運用色彩學與深度學習技術於個人化穿搭服裝推薦系統(2/2)

隨著線上時尚零售蓬勃發展，不論是服飾業者或是消費者對於服裝推薦的需求均大幅增長，服裝推薦已成為推薦系統領域一個新興的研究議題。過去服裝推薦領域之研究多著重在服裝單品本身的特徵，其主要考量服裝圖像、服裝文字特徵，以及用戶評分、評論等資訊。然而過去研究存在兩個主要的問題。首先，過去研究鮮少以色彩學的角度來評估使用者對於服裝美學的偏好，這些研究將色彩視為單純圖片特徵，但其缺乏理解消費者之色彩偏好對於其服裝選擇的影響。本計畫第一年將建構一個以服裝圖片色彩學特徵為基礎之服裝推薦系統，以OB嚴選服飾電子商務網站之資料為研究素材，考量服裝穿搭圖片進行整體色彩、服裝色彩、單品色彩之色彩特徵提取，並據以建構協同過濾、以內容為基礎過濾與混合式推薦系統。其次，使用者對於服裝的穿搭偏好因不同人之審美觀而異，因此在進行服裝穿搭推薦上亦不應該忽視個人化穿搭偏好之差異，過去研究亦鮮少針對個人化的概念來建構穿搭推薦系統。本計畫第二年將提出一個嶄新的GPA-BPR深度學習演算法，其中服裝單品匹配模組主要依據服飾單品之圖像及文字資訊做匹配度計算，個人化偏好模組透過用戶單品關聯路徑，可以有效處裡個人化穿搭推薦的問題。我們預計採用IQON3000真實資料集進行穿搭系統的效能驗證與評估，並採用AUC及MRR作為模型評估指標，探討模型之推薦排序效果。