分析用户感性意象与诉求并将其融入产品意象设计中,能使产品更好地满足用户感性需求。针对目前基于问卷的用户感性意象与诉求分析方法在样本代表性、复用率、认知差异等方面存在不足,以及基于文本挖掘的感性意象与诉求分析方法对文本数据的利用程度不足、对设计的支持作用较低等问题,本课题在感性认知理论、感性工学、文本挖掘技术的基础上,提出了基于用户感性诉求大数据挖掘的产品意象设计方法。首先,通过网络爬虫获取产品在线评价文本大数据,对其进行分词后使用word2vec进行词汇向量化表示,将用户感性意象分为产品整体感性意象与产品局部感性意象两类,分别通过基于图的关键词提取算法及句法关系的关键词提取方法提取意象与诉求,使用词向量模型将其表示为实数向量并进行主成分分析进行降维,结合重要度参数计算相应的感性意象参数,实现多层次用户感性意象诉求大数据挖掘方法。随后,对产品特征图片进行缩放与参数化曲线描绘,将产品特征分为整体特征与局部特征两类,分别通过将基于硬点位置的形态比例参数进行离散化表示、对局部设计特征分类编号以实现产品特征参数化提取。然后,通过最大信息系数进行感性意象参数维度选择,基于随机森林分类算法构建感性工学专家系统,对用户感性需求文本进行多层次感性意象参数化提取,将其输入感性工学专家系统以输出设计特征参数,从而描绘生成新设计方案,实现感性意象大数据驱动的产品意象设计方法。最后,基于三厢轿车侧面造型设计案例,对本课题方法进行了实践与验证。结果表明:所提出的基于文本挖掘的多层次感性意象参数化提取方法能够快速且有针对性地分析用户感性意象并实现参数化表示,所提出的感性意象大数据驱动的产品意象设计方法能够一定程度上满足消费者感性诉求。本文所提出的方法能够快速从大量在线评价文本中获取用户感性意象与诉求,避免了基于问卷的方法中所存在的不足;在获取产品整体与局部特征的感性意象的同时,能在不受词汇数量限制的情况下对感性意象进行参数化表达,同时支持加入新意象词汇,提高了文本数据的利用程度;能够将文本中的用户感性知识用于新产品的设计当中,无需进行案例推理,大大减少了人工操作步骤与所需时间,提高了文本挖掘对设计的支持作用与设计效率。