貢沁茵, 李小輝,b

(東華大學 a.服裝與藝術(shù)設(shè)計學院; b.現(xiàn)代服裝設(shè)計與技術(shù)教育部重點實驗室,上海 200051)

服裝領(lǐng)域隨著人工智能的發(fā)展逐漸趨向智能化,但在制版、生產(chǎn)等領(lǐng)域還是大量依靠人力,而知識圖譜的運用能夠進一步推動服裝領(lǐng)域的數(shù)字化進程。知識圖譜(Knowledge Graphs,KGs)作為人工智能的核心技術(shù)之一,在眾多領(lǐng)域得到了廣泛的應(yīng)用。知識圖譜在2012年由Google率先提出[1],最初用于智能化谷歌搜索引擎。知識圖譜的本質(zhì)是揭露實體之間關(guān)系的語義網(wǎng)絡(luò)[2],通過節(jié)點之間的關(guān)系,以圖譜的形式揭示基礎(chǔ)知識中的隱含動態(tài)結(jié)構(gòu)信息。通常知識圖譜的表達方式是〈實體,關(guān)系,實體〉或者〈實體、屬性、實體〉,也可用形象化表示方法,即G=(E,R,S)[3]?；镜闹R圖譜構(gòu)建方法有兩種：自頂向下和自底向上[4]。KGs通常包括知識表示[5]與建模、知識獲取[6]、知識融合[7]、知識圖譜查詢,此外知識圖譜補全(Knowledge Graphs Completion,KGC)和關(guān)系抽取(Relation Extraction,RE)是兩種知識圖譜的擴展方法[8]。在知識圖譜的基礎(chǔ)上,知識推理[9]、知識圖譜嵌入[10]、知識應(yīng)用[11]等內(nèi)容成為新的研究熱點。伴隨著人工智能、大數(shù)據(jù)的發(fā)展,知識圖譜被廣泛應(yīng)用于推薦系統(tǒng)[12]、智能問答[13]和信息安全[14]等領(lǐng)域中。同時包括學術(shù)領(lǐng)域中的多學科知識圖譜[15]、專利知識圖譜[16],以及運用CiteSpace構(gòu)建的文獻知識圖譜[17]、計算機領(lǐng)域的機器人操作知識圖譜[18]。

服裝領(lǐng)域可以分為服裝商品企劃、服裝款式設(shè)計、服裝結(jié)構(gòu)設(shè)計、服裝工藝設(shè)計、服裝樣衣制作、服裝生產(chǎn)制造、服裝營銷等。在服裝領(lǐng)域構(gòu)建知識圖譜不僅可以完善服裝領(lǐng)域的知識體系,還可以為人工智能、知識推理等智能化知識應(yīng)用提供數(shù)據(jù)支持,加快服裝領(lǐng)域的數(shù)字化進程。目前所應(yīng)用到服裝知識圖譜的有服裝設(shè)計資源、服裝搭配、服裝智能制造、服裝個性化推薦、服裝領(lǐng)域文獻可視化等,其中大部分集中于服裝個性化推薦領(lǐng)域,而對于服裝結(jié)構(gòu)設(shè)計、服裝工藝等方面有所忽略。服裝領(lǐng)域的知識圖譜在構(gòu)建上也存在一定難度,服裝紡織領(lǐng)域知識龐雜,在構(gòu)建專業(yè)領(lǐng)域的知識圖譜時,需要對專業(yè)知識十分了解,為此,有學者為更高效構(gòu)建服裝知識圖譜提出了一種基于眾包模式與區(qū)塊鏈技術(shù)的知識圖譜拓展方法[19]。

本文綜述了知識圖譜在服裝領(lǐng)域的研究進展,包括服裝設(shè)計類、服裝生產(chǎn)管理類和服裝營銷類知識圖譜,分析其功能及涉及知識圖譜構(gòu)建的關(guān)鍵技術(shù),并對未來服裝知識圖譜的研究方向提出了展望。

1 服裝設(shè)計類知識圖譜

服裝設(shè)計包括了服裝款式設(shè)計、服裝結(jié)構(gòu)設(shè)計,以及服裝工藝設(shè)計等,目前服裝設(shè)計類的知識圖譜包含服裝設(shè)計文獻分析、服裝設(shè)計資源、服裝搭配知識圖譜等,對于服裝結(jié)構(gòu)設(shè)計中的規(guī)格尺寸、人體與部件關(guān)系、制版參數(shù)及工藝設(shè)計等方面缺少深入的研究。

