徐 江 王海賢 張克俊
1.東南大學(xué),南京,210089 2.浙江大學(xué),杭州,310027
隨著情感消費(fèi)浪潮的來臨,產(chǎn)品風(fēng)格成為企業(yè)提升品牌競(jìng)爭(zhēng)力的決定性因素,它融入技術(shù)、商業(yè)和文化等要素,滿足消費(fèi)者對(duì)產(chǎn)品功用、審美情趣及交互體驗(yàn)等方面的精神文化訴求。近年來,已有不少國(guó)內(nèi)外學(xué)者從形狀文法、情感意象、不確定推理等角度對(duì)它展開廣泛而深入的研究:文獻(xiàn)[1-2]從視覺認(rèn)知角度,建構(gòu)了基于隱性與顯性語(yǔ)義轉(zhuǎn)換的品牌識(shí)別模型,創(chuàng)造性地提出了用于提取造型特征的設(shè)計(jì)模式分析法(design format analysis,DFA);文獻(xiàn)[3]結(jié)合文法表達(dá)和幾何設(shè)計(jì)進(jìn)行研究并取得了諸多成果;文獻(xiàn)[4]采用粗糙集來挖掘感性意象關(guān)聯(lián)知識(shí);文獻(xiàn)[5]利用多類別支持向量機(jī)分類模型來建立情感反應(yīng)與造型特征間的關(guān)聯(lián);文獻(xiàn)[6]根據(jù)產(chǎn)品族的工業(yè)設(shè)計(jì)原理,在汽車造型特征提取、衍生推理等風(fēng)格演化與工程設(shè)計(jì)的對(duì)比分析、造型語(yǔ)義以及品牌造型基因表達(dá)模型等方面獲得了重要進(jìn)展。上述文獻(xiàn)多集中在對(duì)語(yǔ)義維度、認(rèn)知建模及其造型幾何計(jì)算的研究,而如何結(jié)合語(yǔ)法維度來探討品牌風(fēng)格造型語(yǔ)言規(guī)則表示還有待深入研究。有鑒于此,本文運(yùn)用貝葉斯網(wǎng)絡(luò)不確定推理及其對(duì)概念模塊化表征的優(yōu)勢(shì),以品牌意象認(rèn)知與造型特征的映射關(guān)系為基礎(chǔ),構(gòu)建具有一般推理能力的品牌造型語(yǔ)言模型,為不同領(lǐng)域風(fēng)格認(rèn)知與計(jì)算、情感信息處理及造型設(shè)計(jì)知識(shí)發(fā)現(xiàn)等領(lǐng)域研究提供新思路與新方法。
在產(chǎn)品購(gòu)買和使用過程中,消費(fèi)者總是趨于以不同形容詞匯來表達(dá)其對(duì)不同品牌造型的偏好與感受,這些主觀認(rèn)知反應(yīng)與形態(tài)、功能、情感及價(jià)值等有關(guān),被稱之為品牌意象。在此,本文結(jié)合造型特性與品牌演化脈絡(luò),提出品牌意象與造型語(yǔ)言映射描述模型(圖1)。模型中,品牌風(fēng)格的造型語(yǔ)義及語(yǔ)法共同組成了不斷演化發(fā)展的造型語(yǔ)言體系,其中造型語(yǔ)義主要是指點(diǎn)、線、面、色彩、材質(zhì)、細(xì)部處理、裝飾特性等幾何形態(tài)要素;造型語(yǔ)法則是指造型要素局部及其與整體的組織和布局關(guān)系,是風(fēng)格語(yǔ)言中可復(fù)制的模式關(guān)系[7](圖1)。
圖1 品牌意象認(rèn)知映射描述
品牌風(fēng)格在歷時(shí)性與共時(shí)性發(fā)展脈絡(luò)中進(jìn)化革新,存在諸多類似于生物進(jìn)化的設(shè)計(jì)規(guī)律和模式。本文以此為基礎(chǔ),提出一種改進(jìn)的設(shè)計(jì)模式分 析 法 (improved design format analysis,IDFA),該方法在現(xiàn)有感性意象調(diào)查系統(tǒng) (kansei image survey system,KISS)基 礎(chǔ)上[8],借助專家訪談和問卷調(diào)查,以量化評(píng)估方式提取具有強(qiáng)識(shí)別性的品牌造型語(yǔ)義,其步驟如下。
