一种基于机器学习的成衣尺寸生成方法及其装置制造方法及图纸

本发明专利技术提供了一种基于机器学习的成衣尺寸生成方法及其装置。一种基于机器学习的成衣尺寸生成方法包括构建成衣尺寸生成模型；获取用户体征信息，所述用户体征信息至少包括年龄、身高、体重、腰型、胸型、腹型、肩型、背型和腿型；将所述用户体征信息转化为成衣尺寸生成模型输入向量；通过所述成衣尺寸生成模型对所述成衣尺寸生成模型输入向量进行分类，产生成衣尺寸生成模型输出向量；将所述成衣尺寸生成模型输出向量转化为适用于该用户的成衣尺寸。一种基于机器学习的成衣尺寸生成装置包括用户体征信息获取模块、成衣尺寸生成模块和底层服务模块。本发明专利技术的有益效果是：无需依赖特定的硬件设备便可以生成适合于用户的成衣尺寸。

A Method and Device for Garment Size Generation Based on Machine Learning

【技术实现步骤摘要】
一种基于机器学习的成衣尺寸生成方法及其装置
本专利技术涉及线上服装零售与定制领域，特别涉及一种基于机器学习的成衣尺寸生成方法及其装置。
技术介绍
根据智研咨询发布的《2017-2022年中国服装电子商务行业发展前景及投资战略研究报告》，在2016年，我国服装网购市场交易规模达9343亿元，而随着网购服装的蓬勃发展，线上服装零售的缺陷也日益明显。线上服装零售与传统的线下服装零售不同，线上服装零售缺乏消费者试穿的条件，消费者往往只能通过往日服装购买的经验来判断其在线上购买的服装是否符合自己的身材，该种判断方法极不准确，从而导致极高的退换货率，消费者的网购效率极低、体验极差，并且由于个体之间存在着较大的差异，即使消费者选择了最为适合的服装型号，也难以做到令消费者满意。而对于线上服装定制领域，更是由于一方面线下身体尺寸测量难以展开，另一方面消费者又难以提供准确的身体尺寸信息，从而无法给消费者提供合适的服装定制服务。为了解决以上问题，市面上提出了各种解决方案，如公开号为CN106510070A和公开号为CN206453312U的专利产品，但这些解决方案无一例外都不建立在现有的硬件设备之上，都需要依赖于某种特定的硬件装置，用户必须使用这种硬件装置，才能生成相应的成衣尺寸，难以作为一种可以大规模商业使用的技术方案。故市场亟需一种不依赖于特定的硬件装置，可用于线上服装零售及定制，为用户生成合适的成衣尺寸的成衣尺寸的生成的方法及其装置。
技术实现思路
为了解决上述技术问题，本专利技术中披露了一种基于机器学习的成衣尺寸生成方法及其装置，本专利技术的技术方案是这样实施的：一种基于机器学习的成衣尺寸生成方法，所述方法包括，步骤(1)：构建成衣尺寸生成模型；步骤(2)获取用户体征信息，所述用户体征信息至少包括年龄、身高、体重、腰型、胸型、腹型、肩型、背型和腿型；步骤(3)：将所述用户体征信息转化为成衣尺寸生成模型输入向量；步骤(4)：通过所述成衣尺寸生成模型对所述成衣尺寸生成模型输入向量进行分类，产生成衣尺寸生成模型输出向量；步骤(5)：将所述成衣尺寸生成模型输出向量转化为适用于该用户的成衣尺寸。优选地，成衣尺寸生成模型的构建步骤包括，步骤(1.1)：读取数据集数据；步骤(1.2)：使用聚类算法对所述数据集数据进行聚类得到成衣尺寸聚类数据；步骤(1.3)：将所述成衣尺寸聚类数据划分为训练集与测试集；步骤(1.4)：使用决策树学习算法基于所述训练集与所述测试集构建成衣尺寸生成模型；步骤(1.5)：保存所述成衣尺寸生成模型。优选地，所述聚类算法使用K均值算法。优选地，所述K均值算法使用轮廓系数(SilhouetteCoefficient)对所述成衣尺寸聚类数据进行性能评估。优选地，所述数据至少包括用户身体净尺寸和成衣尺寸。优选地，所述训练集与所述测试集的划分方法采用留出法、交叉验证法或者自助法抽样。优选地，所述的决策树学习算法使用ID3(IterativeDichotomiser3)算法。一种基于机器学习的成衣尺寸生成装置，包括用户体征信息获取模块、成衣尺寸生成模块和底层服务模块；所述用户体征信息获取模块，用于获取用户提供的所述用户体征信息并将该信息传递给所述成衣尺寸生成模块；所述成衣尺寸生成模块，用于将用户输入的所述用户体征信息输入到预先构建的所述成衣尺寸生成模型，生成该用户的成衣尺寸；所述底层服务模块，为所述用户体征信息获取模块和所述成衣尺寸生成模块提供存储、处理及网络服务。优选地，所述用户体征信息获取模块，包括前端用户界面模块和后端服务模块，前端用户界面模块，用于为用户提供所述用户体征信息输入界面并将用户提供的所述用户体征信息传递给后端服务模块；所述后端服务模块，用于接收所述前端用户界面模块传递的的所述用户体征信息且将其传输给所述成衣尺寸生成模块。优选地，还包括成衣尺寸生成模型构建模块；所述成衣尺寸生成模型构建模块从数据集读取数据并将其转化为训练样本；所述成衣尺寸生成模型构建模块使用聚类算法对所述训练样本进行聚类得到所述成衣尺寸聚类数据；所述成衣尺寸生成模型构建模块将所述成衣尺寸聚类数据划分为所述训练集与所述测试集；所述成衣尺寸生成模型构建模块使用决策树学习算法基于所述训练集与所述测试集构建所述成衣尺寸生成模型；所述成衣尺寸生成模型构建模块保存所述成衣尺寸生成模型；所述成衣尺寸生成模型构建模块传输所述成衣尺寸生成模型给所述成衣尺寸生成模块。优选地，所述聚类算法使用K均值算法。优选地，所述K均值算法使用轮廓系数对成衣尺寸聚类数据进行性能评估。优选地，所述数据至少包括用户身体净尺寸和成衣尺寸。优选地，所述训练集与所述测试集的划分方法采用留出法、交叉验证法或者自助法抽样。优选地，所述的决策树学习算法使用ID3算法。优选地，所述底层服务模块包括存储器、处理器；所述存储器中存储有至少一条指令、至少一段程序、代码集或者指令集，所述至少一条指令、至少一段程序、代码集或者指令集由所述处理器执行以实现所述一种基于机器学习的成衣尺寸生成方法的各个步骤。实施本专利技术的技术方案可解决现有技术中在线上服装零售与定制领域，难以获得准确的用户身体净尺寸信息或者需要依赖于特定的硬件设备来获取用户身体净尺寸，从而无法得到准确的成衣尺寸的技术问题；实施本专利技术的技术方案，可实现无需依赖特定的硬件设备便可以生成适合于用户的成衣尺寸的技术效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一种实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为一种基于机器学习的成衣尺寸生成方法的一种具体的实施方式的流程图；图2为一种基于机器学习的成衣尺寸生成方法的步骤(1)的一种优选的实施方式的流程图；图3为一种基于机器学习的成衣尺寸生成装置的一种具体的实施方式的示意图；图4为一种基于机器学习的成衣尺寸生成装置的用户体征信息获取模块一种优选的实施方式的示意图。在上述附图中，各图号标记分别表示：1-步骤(1)；11-步骤(1.1)；12-步骤(1.2)；13-步骤(1.3)；14-步骤(1.4)；15-步骤(1.5)；2-步骤(2)；3-步骤(3)；4-步骤(4)；5-步骤(5)；6-用户体征信息获取模块；61-前端用户界面模块；62-后端服务模块；7-成衣尺寸生成模块；8-成衣尺寸生成模型构建模块。实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为了方便理解，下面对本申请的实施例中涉及的名词进行说明。K均值算法：先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有或最小数目本文档来自技高网...

