CN111028031A - 服饰推荐方法、装置、设备及存储介质 - Google Patents

服饰推荐方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111028031A
CN111028031A CN201910420657.6A CN201910420657A CN111028031A CN 111028031 A CN111028031 A CN 111028031A CN 201910420657 A CN201910420657 A CN 201910420657A CN 111028031 A CN111028031 A CN 111028031A
Authority
CN
China
Prior art keywords
clothing
human body
sign model
user
material data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910420657.6A
Other languages
English (en)
Inventor
宋欣昊
毕胜
王成庆
王延樑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Suibian Technology Co ltd
Original Assignee
Zhuhai Suibian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuhai Suibian Technology Co ltd filed Critical Zhuhai Suibian Technology Co ltd
Priority to CN201910420657.6A priority Critical patent/CN111028031A/zh
Publication of CN111028031A publication Critical patent/CN111028031A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种服饰推荐方法、装置、设备及存储介质。该方法包括：根据用户的当前服饰购买订单，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据；根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐。上述技术方案提高了平台推荐服饰的精准性，使推荐的服饰不仅是尺码符合用户人体体征，还能满足用户对服饰的高品质需求。

Description

服饰推荐方法、装置、设备及存储介质
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种服饰推荐方法、装置、设备及存储介质。
背景技术
随着生活质量的提高，人们对服饰的需求也越来越多。人为从电商平台海量服饰中进行挑选的做法，既浪费时间又不符合当下科技改变生活的潮流，因此，电商平台服饰推荐功能应运而生。
目前，根据用户自已购买的服饰，电商平台可以推算出用户体征数据，进而为用户推荐尺寸合适、款式类似的服饰。但是，此种服饰推荐方式，电商平台仅考虑了服饰外观层面，较难命中用户对服饰日益增长的高品质需求。
发明内容
本发明实施例提供一种服饰推荐方法、装置、设备及存储介质，以优化现有技术中电商平台的服饰推荐方法，提升服饰推荐的精准性。
第一方面，本发明实施例提供了一种服饰推荐方法，包括：
根据用户的当前服饰购买订单，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据；
根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐。
第二方面，本发明实施例还提供了一种服饰推荐装置，包括：
人体体征模型及偏好服饰材料确定模块，用于根据用户的当前服饰购买订单，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据；
服饰推荐模块，用于根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任意实施例所述的服饰推荐方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的服饰推荐方法。
本发明实施例提供的技术方案中，首先根据用户的当前服饰购买订单中涉及的服饰信息收集对应的人体体征数据和用户偏好材料，进而确定出至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据，然后根据这些人体体征模型以及对应的偏好服饰材料数据在平台上发布的服饰中选取目标推荐服饰向用户推荐，以此提高了平台推荐服饰的精准性，使推荐的服饰不仅是尺码符合用户人体体征，还能满足用户对服饰的高品质需求。
