[论文解读] 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 8

一句话总结

本文提出了一种产品创意的细粒度功能特征表示方法，通过训练模型从原始文本中自动提取机制和目的，并利用特征嵌入与相似性度量实现表达性强的功能搜索与设计空间探索。在用户研究中，其搜索准确率和灵感质量相比最先进基线方法提升了50–60%。

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%.

研究动机与目标

• 解决大规模创意库（如专利和科技论文）中缺乏结构化功能表示的问题。
• 克服粗粒度或人工整理的功能表示所导致的创造性创新障碍。
• 开发一种自动化、可扩展的方法，从原始产品描述中提取细粒度的功能特征（机制与目的）。
• 通过支持不同创意之间机制与目的的细粒度匹配，实现表达性强的功能搜索。
• 构建功能关系的分层图，帮助用户探索相关的问题视角与设计空间。

提出的方法

• 训练一个模型，从真实世界语料中发明的原始文本描述中提取细粒度功能特征——机制与目的。
• 将每个产品表示为基于其提取的功能特征所生成的一组嵌入。
• 设计相似性度量方法，实现在不同创意之间对功能特征进行精确匹配。
• 构建一个连接整个语料库中目的与机制的分层图，以建模功能关系。
• 利用该图支持问题解决者探索相关的设计空间与替代性问题视角。
• 将功能搜索与基于图的探索功能整合到系统中，用于用户评估。

实验结果

研究问题

• RQ1 能否以高准确率从原始产品描述中自动提取细粒度功能特征？
• RQ2 基于特征相似性的功能搜索在检索相关灵感方面效果如何？
• RQ3 分层功能图在多大程度上提升了用户探索相关设计空间的能力？
• RQ4 该系统在搜索准确率与灵感质量方面与最先进文本表示相比表现如何？
• RQ5 该系统能否支持更富表达力和创造性的、聚焦于机制与目的的查询？

主要发现

• 所提出的方法在搜索准确率方面显著优于强基线与最先进文本表示，提升幅度达50–60%。
• 用户研究表明，基于功能特征的系统在生成创造性灵感方面质量有显著提升。
• 细粒度功能特征提取模型在具有挑战性的真实世界发明描述语料上表现出高性能。
• 功能关系的分层图有效支持了对相关问题视角与设计替代方案的探索。
• 基于特征嵌入的相似性度量支持了对机制与目的的表达性查询，增强了搜索的表达能力。
• 该系统在真实世界创意挖掘场景中展现出可扩展性与实际应用价值。