(1)廣泛選取和搜集不同代系的品牌風(fēng)格造型樣本與意象詞匯,運(yùn)用KISS系統(tǒng)提取代表性樣本集S和意象詞匯集I:
結(jié)合專家訪談和問卷調(diào)查提取造型語(yǔ)義,定義語(yǔ)義集為
第i項(xiàng)造型語(yǔ)義取值為
(2)以語(yǔ)義F及樣本S分別為行向量和列向量建立IDFA矩陣(圖2):
圖2 IDFA矩陣
(3)開展意象認(rèn)知實(shí)驗(yàn),分析Fi在Si中的出現(xiàn)率,并據(jù)識(shí)別程度予以評(píng)分,如表現(xiàn)為強(qiáng)識(shí)別性,則給予評(píng)分值3;如表現(xiàn)出弱識(shí)別性,則評(píng)分
為1;如一般則評(píng)分為2。
(4)記強(qiáng)識(shí)別系數(shù)為
據(jù)強(qiáng)識(shí)別系數(shù)高低排序,取得分高于給定閥值的造型語(yǔ)義,即得典型造型語(yǔ)義集E:
其中,d為大于1的常數(shù),本文中取值為1。
基于貝葉斯網(wǎng)絡(luò)的品牌風(fēng)格造型語(yǔ)言知識(shí)獲取框架如圖3所示。以意象詞匯與造型語(yǔ)言關(guān)系描述為基礎(chǔ),開展品牌意象認(rèn)知評(píng)價(jià)實(shí)驗(yàn),并獲取認(rèn)知評(píng)價(jià)數(shù)據(jù);再通過貝葉斯評(píng)分函數(shù)和搜索算法開展學(xué)習(xí),求取意象詞匯和造型語(yǔ)義間概率關(guān)系;最后以模塊化思想建立造型語(yǔ)言網(wǎng)絡(luò)模型,挖掘潛在意象詞匯關(guān)聯(lián),提取造型語(yǔ)法層級(jí)組織,進(jìn)而以概率分布來表征意象詞匯與造型語(yǔ)義關(guān)聯(lián)知識(shí)。
圖3 品牌風(fēng)格語(yǔ)言推理框架
貝葉斯網(wǎng)絡(luò)以概率論和圖論為基礎(chǔ),提供一種解決工程中不確定性和復(fù)雜性問題的方法,它利用條件概率來表示網(wǎng)絡(luò)中父節(jié)點(diǎn)和子節(jié)點(diǎn)對(duì)上變量間的影響程度及相互關(guān)系,能較好地處理不完備數(shù)據(jù)集問題。該網(wǎng)絡(luò)蘊(yùn)含了所有變量的聯(lián)合分布,一組變量U的聯(lián)合分布可通過條件概率形式表現(xiàn)[9],故貝葉斯網(wǎng)推理問題的核心是計(jì)算(后驗(yàn))條件概率分布:
其中,Pai表示Xi的父節(jié)點(diǎn),在貝葉斯網(wǎng)絡(luò)中,當(dāng)父節(jié)點(diǎn)給定時(shí)Xi與其他節(jié)點(diǎn)都是獨(dú)立的,可以得到公式:
因此,貝葉斯網(wǎng)絡(luò)確定父節(jié)點(diǎn)的過程與尋求變量間條件獨(dú)立關(guān)系的過程是相對(duì)應(yīng)的。
根據(jù)貝葉斯網(wǎng)絡(luò)的有向圖模塊化概念[10],從意象認(rèn)知評(píng)價(jià)數(shù)據(jù)中確定網(wǎng)絡(luò)節(jié)點(diǎn)數(shù),學(xué)習(xí)并尋找與數(shù)據(jù)集擬合最佳的網(wǎng)絡(luò),建立自然、直觀的品牌風(fēng)格語(yǔ)言網(wǎng)絡(luò)??紤]到品牌意象認(rèn)知實(shí)驗(yàn)中風(fēng)格樣本的規(guī)模,本研究結(jié)合禁忌搜索算法,采取基于最小描述長(zhǎng)度(minimum description length,MDL)[10-11]評(píng)分函數(shù)進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)搜索,求解全局最優(yōu)結(jié)構(gòu)。該網(wǎng)絡(luò)結(jié)構(gòu)描述長(zhǎng)度表示為