基于知識圖譜的文獻分析研究能夠分析目前服裝領(lǐng)域的研究熱點、研究進展等。運用傳統(tǒng)的文獻計量法和CiteSpace可視化軟件對服裝設(shè)計相關(guān)文獻進行分析,可以研究當前服裝設(shè)計領(lǐng)域的研究現(xiàn)狀及未來的研究熱點[20]。

在構(gòu)建知識圖譜之前,首先要進行知識獲取及分類,從大量資源中提取關(guān)鍵信息并且進行分類十分重要。有學者提出了一種多視角分類模型[21],從裝飾工藝文本中提取特征詞,減小負相關(guān)特征詞的影響,從而對服裝工藝裝飾文本進行智能分類,為構(gòu)建服裝設(shè)計資源知識圖譜做鋪墊。圖1為服裝裝飾工藝文本資源的預(yù)處理過程。

圖1 服裝裝飾工藝文本資源的預(yù)處理過程Fig.1 Preprocessing process of clothing decoration process text resources

在獲得大量的知識資源后,需進行知識抽取[22],即從非結(jié)構(gòu)化的數(shù)據(jù)庫中抽取對知識圖譜有價值的部分,并且將抽取出來的知識轉(zhuǎn)化為結(jié)構(gòu)化知識存入知識圖譜。有學者構(gòu)建了少數(shù)民族服飾文化知識圖譜[23],使用Bi-LSTM+CRF模型對數(shù)據(jù)進行實體抽取,并將該模型與雙層注意力機制結(jié)合用于關(guān)系抽取,最后將知識保存到Neo4j圖數(shù)據(jù)庫中。在知識圖譜的基礎(chǔ)上增加語義支持,構(gòu)建語義檢索模型,最終建成少數(shù)民族服飾文化檢索平臺。另外,Zhu等[6]以知識點獲取為出發(fā)點,構(gòu)建了服裝知識圖譜的概念層,并研究了一種基于服裝領(lǐng)域知識圖譜的實體自動提取方法。在構(gòu)建的過程中,從非結(jié)構(gòu)化服裝數(shù)據(jù)中進行命名實體識別和提取,旨在構(gòu)建一個高質(zhì)量的服裝知識庫,對未來構(gòu)建服裝設(shè)計等知識圖譜的研究具有重要意義。

知識圖譜的構(gòu)建有助于增強模型效果,一個基于時尚圖譜增強的個性化服裝兼容性建模,首先構(gòu)建了一個時尚圖譜,不僅包括了實體之間的協(xié)同關(guān)系,同時引入了交互關(guān)系和從屬關(guān)系;在時尚圖譜的基礎(chǔ)上構(gòu)建個性化服裝兼容性模型,包括一階交互建模模塊和協(xié)同的高階交互建模模塊,通過時尚圖譜增強模型的效果[24]。本文所涉及的核心技術(shù)即知識圖譜的嵌入,知識圖譜的嵌入[25]是有向圖的矢量表示,實現(xiàn)了對實體和關(guān)系的分布表示,可高效地實現(xiàn)語義相似度計算等操作,顯著提升計算效率。

除此之外,Zheng等[26]基于多模態(tài)聚類網(wǎng)絡(luò)理論,提出了一種特征與模板多重融合的三維服裝設(shè)計資源知識圖譜。通過將三維的關(guān)節(jié)點位置投影到平面的坐標軸中,從而構(gòu)建三維服裝資源知識圖譜,以此強化3D服裝設(shè)計系統(tǒng)的實用性。

目前,學者們所研究的服裝設(shè)計類知識圖譜不僅可以將設(shè)計資源結(jié)構(gòu)化,輔助設(shè)計師進行設(shè)計,還可基于此建立模型,起到增強模型效果的作用。但針對服裝結(jié)構(gòu)設(shè)計方面的知識圖譜有所忽略,雖然服裝CAD技術(shù)、參數(shù)化制版大幅提高了制版效率和準確度[27-28],但服裝制版仍需進一步趨于數(shù)字化、智能化,其中運用到人工智能、機器學習等技術(shù),為提升制版精度和準確度,知識圖譜必不可少。

