CN107194727A - 基于Kano模型的用户需求因子表征及提取方法 - Google Patents

基于Kano模型的用户需求因子表征及提取方法 Download PDF

Info

Publication number
CN107194727A
CN107194727A CN201710361511.XA CN201710361511A CN107194727A CN 107194727 A CN107194727 A CN 107194727A CN 201710361511 A CN201710361511 A CN 201710361511A CN 107194727 A CN107194727 A CN 107194727A
Authority
CN
China
Prior art keywords
user
request
model
demand
factor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710361511.XA
Other languages
English (en)
Inventor
吕健
黄海松
潘伟杰
袁庆霓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou University
Original Assignee
Guizhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guizhou University filed Critical Guizhou University
Priority to CN201710361511.XA priority Critical patent/CN107194727A/zh
Publication of CN107194727A publication Critical patent/CN107194727A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于Kano模型的用户需求因子表征及提取方法，包括下述步骤：（1）用户需求获取及分析：对用户需求进行整理、筛选和分析，通过对用户需求的聚类分析（cluster analysis）选取优质需求因子；（2）用户需求的层次结构模型：基于Kano模型和选取的需求因子，建立用户需求主导下的需求实现程度与用户满意度关联模型；（3）用户需求因子表征：借助可拓学中基元模型构建用户需求因子表征模型，该模型同时包含定性和定量的形式化特征，可以间接的表示用户需求的因子特征，便于计算机识别处理。本发明具有能对用户需求进行数字化表征，且提取结果准确的特点。

