用户集群驱动的适老化产品优化策略研究

杨梅，王怡妍，李雪瑞，侯幸刚

用户集群驱动的适老化产品优化策略研究

杨梅，王怡妍，李雪瑞，侯幸刚

（山东科技大学 艺术学院，山东 青岛 266590）

为解决用户诉求表述模糊所导致的需求获取不足、设计决策复杂难定等问题对适老化产品及应用服务推广的阻碍，最大程度提升用户体验满意度，提出一种用户集群评价驱动的短周期、高效率的感性设计方法。引入评价信息对目标用户集群的需求进行精准而真实地深层挖掘，结合TextRank算法量化感性描述文本，构建评价指标体系；充分借助犹豫模糊决策算法构建方案评价模型（I-HFCJM），计算各产品评价指标得分函数值对样本产品优劣予以可视化分析，以现有产品的可借鉴点与注意问题为依据指导产品改进设计。以老年家用制氧机改进设计为例，计算改进方案同样本产品的综合权重并进行优劣排序，验证了该方法的有效性，为老年家用制氧机及其他适老化产品设计开发提供了改进策略。

产品设计；用户集群；TextRank；犹豫模糊决策算法；I-HFCJM模型

近年来，我国老年群体基数逐渐增大，“银发经济”逐渐升温，老年用户的产品选购行为愈发倾向于综合考虑产品各方面特性是否满足自身诉求[1-2]，智能养老终端设备的适老化升级压力加剧，且该使用群体对产品诉求的表述具有模糊性、动态性和不确定性，对产品研发的引导性较弱，传统用户需求推演式智慧养老研发设计难以坚持问题导向、目标导向。因此亟须整合多方资源，推动养老服务智慧化升级。

1 理论基础

针对诉求模糊问题，科特勒·菲利普等[3]提出用户集群理论，将属性域[4]相同或相似的一组用户集合，从该角度出发，更好地挖掘用户的深层次需求。目前，需求挖掘方面以感性工学为代表的改进方法最为盛行，通过将用户感性意象推演融入产品研发，对上述问题予以极大解决。但考虑到传统感性工学的应用存在强主观性、弱时效性、数据样本有限等弊端，目前有学者致力于从客户评论中提取用户需求，典型文本挖掘方法对比见表1。

表1 典型文本挖掘方法对比

Tab.1 Comparison of typical text mining methods

本文选用TextRank算法对产品评论文本进行数据清洗，提取重要词汇作为词图节点，迭代计算各节点的Rank值并排序，将所得关键词应用于网络评价文本中生成关键字和摘要，有效挖掘隐含其中的精准而真实的目标用户集群的诉求。

用户的多元化诉求决定了产品设计决策的复杂性[11-12]，依据评价指标体系产出互补判断矩阵是提高提取信息与产品特征映射拟合程度的关键。截至目前，犹豫模糊互补判断矩阵（Hesitant Fuzzy Complementary Judgement Matix，HFCJM）[13-17]因对模糊信息的有效处理已成为描绘复杂选择评价问题不确定性的有效工具，可以为每个待评价对象收集多个可能的评价值，以避免评价数据的丢失。

在复杂样本评价的过程中，依据TextRank算法构建评价指标体系及其权重归判在一定范畴内突破了专家自身判断的主观局限性，以及样本群的客观复杂性对评价决策的限制，但判断矩阵一致性调整仍为评价决策可靠性的重、难点。已有相关学者对此进行了相关研究工作。Zhu等[18]开发两种犹豫的模糊偏好关系转换回归方法，以专家给定的HFCIM为基础，分别设计优化模型和一致性改进算法来计算评价对象的优先权向量，并结合实例验证了所提出方法的实用性和优越性。Wu等[19]基于加性一致性提出两种优化模型，对不完整犹豫的模糊语言偏好关系信息的补全，或导出运用判断矩阵排序权重生成的优先级向量。Wu等[20]在具有乘法偏好关系的小组决策中，引入了个体一致性指数和群体共识指数的概念构成对比较矩阵，以获得有意义且可靠的解决方案。Zhang等[21]引入一种基于HFCJM的决策支持系统模型，对其一致性调整算法、共识性达成模型和备选方案排序过程展开系列研究，从区间模糊偏好关系中获得优先级的目标规划模型并确定了评价对象的排序结果。甘昕艳等[22]对HFCJM幂等性的不足加以改进构造出直觉模糊加权平均算子进行应用。因此，本文依据文献[22]研究了HFCJM的一致性改进算法和决策模型，通过完全乘性一致改造后的I-HFCJM决策模型使最终决策效果更具可靠性。