附图说明
图1是本发明实施例一中的一种服饰推荐方法的流程图；
图2是本发明实施例二中的一种服饰推荐方法的流程图；
图3是本发明实施例三中的一种服饰推荐方法的流程图；
图4是本发明实施例四中的一种服饰推荐装置的结构示意图；
图5是本发明实施例五中的一种计算机设备的硬件结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种服饰推荐方法的流程图，可适用于电商平台向用户推荐尺码和材质均满足用户需求的服饰的情况，该方法可以由本发明实施例提供的服饰推荐装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可集成在处理器中，例如是与电商客户端对应的后台服务器的处理器中。
如图1所示，本实施例的方法具体包括：
S110、根据用户的当前服饰购买订单，确定与用户对应的至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据。
当前服饰购买订单，指的是在当前时间之前用户在平台上购买服饰的所有订单。根据用户的当前服饰购买订单，可以得到用户已购买所有服饰的参数信息，例如是服饰基本信息、服饰尺码信息和服饰材质信息等，进而可以根据用户已购买所有服饰的基本信息和尺码信息构建至少一个人体体征模型，对应的，还可以根据服饰材质信息分别确定出与各个人体体征模型对应的偏好服饰材料数据。其中，人体体征模型可以指的是xx尺码xx性别模型，偏好服饰材料数据可以指的与某个人体体征模型对应的已购买服饰的材质数据，例如100％棉、100％聚酯纤维等。
例如，某用户购买了S码女款T恤(材质为100％聚酯纤维)和XL码男款衬衣(材质为100％棉)，则可以构建两个人体体征模型，一个S码女性模型，一个XL码男性模型。其中，与S码女性模型对应的偏好服饰材料数据为T恤材质--100％聚酯纤维，与XL码男性模型对应的偏好服饰材料数据为衬衣材质--100％棉。
S120、根据至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向用户推荐。
在确定了人体体征模型以及与人体体征模型匹配的偏好服饰材料数据之后，即可在平台发布的服饰中选取目标服饰进行推荐。
在前述示例的基础上，当用户打开女款T恤这一服饰品类时，则可以向用户推荐尺码为S码、材质为100％聚酯纤维的女款T恤，例如在女款T恤这一服饰品类中将这些推荐的女款T恤进行优先展示；当用户打开男款衬衣这一服饰品类时，则可以向用户推荐尺码为XL码、材质为100％棉的男款衬衣，例如在男款衬衣这一服饰品类中将这些推荐的男款衬衣进行优先展示。
本发明实施例提供的技术方案中，首先根据用户的当前服饰购买订单中涉及的服饰信息收集对应的人体体征数据和用户偏好材料，进而确定出至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据，然后根据这些人体体征模型以及对应的偏好服饰材料数据在平台上发布的服饰中选取目标推荐服饰向用户推荐，以此提高了平台推荐服饰的精准性，使推荐的服饰不仅是尺码符合用户人体体征，还能满足用户对服饰的高品质需求。
典型的，本实施例提供的服饰推荐方法，在S120之后还包括：
当检测到与用户对应的新的服饰购买订单时，根据新的服饰购买订单，确定与用户对应的一个新的人体体征模型以及与新的人体体征模型匹配的偏好服饰材料数据，或者，更新与用户对应的一个目标人体体征模型以及与目标人体体征模型匹配的目标偏好服饰材料数据。
用户每次购买服饰之后，服饰推荐装置都会收集用户购买的服饰的参数信息，并根据购买的服饰的参数信息创建新的人体体征模型或更新已有的一个人体体征模型。
在前述示例的基础上，假如用户又买了一件S码女款衬衣(材质为100％棉)，服饰推荐装置则会更新与该用户对应的S码女性模型，更新后的与S码女性模型对应的偏好服饰材料数据还包括衬衣--100％棉，当用户打开女款衬衣这一服饰品类时，则向用户推荐尺码为S码、材质为100％棉的女款衬衣，例如在女款衬衣这一服饰品类中将这些推荐的女款衬衣进行优先展示；假如用户又买了一件L码女款风衣(材质为100％棉)，服饰推荐装置则根据这件L码女款风衣的基本信息和尺码信息构建至少一个人体体征模型--L码女性模型，并根据这件L码女款风衣确定出与L码女性模型对应的偏好服饰材料数据为风衣--100％棉，进而当用户打开女款风衣这一服饰品类时，则向用户推荐尺码为L码、材质为100％棉的女款风衣，例如在女款风衣这一服饰品类中将这些推荐的女款风衣进行优先展示。
实施例二
