唐國(guó)城，房正華，李廣源

（青島工學(xué)院 信息工程學(xué)院，山東 青島 266300）

0 引言

隨著科技的發(fā)展與迭代，時(shí)代已經(jīng)從信息互聯(lián)轉(zhuǎn)變到了萬(wàn)物互聯(lián)。信息互聯(lián)改變了交流方式，萬(wàn)物互聯(lián)將改變?nèi)藗兊纳罘绞桨ㄈ藗兊馁?gòu)物行為，淘寶、京東等網(wǎng)上購(gòu)物平臺(tái)已推廣到了廣大農(nóng)村，要從成千上萬(wàn)的商品中找到了自己滿意的商品，不能僅靠個(gè)人搜索，個(gè)性化推薦系統(tǒng)起到了很關(guān)鍵的作用。由此帶來(lái)的優(yōu)質(zhì)的線上購(gòu)物體驗(yàn)成就了數(shù)字化時(shí)尚服裝行業(yè)的快速發(fā)展。

這種推薦有一個(gè)弊端就是它是從靜態(tài)角度，或者依據(jù)瀏覽購(gòu)買(mǎi)記錄等進(jìn)行推薦，而無(wú)法滿足用戶(hù)私有衣櫥的動(dòng)態(tài)推薦。時(shí)尚服裝設(shè)計(jì)師可以對(duì)個(gè)人已有的衣物的對(duì)服裝的搭配進(jìn)行推薦，數(shù)字化時(shí)尚服裝設(shè)計(jì)衣櫥可以將時(shí)尚服裝設(shè)計(jì)師的經(jīng)驗(yàn)進(jìn)行數(shù)字智能化，并根據(jù)當(dāng)日天氣、特殊場(chǎng)合等各種綜合因素進(jìn)行衣物推薦。本文即是根據(jù)以上需求，進(jìn)行模型構(gòu)建，完成相關(guān)算法設(shè)計(jì)。

現(xiàn)有推薦算法各有優(yōu)缺點(diǎn)：基于關(guān)聯(lián)規(guī)則的推薦算法得到的結(jié)果比較容易理解，但運(yùn)算耗時(shí)，無(wú)法快速反應(yīng)實(shí)時(shí)推薦；協(xié)同過(guò)濾是推薦算法中最成功的算法，可以推薦復(fù)雜的非結(jié)構(gòu)化的對(duì)象，但隨著用戶(hù)增多，推薦性能不斷提升，對(duì)數(shù)據(jù)的依賴(lài)性增強(qiáng)，存在冷啟動(dòng)問(wèn)題；基于內(nèi)容的推薦算法可以很好地解決冷啟動(dòng)問(wèn)題，但缺點(diǎn)是會(huì)受到推薦對(duì)象特征提取能力的限制。

1 服裝穿搭智能推薦策略

服裝個(gè)性化推薦核心是用戶(hù)，傳統(tǒng)的時(shí)尚服裝搭配往往是由造型師或者專(zhuān)家從主觀、衣物的風(fēng)格以及所服務(wù)對(duì)象所出現(xiàn)的場(chǎng)合所給出的搭配方案，對(duì)于細(xì)粒度的指標(biāo)無(wú)法定義，時(shí)間和經(jīng)歷也花費(fèi)較大。由此個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生，其基于傳統(tǒng)的人工推薦，結(jié)合現(xiàn)如今比較熱門(mén)以及穩(wěn)定的智能推薦技術(shù)，從用戶(hù)自身角度出發(fā)，進(jìn)行專(zhuān)業(yè)的推薦。個(gè)性化的服裝智能推薦系統(tǒng)主要由服裝模型、用戶(hù)模型及推薦算法組成。為了實(shí)現(xiàn)服裝模型和用戶(hù)模型之間更好的匹配，本文從影響用戶(hù)穿衣的幾個(gè)角度出發(fā)，將天氣、風(fēng)俗、出行場(chǎng)合、用戶(hù)個(gè)人偏好四個(gè)因素相結(jié)合，通過(guò)四個(gè)方向，擬合出核心的個(gè)性化推薦的用戶(hù)模型與服裝模型，通過(guò)推薦算法，將服裝模型與用戶(hù)基本模型結(jié)合，完成基于用戶(hù)自身行為的個(gè)性化推薦。