其中,G為網(wǎng)絡(luò)結(jié)構(gòu),P為條件概率分布,D 為給定意象認(rèn)知評(píng)價(jià)數(shù)據(jù)集。在B中定義X為節(jié)點(diǎn)集合,每個(gè)節(jié)點(diǎn)xi(xi∈X)可表示為網(wǎng)絡(luò)中的造型語(yǔ)義屬性或意象詞匯屬性,A=(xi,xj)表示節(jié)點(diǎn)間的有向弧。DLstru(G),DLtab(P),DLdata(D|B)分別表示結(jié)構(gòu)編碼長(zhǎng)度、條件概率表編碼長(zhǎng)度以及數(shù)據(jù)集編碼長(zhǎng)度,其基本原理就是求出使得總描述長(zhǎng)度DL最小的網(wǎng)絡(luò)模型。由于需選擇分值低的網(wǎng)絡(luò)結(jié)構(gòu),因此將DL值變換為禁忌搜索中個(gè)體的適應(yīng)度:
其中,fmax取一較大常數(shù)。從適應(yīng)值定義可以得出,若網(wǎng)絡(luò)中出現(xiàn)環(huán),則適應(yīng)度為0。經(jīng)過上述數(shù)據(jù)處理過程,建立品牌風(fēng)格語(yǔ)言網(wǎng)絡(luò)B=(G,P)。
結(jié)合屬性集一致性條件獨(dú)立的特點(diǎn),將全網(wǎng)絡(luò)的聯(lián)合概率分解為若干因子式,即B分解為相對(duì)獨(dú)立且屬性潛在關(guān)聯(lián)的子網(wǎng)絡(luò)。依拓?fù)浣Y(jié)構(gòu)關(guān)系(圖4),有向圖節(jié)點(diǎn)代表問題域中的屬性,即意象詞匯(I)與造型語(yǔ)義(E);邊表示節(jié)點(diǎn)間的概率依賴關(guān)系。 假設(shè)各非相鄰節(jié)點(diǎn)間相互獨(dú)立,則可定義某一節(jié)點(diǎn)為中間節(jié)點(diǎn),并將其與子節(jié)點(diǎn)、父節(jié)點(diǎn)及節(jié)點(diǎn)間的相互關(guān)聯(lián)共同組建具有推理功能的子網(wǎng)絡(luò)。在此,通過節(jié)點(diǎn)間概率依賴關(guān)系來劃分和定義意象詞匯網(wǎng)絡(luò)(U)、造型語(yǔ)法網(wǎng)絡(luò)(V)及映射關(guān)聯(lián)網(wǎng)絡(luò)(W)。
U為造型語(yǔ)義E間概率推理關(guān)系的有向圖,可描述完形認(rèn)知造型語(yǔ)法知識(shí),表征為
V為意象詞匯I間概率推理關(guān)系有向圖,可描述意象詞匯關(guān)聯(lián)知識(shí),表征為
圖4 造型語(yǔ)言網(wǎng)絡(luò)B
W 為E與I的概率推理關(guān)系有向圖,可描述意象詞匯與造型語(yǔ)義間關(guān)聯(lián)知識(shí),表征為
顯然
式中,distinct()表示不重復(fù)。
本文以Benz品牌汽車前臉造型為例來推理求解品牌風(fēng)格造型語(yǔ)言建模問題。
首先,通過KISS系統(tǒng)來選取代表性樣本和意象詞匯,該系統(tǒng)采用多元尺度法、聚類分析法、主成分等數(shù)據(jù)分析方法開展實(shí)驗(yàn)調(diào)查及數(shù)據(jù)處理。廣泛選取不同年代及系列的Benz品牌車型樣本30個(gè),從相關(guān)雜志和媒體搜集用于描述該品牌意象詞匯60個(gè),以10名有經(jīng)驗(yàn)的汽車設(shè)計(jì)師為受測(cè)對(duì)象,利用系統(tǒng)調(diào)查功能挑選適于描述該品牌汽車前臉造型的意象詞匯11個(gè),即:流線的、硬朗的、動(dòng)感的、高科技的、穩(wěn)重的、舒適的、高級(jí)的、豪華的、精致的、個(gè)性的、典雅的。將上述30個(gè)樣本導(dǎo)入到系統(tǒng),系統(tǒng)多維尺度分析模塊將自動(dòng)提取S。
