[发明专利]一种适于网上购物平台的基于大数据的试衣推荐方法

说明书

技术领域

本发明涉及大数据分析技术领域，具体而言，涉及一种适于网上购物平台的基于大数据的试衣推荐方法。

背景技术

近些年，网购平台越来越多，大多数用户倾向于在网上购物平台上购置衣服，但是网上购物平台并不像实体店一样可以试穿衣服，从而使得很多购物者网购到的衣服并不适合自己的体型，造成退货频繁，给平台商家及消费者都带来了不好的购物体验。

发明内容

本发明的目的是为了解决上述技术问题，提供了一种适于网上购物平台的基于大数据的试衣推荐方法。

为达到上述技术目的，本发明采取的技术方案是：一种适于网上购物平台的基于大数据的试衣推荐方法，包括以下步骤：

步骤1，采集不同体型的模特数据，将模特的体型按照国家标准体型分类进行划分，得到模特体型分类；

步骤2，采集不同体型分类的服装特征以及每件服装由步骤1中得到的相应体型分类的模特进行试穿的视频数据；

步骤3，获取试衣人的体型和特征，将试衣人的体型按照国家标准体型分类进行划分，得到试衣人体型分类；

步骤4，根据服装特征和试衣者特征通过BDEU方法建立一个以上的推荐决策树；

步骤5，获取所述推荐决策树中的服装的销量，并根据销量的高低对各个推荐决策树进行排序；

步骤6，根据步骤3得到的试衣人体型分类找到步骤1中与其对应的模特体型分类的模特；根据找到的模特的信息找到步骤2中对应模特试穿过的衣服；

步骤7，将步骤6找到的模特试穿过的衣服的数据和试衣者特征通过步骤5 得到的推荐决策树排序进行衣服推荐；对排序在前的推荐决策树推荐的衣服向试衣人推荐。

进一步地，所述步骤2中的服装特征包括服装品牌、式样、类型、规格、尺寸、颜色、织物材质、样本图片、销售价格；所述试衣人的特征包括身体测量数据和具体基本信息，所述身体测量数据包括身高、胸围、腰围、臀围、体重；所述基本信息包括用户年龄、职业、地区、喜好、收入。

与现有技术相比，本发明的有益效果是：

使用本发明，能让网购用户在家中通过互联网访问系统，不仅可以像一般的网购那样查看网店内的衣服，同时可以根据自己的体型获取最优的推荐结果，同时从推荐结果中自动删选出销量高的衣服，帮助用户抉择。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，以下列举该发明的具体实施例，对本申请作进一步地详细说明，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

本实施例的一种适于网上购物平台的基于大数据的试衣推荐方法，包括以下步骤：

步骤1，采集不同体型的模特数据，将模特的体型按照国家标准体型分类进行划分，得到模特体型分类；

步骤2，采集不同体型分类的服装特征以及每件服装由步骤1中得到的相应体型分类的模特进行试穿的视频数据；

步骤3，获取试衣人的体型和特征，将试衣人的体型按照国家标准体型分类进行划分，得到试衣人体型分类；

步骤4，根据服装特征和试衣者特征通过BDEU方法建立一个以上的推荐决策树；

步骤5，获取所述推荐决策树中的服装的销量，并根据销量的高低对各个推荐决策树进行排序；

步骤6，根据步骤3得到的试衣人体型分类找到步骤1中与其对应的模特体型分类的模特；根据找到的模特的信息找到步骤2中对应模特试穿过的衣服；

步骤7，将步骤6找到的模特试穿过的衣服的数据和试衣者特征通过步骤5 得到的推荐决策树排序进行衣服推荐；对排序在前的推荐决策树推荐的衣服向试衣人推荐。

其中，所述步骤2中的服装特征包括服装品牌、式样、类型、规格、尺寸、颜色、织物材质、样本图片、销售价格；所述试衣人的特征包括身体测量数据和具体基本信息，所述身体测量数据包括身高、胸围、腰围、臀围、体重；所述基本信息包括用户年龄、职业、地区、喜好、收入。

本实施例中，所述的BDEU算法根据贝叶斯定和全概率公式，来评估属性结构的优劣。贝叶斯公理如下：假设H[1],H[2]…,H[n]互斥且构成一个完全事件，已知它们的概率P(H[i]),i＝1,2,…,n，现观察到某事件A与H[,1],H[,2]…,H[,n]相伴随机出现，且已知条件概率P(A/H[,i])，则：

P(H[,i]/A)＝P(H[i])*P(A│H[i])/{P(H[1])*P(A│H[1])+P(H[2])*P(A│ H[2])+…+P(H[n])*P(A│H[n])}