A Topological Feature-Enhanced Modeling Approach for Complex Product System Requirements Based on Multi-Layer Heterogeneous Networks

다국어 초록 (Multilingual Abstract)

In the context of rapid global technological development and intensifying international market competition, the innovation capability of complex products has become a key indicator of a country's industrial strength and technological leadership. Especially against the backdrop of the booming low-altitude economy, drones, as typical complex products, present diverse and dynamic user needs that pose significant challenges to traditional linear modeling methods. In response to the limitations of existing methods in multi-source heterogeneous information fusion, demand correlation identification, and priority analysis, this paper proposes a systematic demand modeling and analysis method based on multi-layer heterogeneous networks.
Specifically, this paper first constructs a multi-layer heterogeneous network structure that encompasses multiple types of nodes such as users, requirements, components, and experts, along with their relationships, systematically presenting the multidimensional interactions between complex product requirements. Secondly, it proposes a knowledge-information-data (KID) integrated demand modeling framework, which combines large language models, semantic recognition, convolutional neural networks, and fuzzy set theory to efficiently extract and model massive unstructured requirement data. Furthermore, it designs a comprehensive demand importance evaluation mechanism under multi-source information conditions, integrating expert trust networks and biased random walk algorithms to effectively identify key requirements and optimize priority ranking. Finally, empirical research is conducted using unmanned aerial systems as the application object, verifying the effectiveness and feasibility of the proposed method in actual requirement modeling and analysis.
This study not only provides an intelligent and systematic analysis path for the demand development of complex products in the data-driven environment, but also provides theoretical support and technical tools for related enterprises to improve the efficiency of product design decision-making and market response ability, which has significant theoretical value and practical significance.

국문 초록 (Abstract)

글로벌 과학 기술의 급속한 발전과 국제 시장의 지속적인 경쟁 심화를 배경으로 복합 제품의 혁신 능력은 국가 산업력과 기술 리더십의 핵심 상징이 되었습니다. 특히 저고도 경제가 급성장하는 상황에서 대표적인 복합 제품인 무인 항공기는 다양하고 역동적인 사용자 요구 사항으로 인해 기존의 선형 모델링 방식에 큰 도전이 되고 있습니다. 본 논문에서는 다중 소스 이기종 정보 융합, 수요 연관성 파악 및 우선순위 분석에서 기존 방법의 한계를 겨냥하여 다계층 이기종 네트워크 기반의 체계적인 수요 모델링 및 분석 방법을 제안합니다.
구체적으로 본 논문에서는 첫째, 사용자, 요구사항, 구성요소, 전문가 및 기타 유형의 노드와 이들의 관계를 포괄하는 다계층 이기종 네트워크 구조를 구성하고 복잡한 제품 요구사항 간의 다차원적 상호작용을 체계적으로 제시합니다. 둘째, 대규모 언어 모델, 의미 인식, 컨볼루션 신경망 및 퍼지 집합 이론을 통합하여 방대한 비정형 요구사항 데이터를 효율적으로 추출하고 모델링하는 지식 정보 데이터(KID) 통합 기반 요구사항 모델링 프레임워크가 제안됩니다. 또한 다중 소스 정보 조건에서 전문가 신뢰 네트워크와 편향 랜덤 워크 알고리즘을 결합한 포괄적인 요구 사항 중요도 평가 메커니즘을 설계하여 중요한 요구 사항을 효과적으로 식별하고 우선 순위 순위를 최적화합니다. 마지막으로, 실제 요구사항 모델링 및 분석에서 제안된 방법의 효과와 타당성을 검증하기 위해 UAS를 적용 대상으로 삼아 실증 연구를 수행합니다.
본 연구는 데이터 기반 환경에서 복잡한 제품의 요구사항 개발을 위한 지능적이고 체계적인 분석 경로를 제공할 뿐만 아니라 관련 기업들이 제품 설계 의사결정의 효율성과 시장 대응력을 향상시킬 수 있는 이론적 지원과 기술적 도구를 제공함으로써 이론적 가치와 실무적 의의가 크다고 할 수 있다.

목차 (Table of Contents)

• 1. Introduction 1
• 1.1 Research Background and Significance 1
• 1.1.1 Practical Background 1
• 1.1.2 Theoretical Background 4
• 1.2 Research Problem Statement 6
• 1.3 Research Significance 9
• 1.3.1 Theoretical Significance 9
• 1.3.2 Practical Significance 10
• 1.4 Research Content and Structure 11
• 1.4.1 Definition of the Research Object 11
• 1.4.2 Technical Roadmap 13
• 1.4.3 Structure and Organization of the Thesis 16
• 1.5 Research Methodology 17
• 1.6 Major Innovations 18
• 2. Theoretical Background and Literature Review 21
• 2.1 Autonomous Ride-Hailing Platforms 21
• 2.2 User Reviews 28
• 2.2.1 Online Reviews 28
• 2.2.2 Methods for Mining User Needs Based on Online Reviews 32
• 2.2.3 User Sentiment Clustering Analysis 39
• 2.3 Perceived Ease of Use (PEOU) and Perceived Usefulness (PU) 44
• 2.4 Trust Theory 51
• 3. Text Analysis 55
• 3.1 Text Data Sources 55
• 3.2 Word Cloud Analysis 56
• 3.3 LDA Analysis 58
• 4. Empirical Analysis 68
• 4.1 Data Sources and Hypotheses 68
• 4.2 Descriptive Statistics 80
• 5. Empirical Results 83
• 5.1 Reliability and Validity 83
• 5.2 Regression Results 88
• 6. Discussion 94
• 7. Conclusions 102
• 7.1 Theoretical Contributions 102
• 7.2 Practical Implications 105
• 7.3 Incremental Contributions 107
• 7.4 Limitations and Future Research 108
• References 111
• 국문요지 126