[发明专利]融合评论的可解释性服装推荐方法、系统、设备及介质

说明书

本公开公开了融合评论的可解释性服装推荐方法、系统、设备及介质，包括：构建基于深度学习的编码器‑解码器神经网络模型；对基于深度学习的编码器‑解码器神经网络模型进行训练；将待推荐的上衣图片和下衣图片，同时输入到训练好的编码器‑解码器神经网络模型，该模型对上衣图片和下衣图片的匹配程度进行打分，根据打分排序给出推荐结果，同时给出匹配程度的模拟评论。其利用潜藏在用户评论中的有用信息来训练推荐模型，从而提升推荐的效果，同时能模拟用户给推荐的结果生成评论作为推荐的解释，提高推荐的可解释性。

技术领域

本公开涉及服装推荐领域，尤其涉及融合评论的可解释性服装推荐方法、系统、设备及介质。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

服装推荐的目的是通过给用户推荐可能感兴趣的时尚服装来促进人们对网上购物的兴趣和参与度。服装推荐技术一方面能帮助用户在琳琅满目的在线时尚商品中快速搜索自己满意的服装，另一方面也能帮助在线零售商提高服务质量和扩大收益。因此，现在服装推荐技术在在线零售市场中扮演了越来越重要的角色，也引起了工业界和学术界的广泛重视。

服装推荐领域包含了许多问题，本发明所面向的具体问题是为用户给定的上衣(如T恤、外套等)来推荐合适的下衣(如裙子、短裤等)，反之亦然。该问题的解决可以帮助用户更好地搭配自己的服装，让用户变得更加时尚。早期的服装推荐研究基于专家标注的数据集，这些数据集多太小，限制了复杂模型的开发(例如，基于深度学习的模型)。近年来，随着时尚导向的在线社区(例如Polyvore和Chictopia)的出现，人们可以分享和评论服装搭配。除了大量的服装搭配，这些来源于众包的数据也包含其它有价值的信息(例如大量的用户评论)，可用于构建更准确和智能的推荐系统。

目前的服装推荐技术多单纯地依赖于从上衣和下衣的图片中提取视觉特征来判断给定的上衣和候选的下衣之间的匹配程度。它们都忽视了用户评论中的信息，没有参考用户的评论来学习一般的服装间的匹配规律。同时目前的服装推荐技术多只给出一个判定结果，没有模拟用户生成评论推荐的理由。这使得推荐缺乏透明性和可信性。

发明内容

为了解决现有技术的不足，本公开提供了融合评论的可解释性服装推荐方法、系统、设备及介质，其利用潜藏在用户评论中的有用信息来训练推荐模型，从而提升推荐的效果，同时能模拟用户给推荐的结果生成评论作为推荐的解释，提高推荐的可解释性。

第一方面，本公开提供了融合评论的可解释性服装推荐方法；

融合评论的可解释性服装推荐方法，包括：

构建基于深度学习的编码器-解码器神经网络模型；

对基于深度学习的编码器-解码器神经网络模型进行训练；

将待推荐的上衣图片和下衣图片，同时输入到训练好的编码器-解码器神经网络模型，该模型对上衣图片和下衣图片的匹配程度进行打分，根据打分排序给出推荐结果，同时给出匹配程度的模拟评论。

作为一种可能的实现方式，所述基于深度学习的编码器-解码器神经网络模型，包括：

上衣编码器、下衣编码器、匹配解码器和生成解码器；

所述上衣编码器用于接收上衣图片，并提取上衣图片的上衣视觉特征和上衣编码表示；所述上衣编码表示包括上衣图片和下衣图片之间的匹配信息；

所述下衣编码器用于接收下衣图片，并提取下衣图片的下衣视觉特征和下衣编码表示；所述下衣编码表示包括上衣图片和下衣图片之间的匹配信息；

所述匹配解码器用于根据上衣编码表示和下衣编码表示，对上衣图片和下衣图片之间的匹配程度进行打分；