本发明涉及产品开发和项目管理,特别是指一种基于关联规则和复杂网络的产品功能模块化开发方法及装置。
背景技术:
1、功能模块化是产品迭代开发的基础,它通过将复杂的代码按照不同功能划分为不同的模块,将不同的模块单独进行维护的方式提高开发效率,降低维护成本。功能模块化设计通常可以分为两个步骤:1)测度功能间的关联强度;2)采用聚类算法进行功能模块划分。
2、目前对于功能模块化开发技术主要通过设计结构矩阵或质量功能部署来计算要素之间的关系,该方法计算功能间的关联强度时通过专家访谈或问卷的方式进行计算,但对于复杂关联关系的功能模块化设计,由于主观偏差,导致计算结果出现不准确性。
技术实现思路
1、为了解决现有技术存在的由于主观偏差,导致计算结果出现不准确性的技术问题,本发明实施例提供了一种基于关联规则和复杂网络的产品功能模块化开发方法及装置。所述技术方案如下:
2、一方面,提供了一种基于关联规则和复杂网络的产品功能模块化开发方法,该方法由基于关联规则和复杂网络的产品功能模块化开发设备实现,该方法包括:
3、s1、获取顾客对产品的评论数据;利用自然语言处理技术对评论数据进行处理,获得产品使用的场景数据集与产品的功能数据集;
4、s2、根据产品使用的场景数据集与产品的功能数据集,构建场景-功能双层网络模型;其中,场景-功能双层网络模型包括:场景网络层与功能网络层;其中,场景网络层的场景与功能网络层的功能存在依赖关系;
5、s3、将顾客对产品的评论数据输入预先训练好的lda主题模型中,获得产品功能集合;根据产品功能集合中功能出现的频次,确定产品功能集合的重要度;根据产品功能集合的重要度,确定顾客价值权重;
6、s4、根据顾客价值权重,确定场景网络层中场景间的依赖强度;根据场景间的依赖强度确定场景网络层中场景的重要度;
7、s5、根据场景网络层的场景与功能网络层的功能存在的依赖关系,确定场景网络层与功能网络层之间的依赖强度;
8、s6、根据场景网络层与功能网络层之间的依赖强度与场景网络层中场景的重要度,利用关联规则中的支持度与置信度,确定功能网络层中功能间的关联强度;
9、s7、根据功能网络层中功能间的关联强度,利用改进的gn聚类算法对功能网络层进行功能模块化设计,获得功能模块化设计结果。
10、可选地,s3的将顾客对产品的评论数据输入预先训练好的lda主题模型中,获得产品功能集合;根据产品功能集合中功能出现的频次,确定产品功能集合的重要度;根据产品功能集合的重要度,确定顾客价值权重,包括:
11、s31、将顾客对产品的评论数据输入预先训练好的lda主题模型中,获得功能集合;
12、s32、为每个功能集合匹配一个顾客价值,根据每个功能的出现频次计算功能集合的重要度;
13、s33、根据每个功能集合内所有功能的重要度与所有功能集合的重要度,确定顾客价值权重。
14、可选地,场景网络层中场景的重要度可用加权度中心性指标表示。
15、可选地,s4的根据顾客价值权重,确定场景网络层中场景间的依赖强度,包括:
16、s41、构建顾客价值与场景之间的质量功能展开矩阵;
17、s42、根据顾客价值权重以及顾客价值与场景之间的质量功能展开矩阵,确定场景网络层中场景间的依赖强度。
18、可选地,s5的根据场景网络层的场景与功能网络层的功能存在的依赖关系,确定场景网络层与功能网络层之间的依赖强度,包括:
19、s51、根据场景网络层的场景与功能网络层的功能存在的依赖关系,计算场景与功能的共现频次;
20、s52、根据场景与功能的共现频次进行打分评估,获得场景与功能的边权;
21、s53、根据场景与功能的边权以及功能与所有场景的边权,确定场景网络层与功能网络层之间的依赖强度。
22、可选地,s7的根据功能网络层中功能间的关联强度,利用改进的gn聚类算法对功能网络层进行功能模块化设计,获得功能模块化设计结果,包括:
23、s71、利用功能网络层中功能间的关联强度,构造功能间的邻接矩阵;
24、s72、采用功能间的关联强度,计算功能网络层中的加权边介数,删除最大加权边介数的边;
25、s73、计算功能网络中全部的类内信息熵与功能网络中全部的类间信息熵;
26、s74、根据类内信息熵与类间信息熵,构建整个功能网络层的信息熵;
27、s75、判断功能网络层中是否还存在未删除的边,若存在,则计算功能网络层中的加权边介数;若不存在,则选择功能网络信息熵最小的分层结构,获得网络信息熵最低的功能模块化结果。
28、另一方面,提供了一种基于关联规则和复杂网络的产品功能模块化开发装置,该装置应用于基于关联规则和复杂网络的产品功能模块化开发方法,该装置包括:
29、获取与处理单元,用于获取顾客对产品的评论数据;利用自然语言处理技术对评论数据进行处理,获得产品使用的场景数据集与产品的功能数据集;