Description

基于Kano模型的用户需求因子表征及提取方法
技术领域
本发明属于产品设计技术领域，具体地说是涉及一种基于Kano 模型的用户需求因子表征及提取方法。
背景技术
传统的设计方法对用户需求考虑不够，造成用户不爱用、不愿用 的情况，近年随着以用户为中心的设计思想大量出现，用户需求主导 下的产品设计方法已成为当今设计领域研究的热点和重点，其中用户 需求的分析与提取也显得尤为重要。只有真实的获取用户的需求因子 设计师在进行设计时才能将其赋予到产品的的功能、造型、材质、色 彩等设计符号中以满足用户的需要来达到更高的用户满意度。
现有技术中，感性工学(Kansei Engineering，KE)运用工程学 量化与半量化的方法将用户需求等不确定因素应用到产品设计与制 造中，情感化设计是一种围绕用户需求的设计指导理论，要求在设计 过程中从多个层面综合考虑用户的心理和生理需求，但缺乏具体的设 计方法。工程美学将美学这一新的需求维度引入到人机工程中，希望 为设计师提供一种面向工程学的设计与评估方法以达到最终在产品 设计中以科学的、工程学的和基于数学的方法来***确认和量化评价 美学因素及美学问题。以上设计方法与思想为以用户需求为中心的设 计方法进行了有益探索并提供了理论基础。但依靠图示和文字的图解 思维方式很难完整描述整个创新过程，也难于被计算机识别，导致大 量创新技法与数字化设计制造脱节，设计创新过程迫切需要新的易于 计算机识别的表征方法来作为设计师思维过程与计算机模拟过程的 桥梁。总之，目前用户需求获取及分析方法大多以设计师感性评价为 主，数字化处理不足，造成提取结果不准确也不能与数字化制造技术 相衔接。
发明内容
本发明的目的在于克服上述缺点而提供一种能对用户需求进行 数字化表征，且提取结果准确的基于Kano模型的用户需求因子表征 及提取方法。
本发明的一种基于Kano模型的用户需求因子表征及提取方法， 包括下述步骤：
(1)用户需求获取及分析：对用户需求进行整理、筛选和分析， 通过对用户需求的聚类分析(cluster analysis)选取优质需求因子；
(2)用户需求的层次结构模型：基于Kano模型和选取的需求 因子，建立用户需求主导下的需求实现程度与用户满意度关联模型；
(3)用户需求因子表征：借助可拓学中基元模型构建用户需求 因子表征模型，该模型同时包含定性和定量的形式化特征，可以间接 的表示用户需求的因子特征，便于计算机识别处理。
上述基于Kano模型的用户需求因子表征及提取方法，其中：所 述步骤(1)中，通过语义差分法实验获取用户对需求因子的情感认 知，定义用户满意度位移(λ)和用户满意度(better-worse)系数， 量化表示用户需求与用户满意度映射关系
本发明与现有技术的相比，具有明显的有益效果，由以上方案可 知，通过对用户需求的聚类分析(cluster analysis)选取优质需求因子， 然后建立需求因子的可拓表征模型，使计算机可以简洁的表示用户需 求因子所蕴含的需求对象、对象特征、特征量值等内容。并通过语义 差分法实验获取用户对需求因子的情感认知，定义用户满意度位移 (λ)和用户满意度(better-worse)系数，达到量化表示用户需求与 用户满意度映射关系的目的，从而对需求因子进行排序，通过该方法 可使用户需求提取过程更加精确，便于进行需求优化。总之，借助可 拓基元理论(Extension element)建立可拓Kano模型的用户需求因子 表征及提取方法，可确定需求因子重要度来进行量性的需求优化，便 于用户需求进行表征使其更易于被计算机语言识别。
以下通过具体实施方式，进一步说明本发明的有益效果。
附图说明
图1为实施例中的需求实现程度与用户满意度关联模型图；
图2为实施例中的概念产品最终方案效果图。
具体实施方式
以下结合附图及较佳实施例，对依据本发明提出的基于Kano模 型的用户需求因子表征及提取方法具体实施方式、特征及其功效，详 细说明如后。
本发明的一种基于Kano模型的用户需求因子表征及提取方法， 包括下述步骤：
(1)用户需求获取及分析：对用户需求进行整理、筛选和分析， 通过对用户需求的聚类分析(cluster analysis)选取优质需求因子；
(2)用户需求的层次结构模型：基于Kano模型和选取的需求 因子，建立用户需求主导下的需求实现程度与用户满意度关联模型； 通过语义差分法实验获取用户对需求因子的情感认知，定义用户满意 度位移(λ)和用户满意度(better-worse)系数，量化表示用户需求 与用户满意度映射关系；
(3)用户需求因子表征：借助可拓学中基元模型构建用户需求 因子表征模型，该模型同时包含定性和定量的形式化特征，可以间接 的表示用户需求的因子特征，便于计算机识别处理。
实施例如下：
1.用户需求获取及分析
1.1用户需求获取及初步聚类分析
通过对机床一线操作工的调查(以访谈方式，若条件受限网络调 查应确定被调查对象具有主动配合调查以改良机床意愿的用户确保 调查数据的合理性)，通过与机床厂沟通选取具有3年以上机床操作 经验并具有主动意愿的一线数控磨床操作工人5名(4男1女)。
由于用户对于理想中的产品的描述缺乏***性，需求笼统、模糊 而且存在大量的冗余，因此，需要对用户需求进行整理、筛选和分析。