其次,運(yùn)用形態(tài)分析法獲取造型語(yǔ)義,即格柵、前車燈、霧燈、引擎蓋棱線、進(jìn)氣孔、Logo共6類39種(圖5)。利用IDFA矩陣提取典型造型語(yǔ)義集E,針對(duì)代表性樣本進(jìn)行品牌意象認(rèn)知評(píng)價(jià)(圖6),即對(duì)各造型語(yǔ)義予以“強(qiáng)”、“弱”和“一般”的3階識(shí)別評(píng)分,獲得26種典型造型語(yǔ)義屬性(圖7)。
再次,以5階尺度進(jìn)行汽車品牌意象認(rèn)知實(shí)驗(yàn),由意象詞匯I、典型造型語(yǔ)義E及實(shí)驗(yàn)結(jié)果,建立數(shù)據(jù)矩陣 Mc×d,Mc×d為144行17列,其中行c=mq。其中,m為代表性樣本數(shù);q為受測(cè)者數(shù),q=16;r為造型語(yǔ)義數(shù),r=6;i為意象詞匯數(shù),且i=11,從而d=r+i。
圖5 造型語(yǔ)義形態(tài)
圖6 典型造型語(yǔ)義提取
最后,以矩陣Mc×d作為訓(xùn)練數(shù)據(jù),根據(jù)3.2中利用基于最小描述長(zhǎng)度評(píng)分函數(shù)的禁忌搜索來獲取貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu),即與樣本數(shù)據(jù)匹配程度最高的貝葉斯網(wǎng)絡(luò),如圖8所示。
圖7 Benz品牌造型語(yǔ)義
圖8 Benz品牌風(fēng)格語(yǔ)言網(wǎng)絡(luò)
3.2.1 意象詞匯關(guān)聯(lián)
由G中劃分出子網(wǎng)絡(luò)V來抽取內(nèi)隱意象詞匯關(guān)聯(lián),表達(dá)多維品牌意象認(rèn)知結(jié)構(gòu)[12]。V 網(wǎng)絡(luò)中,“流線的”、“簡(jiǎn)約的”、“動(dòng)感的”詞匯聯(lián)系緊密,構(gòu)成造型語(yǔ)言的美學(xué)維度,在此維度內(nèi)集中對(duì)造型要素的視覺、聽覺以及觸覺等多通道的意象認(rèn)知;“精致的”、“穩(wěn)重的”、“舒適的”、“高科技的”詞匯構(gòu)成了意象認(rèn)知空間中的功能維度,主要反映產(chǎn)品的功能使用、操作效用等特性;而“豪華的”、“傳統(tǒng)的”、“典雅的”詞匯則成為體現(xiàn)品牌價(jià)值認(rèn)知的象征維度,它與品牌所處的社會(huì)及文化環(huán)境等相關(guān)。
3.2.2 造型語(yǔ)法特性
Warell[1]基于完形心理學(xué)來闡釋造型風(fēng)格語(yǔ)言的層次組織效應(yīng),即造型語(yǔ)義在語(yǔ)法規(guī)則引導(dǎo)下有序構(gòu)建美的視覺形態(tài)性。同理,本文從造型語(yǔ)法網(wǎng)絡(luò)U來解析Benz品牌造型語(yǔ)法特性。
(1)格柵與Logo、前車燈與霧燈分別組合成“低級(jí)完形”(圖9),這些元素在局部特征辨識(shí)上易引起注意,如格柵線條齊向Logo中心匯聚的態(tài)勢(shì)、車頭燈及霧燈的形態(tài)互為呼應(yīng)。
圖9 低級(jí)完形
(2)由造型語(yǔ)義關(guān)聯(lián)性來看,車燈與格柵成為網(wǎng)絡(luò)U中的核心元素,在布局關(guān)系上遵循共同排布模式,即前車燈分列于水箱罩左右,與格柵重心處于同一水平線上。而車燈與格柵造型的“親疏關(guān)系”會(huì)因引擎蓋棱線的變化而有不同,如圖10a中車燈內(nèi)側(cè)線條幾乎與格柵線、引擎蓋棱線完全重合,形成 “消隱”的視覺效應(yīng)。而圖10b中車燈內(nèi)側(cè)線條與格柵間則為引擎蓋棱線預(yù)留空間。在此,可視車燈、格柵以及引擎蓋棱線共同組成Benz品牌前臉造型的“中級(jí)完形”。
