广告

了解专业时装造型师推荐服装的过程:定性研究

会议论文
的一部分电气工程课堂讲稿“,丛书(LNEE,第734卷)

摘要

未使用和未充分利用的服装是服装行业对环境影响的一个主要因素。为了减少这种未充分利用的情况,我们需要实现服装使用最大化的方法。人工智能决策支持可以帮助用户做出更好的购买决策以及日常着装决策。然而,由于数据的稀疏性和缺乏经过验证的专家模型,学习用户和服装特征之间的关系具有挑战性。弥补这一差距并为服装推荐系统开发提供信息的一种方法是了解专业造型师如何选择服装,使服装使用和客户满意度最大化。这项研究的目的是了解专业的造型师如何为客户做着装和服装的决定。本研究采用定性方法收集了12名专业造型师的决策过程的数据,这些造型师具有不同的专业领域。采用半结构化访谈法收集数据,并采用主题分析法进行分析。研究结果显示,客户特征、服装特征和咨询过程是决策的主要因素。因此,这些因素可以整合到推荐系统的设计中,以提高消费者的服装利用率。

关键字

定性研究 需求抽取 服装推荐系统

CCS的概念

信息系统 信息检索 检索任务和目标 推荐系统

笔记

确认

这项研究得到了美国国家科学基金会1715200号拨款的支持。

参考文献

  1. 1.
    陈锦江,刘长锋(2017)基于大数据库的基于视觉的服装图像识别的深网体系结构。软第一版21(11):2923 - 2939。doi:https://doi.org/10.1007/s00500-017-2585-8
  2. 2.
    Creswell JW(2014)研究设计:定性、定量和混合方法方法,第4版。SAGE出版社,千橡市谷歌学者
  3. 3.
    Dunne LE, Zhang J, Terveen L(2012)家庭衣柜的内容和使用调查。见:2012年ACM会议关于泛在计算的论文集(UbiComp ' 12)。计算机协会,匹兹堡,宾夕法尼亚州,第203-206页。doi:https://doi.org/10.1145/2370216.2370247
  4. 4.
    艾伦·麦克阿瑟基金会(2017)新的纺织经济:重新设计时尚的未来。检索自2020年2月18日http://www.ellenmacarthurfoundation.org/publications
  5. 5.
    范晨,郝辉,梁长强,孙丽丽,陈杰(2018)基于音乐兴趣的社交网络挖掘推荐。见:2018年IEEE/ACM社会网络分析和挖掘进展国际会议论文集(ASONAM),第833-840页。doi:https://doi.org/10.1109/ASONAM.2018.8508262
  6. 6.
    高坤,陈云云,林ES(2011)。开发智能衣柜系统。见:2011年IEEE消费者通信和网络会议论文集(CCNC),第303-307页。doi:https://doi.org/10.1109/CCNC.2011.5766478
  7. 7.
    Hidayati SC, Hsu CC, Chang YT, Hua klil, Fu J, Cheng WH(2018)什么裙子最适合我?针对个人体型的服装风格的时尚推荐。第26届ACM多媒体国际会议论文集(MM ' 18)。计算机协会,首尔,大韩民国,438-446页。doi:https://doi.org/10.1145/3240508.3240546
  8. 8.
    林煜,任鹏,陈铮,任铮,马杰,de Rijke M(2019)用时尚生成的协同监督改进服装推荐。见:万维网会议论文集- WWW ' 19(2019),第1095-1105页。doi:https://doi.org/10.1145/3308558.3313614
  9. 9.
    刘硕、冯俊、宋铮、张涛、陆海、徐超、严硕(2012)嗨,神奇衣橱,告诉我该穿什么!619 - 628。doi:https://doi.org/10.1145/2393347.2393433
  10. 10.
    刘永杰,高亚波,卞丽丽,王韵薇,李志明(2018)如何穿得漂亮?服装对推荐。计算科学与技术33(3):522-530。doi:https://doi.org/10.1007/s11390-018-1836-1
  11. 11.
    刘颖,高原,冯松,李智(2017)天气与服装:面向天气的服装推荐。见:2017 IEEE国际多媒体与博览会(ICME)会议论文集: 181 - 186。doi:https://doi.org/10.1109/ICME.2017.8019476
  12. 12.
    Remy N, Speelman E, Swartz S(2016)可持续的风格:一种新的快时尚公式。麦肯锡公司:1 - 6谷歌学者
  13. 13.
    Samih A, Adadi A, Berrada M(2019)基于知识的可解释推荐系统。见:第四届大数据和物联网国际会议论文集(BDIoT ' 19)。计算机协会,拉巴特,摩洛哥,第1-5页。doi:https://doi.org/10.1145/3372938.3372959
  14. 14.
    Song HK, Ashdown SP(2013)女性服装消费者对身体尺寸和形状的理解:身体尺寸、合身满意度和身体结构之间的关系。服装学报31(3):143-156。doi:https://doi.org/10.1177/0887302X13493127
  15. 15.
    Tintarev Nava, Masthoff Judith(2015)解释建议:设计和评估。推荐人Syst Handb 2015:353-382。https://doi.org/10.1007/978-1-4899-7637-6_10 CrossRef谷歌学者
  16. 16.
    涂强,董丽(2010)智能个性化时尚推荐系统。见:2010年通信、电路和系统国际会议论文集(ICCCAS), 479-485页。doi:https://doi.org/10.1109/ICCCAS.2010.5581949
  17. 17.
    美国环保局(2017)全国概况:关于材料、废物和回收的事实和数据|关于材料、废物和回收的事实和数据。检索自2020年2月20日https://www.epa.gov/facts-and-figures-about-materials-waste-and-recycling/national-overview-facts-and-figures-materials#Landfilling
  18. 18.
    于燕,惠丽玲,崔天明(2012)智能专家系统对时尚色彩趋势预测的实证研究。专家系统应用39(4):4383-4389。doi:https://doi.org/10.1016/j.eswa.2011.09.153
  19. 19.
    Zhang Y, Caverlee J (2019) instagram用户、时尚达人和我:具有隐性视觉影响的周期性时尚推荐。见:第28届ACM信息与知识管理国际会议论文集(CIKM’19)。ACM,纽约,纽约,美国,1583-1592页。doi:https://doi.org/10.1145/3357384.3358042

版权信息

©作者(s),独家授权施普林格Nature swiss AG 2021beplay登入

作者和联系

  1. 1.设计,住房和服装系明尼苏达大学双城分校明尼阿波里斯市美国

个性化推荐