[发明专利]一种基于服饰属性匹配的服装推荐方法

说明书

本发明公开了一种基于服饰属性匹配的服装推荐方法，包括：(1)构建服装属性检测模型，选择服装属性数据集，按类别对服装属性检测模型进行训练，得到每个类别对应的模型参数文件；(2)选择用户上传的服装图片，使用上述训练的不同类别模型进行属性检测，统计每个类别中每个属性对应的频率；(3)选择待推荐的库存服装图片，使用上述训练的不同类别模型分别对每张图片进行属性检测，得到每张待推荐图片中每个类别所拥有的属性；(4)计算每张待推荐图片与用户上传的图片之间的属性相似度，并按相似度大小对每张待推荐图片进行排序，根据推荐数量选择排序靠前的待推荐图片。利用本发明，使推荐更加具有针对性，提高了服装推荐的准确率。

技术领域

本发明属于商品推荐技术领域，尤其是涉及一种通过匹配用户和商家的服装属性相似度来进行服装推荐的方法。

背景技术

推荐技术是一种根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品的推荐技术，目前市场上的推荐技术已经十分成熟，已被广泛应用于各大电商网站，如亚马逊，淘宝，京东，聚美，苏宁，沃尔玛等。

随着目前生活水平的日益提高，人们开始越来越关注个人的装扮。常常会在淘宝等网站上购买当季时尚款式，但是面对网站上海量的衣服，购买者常常会不知所措。基于这些需求，现有的各大网站的个性化推荐技术主要是基于用户的购买记录，用户在哪些服装网页停留时间，以及基于用户相似度进行服装的推荐，如淘宝，他们主要是将用户之前的购买记录信息存储，进行个性化计算，来分析用户的偏好；或者是认为购买同一件服装的用户具有相同的偏好，计算用户之间相似度，会把和该用户购买同一服装的消费者的其他购买商品进行推荐。

公开号为CN109859004A的中国专利文献公开了一种基于历史数据的商品推荐方法及系统，用于实现：结合目标用户的购物信息，通过用户往期购买物品或者服务的记录，找到与目标用户拥有相似兴趣或者购买记录的用户，再根据聚合拟态函数计算出邻居中用户与目标用户的潜在附着关系大小，根据相关用户的购买信息，得到目标用户的推荐商品信息。

现有的技术主要的问题有：传统的方法大多是通过计算用户的购买记录，浏览网页时间进行个性化分析用户喜好，但是这是比较片面的和不合理的，用户自己购买的并不一定是他自己所需要的服装，也有可能存在帮别人代购的情况，如著名的“啤酒和尿布”例子，将这个作为用户偏好分析的基础是存在误差的。

发明内容

为克服现有技术存在的问题，本发明提供了一种基于服饰属性匹配的服装推荐方法，提高了服装推荐的准确率。

本发明的技术方案如下：

一种基于服饰属性匹配的服装推荐方法，包括以下步骤：

(1)构建服装属性检测模型，选择服装属性数据集，将全部的属性划分到若干个类别中，按类别分别对服装属性检测模型进行训练，得到每个类别对应的模型参数文件；

(2)选择用户上传的服装图片，使用上述训练的不同类别模型分别进行属性检测，统计每个类别中每个属性对应的频率；

(3)选择待推荐的库存服装图片，使用上述训练的不同类别模型分别对每张图片进行属性检测，得到每张待推荐图片中每个类别所拥有的属性；

(4)计算每张待推荐图片与用户上传的图片之间的属性相似度，并按相似度大小对每张待推荐图片进行排序，根据推荐数量选择排序靠前的待推荐图片。

步骤(1)中，将全部属性划分成八个类别，包括领子设计collar、颈线设计neckline、裙长设计skirt、袖长设计sleeve、脖颈设计neck、衣长设计coat、翻领设计lapel以及裤长设计pant。

步骤(2)中，用户上传的服装图片为用户衣柜里的服装图片者、用户喜欢的衣服图片或者两者的组合。