一种基于图模型的服装搭配推荐方法技术

本发明专利技术公开了一种基于图模型的服装搭配推荐方法，涉及服饰搭配推荐技术领域，包括以下步骤：收集多组服饰数据；对多组服饰数据进行预处理，将服饰数据中的数值型数、文本、图片等转换为结构化数据，获得数据集；根据数据集构建服饰搭配图模型；根据图模型构建多个特征模型；对多个特征模型进行加权组合并建立多模态打分模型；通过深度学习的优化算法对多模态打分模型中的参数进行训练并输出推荐模型，根据推荐模型进行服饰搭配预测。本发明专利技术能够根据穿着者的自身形象、气质、出席场合，以及穿着偏好等方面出发，推荐适合款式、颜色的服饰搭配方案供用户选择。方案供用户选择。方案供用户选择。

【技术实现步骤摘要】
一种基于图模型的服装搭配推荐方法


[0001]本专利技术涉及服饰搭配推荐
，特别是涉及一种基于图模型的服装搭配推荐方法。

技术介绍

[0002]服饰与人们的生活密不可分，随着现代服饰行业的发展，服饰种类和品牌不胜枚举，导致服饰数据迅速增长，但是海量的服饰数据也使得用户在检索和搭配的需求日益增加。一套合适的服饰可以提升一个人的美丽和展示个性。然而，并不是每个人都有很强的时尚敏感度。“我在出席一个聚会时怎样穿一套合适又漂亮的衣服？”已经成为许多人每天头疼的问题。它不仅包含了一个清晰的时尚兼容性概念，需要理解人类创造力和时尚专业知识之间复杂的相互作用，而且还考虑了经济因素对服饰搭配的影响。
[0003]服饰搭配技术可以帮助用户快速找到自己的衣服。随着深度学习的发展，服饰搭配问题可以得到更好的解决。然而，我们仍然面临一些挑战。第一个挑战是如何设计合适的特征，因为合适的特征表示是服饰模型兼容性的关键。此外，大多数复杂的关系是在多个衣服与配饰之间，因为整套服饰中某件衣服与它的前项和后项衣服都有关系。因此，充分利用整套服饰中各元素之间的复杂关系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图模型的服装搭配推荐方法，其特征在于，包括以下步骤：收集多组服饰数据；对多组所述服饰数据进行预处理，将所述服饰数据中的数值型数、文本、图片等转换为结构化数据，获得数据集；根据所述数据集构建服饰搭配图模型；根据所述服饰搭配图模型构建多个特征模型；对多个所述特征模型进行加权组合并建立多模态打分模型；通过深度学习的优化算法对所述多模态打分模型中的参数进行训练并输出推荐模型，根据所述推荐模型进行服饰搭配预测。2.如权利要求1所述的一种基于图模型的服装搭配推荐方法，其特征在于，每组所述服饰数据均包括图片数据、文本数据、价格数据、情感数据、行为数据和场景数据。3.如权利要求2所述的一种基于图模型的服装搭配推荐方法，其特征在于，对多组所述服饰数据进行预处理得到数据集具体包括以下步骤：使用深度卷积神经网络提取图片数据的深层视觉特征信息；使用长短期记忆网络和注意力机制模型提取文本特征信息；对数值型数据进行格式转换，之后进行归一化处理获取价格特征；使用Transformer模型提取文本情感特征信息；使用机器学习方法提取用户行为特征信息；将提取的视觉特征、文本特征、价格特征、情感特征、行为特征分别映射到统一的空间模型中，映射方法的计算公式为：式中，r
i
为第i个特征的潜在空间的特征表示，为线性映射矩阵，f
i
为服饰的i个特征。4.如权利要求1所述的一种基于图模型的服装搭配推荐方法，其特征在于，将所述数据集随机划分为训练集、验证集和测试集，通过所述训练集构建服饰搭配图模型，通过所述验证集对服饰搭配图模型进行验证、评估，并对服饰搭配图模型参数进行调整以得到最优图模型，通过所述测试集对最优图模型进行测试以确定最优图模型的泛化能力。5.如权利要求4所述的一种基于图模型的服装搭配推荐方法，其特征在于，所述训练集、验证集和测试集由正样本和负样本组成，所述正样本是由收集到的正例套装构建，所述负样本是随机替换掉一套服饰中的单件衣服构建。6.如权利要求4所述的一种基于图模型的服装搭配推荐方法，其特征在于，根据所述数据集构建服饰搭配图模型具体包括以下步骤：构建一个无向图G＝(V,E)，V代表的是节点的集合，E代表的节点之间的边的集合；根据数据集计算节点n
i
到节点n
j
的权重：式中，是两个c
i
，c
j
两个类别的同现频率，是类别c
j
出现的频率；给定服饰的一个特征f
i
，把服饰特征映射到潜在空间，并计算n
i
节点的初始状态：
式中，r
i
是f
i

【专利技术属性】
技术研发人员：尚松涛，史雯隽，陶红伟，李祖贺，韩继辉，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：