图2是本发明实施例二提供的一种服饰推荐方法的流程图，本实施例以上述实施例为基础进行具体化，其中，将根据用户的当前服饰购买订单，确定与用户对应的至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据，具体为：
根据用户的当前服饰购买订单，获取与当前服饰购买订单对应的至少一件服饰的规格数据以及生产材料数据；
根据至少一件服饰的规格数据以及生产材料数据，确定与用户对应的至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据。
进一步的，将根据人体体征模型以及与人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向用户推荐，具体为：
将人体体征模型与平台上发布的至少一件服饰的规格数据进行匹配，得到与人体体征模型匹配的候选推荐服饰；
将与人体体征模型匹配的候选推荐服饰的生产材料数据和与人体体征模型匹配的偏好服饰材料数据进行对比，得到与人体体征模型对应的目标推荐服饰，向用户推荐。
如图2所示，本实施例的方法具体包括：
S210、根据用户的当前服饰购买订单，获取与当前服饰购买订单对应的至少一件服饰的规格数据以及生产材料数据。
在一种具体的应用场景下，用户在电商平台上购买的任意一件服饰都是服饰生产商定制的，进而，根据用户的当前服饰购买订单以及服饰生产商提供的数据，可以得到与当前服饰购买订单对应的各件服饰详细的规格数据以及生产材料数据。
其中，服饰的规格数据至少包括：适宜身高、适宜性别以及服饰尺寸信息等，服饰尺寸信息除了包括尺码信息，还可以包括前衣长、前腰长、胸高点、前胸宽、胸围、乳距、下胸围、腰围、腹围、臀围、肩宽、背宽、后腰长、后身长、袖长、肘长、臂根围、肘围、腕围、掌围、头围、领围、裤长、裙长、腿围、小腿围、膝围、脚踝，等等局部尺寸信息。
生产材料数据至少包括：主体面料数据、局部面料数据、附件材料数据(例如纽扣材质、印花材质等)以及基础材料数据(例如线等)，等等。
S220、根据至少一件服饰的规格数据以及生产材料数据，确定与用户对应的至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据。
由于同一个用户可以为多个不同的人购买服饰，因此，同一个用户可以对应有多个人体体征模型。
具体的，在确定了与当前服饰购买订单对应的每一件服饰的规格数据之后，首先，根据各件服饰的规格数据对各件服饰进行划分，即可得到与用户对应的各个人体体征模型，例如是S码女性模型和XL码男性模型，以及与各个人体体征模型分别对应的各件服饰。其中，人体体征模型不仅包括性别和尺码信息，还包括详细的局部尺寸信息，例如是前衣长、前腰长、胸高点、前胸宽、胸围、乳距、下胸围、腰围、腹围、臀围、肩宽、背宽、后腰长、后身长、袖长、肘长、臂根围、肘围、腕围、掌围、头围、领围、裤长、裙长、腿围、小腿围、膝围以及脚踝这些局部尺寸信息中的一种或多种。
然后根据各件服饰的生产材料数据，即可得到与每个人体体征模型匹配的偏好服饰材料数据，例如是与每个人体体征模型匹配的特定服饰品类的偏好服饰材料数据，包括主体面料数据、局部面料数据、附件材料数据以及基础材料数据等等。
S230、分别将各人体体征模型与平台上发布的至少一件服饰的规格数据进行匹配，得到与各人体体征模型分别匹配的候选推荐服饰。
下述以一个人体体征模型为例，进行解释说明。
在确定了人体体征模型之后，将人体体征模型与平台上发布的各件服饰的规格数据进行比较，确定出与人体体征模型对应的候选推荐服饰，候选推荐服饰也即规格数据能够符合人体体征模型的服饰。
本步骤设置的意义在于，筛除规格数据不符合人体体征模型的服饰。以人体体征模型是S码女性模型为例，如果a服饰的最小尺码为M，则a服饰的规格数据不符合人体体征模型，进而a服饰不能作为与S码女性模型匹配的候选推荐服饰。再以人体体征模型是XL码男性模型为例，如果b服饰XL码断货(生产商原材料不足，无法生成XL码的b服装)，则b服饰的规格数据不符合人体体征模型，进而b服饰不能作为与XL码男性模型匹配的候选推荐服饰。
具体的，候选推荐服饰可以是与当前服饰购买订单对应的同品类服饰，也可以是与当前服饰购买订单对应的关联品类服饰。
与当前服饰购买订单对应的同品类服饰，指的是与已买服饰属于同一品类的服饰，与当前服饰购买订单对应的关联品类服饰，指的是与已买服饰不属于同一品类的其他品类的服饰。例如，当前服饰购买订单购买的是短袖T恤，则同品类服饰则为短袖T恤，关联品类服饰则为长袖T恤、长裤、短裤、短裙、连衣裙等。
得到的候选推荐服饰，不管是与当前服饰购买订单对应的同品类服饰，还是关联品类服饰，其规格数据均是能够符合人体体征模型的。其中，同品类服饰的尺码一般相同，关联品类服饰的尺码可以与同品类服饰相同，也可以不同。例如，用户已购买女款T恤为S码，则可以为用户推荐S码的女款T恤，还可以为用户推荐S码或M码的卫衣或外套。
