[发明专利]一种基于深度学习的个性化服装推荐方法、装置

权利要求书

1.一种基于深度学习的个性化服装推荐方法，其特征在于，包括：

收集商家的商品服装数据；

根据所述商家的商品服装数据，提取第一特征；所述第一特征包括图像特征和数据字典特征；

根据所述第一特征构建商品相似度矩阵；所述根据所述第一特征构建商品相似度矩阵，包括：

将所述第一特征的图像特征和数据字典特征放入词袋模型，创建词汇表征；

根据所述词汇表征，创建对应的向量表示，并根据所述向量表示，采用余弦相似性函数创建所述商品相似度矩阵；

收集用户个性化的商品服装数据；

根据所述用户个性化的商品服装数据，提取第二特征；所述第二特征包括图像特征和数据字典特征；

根据所述第二特征的分布情况分配特征权重；所述根据所述第二特征的分布情况分配特征权重，包括：

统计所述第二特征包含的各个标签的个数；

根据单个标签出现的个数和全部标签的总数，确定所述单个标签

的权重；

根据所述特征权重调整所述相似度矩阵；

当所述用户选择一件商品服装后，根据调整后的所述相似度矩阵，从所述商家的商品服装中选择与用户当前选择的商品服装搭配的商品服装推荐给所述用户；

其中，根据所述商家的商品服装数据，提取第一特征，包括：

将所述商家的商品服装数据输入信息最大化的生成式对抗网络InfoGAN 模型，提取互不影响的第一特征；

根据所述用户个性化的商品服装数据，提取第二特征，包括：

将所述用户个性化的商品服装数据和噪声数据输入 GAN 模型，得到样本集；

将所述样本集输入 InfoGAN 模型，提取互不影响的第二特征。

2.如权利要求 1 所述的方法，其特征在于，将所述商家的商品服装数据输入 InfoGAN模型，提取互不影响的第一特征，包括：

将所述商家的商品服装数据输入生成器；

所述生成器生成第一样本并输入判别器；

所述判别器将判别结果返回给所述生成器；

当所述判别器无法识别出所述第一样本为所述生成器生成的样本时，获取可解释的隐变量 c；

根据所述可解释的隐变量 c，确定互不影响的第一特征。

3.如权利要求 1 所述的方法，其特征在于，将所述用户个性化的商品服装数据和所述噪声数据输入 GAN 模型，得到样本集，包括：

根据所述用户个性化的商品服装数据训练判别器；以及，

将噪声数据输入生成器，并由所述判别器对所述生成器生成的样

本进行判别；

获取通过判别器判别的第二样本；

根据所述第二样本生成样本集。

4.一种基于深度学习的个性化服装推荐装置，其特征在于，能够执行权利要求 1 至 3的任一项所述个性化服装推荐方法，包括：

商家数据收集模块，用于收集商家的商品服装数据；

特征提取模块，用于根据所述商家的商品服装数据，提取第一特

征；

相似度计算模块，用于根据所述第一特征构建商品相似度矩阵；

用户数据收集模块，用于收集用户个性化的商品服装数据；

所述特征提取模块，还用于根据所述用户个性化的商品服装数据，提取第二特征；

所述相似度计算模块还用于根据所述第二特征的分布情况分配特征权重；根据所述特征权重调整所述相似度矩阵；

推荐模块，用于当所述用户选择一件商品服装后，根据调整后的

所述相似度矩阵，从所述商家的商品服装中选择与用户当前选择的商

品服装搭配的商品服装推荐给所述用户。

5.一种可读存储介质，其上具有可执行指令，当所述可执行指令被执行时，使得计算设备执行权利要求 1 至 3 的任一项所包括的操作。

6.一种计算设备，包括：

处理器；以及

存储器，其存储有可执行指令，所述可执行指令当被执行时使得

所述处理器执行权利要求 1 至 3 的任一项所包括的操作。