一种适于网上购物平台的基于大数据的试衣推荐方法技术

本发明专利技术公开了一种适于网上购物平台的基于大数据的试衣推荐方法，包括采集不同体型的模特数据，采集模特穿相应服装的视频数据，采集试衣人的体型数据，根据试衣人的特征和体型通过BDEU方法建立一个以上的推荐决策树，根据试衣人的体型找到对应模特穿的服装，并综合根据推荐决策树推荐销量高的服装的步骤。使用本发明专利技术，能让网购用户在家中通过互联网访问系统，不仅可以像一般的网购那样查看网店内的衣服，同时可以根据自己的体型获取最优的推荐结果，同时从推荐结果中自动删选出销量高的衣服，帮助用户抉择。

【技术实现步骤摘要】
一种适于网上购物平台的基于大数据的试衣推荐方法
本专利技术涉及大数据分析
，具体而言，涉及一种适于网上购物平台的基于大数据的试衣推荐方法。
技术介绍
近些年，网购平台越来越多，大多数用户倾向于在网上购物平台上购置衣服，但是网上购物平台并不像实体店一样可以试穿衣服，从而使得很多购物者网购到的衣服并不适合自己的体型，造成退货频繁，给平台商家及消费者都带来了不好的购物体验。
技术实现思路
本专利技术的目的是为了解决上述技术问题，提供了一种适于网上购物平台的基于大数据的试衣推荐方法。为达到上述技术目的，本专利技术采取的技术方案是：一种适于网上购物平台的基于大数据的试衣推荐方法，包括以下步骤：步骤1，采集不同体型的模特数据，将模特的体型按照国家标准体型分类进行划分，得到模特体型分类；步骤2，采集不同体型分类的服装特征以及每件服装由步骤1中得到的相应体型分类的模特进行试穿的视频数据；步骤3，获取试衣人的体型和特征，将试衣人的体型按照国家标准体型分类进行划分，得到试衣人体型分类；步骤4，根据服装特征和试衣者特征通过BDEU方法建立一个以上的推荐决策树；步骤5，获取所述推荐决策树中的服装的销量，并根据销量的高低对各个推荐决策树进行排序；步骤6，根据步骤3得到的试衣人体型分类找到步骤1中与其对应的模特体型分类的模特；根据找到的模特的信息找到步骤2中对应模特试穿过的衣服；步骤7，将步骤6找到的模特试穿过的衣服的数据和试衣者特征通过步骤5得到的推荐决策树排序进行衣服推荐；对排序在前的推荐决策树推荐的衣服向试衣人推荐。进一步地，所述步骤2中的服装特征包括服装品牌、式样、类型、规格、尺寸、颜色、织物材质、样本图片、销售价格；所述试衣人的特征包括身体测量数据和具体基本信息，所述身体测量数据包括身高、胸围、腰围、臀围、体重；所述基本信息包括用户年龄、职业、地区、喜好、收入。与现有技术相比，本专利技术的有益效果是：使用本专利技术，能让网购用户在家中通过互联网访问系统，不仅可以像一般的网购那样查看网店内的衣服，同时可以根据自己的体型获取最优的推荐结果，同时从推荐结果中自动删选出销量高的衣服，帮助用户抉择。具体实施方式为使本申请的目的、技术方案和优点更加清楚，以下列举该专利技术的具体实施例，对本申请作进一步地详细说明，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。本实施例的一种适于网上购物平台的基于大数据的试衣推荐方法，包括以下步骤：步骤1，采集不同体型的模特数据，将模特的体型按照国家标准体型分类进行划分，得到模特体型分类；步骤2，采集不同体型分类的服装特征以及每件服装由步骤1中得到的相应体型分类的模特进行试穿的视频数据；步骤3，获取试衣人的体型和特征，将试衣人的体型按照国家标准体型分类进行划分，得到试衣人体型分类；步骤4，根据服装特征和试衣者特征通过BDEU方法建立一个以上的推荐决策树；步骤5，获取所述推荐决策树中的服装的销量，并根据销量的高低对各个推荐决策树进行排序；步骤6，根据步骤3得到的试衣人体型分类找到步骤1中与其对应的模特体型分类的模特；根据找到的模特的信息找到步骤2中对应模特试穿过的衣服；步骤7，将步骤6找到的模特试穿过的衣服的数据和试衣者特征通过步骤5得到的推荐决策树排序进行衣服推荐；对排序在前的推荐决策树推荐的衣服向试衣人推荐。其中，所述步骤2中的服装特征包括服装品牌、式样、类型、规格、尺寸、颜色、织物材质、样本图片、销售价格；所述试衣人的特征包括身体测量数据和具体基本信息，所述身体测量数据包括身高、胸围、腰围、臀围、体重；所述基本信息包括用户年龄、职业、地区、喜好、收入。