2 服裝生產(chǎn)管理類知識圖譜

服裝生產(chǎn)管理領(lǐng)域涉及服裝生產(chǎn)有關(guān)的生產(chǎn)管理要素管理、生產(chǎn)計劃管理、技術(shù)管理、質(zhì)量控制等[29]。在服裝生產(chǎn)智能化的過程中,需要用到知識圖譜技術(shù)加以輔助,將生產(chǎn)過程中的大量數(shù)據(jù)進行融合,以及將生產(chǎn)環(huán)節(jié)的各個流程聯(lián)系起來等。

知識圖譜在智能制造中的應(yīng)用包括基于知識圖譜的過程監(jiān)控、基于知識圖譜的質(zhì)量分析、基于知識圖譜的故障分析、基于知識圖譜的人機協(xié)同交互、基于知識圖譜的智慧工廠等。其中,基于知識圖譜的質(zhì)量分析是通過知識圖譜建模了生產(chǎn)過程中的各個工序及之間的關(guān)系;基于知識圖譜的智慧工廠可以實現(xiàn)設(shè)備、人員、資源的統(tǒng)一管理,加強作業(yè)單元之間的聯(lián)系等。

為了將服裝生產(chǎn)中的動態(tài)數(shù)據(jù)相融合,有學者基于服裝定制的特點,建立了服裝定制生產(chǎn)的知識圖譜[30],研究了面向服裝定制生產(chǎn)的知識表示、生成、挖掘與推理,并且基于知識圖譜設(shè)計了服裝定制生產(chǎn)流程動態(tài)數(shù)據(jù)融合方法。在正式構(gòu)建知識圖譜前首先要進行本體構(gòu)建,即知識建模,知識建模的過程就是對本體庫[31]構(gòu)建的過程,將知識圖譜中的實體屬性抽象成概念,以此規(guī)范數(shù)據(jù)層中實體的表現(xiàn)形式。首先將過程、資源與特征作為本體進行知識建模,然后進行知識圖譜的構(gòu)建。其中采取了自頂向下、自底向上及雙向融合的方法來構(gòu)建知識圖譜。然后在知識圖譜的基礎(chǔ)上進行知識表示[32]、知識推理[33]的研究,最終實現(xiàn)服裝定制生產(chǎn)流程動態(tài)知識融合。圖2為自頂向下的服裝定制生產(chǎn)知識圖譜構(gòu)建方法。

除此之外,知識圖譜還可以運用于服裝生產(chǎn)領(lǐng)域科學文獻的可視化分析。首先對服裝領(lǐng)域的文獻進行數(shù)據(jù)收集,然后利用CiteSpace軟件進行關(guān)鍵詞共現(xiàn),分析服裝紡織領(lǐng)域的研究熱點、研究前沿等。目前有學者基于CiteSpace軟件,對中國服裝數(shù)字化研究時空分布、知識主體分布、研究前沿等進行了較為深入的研究,總結(jié)了國內(nèi)服裝數(shù)字化技術(shù)研究的體系結(jié)構(gòu)[34]。通過知識圖譜了解服裝研究熱點、研究前沿,進一步提出服裝智能化制造的發(fā)展方向。

圖2 自頂向下的服裝定制生產(chǎn)知識圖譜構(gòu)建方法Fig.2 Top-down construction method of clothing custom production knowledge graph

由于服裝行業(yè)在中國具有體量大、范圍廣和領(lǐng)域深的特點,在知識圖譜構(gòu)建的過程中存在一定的難度,知識抽取、知識融合等過程需要花費大量的時間,因此,將知識圖譜應(yīng)用到服裝生產(chǎn)領(lǐng)域還需要提高數(shù)據(jù)融合的效率等。

3 服裝營銷類知識圖譜

知識圖譜在服裝營銷領(lǐng)域已經(jīng)有一定的發(fā)展,尤其是在個性化推薦方面,故本文將重點分析服裝個性化推薦服裝知識圖譜的構(gòu)建方法等核心技術(shù)。

