[논문 리뷰] Scaling Creative Inspiration with Fine-Grained Functional Facets of Product Ideas.

Tom Hope, Ronen Tamari외 5명|arXiv (Cornell University)|2021. 02. 19.

Advanced Text Analysis Techniques참고 문헌 72인용 수 8

한 줄 요약

이 논문은 제품 아이디어를 위한 세분화된 功能적 페싯 표현을 제안하며, 훈련된 모델을 사용해 원시 텍스트에서 메커니즘과 목적을 자동으로 추출하고, 유사도 메트릭스를 활용한 페싯 임베딩을 통해 표현력 있는 기능 검색과 디자인 공간 탐색을 가능하게 한다. 사용자 연구에서 기존 최고 수준의 기준 대비 검색 정확도와 영감의 질을 각각 50–60% 향상시켰다.

ABSTRACT

Web-scale repositories of products, patents and scientific papers offer an opportunity for creating automated systems that scour millions of ideas and assist users in discovering inspirations and solutions. Yet the common representation of ideas is in the form of raw textual descriptions, lacking important structure that is required for supporting creative innovation. Prior work has pointed to the importance of functional structure -- capturing the mechanisms and purposes of inventions -- for allowing users to discover structural connections across ideas and creatively adapt existing technologies. However, the use of functional representations was either coarse and limited in expressivity, or dependent on curated knowledge bases with poor coverage and significant manual effort from users. To help bridge this gap and unlock the potential of large-scale idea mining, we propose a novel computational representation that automatically breaks up products into fine-grained functional facets. We train a model to extract these facets from a challenging real-world corpus of invention descriptions, and represent each product as a set of facet embeddings. We design similarity metrics that support granular matching between functional facets across ideas, and use them to build a novel functional search capability that enables expressive queries for mechanisms and purposes. We construct a graph capturing hierarchical relations between purposes and mechanisms across an entire corpus of products, and use the graph to help problem-solvers explore the design space around a focal problem and view related problem perspectives. In empirical user studies, our approach leads to a significant boost in search accuracy and in the quality of creative inspirations, outperforming strong baselines and state-of-art representations of product texts by 50-60%.

연구 동기 및 목표

• 특허 및 과학 논문과 같은 대규모 아이디어 레포지터리에서 기능적 표현의 체계화 부족 문제를 해결하기 위해.
• 창의적 혁신을 저해하는 굵은 또는 수동으로 캐러티드된 기능적 표현의 한계를 극복하기 위해.
• 원시 제품 기술서에서 세분화된 기능적 페싯(메커니즘 및 목적)을 자동으로 추출하는 확장 가능한 방법을 개발하기 위해.
• 다양한 아이디어 간 메커니즘과 목적 간의 세분화된 매칭을 지원함으로써 표현력 있는 기능 검색을 가능하게 하기 위해.
• 문제 해결자들이 관련된 문제 시각과 설계 공간을 탐색할 수 있도록 기능 관계의 계층적 그래프를 구성하기 위해.

제안 방법

• 실제 세계의 코퍼스에 포함된 발명 기술서의 원시 텍스트 기술서에서 세분화된 기능적 페짓(메커니즘 및 목적)을 추출하기 위해 모델을 훈련한다.
• 추출된 기능적 페짓에서 유도된 임베딩의 집합으로 각 제품을 표현한다.
• 다른 아이디어 간 기능적 페짓 간 정밀한 매칭을 가능하게 하기 위해 유사도 메트릭스를 설계한다.
• 전체 코퍼스에 걸쳐 목적과 메커니즘을 연결하는 계층적 그래프를 구성하여 기능 관계를 모델링한다.
• 그래프를 활용해 문제 해결자가 관련된 설계 공간과 다른 문제 시각을 탐색할 수 있도록 지원한다.
• 기능 검색과 그래프 기반 탐색을 통합하여 사용자 평가를 위한 시스템을 구축한다.

실험 결과

연구 질문

• RQ1 높은 정확도로 원시 제품 기술서에서 세분화된 기능적 페짓을 자동으로 추출할 수 있는가?
• RQ2 페짓 기반 유사도 메트릭스를 활용한 제안된 기능 검색이 관련 영감을 효과적으로 검색하는 데 얼마나 유용한가?
• RQ3 계층적 기능 그래프가 사용자가 관련된 설계 공간을 탐색하는 데 얼마나 기여하는가?
• RQ4 기능 검색 정확도와 영감의 질 측면에서 시스템의 성능이 기존 최고 수준의 텍스트 표현 방식과 비교해 어떻게 되는가?
• RQ5 시스템이 메커니즘과 목적에 초점을 맞춘 더 표현력 있고 창의적인 쿼리를 지원할 수 있는가?

주요 결과

• 제안된 방법은 강력한 기준 및 최고 수준의 텍스트 표현 방식보다 검색 정확도에서 뚜렷한 우월성을 보이며, 50–60% 향상되었다.
• 사용자 연구 결과, 기능적 페짓 기반 시스템을 사용해 생성된 창의적 영감의 질이 크게 향상되었다.
• 세분화된 기능적 페짓 추출 모델은 도전적인 실제 세계의 발명 기술서 코퍼스에서 높은 성능을 달성했다.
• 기능 관계의 계층적 그래프가 관련된 문제 시각과 설계 대안 탐색에 효과적으로 기여했다.
• 페짓 임베딩 기반의 유사도 메트릭스는 메커니즘과 목적에 대한 표현력 있는 쿼리 지원을 가능하게 하여 검색의 표현력을 향상시켰다.
• 시스템은 실제 아이디어 마이닝 시나리오에서 확장성과 실용성을 입증했다.