CN105913297A - 一种基于大数据的试衣推荐方法及系统 - Google Patents

Abstract

本发明公开了一种基于大数据的试衣推荐方法及系统，包括数据采集接口和服装推荐引擎，服装推荐引擎用于做大数据分析阶段，通过数据挖掘技术为用户推荐合适的服装。具体，服装推荐引擎依据系统内采集的模特数据，服装数据，以及每件服装由相应合适体型的模特进行试穿的视频数据，在大数据平台上首先按照试衣人的体型匹配出与其体型相似的模特，根据模特的信息，从大规模且实时更新的服装数据中挖掘出合适的衣服，随后在已筛选出的集合里，按照衣服特征，试衣者特征等进一步筛选出合适的服装进行推荐，本发明能够增加用户在网上购衣体验，同时能够方便店家具体的铺货。

Description

一种基于大数据的试衣推荐方法及系统

技术领域

本发明涉及一种基于大数据分析和数据挖掘的试衣系统，属于大数据处理技术领域。

背景技术

近些年，传统实体零售店饱受网购冲击，其中又以服装行业被影响的最大。从用户体验的角度来说，在传统的服装零售店进行选购，客户挑选的衣服品类、个数有限，很可能花费长时间都无法挑选到合适满意的衣服，同时存在一些体型特殊的人群，在实体店更是很难挑选到合适的衣服。在互联网上购物，购衣者又只能看到衣服的静态图片，甚至连大小都无法看到究竟是否合适，经常存在购买后大小款式不合适又退换货的情况。

发明内容

本发明针对以上实体店和网店各自存在的问题，提供了一种基于大数据分析的试衣系统，该方法将实体店从几平米的库存空间解放，从云端大量的服装中挑选出合适的衣服进行推荐。

本发明为解决上述问题提出的技术方案是：

一种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，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6，将步骤5找到的模特试穿过的衣服的数据和试衣者特征通过步骤4建立的各个推荐决策树进行衣服推荐，然后对各个推荐决策树推荐的衣服进行优化，将优化得到的衣服向试衣人推荐。

优选的：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。具体基本信息包括用户年龄、职业、地区、喜好、收入。

优选的：所述步骤6中对各个推荐决策树推荐的衣服进行优化方法：对各个推荐决策树进行推荐的衣服进行统计，将推荐次数最多的衣服作为最优推荐。

优选的：所述步骤4中通过BDEU方法建立一个以上的推荐决策树的方法：

步骤41，根据服装的各个特征和试衣人的各个特征建立推荐决策树。

步骤42，将服装的各个特征充当BDEU的类别属性和试衣人的各个特征充当非类别属性BDED，以每个类别属性为根分别建立决策树，得到系统内多个决策树。

优选的：还包括数据采集接口，所述数据采集接口包括服装数据采集接口、模特试衣视频采集接口、试衣人体型数据采集接口、试衣人基本信息采集接口，其中：

所述服装数据采集接口用于提供http接口录入服装生产厂商提供的服装产品的服装特征。

所述模特试衣视频采集接口用于收录模特试衣视频数据以及模特的体型。

所述试衣人体型数据采集接口用于收录试衣人特征中的身体测量数据，包括身高、胸围、腰围、臀围、体重。

所述试衣人基本信息采集接口用于采集试衣人特征中的具体基本信息，包括用户年龄、职业、地区、喜好、收入。

一种基于大数据的试衣推荐方法的推荐系统，包括数据采集接口和服装推荐引擎，所述数据采集接口包括服装数据采集接口、模特试衣视频采集接口、试衣人体型数据采集接口、试衣人基本信息采集接口，其中：

所述服装数据采集接口用于提供http接口录入服装生产厂商提供的服装产品的服装特征。

所述模特试衣视频采集接口用于收录模特试衣视频数据以及模特的体型。

所述试衣人体型数据采集接口用于收录试衣人特征中的身体测量数据，包括身高、胸围、腰围、臀围、体重。

所述试衣人基本信息采集接口用于采集试衣人特征中的具体基本信息，包括用户年龄、职业、地区、喜好、收入。

所述服装推荐引擎包括体型匹配模块、推荐决策树模块。

所述体型匹配模块根据试衣人特征中的身体测量数据匹配其与体型相适应的模特，并找到该模特试衣视频数据的信息。

所述推荐决策树模块根据模特所试衣服的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，根据各个推荐决策树进行衣服推荐，然后对各个推荐决策树推荐的衣服进行优化，将优化得到的衣服向试衣人推荐。