设S＝{O1O2…0n}为用户需求集，集合中On为用户需求对象， 则任意用户需求对象Oa和Ob在需求内容上存在以下四种关系。
(1)包含关系。Oa的用户需求内容是Ob用户需求内容的真子集， 则称Oa和Ob为包含关系。
(2)交叉关系。Oa的用户需求内容是与Ob用户需求内容存在交集， 则称Oa和Ob为交叉关系。
(3)独立关系。Oa的用户需求内容是与Ob用户需求内容不存在任 何交集，则称Oa和Ob为独立关系。
(4)相等关系。Oa的用户需求内容是与Ob用户需求内容相同，则 称Oa和Ob为相等关系。
经过对用户需求内容的聚类和分析，去掉被包含的用户需求，存 在交叉关系的用户需求的交集和相同关系的用户需求均只保留一份， 这样实现用户需求的初步处理，达到去除冗余的目的。
(1)排斥关系。如果和的Oa和Ob需求内容不能同时被满足或最终 满意度的提升的满意度随之下降，则称Oa和Ob存在排斥关系。
(2)互补关系。如果Oa满意度的提高会导致Ob满意度随之提高， 则称Oa与Ob为互补关系。
(3)独立关系。如果Oa的满意度与Ob的满意度不存在任何相互作 用，则称Oa与Ob为独立关系。
根据用户需求的相互关系对用户需求进行进一步筛选得到以下用 户需求关键语义，如
表1。
表1用户需求关键语义
1.2用户需求的层次结构
用户对产品的需求是多种多样的，不仅局限于基本功能，由于社会的进 步，同类产品的多样性，用户有机会更加自由的选择能最大程度满足其功 能、情感需求的产品，对现有产品的不满和改进的意愿催生了期望需求。 美国心理学家亚伯拉罕·马斯洛在1943年将人类需求从低到高按层次分为 生理需求、安全需求、社交需求、尊重需求和自我实现需求。马斯洛需求 层次是人本科学的理论之一，为以人为本的设计思想奠定了思想基础。受 行为科学家赫兹伯格的双因素理论的启发，Kano等在1984年提出了Kano 模型，根据不同类型的质量特性与顾客满意度之间的关系，kano教授将产 品服务的质量特性分为五类：基本型需求(Basic Quality)、期望型需求 (Performance Quality)、兴奋型需求(Excitement Quality)、无差异型需求 (Neutral Quality)、反向型需求(ReverseQuality)。并提出了用户满意度与 需求实现程度的二维关系图，明确地将用户需求分为4类。借助马斯洛需 求层次理论对用户需求进行分析，提出用户需求主导下的需求实现程度与 用户满意度关联模型，如图1所示。
1)兴奋需求。这类需求被用户认为具有绝对吸引力的开拓性需要， 但并不强烈要求必须具备。实现程度与用户满意度之间具有二元函数 关系。经过设计满足该集合内的期望需求则用户的满意度就会得到很 大的提高，反之，如果该集合内的需求得不到有效满足，用户满意度 将会随之降低但不会产生抵触心理即满意度降为负数，该需求函数可 用y＝kx2(k＞0)表示。
2)期望需求。这类需求被用户认为具有一定吸引力的期望功能， 实现程度与用户满意度之间具有一元线性关系，需求实现程度度越高 满足度越高，当需求实现程度较低时，用户将会表现出失望情绪，满 意度降为负数，但失望情绪不强烈，该需求函数可用表示。
3)基本需求。这类需求被用户认为是必须具备的基础功能，实现 程度与用户满意度成反比例函数关系，如果该集合内的功能得到满足， 用户满意度将接近于0(由于基本功能不能做到无限精致，用户对基 本功能不会完全满意，满意度只能无限接近于0)，如果基本功能不 能得到满足，用户失望情绪将剧增，用户满意度急剧下降，由于基本 功能代表产品属性则其满足程度不能低于1。该函数可用 表示。
4)无差异需求。这类需求被用户认为是可有可无功能，用户满意 度与功能实现程度无关，无论该集合内的功能是否得到满足，用户满 意度恒为0。该函数可用y＝0表示。
由于决定需求满意度跟随实现程度走向的决定因素为函数系数k, 则我们在进行用户需求分析和提取过程中的计算机的主要研究对象 为k,本文将k定义better-worse系数，即B-W。
B-W量化的描述了用户需求实现程度与用户满意度的趋势。为设 计过程中用户需求的趋势提供了明确的参考依据。
2.用户需求因子表征方法
设计过程具有明显的“黑箱”性质，纵观目前的约340种创新设计 方法大多数需要在群体环境中激发，主要是大脑对于事物的认知方法 与计算机的认知方法不同，大多数创新设计方法中的表征元素混乱复 杂且不可被计算机识别，导致创新技法与数字化设计制造技术脱节， 目前创新设计研究的关键任务就是如何将难以捕捉的心智活动过程 转换为计算机可识别易操作的设计方法。为达到计算机可模拟心智模 型的目的首先应建立计算机可识别的思维过程元素表征方法。
2.1可拓表征理论
蔡文学者于1983年创立的一门原创性横断学科可拓学，可拓学是 基于定量与定性有机结合的创新解决矛盾问题的科学理论。可拓学以 形式化、逻辑化和数学化为基础，研究物、事、关系的可拓展性。可 拓理论以基元理论、可拓集理论和可拓逻辑为基础，基元是可拓学的 逻辑细胞。基元包含了描述世界万物的物元、描述世界万事的事元、 描述事物间关系的关系元。物元(对象O)、事元(特征C)、关系元 (量值v)共同构成了表征世界万物的基元。
