广告

用户美学为时尚建议识别

会议论文
首先在线：
  • 103.下载
的一部分电气工程讲义书系列（LNEE，第734卷）

抽象的

时尚建议的挑战之一是如何融入时尚和风格的概念，为时尚爱好者提供更量身定制的个性化体验。尽管这些概念是主观的，但Farfetch的时尚专家已经确定了一些尝试将用户样式的本质捕获到群组中的一些关键的美学。该分类将有助于我们了解客户的时尚偏好，从而指导我们通过主体性的建议。在本文中，我们将证明可以从用户的行为和他们与之交流的产品中预测此类概念。我们不仅将流行的机器学习算法 - 随机森林与更近期的深度学习算法 - 卷积神经网络（CNN）进行了比较，而且还研究了3种不同的特征：文本，图像和推断用户统计，以及他们的各种建立这种模型的组合。我们的结果表明，可以根据此数据识别客户的美学。此外，我们发现，使用客户互动的产品的文本描述导致了更好的分类结果。

这是订阅内容的预览，登录检查访问。

参考

  1. 1。
    Bojanowski P，Grave E，Joulin A，Mikolov T（2016）丰富了与子字信息的字向量。arxiv预印刷品arxiv：1607.04606（2016）
  2. 2。
    Chawla NV，Bowyer KW，Hall Lo，Kegelmeyer WP（2020）Smote：合成少数群体过度采样技术。arxiv预印刷品arxiv：1106.1813（2020）
  3. 3.
    Dembczynski K，Cheng W，Hüllermeiere（2010）贝叶斯通过概率分类器链式最佳多书分类。在：FürnkranzJ，Joachims T（EDS）ICML，PP 279-286。全极度（2010）。http://dblp.uni-trier.de/db/conf/icml/icml2010.html#dembczynskich10.
  4. 4.
    Faggella d（2017）推荐发动机推荐营销。https://martechtoday.com/roi-recommendation-engines-marketing-205787.（2017）。访问2020年7月29日
  5. 5。
    Gonçalvesd，liu l，magalhãesa（2019）如何大大呢？解决风格推荐的高维品。Corr ABS / 1908.10642。http://dblp.uni-trier.de/db/journals/corr/cor1908.html#abs-1908-10642.
  6. 6。
    他K，张X，任S，Sun J（2015）深度剩余学习的图像识别。arxiv预印刷品arxiv：1512.03385.
  7. 7。
    Hsiao WL，Grauman K（2017）学习潜在的“外观”：无监督的嵌入时尚形象的风格连贯的嵌入。在：ICCV，PP 4213-4222。IEEE计算机社会。http://dblp.uni-trier.de/db/conf/iccv/iccv2017.html#hsiaog17.
  8. 8。
    IQBAL M，ARYAFAR K，ANDERTON T（2019）风格的条件建议。corrABS / 1907.12388.。http://dblp.uni-trier.de/db/journals/corr/cor1907.html#abs-1907-12388.
  9. 9。
    Lee H，Seol J，Lee S（2019）STYLE2VEC：表示时尚套装时尚物品的代表。corrABS / 1708.04014。http://arxiv.org/abs/1708.04014
  10. 10。
    刘F，张x，ye y，zhao y，li y（2015）mlrf：通过随机森林进行多标签分类，标签设置分区。在：Huang DS，HAN K（EDS）先进的智能计算理论和应用。beplay登入Springer International Publishing，Cham，PP 407-418十字架谷歌学术
  11. 11.
    刘俊，昌WC，吴y，杨y（2017）深度学习极端多标签文本分类。PP 115-124。https://doi.org/10.1145/3077136.3080834
  12. 12.
    M. Hadi Kiapour Kota Yamaguchi Acbtlb（2014）时髦战争：发现时尚款式的元素。：欧洲电脑愿景会议（2014年）谷歌学术
  13. 13。
    Magalhãesar（2019）豪华时装建议书的三位一体：数据，专家和实验。在：Bogers T，S，Brusilovsky P，Tikk D（EDS）Recsys，P 522.ACM。http://dblp.uni-trier.de/db/conf/recsys/recsys2019.html#magalhaes19.
  14. 14。
    Mahajan D，Girshick R，Ramanathan V，He K，Paluri M，Li Y，Bharambe A，Van der Maaten L（2018）探讨了弱盗窃预先磨普的极限。arxiv预印刷品arxiv：1805.00932
  15. 15.
    Mahmood A，OSPina AG，Bennamoun M，S，Sohel F，Boussaid F，HoveSaid F，Hovey R，Fisher RB，KEDRICK G（2020）使用深度残余功能自动分层分类。arxiv预印刷品ARXIV：1906.10881
  16. 16。
    Mikolov T，Chen K，Corrado G，Dean J（2013）高效估计矢量空间中的字表示，1-12。http://arxiv.org/abs/1301.3781
  17. 17。
    NAM J，Kim J，LozaMencíae，Gurevych I，FürnkranzJ（2014）大规模多标签文本分类 - 重新审视神经网络。在：Calders T，Esposito F，Hüllermeiere，Meo R（EDS）机器学习和数据库中的知识发现。beplay登入Springer，Berlin Heidelberg，柏林，海德堡，第437-452页十字架谷歌学术
  18. 18。
    Pedregosa F，Varoquaux G，Gramfort A，Michel V，Thirion B，Grisel O，Blondel M，Prettenhofer P，Weiss R，Dubourg V，Vanderplas J，Passos A，Cournaveae D，Brucher M，Perrot M，Duchesnay E（2011）Scikit-Learn：Python的机器学习。机床学习研究杂志12：2825-2830Mathscinet.ZBMATH.谷歌学术
  19. 19。
    Pennington J，Socher R，Manning CD（2014）手套：全球矢量字表示。在：自然语言处理中的实证方法（EMNLP），PP 1532-1543。http://www.aclweb.org/anthology/d14-1162.
  20. 20。
    Simo-Serra E，Ishikawa H（2016）时尚风格在128浮子：使用弱数据进行关节排名和分类，用于特征提取。在：CVPR，第298-307页。IEEE计算机协会（2016年）。http://dblp.uni-trier.de/db/conf/cvpr/cvpr2016.html#simo-serrai16.
  21. 21。
    Simonyan K，Zisserman A（2014）非常深的卷积网络，用于大规模图像识别。arxiv预印刷品arxiv：1409.1556
  22. 22。
    Szegedy C，Vanhoucke V，Ioffe S，Shlens J，Wojna Z（2015）重新思考计算机愿景的初始架构。arxiv预印刷品arxiv：1512.00567
  23. 23。
    VEIT A，KOVACS B，BELL S，MCAULEY JJ，BALA K，IPHIFE SJ（2015）学习视觉服装风格与异质二元共同发生。在：ICCV，PP 4642-4650。IEEE计算机社会。http://dblp.uni-trier.de/db/conf/iccv/iccv2015.html#veitkbmbb15.

版权信息

©作者，根据斯普林斯自然瑞士股份有限公司的独家许可beplay登入

作者和附属机构

  1. 1。游艇伦敦英国

个性化的建议

引用纸

购买选项