本发明的一种基于大数据的试衣推荐方法及系统，相比现有技术，具有以下有益效果：

使用本发明，如果在实体店内布置终端，可以解决顾客在购衣过程中，挑选的余地过少，通过对购物者做相关的推荐匹配，实体店可以及时与货源地沟通，更准确更主动的进行针对性的进货，特别是针对老客户或者体型特殊的客户。如果试衣者在家中通过互联网访问系统，不止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，还可以查看与自己体型合适的模特的试穿视频和动作视频。该方案同时解决了实体店和网店存在的部分问题。

附图说明

图1为本发明一种决策树的结构示意图。

具体实施方式

附图非限制性地公开了本发明一个优选实施例的结构示意图，以下将结合附图详细地说明本发明的技术方案。

实施例

一种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。

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、销售价格等。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、体重等。具体基本信息包括用户年龄、职业、地区、喜好、收入等。

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41，根据服装的各个特征和试衣人的各个特征建立推荐决策树。

步骤42，将服装的各个特征充当BDEU的类别属性和试衣人的各个特征充当非类别属性BDED，以每个类别属性为根分别建立决策树，得到系统内多个决策树。

步骤5，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6，将步骤5找到的模特试穿过的衣服的数据和试衣者特征通过步骤4建立的各个推荐决策树进行衣服推荐，然后对各个推荐决策树推荐的衣服进行优化，将优化得到的衣服向试衣人推荐。具体的，对各个推荐决策树进行推荐的衣服进行统计，将推荐次数最多的衣服作为最优推荐。

一种基于大数据的试衣推荐方法的推荐系统，包括数据采集接口和服装推荐引擎，

数据采集接口包括服装数据采集接口、模特试衣视频采集接口、试衣人体型数据采集接口、试衣人基本信息采集接口，其中：

所述服装数据采集接口：用于提供http接口录入服装生产厂商提供的服装产品的服装特征。

所述模特试衣视频采集接口：用于收录模特试衣视频数据(包括模特试衣过程中演示预先设定好的各种动作视频数据)，以及模特的体型。

所述试衣人体型数据采集接口：用于收录试衣人特征中的身体测量数据，包括身高、胸围、腰围、臀围、体重等。

所述试衣人基本信息采集接口：用于采集试衣人特征中的具体基本信息，包括用户年龄、职业、地区、喜好、收入。

服装推荐引擎：用于做大数据分析阶段，通过数据挖掘技术为用户推荐合适的服装。

所述服装推荐引擎包括体型匹配模块、推荐决策树模块。

所述体型匹配模块根据试衣人特征中的身体测量数据匹配其与体型相适应的模特，并找到该模特试衣视频数据的信息。

所述推荐决策树模块根据模特所试衣服的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，根据各个推荐决策树进行衣服推荐，然后对各个推荐决策树推荐的衣服进行优化，将优化得到的衣服向试衣人推荐。

在具体应用时，包括如下具体步骤：

步骤1，系统准备阶段，系统首先按照国家标准体型划分将人体体型细分，同时每种标准体型都由对应体型的真人模特录入基本信息，包括模特的三围、身高，体重等信息。服装推荐引擎还会按照系统内服装和试衣者字段根据BDEU算法建立多个推荐决策树,改进BDEU算法。

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，B_s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)，M_ijk表示在先验信息中，先验数据的分布参数。N_jk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)，随后可以建立形如图1所示结构的决策树。

6)，以上图示的决策树，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。

步骤2，服装厂家将不同型号、款式的服装数据通过服装数据采集接口录入系统内，包括服装的大小、款式等，随后安排系统真人模特按照服装的大小码数、款式、模特体型分别进行试穿，并将模特的试穿记录采集至系统内，同时，将模特的试穿视频通过视频接口上传至系统(视频包括模特试穿服装按照规定好的动作做的一系列动作视频)。

步骤3，试衣者在终端前进行试衣，此时，可以在系统内查询试衣者的信息，如果试衣者在系统内尚没有基本信息，可以通过网页进行上传，如试衣者的年龄、、职业、地区、喜好等数据，随后通过试衣人体型数据采集接口上传试衣者的型数据，包括试衣者的身高、胸围、腰围、臀围、体重等。

步骤4，服装推荐引擎根据试衣人的体型数据，按照体型对应的国家标准，选取该标准对应体型模特，查询该模特最近的试衣记录和当前季节情况，在系统内存在的由厂家上传的服装数据中选择出一系列合适的衣服列表。

步骤5，推荐引擎进一步通过系统内建立的一系列决策树，通过试衣人的基本信息进行挖掘过滤，筛选出最终的服装列表进行推荐，推荐服装的同时，还可以在终端展示该衣服由对应模特进行试穿的视频数据，使试衣人更直观的查看服装情况。

上面结合附图所描述的本发明优选具体实施例仅用于说明本发明的实施方式，而不是作为对前述发明目的和所附权利要求内容和范围的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属本发明技术和权利保护范畴。

Claims (7)

1.一种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，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6，将步骤5找到的模特试穿过的衣服的数据和试衣者特征通过步骤4建立的各个推荐决策树进行衣服推荐，然后对各个推荐决策树推荐的衣服进行优化，将优化得到的衣服向试衣人推荐。

2.根据权利要求1所述基于大数据的试衣推荐方法，其特征在于：所述步骤5中在找到对应的模特体型分类的模特后，将试衣人根据其体型匹配响应的模特，然后根据得到的匹配模特组中的各模特找到步骤2中对应模特试穿过的衣服。

3.根据权利要求1所述基于大数据的试衣推荐方法，其特征在于：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；具体基本信息包括用户年龄、职业、地区、喜好、收入。

4.根据权利要求1所述基于大数据的试衣推荐方法，其特征在于：所述步骤6中对各个推荐决策树推荐的衣服进行优化方法：对各个推荐决策树进行推荐的衣服进行统计，将推荐次数最多的衣服作为最优推荐。

5.根据权利要求1、2或3所述基于大数据的试衣推荐方法，其特征在于：所述步骤4中通过BDEU方法建立一个以上的推荐决策树的方法：

步骤41，根据服装的各个特征和试衣人的各个特征建立推荐决策树；

步骤42，将服装的各个特征充当BDEU的类别属性和试衣人的各个特征充当非类别属性BDED，以每个类别属性为根分别建立决策树，得到系统内多个决策树。

6.根据权利要求1所述基于大数据的试衣推荐方法，其特征在于：还包括数据采集接口，所述数据采集接口包括服装数据采集接口、模特试衣视频采集接口、试衣人体型数据采集接口、试衣人基本信息采集接口，其中：

所述服装数据采集接口用于提供http接口录入服装生产厂商提供的服装产品的服装特征；

所述模特试衣视频采集接口用于收录模特试衣视频数据以及模特的体型；

所述试衣人体型数据采集接口用于收录试衣人特征中的身体测量数据，包括身高、胸围、腰围、臀围、体重；

所述试衣人基本信息采集接口用于采集试衣人特征中的具体基本信息，包括用户年龄、职业、地区、喜好、收入。

7.一种基于权利要求1-5任一所述的基于大数据的试衣推荐方法的推荐系统，其特征在于：包括数据采集接口和服装推荐引擎，所述数据采集接口包括服装数据采集接口、模特试衣视频采集接口、试衣人体型数据采集接口、试衣人基本信息采集接口，其中：

所述服装数据采集接口用于提供http接口录入服装生产厂商提供的服装产品的服装特征；

所述模特试衣视频采集接口用于收录模特试衣视频数据以及模特的体型；

所述试衣人体型数据采集接口用于收录试衣人特征中的身体测量数据，包括身高、胸围、腰围、臀围、体重；

所述试衣人基本信息采集接口用于采集试衣人特征中的具体基本信息，包括用户年龄、职业、地区、喜好、收入；

所述服装推荐引擎包括体型匹配模块、推荐决策树模块；

所述体型匹配模块根据试衣人特征中的身体测量数据匹配其与体型相适应的模特，并找到该模特试衣视频数据的信息；

所述推荐决策树模块根据模特所试衣服的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，根据各个推荐决策树进行衣服推荐，然后对各个推荐决策树推荐的衣服进行优化，将优化得到的衣服向试衣人推荐。