可拓理论是通过建立可拓模型形式化、定量化处理矛盾问题的理 论。处理矛盾问题，必须涉及到矛盾的对象、特征、量值及他们之间 的相互关系。通过对矛盾问题的分析，以基元理论为基础建立表征矛 盾问题的形式化工具—可拓模型，可拓学的基元模型将基元组合到在 一个由对象O，特征C和量值v组成的三元组中，可以形式化地描基 元的特征、内涵和社会关系，表征基元内部的定量与定性问题，量化 的描述基元内部关系。
基元可以表示为：B＝(O,C,V)
其中O为基元所研究的对象。C为研究对象的特征，V为量值，包 涵了特征所对应的数值信息。
将产品需求基元定义可拓原点B＝(O,C,V)，其中o为需求对象，c为 对象特征，v为特征量值。
2.2用户需求因子的可拓表征
借助可拓学中基元对客观世界的物元、事元、关系元的知识表征 方式，保留其“一物多征”“一征多值”的特点，借助基元模型构建用户 需求因子表征模型，该模型同时包含定性和定量的形式化特征，可以 间接的表示用户需求的因子特征，便于计算机识别处理。
3.用户需求评价
通过对用户需求的初步获取和分析，提取优质用户需求因子。由 于机床操作工属于技术工，单一工厂总体人数较少且过于单一，为确 保样本的多样性以保证调查结果的客观性。将优质需求因子制作网络 调查表在机床吧、机床之家、开思论坛等有较好机床基础人员活动区 进行网络调查。
3.1用户需求评价比例分析
将经过初步聚类分析的用户需求提取出来，制作Kanon网络调查 表格，进行网络调查，借助李克特量表制作满意度评分表，调查表只 需描述需求因子内容，当需求得到实现或得不到实现时被调查对象可 以给出很喜欢、理所当然、无所谓、勉强接受、很不喜欢5个评价， 计算机后台对应满意度评分为2、1、0、-1、-2。并生成用户需求满 意度比例表。本次调查共收到137位网友数据(102男35女)。如表 2-10。
表2美观需求满意度比例表
表3安全需求满意度比例表
表4信息化需求满意度比例表
表5刀具寿命需求满意度比例表
表6省电需求满意度比例表
表7易维护需求满意度比例表
表8磨削精度需求满意度比例表
表9静音需求满意度比例表
表10断电保护需求满意度比例表
3.2用户需求维度
根据需求维度借助Kano模型及各需求维度的意义，绘制Kano模 型需求分布表,如表11。表中〇代表兴奋需求，△代表期望需求，□ 基本需求，☆无差异需求或可疑结果，×代表反向需求。
表11 Kano模型需求维度分布表
在进行满意度比例表分析时应剔除可疑结果(所有需求均选择无 差异需求，或结果具有明显的规律性)以保证统计结果的准确性，通 过对需求满意度比例表的统计，将相同需求维度的比例相加，得到各 个需求维度的占比总和，总和最大的一个属性维度，便是该功能的属 性归属。
表12需求因子维度比例表
则用户需求维度归属为
3.3better-worse系数
通过对数据的分析处理可以得到用户需求的维度属性，对用户需 求与用户满意度间的映射关系有了基本认识，但仍未得到决定具体映 射关系的系数，不能量化的表示各个用户需求与用户满意度间的具体 关系，不仅计算机数量化处理各个元素对应间关系的优势没有表现出 来，而且也无法确定同一维度归属内的用户需求的优先排序。
定义需求得到实现与未得到实现间的满意度差值为满意度位移， 设满意度位移为λ，设对应满意对位移λ的的人数比例为θ。
根据Kano模型内用户需求维度结构定义可知决定用户满意度与 用户需求具体走向的因素为用户需求实现与否时用户满意度间的满 意度位移即better-worse系数。设better-worse(B-W)系数为p， 则p与λ和θ成正比例关系：
p＝λ·θ
用户需求因子B-W系数如表13所示。
表13用户B-W系数结果
根据模型计算出的B-W系数值，说明在进行设计时安全、磨削精 度和刀具寿命为用户基本需求特别是设备的安全性为所有因素中要 求最为强烈的属于强烈的基本需求必须满足，该维度的功能属基础功 能，市场研究及设计已较为完善，一般并不耗费大量设计资源。设备 的易维护、造型美观、节省电量及断电保护等功能为用户期望需求， 应尽量满足，该功能对提升用户满意度有较好作用，而且没有满足用 户满意度会明显下降，该维度功能应为设计研究重点考虑对象。省电、 断电保护、美观、易维护等需求由B-W数值可得，用户期望承程度 依次递增，在设计资源有限的情况下应有限考虑B-W系数较高的需 求。信息化、静音等需求为用户兴奋性需求，当需求得到满足时用户 满意度较高，但需求未得到满足时用户满意随有下降但不剧烈，设计 资源丰富的情况下进行该维度设计。
对于那些由于设计能力及成本控制等原因未能满足的需求进行资 料存储以便于以后设计升级时进行参考。
本实施例主要对机床设计中用户需求提取及分析优化方法进行研 究，其用户需求与产品结构配置优化等设计阶段本文只做简要说明。
表14用户需求因子与结构功能的映射关系
根据用户需求的权重对需求映射之后的问题分布工程设计人员进 行技术设计和验证，在设计资源有限的情况下应优先满足高权重的需 求。
经过对用户需求的分析和团队设计最终形成MK8420概念产品最 终方案效果图(如图2)。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式 上的限制，任何未脱离本发明技术方案内容，依据本发明的技术实质 对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发 明技术方案的范围内。