1.1 用戶(hù)模型

用戶(hù)模型是服裝個(gè)性化推薦模型的核心。用戶(hù)是多樣化的，首先第一步需要基于外部因素如天氣、風(fēng)俗以及出席場(chǎng)合生成用戶(hù)基本共性模型，什么天氣下適合什么樣的服裝，某一些地區(qū)特別的風(fēng)俗習(xí)慣導(dǎo)致的穿衣風(fēng)格的變化以及出席場(chǎng)合所對(duì)服裝的影響都是共性的一些特征模型?；谟脩?hù)的基本信息如身高體重等，通過(guò)對(duì)于天氣數(shù)據(jù)與服裝數(shù)據(jù)的對(duì)應(yīng)，常見(jiàn)風(fēng)俗習(xí)慣對(duì)于服裝穿搭的影響特點(diǎn)以及常見(jiàn)場(chǎng)合下合適的、大眾認(rèn)同的服飾的模型提煉，完成基礎(chǔ)共性模型?；诳蛻?hù)端與用戶(hù)交流，可通過(guò)多方面的用戶(hù)反饋，收集用戶(hù)服裝風(fēng)格個(gè)人喜好。用戶(hù)喜好的全面獲取以及合理的描述，將直接決定個(gè)性化推薦的效率以及質(zhì)量。

1.2 服裝模型

通過(guò)用戶(hù)模型，結(jié)合層次向量法，采用樹(shù)型結(jié)構(gòu)對(duì)服裝屬性進(jìn)行分類(lèi)，并以空間向量形式表示用戶(hù)的興趣偏好，可以很好的表示復(fù)雜屬性之間的相關(guān)關(guān)系，降低運(yùn)算的維度，同時(shí)結(jié)合現(xiàn)有的網(wǎng)絡(luò)購(gòu)物平臺(tái)，基于用戶(hù)的行為軌跡，獲取其對(duì)于感興趣的衣服品類(lèi)，對(duì)于用戶(hù)日常的瀏覽行為進(jìn)行興趣度計(jì)算，建立用戶(hù)興趣屬性進(jìn)行TOP N排序。

圖1 服裝推薦流程圖Fig.1 Clothing recommendation flow chart

本文通過(guò)三層樹(shù)裝結(jié)構(gòu)表示用戶(hù)喜好的服裝模型，第一層基于用戶(hù)；第二層基于用戶(hù)屬性標(biāo)簽，一個(gè)屬性標(biāo)簽可以有多個(gè)屬性值；第三層表示某個(gè)服裝屬性的具體屬性值，服裝類(lèi)目之間，服裝的屬性和取值存在一定的差異。由此構(gòu)建基于用戶(hù)的服裝偏好模型：

其中：Ti為第i個(gè)服裝屬性；Wi為該服裝屬性在用戶(hù)心中的權(quán)重；ti為第i個(gè)服裝屬性所對(duì)應(yīng)的屬性值；wi為屬性值對(duì)應(yīng)的權(quán)重。（流程如圖2所示）

圖2 服裝模型方法Fig.2 Clothing model method

2 結(jié)語(yǔ)

以上的方法將用戶(hù)模型和衣服模型兩個(gè)模型進(jìn)行綜合考量，給出具體推薦結(jié)果既綜合了傳統(tǒng)衣物推薦的算法，解決個(gè)人用戶(hù)平時(shí)購(gòu)物的需求，同時(shí)又結(jié)合用戶(hù)自有衣櫥，自動(dòng)進(jìn)行相同風(fēng)格的推薦，第三也是本算法的最大亮點(diǎn)就是結(jié)合當(dāng)日的天氣情況進(jìn)行自有衣櫥的衣服的推薦。