作为本实施例一种具体的实施方式，将S230具体为：根据人体体征模型与平台上发布的至少一件服饰的规格数据，确定与当前服饰购买订单对应的关联品类服饰的目标尺码，并将平台上发布的与目标尺码匹配的关联品类服饰作为候选推荐服饰。
当向用户推荐关联品类服饰时，可以首先根据人体体征模型以及平台上发布的各服饰的规格数据，确定出关联品类服饰的目标尺码，然后将该目标尺码的关联品类服饰作为候选推荐服饰。例如，根据用户已购买服饰确定的人体体征模型中的肩宽尺寸为40cm，若要向用户推荐关联品类服饰--外套时，根据外套穿戴习惯可知外套肩宽在42cm左右会使该用户穿起来比较舒服，因此，将外套肩宽42cm与外套品类服饰的规格数据进行对比，确定出肩宽42cm的外套的目标尺码，并将该目标尺码的外套作为候选推荐服饰。
当向用户推荐关联品类服饰时，还可以根据人体体征模型中的局部尺寸信息确定出关联品类服饰的局部尺寸信息，例如，根据人体体征模型中的腰围尺寸信息，确定出关联品类服饰—裤子、裙子、皮带、短裤之类的腰围尺寸信息，进而能够确定出关联品类服饰的目标尺码，并将相应目标尺码的关联品类服饰作为候选推荐服饰。
S240、将与各人体体征模型分别匹配的候选推荐服饰的生产材料数据，对应地和与各人体体征模型分别匹配的偏好服饰材料数据进行对比，得到与各人体体征模型对应的目标推荐服饰，向用户推荐。
在筛选出与人体体征模型匹配的候选推荐服饰之后，分别将各件候选推荐服饰和与人体体征模型匹配的偏好服饰材料数据进行对比，将相似度满足预设条件的候选推荐服饰作为向用户推荐的目标推荐服饰。
例如，与人体体征模型匹配的偏好服饰材料数据为衬衣—主体面料xx1、局部面料xx2、附件材料xx3、基础材料xx4，若候选推荐服饰c是生产材料数据为主体面料为主体面料xx1、局部面料xx2、附件材料xx3、基础材料xx4，此时，候选推荐服饰c的生产材料数据和与人体体征模型匹配的衬衣品类偏好服饰材料数据完全相同(相近也可以)，则可将候选推荐服饰c作为目标推荐服饰，当用户打开候选推荐服饰c所属的服饰品类时，或者是用户搜索候选推荐服饰c所属的服饰品类时，将候选推荐服饰c优先显示给用户，以达到向用户推荐的效果。
如果针对一个人体体征模型，存在同一品类服饰的多个已购买服饰订单、且同一品类服饰的生成材料数据存在差异，则可根据对这些同一品类服饰生产材料数据的统计分析，将占比较大的生成材料数据作为与该人体体征模型匹配的该品类偏好服饰材料数据。简单来说，如果用户购买了多件M码女款衬衣，大多数为棉质，少数为丝质，则与M码女性模型对应的衬衣品类偏好服饰材料数据为棉质。
本实施例未尽详细解释之处，请参见前述实施例，在此不再赘述。
在上述技术方案中，首先根据用户服饰生产商提供的用户已购买服饰的规格数据和生产材料数据，确定出至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据，然后根据人体体征模型在平台上发布的服饰中筛选出与人体体征模型匹配的候选推荐服饰，最后将候选推荐服饰的生产材料数据(服饰生产商提供的)与偏好服饰材料数据进行对比，满足相似度条件的候选推荐服饰即可作为目标推荐服饰向用户推荐，由此，目标推荐服饰的材质更容易符合用户对服饰材质的高品质需求，进一步提高了平台推荐服饰的精准性。
实施例三
图3是本发明实施例三提供的一种服饰推荐方法的流程图，本实施例以上述实施例为基础进行具体化，其中，将与人体体征模型匹配的候选推荐服饰的生产材料数据和与人体体征模型匹配的偏好服饰材料数据进行对比，得到与人体体征模型对应的目标推荐服饰，具体为：
将与人体体征模型匹配的候选推荐服饰的主体生产材料数据和与人体体征模型匹配的偏好服饰材料数据进行对比，并根据对比结果确定与人体体征模型对应的目标推荐服饰。
进一步的，将根据对比结果确定与人体体征模型对应的目标推荐服饰，具体为：
根据对比结果，以及候选推荐服饰的主体生产材料品质和/或局部生产材料舒适度，确定与人体体征模型对应的目标推荐服饰。
如图3所示，本实施例的方法具体包括：
S310、根据用户的当前服饰购买订单，获取与当前服饰购买订单对应的至少一件服饰的规格数据以及生产材料数据。
S320、根据至少一件服饰的规格数据以及生产材料数据，确定与用户对应的至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据。
S330、分别将各人体体征模型与平台上发布的至少一件服饰的规格数据进行匹配，得到与各人体体征模型分别匹配的候选推荐服饰。
S340、将与人体体征模型匹配的候选推荐服饰的主体生产材料数据和与人体体征模型匹配的偏好服饰材料数据进行对比，并根据对比结果确定与人体体征模型对应的目标推荐服饰，或者根据对比结果，以及候选推荐服饰的主体生产材料品质和/或局部生产材料舒适度，确定与人体体征模型对应的目标推荐服饰。
作为一种具体的实施方式，可以只根据候选推荐服饰的主体生产材料数据和与人体体征模型匹配的偏好服饰材料数据确定目标推荐服饰，具体的，可以将主体生成材料数据与偏好服饰材料数据的相似度大于设定阈值的候选推荐服饰作为目标推荐服饰。