针对目前用户诉求表述及判断矩阵一致性等方面存在的不足，本文通过TextRank算法量化感性的文本描述构建评价指标体系，用以规避目标用户集群调研中所表现的偏好与真实偏好的偏差问题，借助改造后的I–HFCJM决策模型和计算机技术计算各产品评价指标排序，得到用户评价综合权重，进而推演出最为合理高效的产品改进设计，使产品设计再现用户的真实诉求。

2 研究框架

本文提出一种用户集群驱动的产品优化策略，具体流程见图1。从产品样本及其评价信息获取和预处理入手，对用户诉求进行深层次挖掘；从中量化提取关键词汇构建评价指标体系，应用于完全乘性一致改造后的I-HFCJM决策模型；对产品样本各评价指标及评价综合权重进行计算，从而实现产品优劣的可视化分析，以此作为产品改进设计依据。

3 构建评价指标体系

3.1 评价信息获取

选择评分较高、评论数较多的医疗型老年制氧机作为样本，使用Scrapy网络爬虫，在检查目标网站、查找与数据爬取有关服务条款的基础上，于公开的数据来源中获取并筛选目标用户集群所对应的评论文本，以外形数据相近为标准区分样本类别，将评论数较多的台式制氧机产品作为分析样本，共计51个。

评价准则选取分类

1）使用Scrapy网络爬虫爬取相关评论文本，使用Python中Jieba分词器依据TextRank算法[9-10]对评论文本进行分词，对明显不属于目标用户集群的评论予以清洗，将所得的文本进行分割、分词、词性标注及停用词剔除，依据所需设置保留下来的名词、动词、形容词等指定词数量阈值，量化提取重要词汇作为关键词图节点，通过共现关系（Co-occurrence）来构造节点间的边，给节点指定任意初值，迭代传播节点之间的权重，直到收敛，迭代公式如下。

图1 用户集群驱动的适老化产品优化策略框架

表2 代表意象词汇及其权重（部分）

Tab.2 Representing image vocabulary and its weight (partial)

转用Word2vec工具训练文本词向量，将上述数据作为原始数据保存到新的txt中，词向量维度默认设定为100，部分输出结果见表3。

表3 词向量输出及关联度（部分）

Tab.3 Word vector output and degree of relevance (partial)

将表3中51个样本的代表意象词汇及其权重数据作为原始数据，为使数据变量之间的关系更加清晰，将原始数据中许多相关性很高的变量转化成彼此相互独立或不相关的变量，选出比原始数据个数少，能解释大部分数据中变量的几个新变量，用以解释产品的综合性指标。本文选用主成分分析（PCA）提取各关键词的词向量值并进行降维，得到相应的维向量，既满足数据的降维又能包括原始数据的大部分信息，对原始数据压缩精简的同时可有效保留词向量间共性关键信息。碎石图分析结果见图2，在维度4时，根据各主成分对数据变异的解释程度绘制的陡坡趋于平缓；且维度4后累计方差贡献率达到了73.798%，见表4。因此，应用上述公式进一步降维至维度4后得到的关键词及其权重见表5。

图2 碎石图

表4 总方差解释（部分）

Tab.4 Total variance interpretation (part)

表5 需求关键词及其权重（部分）

Tab.5 Demand keywords and their weights (partial)

考虑到本文目标用户集群为老年用户的特殊性，采集到的部分文本为家属代为描述，对提取结果造成干扰。因此本文依据表5所得高权重词汇对老年用户进行访问验证，将访问内容作为验证语料，部分验证语料见图3，重新代入TextRank算法，对需求关键词进行再提取。结合领域专家知识与主流领域文献[23-24]中实体类别定义，将调整后的需求关键词加以分组汇总，见表6。

3.3 评价指标体系建立

邀请专家对需求关键词汇编撰归类，构建老年制氧机产品的评价指标体系（见表7），并将指标对应关键词权重进行归一化处理[25]作为指标权重，为后期决策模型对现有产品评价分析及产品改进提供理论依据。