Claims (2)

1.一种基于Kano模型的用户需求因子表征及提取方法，包括下述步骤：
（1）用户需求获取及分析：对用户需求进行整理、筛选和分析，通过对用户需求的聚类分析（cluster analysis）选取优质需求因子；
（2）用户需求的层次结构模型：基于Kano模型和选取的需求因子，建立用户需求主导下的需求实现程度与用户满意度关联模型；
（3）用户需求因子表征：借助可拓学中基元模型构建用户需求因子表征模型，该模型同时包含定性和定量的形式化特征，可以间接的表示用户需求的因子特征，便于计算机识别处理。
2.如权利要求1所述的基于Kano模型的用户需求因子表征及提取方法，其特征在于：所述步骤（1）中，通过语义差分法实验获取用户对需求因子的情感认知，定义用户满意度位移（）和用户满意度（better-worse）系数，量化表示用户需求与用户满意度映射关系。
CN201710361511.XA 2017-05-22 2017-05-22 基于Kano模型的用户需求因子表征及提取方法 Pending CN107194727A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710361511.XA CN107194727A (zh) 2017-05-22 2017-05-22 基于Kano模型的用户需求因子表征及提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710361511.XA CN107194727A (zh) 2017-05-22 2017-05-22 基于Kano模型的用户需求因子表征及提取方法