【技术保护点】
1.一种基于机器学习的成衣尺寸生成方法，其特征在于，包括：步骤(1)：构建成衣尺寸生成模型；步骤(2)：获取用户体征信息，所述用户体征信息至少包括年龄、身高、体重、腰型、胸型、腹型、肩型、背型和腿型；步骤(3)：将所述用户体征信息转化为成衣尺寸生成模型输入向量；步骤(4)：通过所述成衣尺寸生成模型对所述成衣尺寸生成模型输入向量进行分类，产生成衣尺寸生成模型输出向量；步骤(5)：将所述成衣尺寸生成模型输出向量转化为适用于该用户的成衣尺寸。

【技术特征摘要】
1.一种基于机器学习的成衣尺寸生成方法，其特征在于，包括：步骤(1)：构建成衣尺寸生成模型；步骤(2)：获取用户体征信息，所述用户体征信息至少包括年龄、身高、体重、腰型、胸型、腹型、肩型、背型和腿型；步骤(3)：将所述用户体征信息转化为成衣尺寸生成模型输入向量；步骤(4)：通过所述成衣尺寸生成模型对所述成衣尺寸生成模型输入向量进行分类，产生成衣尺寸生成模型输出向量；步骤(5)：将所述成衣尺寸生成模型输出向量转化为适用于该用户的成衣尺寸。2.根据权利要求1所述的一种基于机器学习的成衣尺寸生成方法，其特征在于，所述步骤(1)包括：步骤(1.1)：读取数据集数据；步骤(1.2)：使用聚类算法对所述数据集数据进行聚类得到成衣尺寸聚类数据；步骤(1.3)：将所述成衣尺寸聚类数据划分为训练集与测试集；步骤(1.4)：使用决策树学习算法基于所述训练集与所述测试集构建成衣尺寸生成模型；步骤(1.5)：保存所述成衣尺寸生成模型。3.根据权利要求2所述的一种基于机器学习的成衣尺寸生成方法，其特征在于，所述聚类算法使用K均值算法。4.根据权利要求3所述的一种基于机器学习的成衣尺寸生成方法，其特征在于，所述K均值算法使用轮廓系数对所述成衣尺寸聚类数据进行评估。5.根据权利要求2所述的一种基于机器学习的成衣尺寸生成方法，其特征在于，所述数据至少包括用户身体净尺寸和成衣尺寸。6.根据权利要求2所述的一种基于机器学习的成衣尺寸生成方法，其特征在于，所述训练集与所述测试集的划分方法采用留出法、交叉验证法或者自助法抽样。7.根据权利要求2所述的一种基于机器学习的成衣尺寸生成方法，其特征在于，所述的决策树学习算法使用ID3算法。8.一种基于机器学习的成衣尺寸生成装置，其特征在于，包括用户体征信息获取模块、成衣尺寸生成模块和底层服务模块；所述用户体征信息获取模块，用于获取用户提供的所述用户体征信息并将该信息传递给所述成衣尺寸生成模块；所述成衣尺寸生成模块，用于将用户输入的用户体征信息输入到预先构建的所述成衣尺寸生成模型，生成该用户的所述成衣尺寸；所述底层服务模块，为所述用户体征信息获取模块和所述成衣尺寸生成模块提供存储、处理及网络和网络服务。9.根据...

【专利技术属性】
技术研发人员：杨丙良，张雨生，
申请(专利权)人：上海人赢网络科技有限公司，
类型：发明
国别省市：上海,31