图3 验证语料（部分）

表6 验证后需求关键词及其分属类别

Tab.6 After verification, the required keywords and their entity classification

表7 老年制氧机产品的评价指标体系

Tab.7 Evaluation index system of oxygen generator products for the elderly

续表7

4 I–HFCJM决策模型构建

在实际的产品评价决策过程中，很多评价指标概念内涵是明确的，但外延是模糊的，专家审判时的犹豫术语不足以表达评价信息，因此以准确数形式给出的决策信息存在一定局限，犹豫模糊决策法（Hesitating Fuzzy Decision Method）已成为一种很有实用价值的工具。对传统犹豫模糊决策模型进行完全乘性一致的改进，并引入满足幂等性的犹豫模糊加权平均（I–HFWA）算子对所得I–HFCJM模型加以完善，用于计算各产品评价指标得分函数值及综合权重，进而推演出最为合理高效的产品改进设计，使得产品设计再现用户的真实诉求。具体流程见图4。

图4 基于犹豫模糊算法的方案评价模型I–HFCJM

4.1 I–HFCJM决策模型要素

I–HFCJM是在犹豫模糊互补判断矩阵（Hesitant Fuzzij Complementarij Judgement Matrix，HFCJM）[13-17]的基础上，引入改进的犹豫模糊加权平均（I–HFWA）算子[22]，构建I–HFCJM模型对原有模型幂等性等不足加以改进，进一步优化最终决策结果的合理性与可靠性。

4.1.1 互补判断矩阵

4.1.2 I–HFCJM模型乘性一致性检验

受研究对象的客观复杂性及专家判断的主观局限性影响，HFCJM越来越重视对模糊信息的处理，判断矩阵的一致性高低直接影响到最终的排序结果是否能够真实的反应客观实际情况。

4.1.3 基于I-HFWA算子的综合犹豫模糊元融合

4.2 基于HFCJM的方案评价模型

保证结果合理性与可靠性的前提下，基于犹豫模糊决策算法构造方案评价模型，见图4。

为便于复杂评价问题的高效处理，借助Matlab程序对上述算法予以实现，操作界面见图5，输出各指标得分函数值，对样本产品优劣进行可视化分析，指导产品后期改进；输出融合后的综合犹豫模糊元值，用于计算各产品的用户评价综合权重并排序，对改进方案有效性进行检验。

图5 I-HFCJM评价模型的应用界面

5 实例研究

5.1 同种产品样本选取与预处理

为让老年用户集群真正享用到数字化、智能化时代带来的便捷康养服务，选取兼具保健功能与医疗功能、市场潜力巨大的老年家用制氧机产品为样本。基于用户集群理论，将患有呼吸疾病需要长期进行家庭氧疗，且经历了传统产品至数字产品转变的50岁以上的老年患者定为目标用户集群。运用Scrapy网络爬虫爬取有关制氧机的感性评价文本，基于Textrank算法从制氧机相关评价中挖掘该目标用户集群显性和隐性需求，并构建评价指标体系，见表7。

5.2 评价结果计算

为指导产品改进方向，将所得判断矩阵带入上述程序对5款产品各评价指标C排序，步骤如下。

表8 一级指标得分函数值

Tab.8 First-level indicator score function value

5.3 指导设计

依据上表中一级指标得分函数最值找出对应的热门制氧机产品样本，继续对该产品样本的二级指标同理进行评估计算，结合TextRank算法提取该产品对应指标下的关键词汇，据此对产品样本优劣进行可视化分析，见表9—10。

结合表9—10对产品样本优劣的可视化分析，总结美学性、交互性、功能性及社会性指标下设计的可注意点和可借鉴点对可借鉴点，予以传承、可注意点予以改进，以此作为制氧机产品改进的方案指导，见表11，生成改进方案即各指标优化结果，见图6。

