NPDP知识点-情感化设计

感性工程学(Kansei Engineering)

该方法用于识别产品中的相关设计要素(如颜色、大小和形状等)，这些要素决定偏好。该方法需要识别感性词语。所使用的方法包括有声思维梯度法(Tink-Aloud Laddering)、数量化理论I(Quantification TheoryI,QTI)、偏最小二乘法(IpTS.Analysis)及用于估算目的的遗传算法(Genetic)和模糊逻辑(Fuzzy Logic)。

情感分析(Sentiment Analysis)

该方法用于了解人们在博客或社交网络中对产品的评论和观点，并对这些评论进行分类。可以运用自动化技术来识别评论者在产品特性上表达的意见(正面、中性或负面)。该方法运用了基本贝叶斯和深度学习算法。

神经网络法(Neural Networks)

该方法利用了反向传播(Back Propagation,BP)技术来建立产品或形状参数与形容词、意象词之间的关系，目的是更改设计参数，直到产品形状被接受为止。神经网络法把反向传播和灰色关联度分析作为优化算法。

微软反应卡(Microsoft Reaction Card)

该方法用于评估设计或产品的情感反应和期望(视觉吸引力)。参与者从118张写有产品词汇的卡片中选出与该产品或设计相关的卡片，并解释为什么所选卡片中的词汇要体现在该产品或设计上，最后得出结论。该方法采用聚类分析、频度分析和词汇云处理技术。

突发情绪法(Emergent Emotions)

该方法认为情绪是动态、突发和递归的过程。用户对设计的反应模式是由评估结果所驱动的。情绪反应和对产品特性的期望会受到情绪影响，也会由差异化要求而引发。该方法利用人工智能环境下的神经网络和非线性动态建模来解释消费者的情绪过程，日内瓦情绪专家系统(Geneva Expert System on Emotions, GENESE)中描述了该情绪过程。