[发明专利]基于文本描述匹配的服装面料样品检索方法

摘要

本发明涉及一种基于文本描述匹配的服装面料样品检索方法，通过对用户需求信息标准化分类处理，利用神经网络模型计算面料结构参数，结合数值检索与文本检索方式，快速准确得为用户推荐满足内在品质需求的面料样品。作为面料精准推荐工具，发明降低了面料采购者的专业门槛，用户仅需按照要求简单描述面料品质手感需求，即可快速锁定合适的结构参数范围，从而锁定目标面料。这从本质上解决了在线采购难以把控面料品质的难题，降低了采购成本，同时海量面料数据库检索大大提高了采购效率。

主权项

1.一种基于文本描述匹配的服装面料样品检索方法，其特征在于，包括以下步骤：/n1)文本描述信息标准化处理，完成信息分类/n对用户提供的需求描述文本信息进行标准化处理，将标准化字段分为两类：第一类是检索类字段，即用户直接给出的可以通过简单文本匹配的方式检索的需求信息；第二类是预测类字段，将其输入神经网络，从而预测面料结构参数；/n2)以检索类字段为搜索对象，搜索面料数据库，抽取面料待选集合；/n3)将预测类字段输入神经网络预测模型，输出对应的面料结构参数，包括以下步骤：/n步骤1、定义神经网络预测模型的输入数据X及输出数据Y，其中：/n输入数据X是用户描述中的预测类字段，预测类字段以织物的内在风格描述为主，包括光滑度、悬垂度、柔软度以及光泽度四个指标，输入数据X以矩阵的形式输入；/n输出数据Y有两类，第一类是离散类数据，包括面料成分、织造方式与织造工艺；第二类是连续类数据，包括织物密度、织物克重、纱支；对离散类数据而言，通过标签的形式自动标注，采用独热编码的方式进行量化；/n步骤2、构建神经网络预测模型后，利用样本对神经网络预测模型进行训练，训练时每个样本重复进行步骤201至步骤203，经过多次迭代后，直到代价函数J(W，b)的值下降到阈值之下，停止训练，保存神经网络预测模型/n步骤201、向前传播，向前传播的过程中利用sigmoid激活函数；/n步骤202、利用交叉熵函数计算网络的代价函数J(W，b)的值；/n步骤203、向后传播，向后传播的目的是为了计算梯度，更新权重，从而降低代价函数J(W，b)的值；/n步骤3、输入预测类字段，输出面料结构参数预测结果/n将预测类字段按照输入数据说明整理，以矩阵形式输入神经网络预测模型，保存实际面料结构参数预测结果；/n4)以面料结构参数预测结果为搜索对象，搜索面料待选集合，返回面料推荐结果。/n