基于大數(shù)據(jù)的服飾搭配推薦模式研究

鄭燕妮+盧雨芳+錢雅樂(lè)

摘 要：本文立足云端積累的用戶基本信息數(shù)據(jù)庫(kù)、用戶偏好分析數(shù)據(jù)庫(kù)以及服飾搭配圖片庫(kù)，提出基于大數(shù)據(jù)的用戶個(gè)性化服飾搭配模型，依次進(jìn)行了人體體型分析、用戶興趣模型構(gòu)建以及粗糙計(jì)提搭配決策規(guī)則界定，并對(duì)其應(yīng)用步驟進(jìn)行了介紹和闡釋，完成個(gè)性化推薦服務(wù)。

關(guān)鍵詞：服飾搭配；用戶興趣模型；粗糙計(jì)提搭配決策規(guī)則

一、引言

古語(yǔ)有云：人靠衣裝，佛靠金裝。可見服飾搭配對(duì)自我形象的塑造有著十分重要的意義和影響。然而在現(xiàn)實(shí)生活中，人們很難把握自己身材特點(diǎn)和穿衣風(fēng)格，且有關(guān)服裝搭配的服務(wù)較為缺失，尤其表現(xiàn)為精準(zhǔn)的個(gè)性化搭配。目前的服裝推薦主要以圖像檢索為主，存在以下不足：第一，服飾推薦僅局限于顏色等條件而未考慮個(gè)性化程度；第二，服飾款式和風(fēng)格的多樣性與復(fù)雜性增加了個(gè)性化推薦的難度；第三，目前的服飾推薦準(zhǔn)確率較低，搭配樣式選擇較少。因此本文在圖像檢索的基礎(chǔ)上，基于用戶大數(shù)據(jù)進(jìn)行服飾搭配推薦模式的研究。

二、數(shù)據(jù)收集與分析

服飾搭配的推薦模式想要更加精準(zhǔn)化和個(gè)性化，就必須以大量的數(shù)據(jù)積累為基礎(chǔ)，而在眾多數(shù)據(jù)中，以下三類數(shù)據(jù)的積累最為必要也最為重要，依次是用戶基本信息數(shù)據(jù)庫(kù)、用戶偏好分析數(shù)據(jù)庫(kù)以及服飾搭配圖片庫(kù)。

1.用戶基本信息數(shù)據(jù)庫(kù)

用戶基本信息數(shù)據(jù)庫(kù)收集的是，有關(guān)用戶身高、體重、年齡、BMI值、體型、偏好等所有有關(guān)服飾搭配元素的基本信息，主要通過(guò)顯性和隱性兩種方式收集。顯性收集方式即主動(dòng)收集用戶信息的方式，一般是系統(tǒng)在用戶首次注冊(cè)、訪問(wèn)或購(gòu)買時(shí)主動(dòng)引導(dǎo)用戶填寫或勾選的內(nèi)容；隱性收集方式是一種被動(dòng)的收集方式，主要是對(duì)用戶的搜索、查詢及訪問(wèn)等行為進(jìn)行的興趣提取和數(shù)據(jù)挖掘。

2.用戶偏好分析數(shù)據(jù)庫(kù)

用戶偏好信息數(shù)據(jù)庫(kù)是在用戶基本信息的基礎(chǔ)上，通過(guò)用戶在平臺(tái)的瀏覽記錄與使用特點(diǎn)，通過(guò)數(shù)據(jù)綜合分析用戶的偏好，此處的偏好分析較之于用戶基本信息獲取時(shí)更加客觀，從理性分析角度彌補(bǔ)了部分用戶在填寫和勾選基本信息以及搜索時(shí)隨意和誤選等出現(xiàn)的分析誤差，一定程度上更為合理，主要通過(guò)隱性方式挖掘。

此處的數(shù)據(jù)挖掘規(guī)則主要包括以下四個(gè)方面：（1）系統(tǒng)為用戶提供結(jié)果顯示界面，然后記錄用戶對(duì)顯示的結(jié)果的鏈接的點(diǎn)擊行為；（2）系統(tǒng)計(jì)算用戶在某一頁(yè)面或某個(gè)服飾鏈接的停留時(shí)間，瀏覽的時(shí)間越長(zhǎng)，該頁(yè)面或服飾鏈接的相關(guān)度就越高；（3）記錄用戶對(duì)服飾鏈接的操作，如對(duì)某一部分的復(fù)制，通過(guò)對(duì)這些部分進(jìn)行分析；（4）記錄用戶的保存和下載等行為。