隨著消費者個性化需求的增加,推薦系統(tǒng)逐漸[35-36]發(fā)展。該系統(tǒng)能夠根據(jù)用戶需求推薦商品,促進消費。為了能夠提高服裝推薦的效率,更好地滿足消費者的購物需求,學者們構(gòu)建了關(guān)于服裝個性化推薦的知識圖譜。

在過去的服裝推薦系統(tǒng)中,學者們主要專注于從大量的歷史數(shù)據(jù)中獲取用戶的喜好,忽略了服裝與用戶之間的關(guān)系及用戶的環(huán)境因素。Wen等[37]構(gòu)建了用戶知識圖譜、服裝知識圖譜和環(huán)境知識圖譜,并且通過Apriori算法捕捉服裝屬性和環(huán)境屬性之間的關(guān)系,從而根據(jù)用戶的需求匹配已建立的知識圖譜,推薦與用戶收藏最相似的服裝。但其中皆為人工構(gòu)建知識圖譜,需耗費較多的時間精力,在未來的研究中可以考慮從文獻中自動提取。

為了解決傳統(tǒng)服飾領(lǐng)域推薦系統(tǒng)數(shù)據(jù)稀疏和冷啟動的問題,有學者以服裝搭配為切入點,構(gòu)建服裝服飾領(lǐng)域的知識圖譜[38]。同樣利用Apriori算法來挖掘數(shù)據(jù)中的關(guān)聯(lián)信息,然后通過實體對立、實例填充,最終完成知識圖譜的構(gòu)建,通過已構(gòu)建的服裝服飾知識圖譜,利用SpaeQL語句進行商品查詢,并在Jena推理機進行規(guī)則推理,得到最終推薦查詢結(jié)果。該文基于知識圖譜提出的推薦系統(tǒng)相較于傳統(tǒng)的協(xié)同過濾的推薦方法能夠結(jié)合天氣情況,同時考慮到用戶與推薦系統(tǒng)的交互性,從而更好地為用戶提供個性化推薦。

電子商務(wù)的快速發(fā)展使得消費者難以在海量的信息中找到自己所需要的,針對上述問題,有學者構(gòu)建了一種服裝推薦知識圖譜[39],如圖3所示。并且基于服裝推薦知識圖譜設(shè)計了語音問答流程,開發(fā)了一款語音問答系統(tǒng)。首先確定服裝推薦規(guī)則體系,然后進行實體關(guān)系補充,最后采用Neo4j存儲節(jié)點之間的關(guān)系,在構(gòu)建知識圖譜的基礎(chǔ)上進一步提出了服裝個性化推薦方法。

圖3 服裝推薦知識圖譜局部結(jié)構(gòu)Fig.3 Clothing recommendation knowledge graph local structure

為探究如何有效建模,Zhan等[40]構(gòu)建了一個屬性感知時尚的知識圖譜來捕捉服裝之間的關(guān)聯(lián)性,未來將嘗試服裝搭配領(lǐng)域的知識圖譜構(gòu)建。其主要貢獻集中在捕捉服裝之間的關(guān)聯(lián),精準捕捉用戶對服裝的興趣和品位,并為偏好的預(yù)測提供依據(jù)。

為提高服裝推薦的準確性,一種基于服裝關(guān)系和實體的知識圖譜被構(gòu)建[41],其中關(guān)于知識圖譜的構(gòu)建包括本體庫的構(gòu)建、知識抽取、知識存儲、圖譜可視化和展示。此外,文中進一步將服裝知識圖譜融入推薦算法中,提出了一種基于知識圖譜特征學習的Top-N協(xié)同過濾推薦算法,以更好地進行服裝偏好預(yù)測。圖4為知識圖譜實體關(guān)系。

圖4 知識圖譜實體關(guān)系Fig.4 Knowledge graph entity relationship diagram

構(gòu)建知識圖譜的方法有自頂向下和自底向上,也有學者采用自底向上和自頂向下相結(jié)合的混合模式,即采用自底向上的方式構(gòu)建數(shù)據(jù)層、自頂向下的方式構(gòu)建模式層,知識圖譜在服裝個性化推薦領(lǐng)域的應(yīng)用方法被提出[42-43]。其中采用了上述方法構(gòu)建數(shù)據(jù)層和模式層,然后進行實體和關(guān)系的抽取,并通過知識融合對知識圖譜進行補充;最后進行知識存儲,在構(gòu)建知識圖譜的基礎(chǔ)上,建立融合知識圖譜和情感評分模型的個性化推薦系統(tǒng)。另有學者基于服裝商品屬性,采用了自底向上方法構(gòu)建知識圖譜和Neo4j數(shù)據(jù)庫來存儲知識圖譜[44]。

