一种基于人工智能和大数据的服装销售预测方法及系统技术方案

本发明专利技术涉及人工智能、服装行业技术领域，具体涉及一种基于人工智能和大数据的服装销售预测方法及系统。该方法通过服装分析神经网络处理服装搭配图像，获得服装风格和每个服装单品的特征向量，通过服装风格和特征向量构建风格特征分布图。通过网络平台数据获得服装风格热度和服装单品热度。根据服装风格热度和服装单品热度重置风格特征分布图对应位置的像素值，获得每个服装单品的服装单品热度图，通过每个风格特征分布图的聚类中心对服装单品热度图进行校准更新，获得标准服装单品热度图。根据标准服装单品热度图获得预测服装销量。本发明专利技术消除了商铺与网络平台的信息差异，考虑服装单品之间搭配关系对销量的影响，预测出准确的服装销量。出准确的服装销量。出准确的服装销量。

【技术实现步骤摘要】
一种基于人工智能和大数据的服装销售预测方法及系统


[0001]本专利技术涉及人工智能、服装行业
，具体涉及一种基于人工智能和大数据的服装销售预测方法及系统。

技术介绍

[0002]在现代社会的互联网中有着许多信息丰富的网络平台。对于服装行业而言，网络平台中的信息存在一定的导向作用，如淘宝、京东等电商平台的评论；知乎、小红书等社区平台的发帖等都会对服装的销量产生影响。
[0003]对于服装行业而言，准确预测出不同款式的服装销量可以指导商铺的进货量，减少销售机会损失，降低库存积压，提高服装销售量。在现有技术中，可以通过历史服装销量社交媒体数据之间的关系构建数学模型对服装销量进行预测。但是该方法忽略了商铺不同风格服装与社交媒体中服装之间的差异，使最终得到的预测结果误差较大。且没有考虑服装单品之间因为搭配关系造成的销量影响，不能为商家提供可靠的指导信息。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能和大数据的服装销售预测方法及系统，所采用的技术方案具体如下：本专利技术提出了一种基于人工智能和大数据的服装销售预测方法，所述方法包括：获得多张包含不同服装单品搭配的服装搭配图像；将所述服装搭配图像送入预先训练好的服装分析神经网络中输出服装风格和每个服装单品的特征向量；将所述特征向量映射至二维空间中作为坐标，以对应的所述服装风格作为元素值构建每个服装单品的风格特征分布图；获得多个网络平台中的服装信息和网络平台用户量；所述服装信息包括服装风格情感倾向、服装单品情感倾向、服装风格评价点赞数、服装单品评价点赞数和服装单品销量；根据所述服装风格评价点赞数、所述网络平台用户量和所述服装风格情感倾向获得服装风格热度；根据所述单品评价点赞数、所述网络平台用户量、所述服装单品情感倾向和所述服装单品销量获得服装单品热度；获得所述风格特征分布图的聚类中心；根据所述服装单品热度和所述服装风格热度重置所述风格特征分布图对应位置的像素值，获得每个服装单品的服装单品热度图；根据所述聚类中心校准更新所有所述服装单品热度图获得标准服装单品热度图；根据所述标准服装单品热度图获得预测服装销量。
[0005]进一步地，所述将所述服装搭配图像送入预先训练好的服装分析神经网络中输出每个服装单品的特征向量和对应的服装风格包括：所述服装分析神经网络通过第一服装分割子网络分割所述服装搭配图像，获得多张服装单品图像；将每个所述服装单品图像送入对应的服装分析编码器中，获得每个所述服装单品的所述特征向量；将所述特征向量合并后送入全连接层，输出所述服装风格。
[0006]进一步地，所述服装分析神经网络还包括：以多张服装搭配图像作为训练组；获得训练组的所述特征向量和所述服装风格；根据所述训练组内所述特征向量间的距离构建距离矩阵；根据所述训练组内所述服装风格的差异构建标准矩阵；以所述距离矩阵和所述标准矩阵的差调整损失函数的损失值；根据所述损失函数训练所述服装分析神经网络。
[0007]进一步地，所述训练函数包括：其中，为所述训练组内所述服装搭配图像的数量，为所述服装单品的数量，为第个所述距离矩阵，为所述标准矩阵，为所述训练组中第张所述服装搭配图像属于所述服装风格的真实概率，所述训练组中第张所述服装搭配图像属于所述服装风格的预测概率，为所述服装风格类别数。
[0008]进一步地，所述根据所述服装风格评价点赞数、所述网络平台用户量和所述服装风格情感倾向获得服装风格热度包括：以每个所述网络平台中的所述服装风格评价点赞数与所述网络平台用户量的比值作为服装风格评价热度；以所述服装风格评价热度和所述服装风格情感倾向的乘积作为所述服装风格在所述网络平台上的第一初始服装风格热度；以每个所述网络平台用户量和所有所述网络平台中最大所述网络平台用户量的比值作为所述网络平台的质量评估值；以所述质量评估值与所述第一初始服装风格热度的乘积作为第二初始服装风格热度；将所有网络平台对应的所述第二初始服装风格热度累加，获得所述服装风格热度。
[0009]进一步地，所述根据所述单品评价点赞数、所述网络平台用户量、所述服装单品情感倾向所述服装单品销量获得服装单品热度：以每个所述网络平台中的所述服装单品评价点赞数与所述网络平台用户量的比值作为服装单品评价热度；以所述服装单品评价热度和所述服装单品情感倾向的乘积作为所述服装单品在所述网络平台上的第一初始服装单品热度；以所述服装单品销量和所述网络平台的用户量的比值作为销量评估值；以所述质量评估值、销量评估值与所述第一初始服装单品热度的乘积作为第二初始服装单品热度；将所有网络平台对应的所述第二初始服装单品热度累加，获得所述服装单品热度。