5.4 评价反证

表9 产品改进方案可借鉴点分析

Tab.9 Analysis of Reference Points for Product Improvement Programs

表10 产品改进方案可注意点分析

Tab.10 Product improvement plan can be noticed analysis

表11 设计方案指导

Tab.11 Design guidance

图6 产品改进效果

为证实该模型对产品方案指导的可行性与有效性，运用目前较为成熟的TOPSIS评价法[26]，借助软件SPSS 25进行辅助计算对评价结果予以验证，评价流程见图7。

将已有评价判断矩阵信息代入辅助软件SPSS 25，计算结果见表12。

图7 TOPSIS主要计算步骤

表12 TOPSIS评价计算结果

Tab.12 Evaluation and calculation results of TOPSIS method

综合以上算法分析过程和表12的结果分析可知，虽然借助于TOPSIS评价法与本文构造的I–HFCJM评价模型得到的最佳产品一致，验证了本文构建产品优化模型的可行性。但对6种产品的得分排序略有差异。深入分析可知，I–HFCJM评价模型相对于TOPSIS法受异常值的影响更少，在面临复杂样本评价时思路明晰、数据信息损失少、工作量较少等优势是TOPSIS法所不具备的，两种方法的对比结果见表13。

表13 评价方法对比结果分析

Tab.13 Evaluation method comparison result analysis

6 结语

本文提出适老化背景下基于用户集群驱动的产品优化策略研究。通过结合目前已有的Scrapy网络爬虫技术和TextRank算法，系统、层次、合理的量化构建一套用户集群驱动的产品评价指标体系。该方法以精准而真实地深层挖掘目标用户集群的需求为出发点，通过引入基于犹豫模糊决策算法的方案评价模型（I–HFCJM）建立模糊评价机制，聚类汇总现有产品优缺点，以指导产品方案改进。经实例验证，通过本文构建的优化策略应用于组内项目生成的改进方案，一举成为综合评价最优产品的成功率约有87.35%，对提高提取信息与产品特征的映射拟合程度具有一定意义，为提升适老化产品使用满意度、建立一种用户集群驱动的短周期、高效率的感性设计模式提供技术支撑。

目前应用于适老化背景下的用户集群驱动产品优化策略研究，主要集中于对现有产品的问题改进，未来有待深入研究数据在深度与宽度上，并进一步提高关键词汇识别精度、深化提取信息与产品特征的映射拟合程度，构建数据库进行研究改进，为从目标用户集群的意象描述中，生成用户所言不明的新需求产品奠定前期基础，为感性意象智能设计应用于适老化产品提供理论和方法参考。

[1] 窦金花, 齐若璇. 基于情境分析的适老化智能家居产品语音用户界面设计策略研究[J]. 包装工程, 2021, 42(16): 202-210.

DOU Jin-hua, QI Ruo-xuan. Elderly-Adaptability Voice User Interface Design Strategy of Smart Home Products Based on Context Analysis[J]. Packaging Engineering, 2021, 42(16): 202-210.

[2] 杨梅, 丛扬帆, 李雪瑞. 融合FAHP和TOPSIS的适老化产品综合评价与优选方法——以老年智能手环为例[J]. 图学学报, 2020, 41(3): 469-479.

YANG Mei, CONG Yang-fan, LI Xue-rui. Comprehensive Evaluation and Optimization Method of Products for the Elderly Based on FAHP and TOPSIS—A Case Study on the Smart Bracelet for the Elderly[J]. Journal of Graphics, 2020, 41(3): 469-479.

[3] PENALOZA L, TOULOUSE N, VISCONTI M L. Marketing Management[M]. London: Taylor and Francis: 2019-07-30.

[4] 苏建宁, 唐钊山, 景楠, 等. 面向用户集群的产品设计方法研究[J]. 机械设计, 2019, 36(4): 119-123.

SU Jian-ning, TANG Zhao-shan, JING Nan, et al. Research on Product Design Method for User Cluster[J]. Journal of Machine Design, 2019, 36(4): 119-123.

[5] ZHOU Ya-jian, DENG Ding-peng, CHI Jun-hui. A Short Text Classification Algorithm Based on Semantic Extension[J]. Chinese Journal of Electronics, 2021, 30(1): 153-159.

[6] 张明西, 乐水波, 李学民, 等. 文本配图系统的设计与实现[J]. 包装工程, 2020, 41(19): 252-258.

ZHANG Ming-xi, LE Shui-bo, LI Xue-min, et al. Design and Implementation of Picture Matching System for Text[J]. Packaging Engineering, 2020, 41(19): 252- 258.

[7] 姬建睿, 孙春华, 刘业政. 基于多重迭代合并策略的论坛版块关注点识别研究[J]. 情报理论与实践, 2021, 44(7): 118-124.