圖10 中級(jí)完形
(3)如圖11所示,在保險(xiǎn)杠上方,引擎蓋棱線、格柵側(cè)邊線與車燈內(nèi)側(cè)線在視覺上“不約而同”表現(xiàn)上升與匯聚的視覺張力,這種“張力場(chǎng)”一直延伸和集中到A柱前;同時(shí)格柵作為過渡性特征,與霧燈、進(jìn)氣口形成了大小不一、形態(tài)近似的倒梯形特征族,這種呼應(yīng)的布局關(guān)系增強(qiáng)了造型的凝聚力和整體感。同時(shí),格柵、車頭燈以及引擎蓋3種語(yǔ)義與其他語(yǔ)義屬性關(guān)聯(lián)度較高,它們與Logo、霧燈及進(jìn)氣口共同組成前臉造型的“高級(jí)完形”。
進(jìn)一步地,從網(wǎng)絡(luò)概率分布來分析造型語(yǔ)言特性(圖12):
(1)當(dāng)格柵為較疏間隔的橫線,且趨于五邊形狀F14時(shí),Logo位置和形狀屬性多為F42,即為大圓形,引擎蓋棱線趨于用立體感強(qiáng)的雙折線F23、車頭燈則多用分離的“子母”式F33,進(jìn)氣口和霧燈分別為F53和F62,塑造具有“流線、現(xiàn)代和動(dòng)感”意象的造型語(yǔ)言。
圖11 高級(jí)完形
圖12 造型語(yǔ)言網(wǎng)絡(luò)概率分布(1)
(2)當(dāng)格柵橫線采用較密間隔,長(zhǎng)寬比例也略大的F11時(shí)(圖13),Logo造型趨于用小圓形F43,引擎蓋棱線趨于用簡(jiǎn)約的弧線形F21、車頭燈趨于采用一體式F31、霧燈采用較保守的圓形F61,而進(jìn)氣口形狀則相對(duì)無明顯傾向性,從而塑造出“大氣和沉穩(wěn)”意象的造型語(yǔ)言。
3.2.3 映射推理關(guān)系
如前所述,意象詞匯I與造型語(yǔ)義E間的映射推理關(guān)系由網(wǎng)絡(luò)W 來表征。以“運(yùn)動(dòng)的”意象為例(圖14),為增強(qiáng)前臉造型的動(dòng)感,宜采用線條間隔疏的格柵F12、引擎蓋曲面F21、車頭燈F35、Logo F42及進(jìn)氣口F53與霧燈F61等,上述語(yǔ)義特征能提升“豪華的”認(rèn)知效應(yīng),但同時(shí)也會(huì)弱化“傳統(tǒng)的”意象認(rèn)知。所以,從全局來看,設(shè)計(jì)師應(yīng)多方把握和權(quán)衡造型語(yǔ)義對(duì)不同意象的利弊影響。另外,“科技的”、“豪華的”、“動(dòng)感的”、“穩(wěn)重的”意象與造型語(yǔ)義存在更直接的關(guān)聯(lián),因而能更直接地代表品牌風(fēng)格意象認(rèn)知。
總之,代表Benz品牌汽車前臉造型語(yǔ)言可概括為:造型語(yǔ)義注重強(qiáng)識(shí)別語(yǔ)義屬性的延續(xù)和重用,語(yǔ)義間通過統(tǒng)一、呼應(yīng)、匯聚等語(yǔ)法關(guān)系構(gòu)建由低到高、由簡(jiǎn)到繁的視覺完形,集中詮釋獨(dú)特持久的品牌意象,從而塑造出該品牌強(qiáng)吸引力、高附加值、高情感性的品牌文化。
圖13 造型語(yǔ)言網(wǎng)絡(luò)概率分布(2)
圖14 映射推理概率關(guān)系
本文結(jié)合貝葉斯網(wǎng)絡(luò)模塊化概念,創(chuàng)新性地將品牌風(fēng)格造型語(yǔ)言建模問題轉(zhuǎn)化為一般概率關(guān)系的知識(shí)推理和表示問題。在品牌意象與造型語(yǔ)言認(rèn)知模型基礎(chǔ)上,運(yùn)用貝葉斯評(píng)分函數(shù)及搜索算法建立風(fēng)格造型語(yǔ)言網(wǎng)絡(luò),再描述其中的概率依賴關(guān)系,從而提取多維的品牌風(fēng)格語(yǔ)言知識(shí)。該方法可適應(yīng)于求解風(fēng)格認(rèn)知與計(jì)算、情感信息處理等諸多的不確定問題,后續(xù)工作將在意象詞匯和造型語(yǔ)義的實(shí)驗(yàn)分析,以及與粗糙集、回歸分析等不同推理方法可靠性比較方面,進(jìn)一步予以分析和完善。
