感性工程學(xué)(Kansei Engineering)

該方法用于識別產(chǎn)品中的相關(guān)設(shè)計要素(如顏色、大小和形狀等)，這些要素決定偏好。該方法需要識別感性詞語。所使用的方法包括有聲思維梯度法(Tink-Aloud Laddering)、數(shù)量化理論I(Quantification TheoryI,QTI)、偏最小二乘法(IpTS.Analysis)及用于估算目的的遺傳算法(Genetic)和模糊邏輯(Fuzzy Logic)。

情感分析(Sentiment Analysis)

該方法用于了解人們在博客或社交網(wǎng)絡(luò)中對產(chǎn)品的評論和觀點(diǎn)，并對這些評論進(jìn)行分類?？梢赃\(yùn)用自動化技術(shù)來識別評論者在產(chǎn)品特性上表達(dá)的意見(正面、中性或負(fù)面)。該方法運(yùn)用了基本貝葉斯和深度學(xué)習(xí)算法。

神經(jīng)網(wǎng)絡(luò)法(Neural Networks)

該方法利用了反向傳播(Back Propagation,BP)技術(shù)來建立產(chǎn)品或形狀參數(shù)與形容詞、意象詞之間的關(guān)系，目的是更改設(shè)計參數(shù)，直到產(chǎn)品形狀被接受為止。神經(jīng)網(wǎng)絡(luò)法把反向傳播和灰色關(guān)聯(lián)度分析作為優(yōu)化算法。

微軟反應(yīng)卡(Microsoft Reaction Card)

該方法用于評估設(shè)計或產(chǎn)品的情感反應(yīng)和期望(視覺吸引力)。參與者從118張寫有產(chǎn)品詞匯的卡片中選出與該產(chǎn)品或設(shè)計相關(guān)的卡片，并解釋為什么所選卡片中的詞匯要體現(xiàn)在該產(chǎn)品或設(shè)計上，最后得出結(jié)論。該方法采用聚類分析、頻度分析和詞匯云處理技術(shù)。

突發(fā)情緒法(Emergent Emotions)

該方法認(rèn)為情緒是動態(tài)、突發(fā)和遞歸的過程。用戶對設(shè)計的反應(yīng)模式是由評估結(jié)果所驅(qū)動的。情緒反應(yīng)和對產(chǎn)品特性的期望會受到情緒影響，也會由差異化要求而引發(fā)。該方法利用人工智能環(huán)境下的神經(jīng)網(wǎng)絡(luò)和非線性動態(tài)建模來解釋消費(fèi)者的情緒過程，日內(nèi)瓦情緒專家系統(tǒng)(Geneva Expert System on Emotions, GENESE)中描述了該情緒過程。