JI Jian-rui,SUN Chun-hua,LIU Ye-zheng. Recognizing Focuses in Sub-Forum Based on Multi-Iteration Combined Strategy[J]. Information Studies: Theory & Application, 2021, 44(7): 118-124.

[8] HE Zai-xing, WU Meng-tian, ZHAO Xin-yue, et al. Representative Null Space LDA for Discriminative Dimensionality Reduction[J]. Pattern Recognition, 2021, 111: 107664.

[9] 林丽, 张云鹍, 牛亚峰, 等. 基于网络评价数据的产品感性意象无偏差设计方法[J]. 东南大学学报(自然科学版), 2020, 50(1): 26-32.

LIN Li, ZHANG Yun-kun, NIU Ya-feng, et al. Unbiased Design Method for Product Kansei Image Design Based on Network Evaluation Data[J]. Journal of Southeast University (Natural Science Edition), 2020, 50(1): 26-32.

[10] 黄海涛. Python 3破冰人工智能从入门到实战[M]. 北京: 人民邮电出版社, 2019.

HUANG Hai-tao. Python ice-breaking Artificial Intelligence: From Beginner to Actual Combat[M]. Beijing: Posts & Telecom Press, 2019.

[11] 李雪瑞, 侯幸刚, 杨梅, 等. 数字孪生驱动的工业产品CMF设计服务模型构建与应用[J]. 计算机集成制造系统, 2021, 27(2): 307-327.

LI Xue-rui, HOU Xing-gang, YANG Mei, et al. Construction and Application of CMF Design Service Model for Industrial Products Driven by Digital Twins[J]. Computer Integrated Manufacturing Systems, 2021, 27(2): 307-327.

[12] 杨延璞, 陈登凯, 成沛瑶. 工业设计决策问题研究[J]. 包装工程, 2020, 41(22): 1-6.

YANG Yan-pu, CHEN Deng-kai, CHENG Pei-yao. Decision-Making Problems of Industrial Design[J]. Packaging Engineering, 2020, 41(22): 1-6.

[13] 徐泽水, 潘玲, 廖虎昌. 基于MACBETH方法的犹豫模糊语言多准则决策方法[J]. 控制与决策, 2017, 32(7): 1266-1272.

XU Ze-shui, PAN Ling, LIAO Hu-chang. Multi-Criteria Decision Making Method of Hesitant Fuzzy Linguistic Term Set Based on Improved MACBETH Method[J]. Control and Decision, 2017, 32(7): 1266-1272.

[14] 廖虎昌. 复杂模糊多属性决策理论与方法[M]. 北京: 科学出版社, 2016.

LIAO Hu-chang. Theory and Method of Complex Multi- attribute Decision Making[M]. Beijing: Science Press, 2016.

[15] 王应明, 阙翠平, 蓝以信. 基于前景理论的犹豫模糊TOPSIS多属性决策方法[J]. 控制与决策, 2017, 32(5): 864-870.

WANG Ying-ming, QUE Cui-ping, LAN Yi-xin. Hesitant Fuzzy TOPSIS Multi-Attribute Decision Method Based on Prospect Theory[J]. Control and Decision, 2017, 32(5): 864-870.

[16] 阮传扬, 杨建辉, 韩莉娜, 等. 考虑可信度和属性优先级的犹豫模糊决策方法[J]. 运筹与管理, 2016, 25(3): 125-131.

RUAN Chuan-yang, YANG Jian-hui, HAN Li-na, et al. Hesitant Fuzzy Decision Making Method with Confidence Levels and Preference Relations on Attributes[J]. Operations Research and Management Science, 2016, 25(3): 125-131.

[17] 许昌林, 沈菊红. 一种新的直觉模糊集距离及其在决策中的应用[J]. 计算机应用研究, 2020, 37(12): 3627- 3634.

XU Chang-lin, SHEN Ju-hong. New Distance between Intuitionistic Fuzzy Sets and Its Applications in Decision-Making[J]. Application Research of Computers, 2020, 37(12): 3627-3634.

[18] ZHU Bin, XU Ze-shui. Regression Methods for Hesitant Fuzzy Preference Relations[J]. Technological and Economic Development of Economy, 2013, 19(sup1): S214- S227.

[19] WU Peng, LI Hong-yan, ZHOU Li-gang, et al. Consistency Analysis and Priority Weights of Multiplicative Trapezoidal Fuzzy Preference Relations Based on Mu­ltiplicative Consistency and Logarithmic Least Square Model[J]. Journal of Intelligent & Fuzzy Systems, 2019, 37(6): 8317-8334.