[1]Warell A.Design Syntactics:a Functional Approach to Visual Product Form-theory,Models and Methods[D].Gothenburg:Chalmers University of Technology,2002.
[2]Karjalainen T M.When is a Car Like a Drink?Metaphor as a Means to Distilling Brand and Product Identity[J].Design Management Journal,2001,12(1):66-71.
[3]Orsborn S,Cagan J,Pawlicki R,et al.Cross-over Vehicles:Defining and Combining Vehicle Classes Using Shape Grammars[J].Artificial Intelligence for Engineering Design,Analysis and Manufacturing,2006,20(3):217-246.
[4]Nishino T,Nagamachi M,Tanaka H.Variable Precision Bayesian Rough Set Model and Its Application to Human Evaluation Data[C]//Rough Sets,F(xiàn)uzzy Sets,Data Mining and Granular Computing.Berlin:Springer,2005:294-303.
[5]Yang C,Shieh M.A Support Vector Regression Based Prediction Model of Affective Responses for Product Form Design[J].Computers & Industrial Engineering,2010,59(4):682-689.
[6]張文泉.汽車品牌造型基因研究[D].長(zhǎng)沙:湖南大學(xué),2004.
[7]Chen K,Owen Charles L.Form Language and Style Description[J].Design Studies,1997,18(3):249-274.
[8]毛禮輝.基于網(wǎng)絡(luò)的感性意象調(diào)查系統(tǒng)研究與開發(fā)[D].杭州:浙江大學(xué),2006.
[9]曹雪亞.基于貝葉斯網(wǎng)絡(luò)的本體不確定性推理研究[D].長(zhǎng)春:東北師范大學(xué),2009.
[10]Lam W,Bacchus F.Learning Bayesian Belief Networks:an Approach Based on the MDL Principle[J].Computational Intelligence,1994,10(3):269-293.
[11]Glover F.Tabu Search-part[J].ORSA Journal on Computing,1989,1(3):190-206.
[12]Steffen D.Desgin Semantics of Innorvation,Product Language as a Reflection on Technical Innovation and Socio-cultural Change[C]//Design Semiotics in Use Conference.Helsinki,2007:68-75.