你穿什么我说了算-创新奇智电商服装穿搭推荐方法

当人工智能遇上电商网购，通过特征提取和模型匹配，精准推荐客户喜爱的衣服，减少时间浪费和提高商品购买率。

文｜集微网

校对｜holly

图源｜网络

【嘉德点评】当人工智能遇上电商网购，通过特征提取和模型匹配，精准推荐客户喜爱的衣服，减少时间浪费和提高商品购买率。

集微网消息，成立于2018年3月的创新奇智（AInnovation）为零售、制造和金融等行业的公司开发人工智能产品，包括玛氏股份、嘉士伯、雀巢公司、富士康、中国光大银行和中国邮政储蓄银行在内的公司都是其客户。

其中，在电商日常销售的商品中，服装类商品占据了非常大的比重。对于一件电商服装类商品，如果推荐系统能够给出与其搭配的服装，可以起到刺激用户消费，增加商家利润的作用。

传统的服装搭配推荐中，通常采用协同过滤的方法，通过用户和商品的交互信息来进行召回，并通过提取商品的结构化信息，如价格、品牌等，来进行CTR预估排序。而对于服装类商品而言，判断两个服装是否搭配时，最直观的特征并不是这些结构化信息，而是服装的图片这种非结构化信息。由于非结构化信息难以直接利用，因此在传统方法中，往往忽略了这些非结构化信息。

今天带来的则正是创新奇智的一项发明专利，利用人工智能技术解决了上述的问题。就在今年19年1月18日，创新奇智申请了一项名为“一种基于多模态信息的电商服装穿搭推荐方法”的发明专利（申请号：201910049991 .5），申请人为深圳创新奇智科技有限公司。

根据目前公开的专利资料，让我们一起来了解一下这项服装穿搭推荐方法吧。

如上图为基于多模态信息的电商服装穿搭推荐方法的流程图。首先，爬取服装图片，建立样本照片池，样本照片池中的服装图片包括模特全身服装照片和单品服装照片。这里就用到了计算机中的爬虫技术，利用爬虫技术，我们可以自动的获取大量的网络图片并保存在本地，这样就可以创建一个服装图片的数据库。

其次，从服装照片中获取训练数据，训练数据包括匹配的正样本服装对和不匹配的负样本服装对。我们的目的是让计算机能够自动的根据上装搭配出下装，如果选择一件男士上衣，但是搭配出女士下装，这明显不是我们想要的结果，那么如何能让计算机明白呢，就需要我们人为的创造出正样本数据和负样本数据，正样本是正确的、好看的搭配方法，负样本是错误的、不好看的搭配方法，从而让计算机从中可以学习。

接着，将获取的训练数据进行标记，送入机器学习分类模型进行模型训练，训练出服装搭配模型。这个步骤，就是利用机器学习算法，从正样本和负样本数据中进行学习，有了上一步的数据之后，计算机在这一步正式开始进行学习。随后获取商品照片池和目标图片，采用图片信息特征提取算法，对目标图片和商品照片池以向量的形式进行特征提取，并按照商品池中商品的数量进行向量拼接，得出目标向量。

最后，进行实际数据交互，将得出的目标向量输入上述训练得到的服装搭配模型，进行匹配运算。得到目标图片与商品池中各个商品的匹配程度值，选出商品池中与目标图片中的商品匹配程度值最高的商品，即可推荐给用户。

以上就是基于人工智能的服装搭配方法，我们在日常使用购物网站的时候，则正是有这样的算法在背后进行支撑，才能让我们可以在千万种商品中自动的得到合适的搭配类型。也正是由于这样的算法，提高了用户的购物体验，从而带来了更多的销售量。今后也将会有更多的人工智能算法出现在我们的生活当中，不断的改善着我们的生活。

END