[論文レビュー] Scaling Creative Inspiration with Fine-Grained Functional Facets of Product Ideas.

Tom Hope, Ronen Tamari+5 more|arXiv (Cornell University)|Feb 19, 2021

Advanced Text Analysis Techniques参考文献 72被引用数 8

ひとこと要約

本稿では、製品アイデアのための細分化された機能的フェイスト表現を提案する。訓練済みモデルを用いて、生のテキストからメカニズムと目的を自動抽出し、フェイスト埋め込みと類似度メトリクスを用いて、表現力豊かな機能的検索とデザインスペースの探査を可能にする。ユーザースタディーにおいて、最先端のベースラインと比較して、検索精度とインスピレーションの質が50–60%向上した。

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%.

研究の動機と目的

• 特許や科学論文などの大規模なアイデアリポジトリにおける構造化された機能的表現の欠如に対処すること。
• 創造的イノベーションを妨げる粗いまたは手動で整備された機能的表現の限界を克服すること。
• 生の製品記述から細分化された機能的フェイスト（メカニズムと目的）を自動的かつスケーラブルに抽出する手法を開発すること。
• 異なるアイデア間でのメカニズムと目的の粒度の細かい照合を可能にする、表現力豊かな機能的検索を実現すること。
• 関連する問題的視点やデザインスペースを探索するのを支援する、機能的関係の階層的グラフを構築すること。

提案手法

• 実世界のコーパスにおける発明の生のテキスト記述から、細分化された機能的フェイスト（メカニズムと目的）を抽出するモデルを訓練する。
• 抽出された機能的フェイストから導出される埋め込みの集合として、各製品を表現する。
• 異なるアイデア間での機能的フェイスト間の正確な照合を可能にする類似度メトリクスを設計する。
• 全コーパスにわたる目的とメカニズムを接続する階層的グラフを構築し、機能的関係をモデル化する。
• グラフを用いて、問題解決者が関連するデザインスペースや代替の問題的視点を探索できるように支援する。
• 機能的検索とグラフベースの探査を統合し、ユーザースタディーのためのシステムを構築する。

実験結果

リサーチクエスチョン

• RQ1 生の製品記述から、高い精度で細分化された機能的フェイストを自動抽出できるか？
• RQ2 フェイストベースの類似度メトリクスを用いた提案された機能的検索は、関連するインスピレーションを効果的に検索できるか？
• RQ3 階層的機能的グラフは、ユーザーが関連するデザインスペースを探索する能力をどの程度向上させるか？
• RQ4 検索精度とインスピレーションの質において、本システムの性能は最先端のテキスト表現と比較してどうか？
• RQ5 本システムは、メカニズムと目的に焦点を当てたより表現力豊かで創造的なクエリをサポートできるか？

主な発見

• 提案手法は、強力なベースラインおよび最先端のテキスト表現を著しく上回り、検索精度で50–60%の向上を達成した。
• ユーザースタディーでは、機能的フェイストに基づくシステムを用いることで、創造的インスピレーションの質が著しく向上した。
• 細分化された機能的フェイスト抽出モデルは、実世界の発明記述コーパスにおいて高い性能を達成した。
• 機能的関係の階層的グラフは、関連する問題的視点や代替のデザインアプローチの探索を効果的に行うのに有効である。
• フェイスト埋め込みに基づく類似度メトリクスは、メカニズムと目的に対する表現力豊かなクエリサポートを可能にし、検索の表現力を向上させた。
• 本システムは、実世界のアイデアマイニングのシナリオにおいてスケーラビリティと実用的価値を示した。