3.服飾搭配圖片庫(kù)

服飾搭配圖片庫(kù)是獨(dú)立于用戶基本信息數(shù)據(jù)庫(kù)、用戶偏好分析數(shù)據(jù)庫(kù)而存在的數(shù)據(jù)庫(kù)，這一數(shù)據(jù)庫(kù)的數(shù)據(jù)積累主要來(lái)源于兩方面；一方來(lái)自于用戶提供的“個(gè)人服飾圖片庫(kù)”，另一方則來(lái)自于平臺(tái)本身存儲(chǔ)的海量“優(yōu)質(zhì)搭配圖片庫(kù)”。

其一，“個(gè)人服飾圖片庫(kù)”，此處主要是將用戶的線下衣柜，以圖片的形式存儲(chǔ)在后臺(tái)。用戶只需將自己的衣服拍照上傳至平臺(tái)，平臺(tái)即可形成線下衣柜對(duì)應(yīng)的“云端衣柜”，當(dāng)不知如何搭配或做購(gòu)買決策時(shí)，去線上的衣柜看一下自己的“云端衣柜”，便可減少不必要的重復(fù)購(gòu)買，同時(shí)提供更多的搭配選擇；同時(shí)該數(shù)據(jù)庫(kù)的原始數(shù)據(jù)用戶可隨時(shí)刪除、更新等。

其二，“優(yōu)質(zhì)搭配圖片庫(kù)”，此處主要是平臺(tái)根據(jù)各類搭配達(dá)人、網(wǎng)紅等積累的海量?jī)?yōu)質(zhì)搭配圖片庫(kù)，用戶可根據(jù)個(gè)人偏好和選擇對(duì)自己喜歡的搭配方案進(jìn)行點(diǎn)贊或收藏，形成符合自己穿衣風(fēng)格的個(gè)性化衣柜展現(xiàn)，進(jìn)一步節(jié)約各種場(chǎng)合服飾搭配時(shí)間；同時(shí)該數(shù)據(jù)庫(kù)的海量數(shù)據(jù)平臺(tái)會(huì)推出各年代的潮流搭配，并根據(jù)潮流不斷更新。

三、基于大數(shù)據(jù)的服飾搭配推薦模型

利用大數(shù)據(jù)進(jìn)行分析需要解決的首要問(wèn)題是將用戶多樣化信息進(jìn)行量化并歸納總結(jié)，本文基于服裝搭配的構(gòu)想提出搭配模型，首先對(duì)用戶模型的方法進(jìn)行定義，第二步基于層次分析和粗糙理論的算法，對(duì)用戶基本信息、用戶偏好分析和服飾搭配三大數(shù)據(jù)庫(kù)進(jìn)行分析，提出人體體型分析的方法、基于用戶偏好的用戶模型分析，進(jìn)而為服裝搭配提供決策依據(jù)。

1.人體體型分析方法

體型是每個(gè)人都具有的標(biāo)簽，主要指人的外形比例以及高度、胖瘦之間的差異，其中三維數(shù)據(jù)是體型的重要識(shí)別特征，不僅影響服裝顏色款式的選擇而且在布料的選擇上存在較大的差異。本文采用特征參數(shù)法進(jìn)行體型分析，并按照國(guó)家公布的統(tǒng)一標(biāo)準(zhǔn)對(duì)體型進(jìn)行分類。

體型大致可以分為四種，其中X型可以適合幾乎所有類型的服裝；H型曲線感較弱，可以增加胸部和臀部的飽滿度來(lái)提升搭配的層次感；A型具有上身胖下身瘦的特點(diǎn)，而V型則與A型身材特征相反。

2.基于用戶習(xí)慣和偏好的用戶興趣模型

用戶的喜好信息還體現(xiàn)在用戶的瀏覽行為，本文選用用戶瀏覽頁(yè)面的時(shí)間，用戶加入購(gòu)物車、收藏、點(diǎn)贊數(shù)量，定義用戶瀏覽行為為一個(gè)集合M={瀏覽時(shí)間t，加入購(gòu)物車s，收藏c，點(diǎn)贊p}。定義興趣值fM（pj），以量化的具體數(shù)值來(lái)表示用戶的興趣值，興趣值的關(guān)系函數(shù)式為：

fM（pj）=w1t+w2s+w3c+w4p

w1～w4代表的是用戶瀏覽集合各維度的權(quán)重，s、c、p均為絕對(duì)數(shù)可以直接計(jì)算，而t需用相對(duì)數(shù)表示。其計(jì)算方法為ti/T，ti是用戶在某頁(yè)面瀏覽的時(shí)間長(zhǎng)度，T是用戶一次完整的訪問(wèn)時(shí)間的總和。