Publications (1)

Publication Number Publication Date
CN107194727A true CN107194727A (zh) 2017-09-22

Family

ID=59874809

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710361511.XA Pending CN107194727A (zh) 2017-05-22 2017-05-22 基于Kano模型的用户需求因子表征及提取方法

Country Status (1)

Country Link
CN (1) CN107194727A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109543734A (zh) * 2018-11-14 2019-03-29 中国联合网络通信集团有限公司 用户画像方法及装置、存储介质
CN111768240A (zh) * 2020-06-30 2020-10-13 杭州电子科技大学 基于感性工学和Kano模型的航空公司服务推荐方法及***
CN112184075A (zh) * 2020-10-29 2021-01-05 西南交通大学 一种可持续供应链风险分析方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109543734A (zh) * 2018-11-14 2019-03-29 中国联合网络通信集团有限公司 用户画像方法及装置、存储介质
CN111768240A (zh) * 2020-06-30 2020-10-13 杭州电子科技大学 基于感性工学和Kano模型的航空公司服务推荐方法及***
CN112184075A (zh) * 2020-10-29 2021-01-05 西南交通大学 一种可持续供应链风险分析方法
CN112184075B (zh) * 2020-10-29 2022-04-22 西南交通大学 一种可持续供应链风险分析方法

Similar Documents

Publication Publication Date Title
Hashemkhani Zolfani et al. Investment prioritizing in high tech industries based on SWARA-COPRAS approach
Tseng A causal and effect decision making model of service quality expectation using grey-fuzzy DEMATEL approach
Peterson et al. Modeling and predicting human response to the visual recreation environment
Saucier Isms dimensions: Toward a more comprehensive and integrative model of belief-system components.
Anisseh et al. Fuzzy extension of TOPSIS model for group decision making under multiple criteria
Ford et al. Beauty, belief, and trust: toward a model of psychological processes in public acceptance of forest management
Huang et al. A product configuration analysis method for emotional design using a personal construct theory
CN111950708B (zh) 一种发现大学生日常生活习惯的神经网络结构与方法
CN107194727A (zh) 基于Kano模型的用户需求因子表征及提取方法
Lokman et al. Prelude to natphoric kansei engineering framework
Basri et al. Determinant of interest in paying zakat with age as a moderating variable (study on minang society)
Gerhana et al. Comparison of naive Bayes classifier and C4. 5 algorithms in predicting student study period
CN113918806A (zh) 自动推荐培训课程的方法及相关设备
CN106055875A (zh) 一种基于大数据的皮纹分析处理装置
Wuehrer et al. Diversity in Homogeneity-A longitudinal bibliometric review of Industrial Marketing and Purchasing (IMP) Group Conferences from 1984 to 2012.
Xu et al. Ranking academic impact of world national research institutes—by the Chinese Academy of Sciences
Honkela et al. Subjects on objects in contexts: using GICA method to quantify epistemological subjectivity
Castro-Schez et al. Using fuzzy repertory table-based technique for decision support
Polilova et al. The Problem of Selecting a Reference Group for the Thematic Rating of Scientific Journals.
CN112667919A (zh) 一种基于文本数据的个性化社区矫正方案推荐***及其工作方法
Hutcheson Categorical explanatory variables
Dimitrakopoulos et al. Decision making using multicriteria analysis: a case study of decision modeling career in education
Tell Productization of Business Models by Adding Situational Knowledge.
Kim Computational art therapy
Dimitrakopoulos et al. Social Choice and Multicriterion Decision-Making: Decision Modeling Career of Students in Secondary Education Using Multicriteria Analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170922

RJ01 Rejection of invention patent application after publication