30、构建单元,用于根据产品使用的场景数据集与产品的功能数据集,构建场景-功能双层网络模型;其中,场景-功能双层网络模型包括:场景网络层与功能网络层;其中,场景网络层的场景与功能网络层的功能存在依赖关系;
31、第一计算单元,用于将顾客对产品的评论数据输入预先训练好的lda主题模型中,获得产品功能集合;根据产品功能集合中功能出现的频次,确定产品功能集合的重要度;根据产品功能集合的重要度,确定顾客价值权重;
32、第二计算单元,用于根据顾客价值权重,确定场景网络层中场景间的依赖强度;根据场景间的依赖强度确定场景网络层中场景的重要度;
33、第三计算单元,用于根据场景网络层的场景与功能网络层的功能存在的依赖关系,确定场景网络层与功能网络层之间的依赖强度;
34、第四计算单元,用于根据场景网络层与功能网络层之间的依赖强度与场景网络层中场景的重要度,利用关联规则中的支持度与置信度,确定功能网络层中功能间的关联强度;
35、设计单元,用于根据功能网络层中功能间的关联强度,利用改进的gn聚类算法对功能网络层进行功能模块化设计,获得功能模块化设计结果。
36、可选地,第一计算单元,用于:
37、将顾客对产品的评论数据输入预先训练好的lda主题模型中,获得功能集合;
38、为每个功能集合匹配一个顾客价值,根据每个功能的出现频次计算功能集合的重要度;
39、根据每个功能集合内所有功能的重要度与所有功能集合的重要度,确定顾客价值权重。
40、可选地,场景网络层中场景的重要度可用加权度中心性指标表示场景网络层中场景的重要度。
41、可选地,第二计算单元,用于:
42、构建顾客价值与场景之间的质量功能展开矩阵;
43、根据顾客价值权重以及顾客价值与场景之间的质量功能展开矩阵,确定场景网络层中场景间的依赖强度。
44、可选地,第三计算单元,用于:
45、根据场景网络层的场景与功能网络层的功能存在的依赖关系,计算场景与功能的共现频次;
46、根据场景与功能的共现频次进行打分评估,获得场景与功能的边权;
47、根据场景与功能的边权以及功能与所有场景的边权,确定场景网络层与功能网络层之间的依赖强度。
48、可选地,设计单元,用于:
49、利用功能网络层中功能间的关联强度,构造功能间的邻接矩阵;
50、采用功能间的关联强度,计算功能网络层中的加权边介数,删除最大加权边介数的边;
51、计算功能网络中全部的类内信息熵与功能网络中全部的类间信息熵;
52、根据类内信息熵与类间信息熵,构建整个功能网络层的信息熵;
53、判断功能网络层中是否还存在未删除的边,若存在,则计算功能网络层中的加权边介数;若不存在,则选择功能网络信息熵最小的分层结构,获得网络信息熵最低的功能模块化结果。
54、另一方面,提供一种基于关联规则和复杂网络的产品功能模块化开发设备,所述基于关联规则和复杂网络的产品功能模块化开发设备包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如上述基于关联规则和复杂网络的产品功能模块化开发方法中的任一项方法。
55、另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述基于关联规则和复杂网络的产品功能模块化开发方法中的任一项方法。
56、本发明实施例提供的技术方案带来的有益效果至少包括:
57、本发明实施例,首先获取顾客对产品的评论数据;利用自然语言处理技术对评论数据进行处理,获得场景数据集与功能数据集;根据场景数据集与功能数据集,构建场景-功能双层网络模型;其次,将顾客对产品的评论数据输入预先训练好的lda主题模型中,获得产品功能集合;根据产品功能集合中功能出现的频次,确定产品功能集合的重要度;根据产品功能集合的重要度,确定顾客价值权重;根据顾客价值权重,确定场景网络层中场景间的依赖强度;根据场景间的依赖强度确定场景网络层中场景的重要度;根据场景网络层的场景与功能网络层的功能存在的依赖关系,确定场景网络层与功能网络层之间的依赖强度;根据场景网络层与功能网络层之间的依赖强度与场景网络层中场景的重要度,利用关联规则中的支持度与置信度,确定功能网络层中功能间的关联强度;最后,根据功能网络层中功能间的关联强度,利用改进的gn聚类算法对功能网络层进行功能模块化设计,获得功能模块化设计结果。本发明实施例通过计算场景的重要度,可帮助开发者确定使用场景的优先级,可以发现哪些场景是顾客重点关注的,哪些场景是顾客不太关心的。通过对gn聚类算法的改进可降低产品研发过程中的复杂性和不确定性以及提升顾客的使用体验和满意度。本发明构建的面向场景的模块化设计方法,可以帮助开发者根据场景重要度和场景与功能间的依赖关系进行功能模块化开发。开发者使用本方法可以识别与特定场景相对应的功能模块。根据用户的不同使用场景提供与之匹配的功能模块,对于提升顾客体验具有重要意义。