作为另一种具体的实施方式，可以根据候选推荐服饰的主体生产材料数据、候选推荐服饰的主体生产材料品质，以及与人体体征模型匹配的偏好服饰材料数据确定目标推荐服饰。其中，主体生产材料品质主要指的是主体生产材料的质量，例如，同样是棉质材质，也可以分为许多等级。典型的，主体生产材料品质可以由主体生产材料的价格确定。具体的，可以将主体生成材料数据与偏好服饰材料数据的相似度以及主体生产材料品质与偏好服饰材料数据的相似度，均大于设定阈值的候选推荐服饰作为目标推荐服饰。
作为又一种具体的实施方式，可以根据候选推荐服饰的主体生产材料数据、候选推荐服饰的局部生产材料舒适度，以及与人体体征模型匹配的偏好服饰材料数据确定目标推荐服饰。其中，局部生产材料舒适度主要指的与服饰特定部位的生产材料直接关联的服饰舒适度，例如，与运动T恤腋下部位生产材料直接关联的运动T恤舒适度，运动T恤腋下部位生产材料的吸汗速干效果越好，运动T恤舒适度越高。具体的，可以将主体生成材料数据与偏好服饰材料数据的相似度大于设定阈值的、局部生产材料舒适度较高的候选推荐服饰作为目标推荐服饰。
作为再一种具体的实施方式，可以根据候选推荐服饰的主体生产材料数据、候选推荐服饰的主体生产材料品质、候选推荐服饰的局部生产材料舒适度，以及与人体体征模型匹配的偏好服饰材料数据确定目标推荐服饰。具体的，可以将主体生成材料数据与偏好服饰材料数据的相似度以及主体生产材料品质与偏好服饰材料数据的相似度均大于设定阈值的，且局部生产材料舒适度较高的候选推荐服饰作为目标推荐服饰。
本实施例未尽详细解释之处，请参见前述实施例，在此不再赘述。
在上述技术方案中，结合与人体体征模型匹配的偏好服饰材料数据，候选推荐服饰的主体生产材料数据、主体生产材料品质以及局部生产材料舒适度，向用户推荐原材料、品质、舒适度以及尺码均能满足用户定制需求的服饰，信息匹配精确度高，进一步提高了平台推荐服饰的精准性。
实施例四
图4是本发明实施例四提供的一种服饰推荐装置的结构示意图，可适用于电商平台向用户推荐尺码和材质均满足用户需求的服饰的情况，该装置可采用软件和/或硬件的方式实现，并一般可集成在处理器中，例如是与电商客户端对应的后台服务器的处理器中。
如图4所示，该服饰推荐装置具体包括：人体体征模型及偏好服饰材料确定模块410和服饰推荐模块420。其中，
人体体征模型及偏好服饰材料确定模块410，用于根据用户的当前服饰购买订单，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据；
服饰推荐模块420，用于根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐。
本发明实施例提供的技术方案中，首先根据用户的当前服饰购买订单中涉及的服饰信息收集对应的人体体征数据和用户偏好材料，进而确定出至少一个人体体征模型以及分别与各人体体征模型匹配的偏好服饰材料数据，然后根据这些人体体征模型以及对应的偏好服饰材料数据在平台上发布的服饰中选取目标推荐服饰向用户推荐，以此提高了平台推荐服饰的精准性，使推荐的服饰不仅是尺码符合用户人体体征，还能满足用户对服饰的高品质需求。
进一步的，人体体征模型及偏好服饰材料确定模块410具体包括：服饰规格以及生产材料数据确定单元和人体体征模型及偏好服饰材料确定单元，其中，
服饰规格以及生产材料数据确定单元，用于根据用户的当前服饰购买订单，获取与当前服饰购买订单对应的至少一件服饰的规格数据以及生产材料数据；
人体体征模型及偏好服饰材料确定单元，用于根据所述至少一件服饰的规格数据以及生产材料数据，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据。
进一步的，服饰推荐模块420具体包括：候选推荐服饰确定单元和服饰推荐单元，其中，
候选推荐服饰确定单元，用于将所述人体体征模型与平台上发布的至少一件服饰的规格数据进行匹配，得到与所述人体体征模型匹配的候选推荐服饰；
服饰推荐单元，用于将与所述人体体征模型匹配的候选推荐服饰的生产材料数据和与所述人体体征模型匹配的偏好服饰材料数据进行对比，得到与所述人体体征模型对应的目标推荐服饰，向所述用户推荐。
具体的，所述候选推荐服饰包括：与所述当前服饰购买订单对应的同品类服饰，和/或，与所述当前服饰购买订单对应的关联品类服饰。
进一步的，候选推荐服饰确定单元，具体用于根据所述人体体征模型与平台上发布的至少一件服饰的规格数据，确定与所述当前服饰购买订单对应的关联品类服饰的目标尺码，并将所述平台上发布的与所述目标尺码匹配的所述关联品类服饰作为所述候选推荐服饰。
进一步的，服饰推荐单元具体用于将与所述人体体征模型匹配的候选推荐服饰的主体生产材料数据和与所述人体体征模型匹配的偏好服饰材料数据进行对比，并根据对比结果确定与所述人体体征模型对应的目标推荐服饰。