[0010]进一步地，所述根据所述服装单品热度和所述服装风格热度重置所述风格特征分布图对应位置的像素值，获得每个服装单品的服装单品热度图包括：将所述风格特征分布图中对应位置处的像素值设置为所述服装单品热度和所述服装风格热度的乘积；利用高斯卷积核处理每个像素点，获得所述服装单品热度图。
[0011]进一步地，所述根据所述聚类中心校准更新所有所述服装单品热度图获得标准服装单品热度图包括：获得每个所述服装单品热度图中像素点与所有所述聚类中心的距离关系；根据不同所述服装单品热度图之间的所述距离关系的差异获得匹配像素点组；以所述匹配像素点组的像素值均值重置所述服装单品热度图中对应位置的像素点；遍历所有像素点完成更
新，获得标准服装单品热度图。
[0012]进一步地，所述根据所述标准服装单品热度图预测服装销量包括：通过历史数据获得未来服装单品销量与所述标准服装单品热度图中对应热度值的销售关系；将商铺在售服装单品图像送入所述服装分析神经网络中，获得在售服装单品特征向量；通过所述在售服装单品特征向量获得所述标准服装单品热度图中对应位置的在售热度值，根据所述销售关系和所述在售热度值获得所述预测服装销量。
[0013]本专利技术还提出了一种基于人工智能和大数据的服装销售预测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现任意一项所述一种基于人工智能和大数据的服装销售预测方法的步骤。
[0014]本专利技术具有如下有益效果：1.本专利技术实施例通过服装分析神经网络对服装搭配图像进行分析处理，获得服装单品的特征向量对应的服装风格。进一步通过网络平台中对应的服装信息获得对应热度。通过特征向量与热度之间的结合获得服装单品热度图，利用特征向量表示服装单品信息，消除了商铺信息和网络平台之间的差异，使得后续预测的服装销量可靠性强，准确率高。
[0015]2.本专利技术实施例通过网络平台数据和服装搭配图像的图像信息构建服装单品热度图。服装单品热度图表示了当前服装单品的销售热度，经过校准更新后的标准服装单品热度图考虑了服装单品的搭配情况，结合了不同服装单品的热度，使得标准服装单品热度图可以全面的表示服装单品销量热度。
附图说明
[0016]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能和大数据的服装销售预测方法，其特征在于，所述方法包括：获得多张包含不同服装单品搭配的服装搭配图像；将所述服装搭配图像送入预先训练好的服装分析神经网络中输出服装风格和每个服装单品的特征向量；将所述特征向量映射至二维空间中作为坐标，以对应的所述服装风格作为元素值构建每个服装单品的风格特征分布图；获得多个网络平台中的服装信息和网络平台用户量；所述服装信息包括服装风格情感倾向、服装单品情感倾向、服装风格评价点赞数、服装单品评价点赞数和服装单品销量；根据所述服装风格评价点赞数、所述网络平台用户量和所述服装风格情感倾向获得服装风格热度；根据所述单品评价点赞数、所述网络平台用户量、所述服装单品情感倾向和所述服装单品销量获得服装单品热度；获得所述风格特征分布图的聚类中心；根据所述服装单品热度和所述服装风格热度重置所述风格特征分布图对应位置的像素值，获得每个服装单品的服装单品热度图；根据所述聚类中心校准更新所有所述服装单品热度图获得标准服装单品热度图；根据所述标准服装单品热度图获得预测服装销量。2.根据权利要求1所述的一种基于人工智能和大数据的服装销售预测方法，其特征在于，所述将所述服装搭配图像送入预先训练好的服装分析神经网络中输出每个服装单品的特征向量和对应的服装风格包括：所述服装分析神经网络通过第一服装分割子网络分割所述服装搭配图像，获得多张服装单品图像；将每个所述服装单品图像送入对应的服装分析编码器中，获得每个所述服装单品的所述特征向量；将所述特征向量合并后送入全连接层，输出所述服装风格。3.根据权利要求2所述的一种基于人工智能和大数据的服装销售预测方法，其特征在于，所述服装分析神经网络还包括：以多张服装搭配图像作为训练组；获得训练组的所述特征向量和所述服装风格；根据所述训练组内所述特征向量间的距离构建距离矩阵；根据所述训练组内所述服装风格的差异构建标准矩阵；以所述距离矩阵和所述标准矩阵的差调整损失函数的损失值；根据所述损失函数训练所述服装分析神经网络。4.根据权利要求3所述的一种基于人工智能和大数据的服装销售预测方法，其特征在于，所述训练函数包括：其中，为所述训练组内所述服装搭配图像的数量，为所述服装单品的数量，为第个所述距离矩阵，为所述标准矩阵，为所述训练组中第张所述服装搭配图像属于所述服装风格的真实概率，所述训练组中第张所述服装搭配图像属于所述服装风格的预测概率，为所述服装风格类别数。5.根据权利要求1所述的一种基于人工智能和大数据的服装销售预测方法，其特征在于，所述根据所述服装风格评价点赞数、所述网络平台用户量和所述服装风格情感倾向获得服装风格热度包括：
以每个所述网络平台中的所述服装风格评价点赞数与所述网络平台用户量的比值作为服装风格评价热度；以所述服装风格评...

【专利技术属性】
技术研发人员：郑妙春，李锦莲，
申请(专利权)人：海门市创睿机械有限公司，
类型：发明
国别省市：