method of Personas Construction Based on Rough Set（FCM PCBRS）is proposed in this paper.It extracts typical user attribute characteristics with fuzzy clustering analysis of the data from user research. It builds representative persona templates and database of user demand personalized features.Relational data between user demand model and product conceptual design model constructs subsequently to meet the query needs of personalized design system. FCM PCBRS improves the personas analytical method,and contributes to make product conceptual design easier to locate personalized information of the target users and quickly generates product concept model and design.

persona analysis;fuzzy clustering;rough sets;user model

角色分析可以满足产品个性化设计系统中对于用户模型构建的需要。提出了基于粗集的模糊聚类角色分析与模型构建方法，通过构造基于粗集的模糊相似矩阵、确定角色属性的模糊相似聚类分析方法，从用户调研数据中提取典型用户属性特征，构建角色模型。该方法完善了角色分析在产品设计中的应用方法，有助于快速生成概念产品设计模型与方案。关键词：角色分析；模糊聚类；粗糙集；用户模型

A

TP39

10.3778/j.issn.1002-8331.1301-0282

WU Kan.Fuzzy clustering method of personas construction based on rough set.Computer Engineering and Applications,2013,49（11）：31-34.

西安市科技计划项目-西安文理学院科研创新基金专项项目（No.CXY1134WL33）；陕西省教育厅专项科研计划项目（No.12JK1110）。

吴勘（1970—），女，博士，讲师，研究领域：计算机辅助工业设计、设计管理信息系统。E-mail：lygong@mail.xjtu.edu.cn

2013-01-25

2013-04-03

1002-8331（2013）11-0031-04

◎理论研究、研发设计◎