进一步的，服饰推荐单元具体用于将与所述人体体征模型匹配的候选推荐服饰的主体生产材料数据和与所述人体体征模型匹配的偏好服饰材料数据进行对比，并根据对比结果，以及所述候选推荐服饰的主体生产材料品质和/或局部生产材料舒适度，确定与所述人体体征模型对应的目标推荐服饰。
进一步的，该服饰推荐装置还包括：人体体征模型更新模块，用于在根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐之后，当检测到与所述用户对应的新的服饰购买订单时，根据所述新的服饰购买订单，确定与所述用户对应的一个新的人体体征模型以及与所述新的人体体征模型匹配的偏好服饰材料数据，或者，更新与所述用户对应的一个目标人体体征模型以及与所述目标人体体征模型匹配的目标偏好服饰材料数据。
上述服饰推荐装置可执行本发明任意实施例所提供的服饰推荐方法，具备执行服饰推荐方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种计算机设备的硬件结构示意图，如图5所示，该设备包括：
一个或多个处理器510，图5中以一个处理器510为例；
存储器520；
所述计算机设备还可以包括：输入装置530和输出装置540。
所述计算机设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接，图5中以通过总线连接为例。
存储器520作为一种非暂态计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种服饰推荐方法对应的程序指令/模块(例如，附图4所示的人体体征模型及偏好服饰材料确定模块410和服饰推荐模块420)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述方法实施例的一种服饰推荐方法。
存储器520可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非暂态性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中，存储器520可选包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种服饰推荐方法，该方法包括：
根据用户的当前服饰购买订单，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据；
根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐。
可选的，该计算机可执行指令在由计算机处理器执行时还可以用于执行本发明任意实施例所提供的一种服饰推荐方法的技术方案。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述服饰推荐装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种服饰推荐方法，其特征在于，包括：
根据用户的当前服饰购买订单，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据；
根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐。
2.根据权利要求1所述的方法，其特征在于，根据用户的当前服饰购买订单，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，包括：
根据用户的当前服饰购买订单，获取与当前服饰购买订单对应的至少一件服饰的规格数据以及生产材料数据；
根据所述至少一件服饰的规格数据以及生产材料数据，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据。
3.根据权利要求1所述的方法，其特征在于，根据所述人体体征模型以及与所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐，包括：
将所述人体体征模型与平台上发布的至少一件服饰的规格数据进行匹配，得到与所述人体体征模型匹配的候选推荐服饰；
将与所述人体体征模型匹配的候选推荐服饰的生产材料数据和与所述人体体征模型匹配的偏好服饰材料数据进行对比，得到与所述人体体征模型对应的目标推荐服饰，向所述用户推荐。
4.根据权利要求3所述的方法，其特征在于，所述候选推荐服饰包括：与所述当前服饰购买订单对应的同品类服饰，和/或，与所述当前服饰购买订单对应的关联品类服饰。
5.根据权利要求3所述的方法，其特征在于，将所述人体体征模型与平台上发布的至少一件服饰的规格数据进行匹配，得到与所述人体体征模型匹配的候选推荐服饰，包括：