知識圖譜的存儲通常是用圖結(jié)構(gòu)的方式存儲,Neo4j是最常用的存儲數(shù)據(jù)庫,除此之外還有InfoGrid、InfiniteGraph等數(shù)據(jù)庫。在構(gòu)建知識圖譜的基礎(chǔ)上進行知識圖譜的嵌入,能夠?qū)崿F(xiàn)實體關(guān)系數(shù)據(jù)的高效利用,提高三元組的運算效率。有學者在構(gòu)建服裝知識圖譜的基礎(chǔ)上提出了一種基于改進Inception結(jié)構(gòu)的知識圖譜嵌入模型[44],通過實驗證明該嵌入模型能提高特征表達能力,預(yù)防信息丟失。

知識圖譜在服裝個性化推薦領(lǐng)域的研究較多,較大程度上推動了服裝電商的發(fā)展,與此同時,也提升了消費者的購物體驗。但在推薦領(lǐng)域的知識圖譜構(gòu)建時,提取的實體關(guān)系不夠全面,導(dǎo)致推薦的個性化不夠精準,如何進一步提高推薦結(jié)果的精確度是未來的難點之一。

4 結(jié) 語

服裝產(chǎn)業(yè)是勞動密集型產(chǎn)業(yè),大量依賴人力,服裝領(lǐng)域自動化、智能化的過程困難重重,服裝知識圖譜對服裝領(lǐng)域的智能化發(fā)展至關(guān)重要,但目前在服裝領(lǐng)域的研究主要集中在服裝推薦、個性化搜索等方面,這方面的研究主要是基于電子商務(wù)發(fā)展迅速的背景,但是在服裝制版、服裝工藝、服裝生產(chǎn)等領(lǐng)域的數(shù)字化發(fā)展中也離不開知識圖譜技術(shù)的輔助。在服裝設(shè)計領(lǐng)域中的服裝結(jié)構(gòu)設(shè)計正在向數(shù)字化和智能化發(fā)展,其中涉及服裝結(jié)構(gòu)從一維到二維到三維的轉(zhuǎn)換關(guān)系、服裝規(guī)格尺寸的量化等問題,都需要通過構(gòu)建知識圖譜來建立其中的聯(lián)系,再結(jié)合人工智能等技術(shù)實現(xiàn)服裝制版的自動化和智能化。

在未來服裝領(lǐng)域知識圖譜的研究主要集中于以下幾個方面：

1) 在服裝領(lǐng)域,服裝款式設(shè)計、服裝結(jié)構(gòu)設(shè)計、服裝工藝設(shè)計、服裝生產(chǎn)、服裝營銷等環(huán)節(jié)比較分散,需要通過實體抽取、關(guān)系抽取、構(gòu)建知識圖譜等手段將各個環(huán)節(jié)聯(lián)系起來。

2) 服裝領(lǐng)域知識點復(fù)雜分散,缺少結(jié)構(gòu)化的數(shù)據(jù)庫,在構(gòu)建知識圖譜之前需要構(gòu)建較為完善的數(shù)據(jù)庫;并且目前知識圖譜的構(gòu)建著重于實體之間的關(guān)系,在服裝領(lǐng)域中可以側(cè)重于數(shù)據(jù)之間的屬性提取及關(guān)系構(gòu)建。

3) 服裝制版等領(lǐng)域的知識圖譜研究比較稀疏,服裝制版正在向智能化發(fā)展,因此可以在構(gòu)建服裝知識圖譜的基礎(chǔ)上,與人工智能、深度學習等技術(shù)相結(jié)合,從而實現(xiàn)自動化打版等功能,進一步推動服裝制版、服裝生產(chǎn)等領(lǐng)域的數(shù)字化、智能化。

《絲綢》官網(wǎng)下載

中國知網(wǎng)下載