[20] WU Zhi-bin, XU Jiu-ping. A Consistency and Consensus Based Decision Support Model for Group Decision Making with Multiplicative Preference Relations[J]. Decision Support Systems, 2012, 52(3): 757-767.

[21] ZHANG Hui-min. A Goal Programming Model of Obtaining the Priority Weights from an Interval Preference Relation[J]. Information Sciences, 2016, 354: 197-210.

[22] 甘昕艳, 高翔. 基于犹豫模糊决策算法的云制造系统选择研究[J]. 计算机工程与应用, 2021, 57(2): 134-142.

GAN Xin-yan, GAO Xiang. Research on Cloud Manufacturing System Selection Based on Hesitant Fuzzy Decision Making Algorithm[J]. Computer Engineering and Applications, 2021, 57(2): 134-142.

[23] SU Zhao-jing, YU Sui-huai, CHU Jian-jie, et al. A Novel Architecture: Using Convolutional Neural Networks for Kansei Attributes Automatic Evaluation and Labeling[J]. Advanced Engineering Informatics, 2020, 44: 101055.

[24] 黎兰平, 郭修远. 自动驾驶汽车车外人机交互界面设计研究[J]. 包装工程, 2020, 41(2): 57-64.

LI Lan-ping, GUO Xiu-yuan. EHMI Design for Automated Vehicles[J]. Packaging Engineering, 2020, 41(2): 57-64.

[25] 李雪瑞, 侯幸刚, 杨梅, 等. 基于多层次灰色综合评价法的工业设计方案优选决策模型及其应用[J]. 图学学报, 2021, 42(4): 670-679.

LI Xue-rui, HOU Xing-gang, YANG Mei, et al. The Optimal Decision-Making Model of Industrial Design Scheme Based on Multi-Level Grey Comprehensive Evaluation Method and Its Application[J]. Journal of Graphics, 2021, 42(4): 670-679.

[26] 何劲涛, 陈登凯, 余隋怀. 旅游文化创意产品多文化意象色彩设计评价方法[J]. 机械科学与技术, 2021, 40(1): 92-100.

HE Jin-tao, CHEN Deng-kai, YU Sui-huai. Multi- Cultural Image Color Design Evaluation Methods for Creative Products of Tourism Culture[J]. Mechanical Science and Technology for Aerospace Engineering, 2021, 40(1): 92-100.

Optimizing Strategies for Aging Products Driven by User Clusters

YANG Mei, WANG Yi-yan, LI Xue-rui, HOU Xing-gang

(School of Arts, Shandong University of Science and Technology, Shandong Qingdao 266590, China)

This paper aims to solve the problem of demand caused by vague user appeal expressions and of the complexity of its design decision complexity to adapt to the adaptive product and application service promotion, and the user experience satisfaction is improved to a large extent. This paper proposes an inductive design method for user cluster evaluation drivers with short period of time and high efficiency. First, this essay excavates the needs of the target user cluster from the evaluation information, and combines the TextRank algorithm to describe the text to build up the evaluation index system; furthermore, this thesis makes full use of hesitative fuzzy decision-making algorithm to evaluate the evaluation model (I-HFCJM ), calculate each product evaluation index score function value for sample products, visualization analysis, and guide the product improvement design through existing products. This paper uses the elderly household oxygen generator improvement design as an example, by calculating the comprehensive weight of the improvement plan and the sample product, and sorting, the effectiveness of this method is verified, providing the improved strategy for design and development of the older household oxygen generator and other suitable age production products.

product design; user evaluation; TextRank; hesitant fuzzy decision-making algorithm; I-HFCJM

TB472

A

1001-3563(2022)16-0177-12

10.19554/j.cnki.1001-3563.2022.16.020

2022–03–20

山东省专业学位研究生教学案例库建设项目（SDYAL20058）；山东省2018年研究生导师指导能力提升项目（SDYY18082）；齐鲁乡村文化旅游平台化服务体系研究（21DWYJ13）

杨梅（1973—），女，教授，硕士，主要研究方向为工业设计及其理论。

王怡妍（1997—），女，硕士生，主攻工业设计及其理论。

责任编辑：陈作