3.基于用戶搭配圖片數(shù)據(jù)庫(kù)的粗糙搭配系統(tǒng)

服裝搭配除了可觀測(cè)的體型偏好等變量之外，還存在大量不可觀測(cè)或不可量化的影響因素。消費(fèi)者偏好各不相同，所以通過(guò)一個(gè)簡(jiǎn)單的模型得出的用戶搭配規(guī)則不具有廣泛的適用性。粗糙搭配系統(tǒng)的優(yōu)勢(shì)在于，不僅分析服裝搭配的數(shù)據(jù)集合，而且將服裝搭配規(guī)則與專家建議相結(jié)合，通過(guò)相關(guān)分析研究搭配的規(guī)律，最終生成綜合的搭配規(guī)則。

四、模型的應(yīng)用

基于以上分析，本文提出了基于用戶特征的個(gè)性化的服裝搭配模型，具體步驟如下。endprint

首先，根據(jù)屬性數(shù)據(jù)，建立專家決策表。對(duì)能夠直接體現(xiàn)服裝特征的眾多屬性進(jìn)行分類描述，如體現(xiàn)服裝風(fēng)格的款式、類型、年齡等；體現(xiàn)服裝質(zhì)地的材質(zhì)、色調(diào)、圖案等；體現(xiàn)服裝細(xì)節(jié)的領(lǐng)型、袖型、腰型等；對(duì)以上屬性，進(jìn)行數(shù)據(jù)化處理，同時(shí)根據(jù)專家意見標(biāo)注對(duì)應(yīng)的數(shù)值，從而建立初步的專家決策表。然后對(duì)初步建立的決策表進(jìn)行檢測(cè)，刪除數(shù)值重復(fù)率較高的服裝示例（表明服裝類似），得到最終的專家決策表。

其次，結(jié)合用戶特征，抽取搭配規(guī)則。最終的專家決策表的每一條數(shù)據(jù)值對(duì)應(yīng)著一條簡(jiǎn)化的搭配規(guī)則，此時(shí)可根據(jù)用戶選擇的基本數(shù)值進(jìn)行匹配，同時(shí)結(jié)合用戶在平臺(tái)的購(gòu)買和瀏覽行為，抽取歷史數(shù)據(jù)中出現(xiàn)頻率較高的信息或?yàn)g覽時(shí)間較長(zhǎng)的界面所涉及的數(shù)值，此處的數(shù)值也對(duì)應(yīng)著相應(yīng)的搭配規(guī)則，結(jié)合以上，得出完整的搭配規(guī)則。

最后，導(dǎo)出搭配結(jié)果，提供搭配決策。將以上得出的搭配規(guī)則導(dǎo)出，轉(zhuǎn)化為簡(jiǎn)要的文字，同時(shí)進(jìn)一步對(duì)用戶偏好數(shù)據(jù)庫(kù)中的瀏覽記錄與使用特點(diǎn)進(jìn)行綜合分析與精確推理，從而對(duì)導(dǎo)出的搭配結(jié)果進(jìn)行補(bǔ)充和完善，得出最終的搭配決策。

參考文獻(xiàn)：

[1]王安琪，劉驪，付曉東，等.面向個(gè)性化服飾推薦的判斷優(yōu)化模型[J].計(jì)算機(jī)工程與應(yīng)用，2016.

[2]Cameron J. Clothing Poverty： The Hidden World of Fast Fashion and Second-Hand Clothes[J]. Australian Feminist Studies， 2015（85）.

[3]Radziewsky L V. Scarfy：Augmenting Human Fashion Behaviour with Self-Actuated Clothes[C]// International Conference on Tangible， Embedded， and Embodied Interaction. ACM， 2015：313-316.

[4]肖慧.色彩在服飾搭配教學(xué)中的內(nèi)涵與應(yīng)用[J].藝術(shù)品鑒，2015（9）：236-237.

[5]趙野軍，奚榮華.服飾色彩搭配量子搜索模型[J].紡織學(xué)報(bào)，2012，33（4）：136-141.

[6]李依蔓.服飾設(shè)計(jì)虛擬搭配系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].電子科技大學(xué)， 2016.endprint