本文来源于国家自然基金项目《基于美学家人脑模型的产品外观创新设计研究》(69973037),同时也得到了航空基金(04H53063)的支持。在自然基金项目中需要为人脑模型构建一个较为高效准确的学习环境,使人脑模型成长。受基金项目的启发,作者希望通过已有的文本过滤、信息抽取等相关的文本处理技术对web文本集进行处理,使得计算机能够对设计师进行设计信息方面的支持,同时它也能为人脑模型提供较为准确的训练样本。通过对文本集特点的研究作者提出了先过滤再进行信息抽取的总体研究思路。在本文中作者主要完成的工作有以下几点: 1.基于样本公共特征的文本过滤 针对文本集的特点,作者提出了以样本公共特征来表达用户需求,并以此特征对文本集匹配来达到对文本进行过滤的目的。在针对此文本集的过滤实验中证明该方法具有较好的准确性。基于样本公共特征的文本过滤方法是本文的一个重要的创新点。 2.面向产品设计的文本信息抽取方法 作者研究了一般的信息抽取方法,分析了一般产品设计过程中的信息需求状况,针对产品这一复杂概念,提出了以“产品总体——子目标(‘实体’)——属性——属性特征”为基础的产品子目标在抽取过程中的模式设定方法。为一般产品信息的抽取提供了一个通用模式设定方法,即以子目标的多个属性模式组合为子目标的抽取模式。在抽取的过程中利用匹配值来表示子目标模式与语段的匹配程度。该方法是本文的另一个创新之处。 3.开发了一个面向产品设计过程的信息支持原型系统 按照作者提出的思想,编程实现了一个面向产品设计过程的信息支持原型系统,利用该系统验证了这一思想方法的可行性及证明了该思想方法的准确性。