林文广 赖荣燊 肖人彬

1.厦门理工学院智能制造高端装备研究厦门市重点实验室，厦门，3621142.华中科技大学人工智能与自动化学院，武汉，430074

0 引言

据统计，一款新产品从方案设计到最终的市场投放，成功率不足20%，超过90%的产品上架时间不足8%，给企业造成了极大的资源损失[1]。如果能够在产品设计阶段预先充分获取设计相关案例的功能知识、结构知识、性能知识等信息，并对方案中的潜在风险进行勘探及规避，不仅可以有效改善产品的设计质量，同时有助于降低研发成本，提高企业市场竞争力。

事实上，现代产品设计是知识驱动的过程，其中知识是已有研究事实和设计经验的提炼与总结，是产品设计创造力的关键属性。传统设计过程中，知识的获取往往来源于工程师经验以及企业问卷调查数据，不仅数据量少，而且受主观经验影响，容易导致设计偏差。随着数字化时代的到来，受益于传感器、电子存储以及信息技术的快速发展，以专利数据、网络评论、科技文献、社交媒体、移动位置、设备运行状态为代表的新型数据信息不断涌现，推动着社会的不断进步。这些信息中不仅蕴含着丰富的产品设计知识，同时具有成本低、时效性强的优点，为传统产品设计向数据驱动产品设计转型升级提供了机遇。但是现有数据信息存在多源异构、价值密度低、准确性差等方面的不足，这对知识来源的遴选及挖掘手段都提出了较高的要求，是影响设计转型的关键[2]。……