根据所述人体体征模型与平台上发布的至少一件服饰的规格数据，确定与所述当前服饰购买订单对应的关联品类服饰的目标尺码，并将所述平台上发布的与所述目标尺码匹配的所述关联品类服饰作为所述候选推荐服饰。
6.根据权利要求3所述的方法，其特征在于，将与所述人体体征模型匹配的候选推荐服饰的生产材料数据和与所述人体体征模型匹配的偏好服饰材料数据进行对比，得到与所述人体体征模型对应的目标推荐服饰，包括：
将与所述人体体征模型匹配的候选推荐服饰的主体生产材料数据和与所述人体体征模型匹配的偏好服饰材料数据进行对比，并根据对比结果确定与所述人体体征模型对应的目标推荐服饰。
7.根据权利要求6所述的方法，其特征在于，根据对比结果确定与所述人体体征模型对应的目标推荐服饰，包括：
根据对比结果，以及所述候选推荐服饰的主体生产材料品质和/或局部生产材料舒适度，确定与所述人体体征模型对应的目标推荐服饰。
8.根据权利要求1-7任一项所述的方法，其特征在于，在根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐之后，还包括：
当检测到与所述用户对应的新的服饰购买订单时，根据所述新的服饰购买订单，确定与所述用户对应的一个新的人体体征模型以及与所述新的人体体征模型匹配的偏好服饰材料数据，或者，更新与所述用户对应的一个目标人体体征模型以及与所述目标人体体征模型匹配的目标偏好服饰材料数据。
9.一种服饰推荐装置，其特征在于，包括：
人体体征模型及偏好服饰材料确定模块，用于根据用户的当前服饰购买订单，确定与所述用户对应的至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据；
服饰推荐模块，用于根据所述至少一个人体体征模型以及分别与各所述人体体征模型匹配的偏好服饰材料数据，选取目标推荐服饰向所述用户推荐。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1～8中任一所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～8中任一所述的方法。
CN201910420657.6A 2019-05-20 2019-05-20 服饰推荐方法、装置、设备及存储介质 Pending CN111028031A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910420657.6A CN111028031A (zh) 2019-05-20 2019-05-20 服饰推荐方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910420657.6A CN111028031A (zh) 2019-05-20 2019-05-20 服饰推荐方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111028031A true CN111028031A (zh) 2020-04-17

Family

ID=70199599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910420657.6A Pending CN111028031A (zh) 2019-05-20 2019-05-20 服饰推荐方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111028031A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116883119A (zh) * 2023-07-27 2023-10-13 深圳市慧聚数字软件运营有限公司 服装推荐方法、装置、终端设备及计算机可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360365A (zh) * 2011-10-08 2012-02-22 广东工业大学 一种在网上筛选服装的可拓策略生成方法
CN105550921A (zh) * 2015-12-14 2016-05-04 王春林 一种智能选衣方法及系统
CN106649383A (zh) * 2015-11-02 2017-05-10 阿里巴巴集团控股有限公司 服饰管理方法及系统
CN107358505A (zh) * 2017-07-12 2017-11-17 苏州大学 一种用于服装网购的尺码推荐方法及系统
CN107481101A (zh) * 2017-07-31 2017-12-15 广东欧珀移动通信有限公司 穿衣推荐方法及其装置
CN108734557A (zh) * 2018-05-18 2018-11-02 北京京东尚科信息技术有限公司 用于生成服饰推荐信息的方法、装置和系统
