Mining affective words to capture customer’s affective response to apparel products
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Contemporary apparel design practice is such that the functional and ergonomic aspects can be readily rationalized and thus computerized, but this is not true for the aspects of affect or emotion. Design for emotion or affect remains an ad hoc exercise. In the apparel industry, affects or emotions of both wearers and audiences are very important. This paper presents a work with an overall objective to rationalize the affective property of apparel. To achieve this overall objective, the first step is to have a language (a set of words in this case) to describe the customer’s need in the affective attribute or property of apparel into a technical specification. In the work reported in this paper, this language (simply, a set of words) has been developed by the application of a proposed data mining procedure with a proprietary tool. A preliminary experiment was performed to validate this language – how to accurately capture the voice of customer in the aspect of affects in this case. There are two contributions out of this work: (1) finding a set of words that describe the affective property of apparel to capture the voice of customer in the aspect of affect, which is a foundation for the computer-based affective design of apparel; and (2) formulation of a new data mining process for searching affective words from the internet, which has a generalized implication to affective design in other domains of products, such as furniture.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle