CN108171568B - 一种基于知识库的服装推荐方法和系统 - Google Patents

Abstract

本发明涉及一种基于知识库的服装推荐方法和系统。该方法包括：步骤1，接收消费者画像数据，其中，所述消费者画像数据包括消费者的体型数据、风格关键词和风格图片；步骤2，根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像矩阵；步骤3，根据所述消费者画像矩阵和预存的知识库确定期望产品画像数据；步骤4，分别确定所述期望产品画像数据与预存的多个真实产品画像数据的相似度；步骤5，确定与所述期望产品画像数据具有最大相似度的所述真实产品画像数据对应的所述真实产品，并发送所述真实产品的产品信息。本发明的技术方案能够根据消费者的体型及偏好等信息快速为消费者匹配合适的服装，提高网购服装的效率及满意度。

Description

一种基于知识库的服装推荐方法和系统

技术领域

本发明涉及计算机应用技术领域，具体涉及一种基于知识库的服装推荐方法和系统。

背景技术

随着网购的兴起，越来越多的消费者习惯通过网络购买服装等商品。由于服装设计本身呈现多样化的形式，所以在不直接接触服装的情况下，购买一件非常满意的服装难度较大。虽然部分网购平台提供了服装标准尺码与不同身高、体重间的关系表，以供消费者参考与选择。但是由于标准尺码有限，服装选择也并不是只有尺码这一参考因素，还有很多消费者的主观因素，这对消费者网购满意的服装造成了很大障碍。如果因为网购服装导致大量退货换货，将造成人力、物力资源浪费。

发明内容

为了能够根据消费者的体型及偏好等信息快速为消费者匹配合适的服装，提高网购服装的效率及满意度，本发明提供一种基于知识库的服装推荐方法和系统。

一方面，本发明提供了一种基于知识库的服装推荐方法，该方法包括：

步骤1，接收消费者画像数据，其中，所述消费者画像数据包括消费者的体型数据、风格关键词和风格图片，所述风格图片为和所述风格关键词匹配的服装图片；

步骤2，根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像矩阵；

步骤3，根据所述消费者画像矩阵和预存的知识库确定期望产品画像数据；

步骤4，分别确定所述期望产品画像数据与预存的多个真实产品画像数据的相似度，其中，所述真实产品画像数据分别与真实产品一一对应；

步骤5，确定与所述期望产品画像数据具有最大相似度的所述真实产品画像数据对应的所述真实产品，并发送所述真实产品的产品信息。

另一方面，本发明提供了一种基于知识库的服装推荐系统，该系统包括接收模块、处理模块和发送模块；

所述接收模块，用于接收消费者画像数据，其中，所述消费者画像数据包括消费者的体型数据、风格关键词和风格图片，所述风格图片为和所述风格关键词匹配的服装图片；

所述处理模块，用于根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像矩阵；

以及根据所述消费者画像矩阵和预存的知识库确定期望产品画像数据；

以及分别确定所述期望产品画像数据与预存的多个真实产品画像数据的相似度，其中，所述真实产品画像数据分别与真实产品一一对应；

以及确定与所述期望产品画像数据具有最大相似度的所述真实产品画像数据对应的所述真实产品；

所述发送模块，用于发送所述真实产品的产品信息。

本发明提供的基于知识库的服装推荐方法和系统的有益效果是，消费者在通过网络平台选择偏好服装时，可以通过终端输入包括体型数据、风格关键词和风格图片等消费者画像数据，由于风格关键词和风格图片为预定可选项，如果消费者认为没有准确的风格关键词，可以只选择相应的风格图片，或者同时选择关键词与图片。消费者画像数据以数组的形式呈现，根据消费者画像数据确定与体型数据、风格关键词和风格图片对应的消费者画像矩阵，作为知识库的比对输入数据。知识库可根据实验与经验等知识预先存储消费者画像，即消费者输入数据，与产品画像，即不同服装的例如款式、设计等产品信息之间的映射关系，因此，将消费者画像矩阵作为知识库的输入可获得相应的输出产品画像数据，作为消费者的期望产品画像。对于同一款服装产品，通常具有多件不同尺码、颜色的服装，将这些服装的信息作为真实产品画像数据，分别确定期望产品画像数据与真实产品画像数据的相似度，其中与期望产品画像数据相似度最大的真实产品画像数据可以作为推荐产品，并将其产品信息发送至例如终端处，使消费者根据其输入数据获得最优推荐服装产品。这样，可以根据消费者的体型及偏好等信息快速为消费者匹配合适的服装，提高网购服装的效率及满意度。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的一种基于知识库的服装推荐方法的流程示意图；

图2为本发明实施例的一种基于知识库的服装推荐系统的结构框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，本发明实施例提供的一种基于知识库的服装推荐方法包括：

步骤1，接收消费者画像数据，其中，所述消费者画像数据包括消费者的体型数据、风格关键词和风格图片，所述风格图片为和所述风格关键词匹配的服装图片。

步骤2，根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像矩阵。

步骤3，根据所述消费者画像矩阵和预存的知识库确定期望产品画像数据。

步骤4，分别确定所述期望产品画像数据与预存的多个真实产品画像数据的相似度，其中，所述真实产品画像数据分别与真实产品一一对应。

步骤5，确定与所述期望产品画像数据具有最大相似度的所述真实产品画像数据对应的所述真实产品，并发送所述真实产品的产品信息。

在本实施例中，消费者在通过网络平台选择偏好服装时，可以通过终端输入包括体型数据、风格关键词和风格图片等消费者画像数据，由于风格关键词和风格图片为预定可选项，如果消费者认为没有准确的风格关键词，可以只选择相应的风格图片，或者同时选择关键词与图片。消费者画像数据以数组的形式呈现，根据消费者画像数据确定与体型数据、风格关键词和风格图片对应的消费者画像矩阵，作为知识库的比对输入数据。知识库可根据实验与经验等知识预先存储消费者画像，即消费者输入数据，与产品画像，即不同服装的例如款式、设计等产品信息之间的映射关系，因此，将消费者画像矩阵作为知识库的输入可获得相应的输出产品画像数据，作为消费者的期望产品画像。对于同一款服装产品，通常具有多件不同尺码、颜色的服装，将这些服装的信息作为真实产品画像数据，分别确定期望产品画像数据与真实产品画像数据的相似度，其中与期望产品画像数据相似度最大的真实产品画像数据可以作为推荐产品，并将其产品信息发送至例如终端处，使消费者根据其输入数据获得最优推荐服装产品。这样，可以根据消费者的体型及偏好等信息快速为消费者匹配合适的服装，提高网购服装的效率及满意度。

优选地，所述步骤2具体包括：

步骤2.1，采用模糊层次分析法，根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像数据权重矩阵。

步骤2.2，将所述消费者画像数据和所述消费者画像数据权重矩阵进行矩阵求积，获得所述消费者画像矩阵。

具体地，在获得了体型数据BS、风格关键词S和风格图片C之后，采用FAHP方法，也就是模糊层次分析法，根据三个矩阵形式的数据确定消费者画像数据权重矩阵I＝{I₁,…,I_q}，其中q＝3，I₁、I₂和I₃分别代表BS、S和C的权重向量矩阵。

CP是消费者画像，描述了消费者的体型、风格关键词和风格图片，可以表示为一个N阶向量矩阵：

CP＝(I₁×bs₁,…,I₁×bs_m,I₂×s₁,…,I₂×s_n,I₃×c₁,…,I₃×c_k)。

由于各项消费者画像数据所占比重不同，可以通过权重矩阵根据消费者画像数据获得消费者画像矩阵，调整各数据项的权重，作为更合理的知识库比对输入数据。

优选地，预存的所述知识库根据如下步骤获得：

将采集的矩阵形式的多个消费者的所述消费者画像数据和预定的评估标准进行矩阵求积，获得消费者画像映射矩阵。

将采集的矩阵形式的多个真实产品的所述真实产品画像数据和所述评估标准进行矩阵求积，获得真实产品画像映射矩阵；所述评估标准包括多个用于标准评估的评估项。

将所述消费者画像映射矩阵和所述真实产品画像映射矩阵进行复合映射计算，获得所述知识库。

具体地，E＝{e₁,e₂,…,e_p}为评估标准，令p＝8，则评估标准包括8项评估项，分别为e₁：非正式-正式；e₂：复杂的-简单的；e₃：大众的-独特的；e₄：时尚的-传统的；e₅：可爱的-成熟的；e₆：放松的-严肃的；e₇：城市的–乡村的；e₈：知性的-随意的。每个评估项分为五档，例如，很复杂，较复杂，适中，较简单，很简单。

建立知识库需要事先采集多个消费者的消费者画像数据和多个真实产品的真实产品画像数据。

采集的多个消费者的消费者画像数据包括体型数据、风格关键词和风格图片，令基于体型数据与评估标准的计算为实验一，基于风格关键词与评估标准的计算为实验二，基于风格图片与评估标准的计算为实验三。每个实验都用这八个评估标准项打分，实验一是体型数据和评估标准间的关系；实验二是风格关键词和评估标准间的关系；实验三是风格图片和评估标准间的关系。

BS＝{bs₁,…,bs_m}为体型数据，令m＝20，则体型数据包括20个体型数据项。根据中国人体标准GB/T 1335.2-1997，将高矮分成五档，胖瘦分成四挡。令高矮分档为X1：矮，X2：较矮，X3：适中，X4：较高，X5：高；胖瘦分挡为Y1：瘦，Y2：正常，Y3：较胖，Y4：肥胖。此时20个体型数据项分别是：“X1×Y1”，“X2×Y1”，“X3×Y1”，“X4×Y1”，“X5×Y1”，“X1×Y2”，“X2×Y2”，“X3×Y2”，“X4×Y2”，“X5×Y2”，“X1×Y3”，“X2×Y3”，“X3×Y3”，“X4×Y3”，“X5×Y3”，“X1×Y4”，“X2×Y4”，“X3×Y4”，“X4×Y4”，“X5×Y4”。

S＝{s₁,…,s_n}为风格关键词，令n＝8，则风格关键词具有8个可选词汇，分别是：“优雅的”，“女性的”，“年轻的”，“性感的”，“经典的”，“浪漫的”，“乡村的”和“运动的”。

C＝{c₁…c_k}为风格图片，令k＝6，则风格图片具有6张可选图片。针对部分消费者无法用语言很好表达自己的喜好，可以选择一张图片来表达自己的喜好。

由于体型数据、风格关键词和风格图片作为输入变量，令N为输入变量个数，则N＝m+n+k。

将矩阵形式的消费者画像数据和评估标准进行统计与加权平均处理获得消费者画像映射矩阵，也就是通过实验一将矩阵形式的体型数据和评估标准相乘，可获得消费者画像映射矩阵中描述BS(体型数据)和E(评评估标准)之间的映射关系KB_BS，可用一个(m×p)阶矩阵表示；通过实验二将矩阵形式的风格关键词和评估标准相乘，可获得消费者画像映射矩阵中描述S(风格关键词)和E(评估标准)之间的映射关系KB_S，可用一个(n×p)阶矩阵表示；通过实验三将矩阵形式的风格图片和评估标准相乘，可获得消费者画像映射矩阵中描述C(风格图片)和E(评估标准)之间的映射关系KB_C，可用一个(k×p)阶矩阵表示。

令KB1为消费者画像映射矩阵，其描述了N个输入变量和E之间的映射关系，由通过实验一、实验二和实验三获得的三个矩阵组合构成，可以表示为一个(N×p)阶矩阵。

以牛仔裤为例，采集的多个真实产品的真实产品画像数据，也就是牛仔裤的服装设计信息包括贴身度、腰部细节、脚口细节和装饰细节，令基于真实产品画像数据与评估标准的计算为实验四。需要注意的是，除了牛仔裤，还可结合其他类型服装的设计信息确定和其他服装产品匹配的真实产品画像数据。

G＝{g₁,…,g_h}为贴身度，令h＝5，则贴身度包括5级，也就是“松”，“较松”，“适中”，“较紧”和“紧”。

DW＝{dw₁,…,dw_x}为腰部细节，令x＝3，则腰部细节包括3种类型，也就是“高腰”，“中腰”和“低腰”。

DF＝{df₁,…,df_y}为脚口细节，令y＝3，则脚口细节包括3种类型，也就是“喇叭裤”，“普通裤”和“铅笔裤”。

DO＝{do₁,…,do_z}为装饰细节，令z＝2，则装置细节包括2种类型，也就是“装饰多”和“装饰少”。

由于贴身度、腰部细节、脚口细节和装饰细节作为输出变量，令M为输出变量个数，则M＝h+x+y+z。

将矩阵形式的评估标准和产品画像数据进行统计与加权平均处理获得产品画像映射矩阵，也就是通过实验四将矩阵形式的评估标准和贴身度、腰部细节、脚口细节和装饰细节分别相乘，可获得真实产品画像映射矩阵中描述E(评估标准)和G(贴身度)之间的映射关系KB_G，可用一个(p×h)阶矩阵表示；描述E(评估标准)和DW(腰部细节)之间的映射关系KB_DW，可用一个(p×x)阶矩阵表示；描述E(评估标准)和DF(脚口细节)之间的映射关系KB_DF，可用一个(p×y)阶矩阵表示；以及描述E(评估标准)和DO(装饰细节)之间的映射关系KB_DO，可用一个(p×z)阶矩阵表示。

令KB2为真实产品画像映射矩阵，其描述了E和M个输出变量之间的映射关系，由通过实验四获得的四个矩阵组合构成，可以表示为一个(p×M)阶矩阵。

令KB为知识库，对消费者画像映射矩阵和产品画像映射矩阵进行复合映射计算便可获得知识库，也就是KB＝KB1°KB2。KB是一个(N×M)阶矩阵，描述了消费者画像与产品画像之间的关系。

优选地，所述步骤3的具体实现为：将所述消费者画像矩阵和所述知识库进行复合映射计算，获得所述期望产品画像数据。

具体地，步骤3中的根据消费者画像矩阵和知识库确定的期望产品画像Y可表示为一个M阶向量矩阵：Y＝CP°KB，也就是将消费者画像矩阵CP和知识库KB进行复合映射计算。

优选地，所述步骤4的具体实现为：

令Y为M阶的所述期望产品画像数据，y_i为第i个产品的M阶的所述真实产品画像数据，根据相似度公式确定所述期望产品画像数据与第i个产品的所述真实产品画像数据的相似度N(Y,y_i)，所述相似度公式为：

其中，j表示取值范围为从1至M的阶数。

具体地，对于同一款服装产品，通常具有多件不同款式、颜色的服装，令，若具有i套服装，将这i套服装的信息作为真实产品画像数据，利用相似度公式分别确定期望产品画像数据与真实产品画像数据的相似度，在i项相似度计算结果中确定其中与期望产品画像数据相似度最大的真实产品画像数据作为推荐服装产品。

如图2所示，本发明实施例提供的一种基于知识库的服装推荐系统包括接收模块、处理模块和发送模块。

所述接收模块，用于接收消费者画像数据，其中，所述消费者画像数据包括消费者的体型数据、风格关键词和风格图片，所述风格图片为和所述风格关键词匹配的服装图片。

所述处理模块，用于根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像矩阵。

以及根据所述消费者画像矩阵和预存的知识库确定期望产品画像数据。

以及分别确定所述期望产品画像数据与预存的多个真实产品画像数据的相似度，其中，所述真实产品画像数据分别与真实产品一一对应。

以及确定与所述期望产品画像数据具有最大相似度的所述真实产品画像数据对应的所述真实产品。

所述发送模块，用于发送所述真实产品的产品信息。

优选地，所述处理模块具体用于：

采用模糊层次分析法，根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像数据权重矩阵。

将所述消费者画像数据和所述消费者画像数据权重矩阵进行矩阵求积，获得所述消费者画像矩阵。

优选地，预存的所述知识库根据如下步骤获得：

将采集的矩阵形式的多个消费者的所述消费者画像数据和预定的评估标准进行矩阵求积，获得消费者画像映射矩阵。

将采集的矩阵形式的多个真实产品的所述真实产品画像数据和所述评估标准进行矩阵求积，获得真实产品画像映射矩阵；所述评估标准包括多个用于标准评估的评估项。

将所述消费者画像映射矩阵和所述真实产品画像映射矩阵进行复合映射计算，获得所述知识库。

优选地，所述处理模块具体还用于：

将所述消费者画像矩阵和所述知识库进行复合映射计算，获得所述期望产品画像数据。

优选地，所述处理模块具体还用于：

令Y为M阶的所述期望产品画像数据，y_i为第i个产品的M阶的所述真实产品画像数据，根据相似度公式确定所述期望产品画像数据与第i个产品的所述真实产品画像数据的相似度N(Y,y_i)，所述相似度公式为：

其中，j表示取值范围为从1至M的阶数。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种基于知识库的服装推荐方法，其特征在于，包括：

步骤1，接收消费者画像数据，其中，所述消费者画像数据包括消费者的体型数据、风格关键词和风格图片，所述风格图片为和所述风格关键词匹配的服装图片；

步骤2，根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像矩阵；

步骤3，根据所述消费者画像矩阵和预存的知识库确定期望产品画像数据；

步骤4，分别确定所述期望产品画像数据与预存的多个真实产品画像数据的相似度，其中，所述真实产品画像数据分别与真实产品一一对应；

步骤5，确定与所述期望产品画像数据具有最大相似度的所述真实产品画像数据对应的所述真实产品，并发送所述真实产品的产品信息；

预存的所述知识库根据如下步骤获得：

将采集的矩阵形式的多个消费者的所述消费者画像数据和预定的评估标准进行矩阵求积，获得消费者画像映射矩阵；

将采集的矩阵形式的多个真实产品的所述真实产品画像数据和所述评估标准进行矩阵求积，获得真实产品画像映射矩阵；所述评估标准包括多个用于标准评估的评估项；

将所述消费者画像映射矩阵和所述真实产品画像映射矩阵进行复合映射计算，获得所述知识库；

所述步骤3的具体实现为：将所述消费者画像矩阵和所述知识库进行复合映射计算，获得所述期望产品画像数据。

2.根据权利要求1所述的基于知识库的服装推荐方法，其特征在于，所述步骤2具体包括：

步骤2.1，采用模糊层次分析法，根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像数据权重矩阵；

步骤2.2，将所述消费者画像数据和所述消费者画像数据权重矩阵进行矩阵求积，获得所述消费者画像矩阵。

3.根据权利要求1或2所述的基于知识库的服装推荐方法，其特征在于，所述步骤4的具体实现为：

令Y为M阶的所述期望产品画像数据，y_i为第i个产品的M阶的所述真实产品画像数据，根据相似度公式确定所述期望产品画像数据与第i个产品的所述真实产品画像数据的相似度N(Y,y_i)，所述相似度公式为：

其中，j表示取值范围为从1至M的阶数。

4.一种基于知识库的服装推荐系统，其特征在于，包括接收模块、处理模块和发送模块；

所述接收模块，用于接收消费者画像数据，其中，所述消费者画像数据包括消费者的体型数据、风格关键词和风格图片，所述风格图片为和所述风格关键词匹配的服装图片；

所述处理模块，用于根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像矩阵；

以及根据所述消费者画像矩阵和预存的知识库确定期望产品画像数据；

以及分别确定所述期望产品画像数据与预存的多个真实产品画像数据的相似度，其中，所述真实产品画像数据分别与真实产品一一对应；

以及确定与所述期望产品画像数据具有最大相似度的所述真实产品画像数据对应的所述真实产品；

所述发送模块，用于发送所述真实产品的产品信息；

预存的所述知识库根据如下步骤获得：

将采集的矩阵形式的多个消费者的所述消费者画像数据和预定的评估标准进行矩阵求积，获得消费者画像映射矩阵；

将采集的矩阵形式的多个真实产品的所述真实产品画像数据和所述评估标准进行矩阵求积，获得真实产品画像映射矩阵；所述评估标准包括多个用于标准评估的评估项；

将所述消费者画像映射矩阵和所述真实产品画像映射矩阵进行复合映射计算，获得所述知识库；

所述处理模块具体还用于：

将所述消费者画像矩阵和所述知识库进行复合映射计算，获得所述期望产品画像数据。

5.根据权利要求4所述的基于知识库的服装推荐系统，其特征在于，所述处理模块具体用于：

采用模糊层次分析法，根据所述体型数据、所述风格关键词和所述风格图片确定消费者画像数据权重矩阵；

将所述消费者画像数据和所述消费者画像数据权重矩阵进行矩阵求积，获得所述消费者画像矩阵。

6.根据权利要求4或5所述的基于知识库的服装推荐系统，其特征在于，所述处理模块具体还用于：

令Y为M阶的所述期望产品画像数据，y_i为第i个产品的M阶的所述真实产品画像数据，根据相似度公式确定所述期望产品画像数据与第i个产品的所述真实产品画像数据的相似度N(Y,y_i)，所述相似度公式为：

其中，j表示取值范围为从1至M的阶数。

Images