CN109410010A (zh) * 2018-10-31 2019-03-01 上海与德通讯技术有限公司 服装推荐方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360365A (zh) * 2011-10-08 2012-02-22 广东工业大学 一种在网上筛选服装的可拓策略生成方法
CN106649383A (zh) * 2015-11-02 2017-05-10 阿里巴巴集团控股有限公司 服饰管理方法及系统
CN105550921A (zh) * 2015-12-14 2016-05-04 王春林 一种智能选衣方法及系统
CN107358505A (zh) * 2017-07-12 2017-11-17 苏州大学 一种用于服装网购的尺码推荐方法及系统
CN107481101A (zh) * 2017-07-31 2017-12-15 广东欧珀移动通信有限公司 穿衣推荐方法及其装置
CN108734557A (zh) * 2018-05-18 2018-11-02 北京京东尚科信息技术有限公司 用于生成服饰推荐信息的方法、装置和系统
CN109410010A (zh) * 2018-10-31 2019-03-01 上海与德通讯技术有限公司 服装推荐方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116883119A (zh) * 2023-07-27 2023-10-13 深圳市慧聚数字软件运营有限公司 服装推荐方法、装置、终端设备及计算机可读存储介质
CN116883119B (zh) * 2023-07-27 2024-03-19 深圳市慧聚数字软件运营有限公司 服装推荐方法、装置、终端设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
US10918150B2 (en) Methods and systems for customized garment and outfit design generation
US9949519B2 (en) Methods and systems for customized garment design generation
CN108886586B (zh) 用于合成图像的方法及其电子设备
US7346561B1 (en) Rule-based on-line product selection
US9990663B2 (en) Measuring shirt
KR102318952B1 (ko) 인공지능을 활용한 의류 추천 및 구매 방법, 장치 및 시스템
US20070198120A1 (en) Computer system for rule-based clothing matching and filtering considering fit rules and fashion rules
KR101725960B1 (ko) 의상 코디 시스템 및 방법
CN106991189A (zh) 一种衣柜控制方法、装置及衣柜
CN105761127A (zh) 一种基于体征信息的服装样式智能匹配方法和系统
US11727463B2 (en) Systems and methods of image-based neural network apparel recommendation
CN106611318B (zh) 一种选择商品尺码的方法和系统
CN104778292A (zh) 一种服装功能设计计算机辅助系统及方法
CN104318002A (zh) 一种三维服装效果至二维服装效果的转换方法
WO2020253463A1 (zh) 空调控制的方法及装置、空调
KR20160133893A (ko) 맞춤 의류 주문 방법 및 장치
JP2008544094A (ja) 衣類の寸法を最適に調整する方法
KR20200102009A (ko) 스타일 코디 제공 방법
CN111028031A (zh) 服饰推荐方法、装置、设备及存储介质
KR20200095631A (ko) 사용자 의류를 이용한 스타일 코디 제공 방법
KR20110041628A (ko) 의상 추천 방법 및 장치
JP2020095633A (ja) 端末装置、情報処理方法及びプログラム
JP2009266166A (ja) 調和度判定装置、調和度判定方法、調和度判定用プログラム
KR20200095632A (ko) 복합형 스타일 코디 제공 방법
CN113487619A (zh) 一种数据处理方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200417