本实施例中，所述的BDEU算法根据贝叶斯定和全概率公式，来评估属性结构的优劣。贝叶斯公理如下：假设H[1],H[2]…,H[n]互斥且构成一个完全事件，已知它们的概率P(H[i]),i＝1,2,…,n，现观察到某事件A与H[,1],H[,2]…,H[,n]相伴随机出现，且已知条件概率P(A/H[,i])，则：P(H[,i]/A)＝P(H[i])*P(A│H[i])/{P(H[1])*P(A│H[1])+P(H[2])*P(A│H[2])+…+P(H[n])*P(A│H[n])}BDEU算法使用了贝叶斯参数先验分布方法中的共轭分布，采用CH分数(由cooper和herskovits根据贝叶斯公式和先验分布推导出)，评价分叉后树形的优劣，得到最优树，CH分数越大，表示得到的决策树结构越好。计算CH公式如下：其中，D代表数据集，e代表先验数据，Bs代表树结构，i代表变量标号(如职业，年龄，收入等变量的分布标号)，k代表变量取值(如职业，年龄，收入等变量的值)，Mijk表示在先验信息中，先验数据的分布参数。Njk表示在现有数据中，当前结点为i父节点为j当前节点取值为k的事例项个数。举例单个决策树建立过程如下：1)，取待推荐服装款式为根，分别输入年龄、职业、收入等，得到两层决策树结构。2)，计算服装款式CH分数，取使CH分数最大的变量分叉。3)，分别取叶节点为当前结点，如果当前结点事例项的支持个数小于设定的限制，则不进行分叉，取下一叶节点，如大于则分别用未用来分叉的输入变量对当前节点进行分叉，得到新的树结构组，如果没有能够分叉的叶节点，则决策树完成。4)，根据树结构分别计算新的树结构组里每个树结构的CH分数，采用树结构组中CH分数最大的那个树，继续执行(3)。5)，随后可以建立决策树。6)，以上决策树，是按照服装款式为根进行建树，系统随后会按照服装的其他特征，如服装面料、服装颜色色系等参数为根建立多个决策树。本实施例叙述的较为具体和详细，也给出了实施例的一些优选措施，但是，该实施例和优选措施并不能作为对本专利技术的限制，本领域的技术人员看到该方案时，做出的其他变形和等同手段的替换，均应在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种适于网上购物平台的基于大数据的试衣推荐方法，其特征在于，包括以下步骤：步骤1，采集不同体型的模特数据，将模特的体型按照国家标准体型分类进行划分，得到模特体型分类；步骤2，采集不同体型分类的服装特征以及每件服装由步骤1中得到的相应体型分类的模特进行试穿的视频数据；步骤3，获取试衣人的体型和特征，将试衣人的体型按照国家标准体型分类进行划分，得到试衣人体型分类；步骤4，根据服装特征和试衣者特征通过BDEU方法建立一个以上的推荐决策树；步骤5，获取所述推荐决策树中的服装的销量，并根据销量的高低对各个推荐决策树进行排序；步骤6，根据步骤3得到的试衣人体型分类找到步骤1中与其对应的模特体型分类的模特；根据找到的模特的信息找到步骤2中对应模特试穿过的衣服；步骤7，将步骤6找到的模特试穿过的衣服的数据和试衣者特征通过步骤5得到的推荐决策树排序进行衣服推荐；对排序在前的推荐决策树推荐的衣服向试衣人推荐。

【技术特征摘要】
1.一种适于网上购物平台的基于大数据的试衣推荐方法，其特征在于，包括以下步骤：步骤1，采集不同体型的模特数据，将模特的体型按照国家标准体型分类进行划分，得到模特体型分类；步骤2，采集不同体型分类的服装特征以及每件服装由步骤1中得到的相应体型分类的模特进行试穿的视频数据；步骤3，获取试衣人的体型和特征，将试衣人的体型按照国家标准体型分类进行划分，得到试衣人体型分类；步骤4，根据服装特征和试衣者特征通过BDEU方法建立一个以上的推荐决策树；步骤5，获取所述推荐决策树中的服装的销量，并根据销量的高低对各个推荐决策树进行排序；步骤6，根据步骤3得到的试衣人体型分类找到...

【专利技术属性】
技术研发人员：梁庆欢，李玲玉，王川林，
申请(专利权)人：成都爆米花信息技术有限公司，
类型：发明
国别省市：四川,51