为参考[25]。国内在网购服装推荐方面发展较慢,主要包括基于数据挖掘的服装推荐系统研究以及神经网络进行服装型号推荐。为满足用户网上购物的个性化需要,针对用户自身特点,齐扬等人建立了服装推荐系统[27]。文中采用了主要要素归纳法,主要针对西装,首先提取出西装几个重要要素,主要包括:扣子、面料、领型、款式、颜色,归纳对比了各要素后对其重要性进行了分类取值.对对西装各要素进行了分类及打分后,同时对用户类别进行分析,结合决策树算法,建立了用户类别偏好模型[28],反映了不同类型的用户对不同款式西装的选择偏好,以此向不同类别用户推荐他们可能会喜爱的西装款式,实现有针对性的个性化推荐。郑爱花等提出运用BP神经网络进行服装型号推荐[3],她将人体控制部位数据作为BP网络的输入,将相应号型作为神经网络的输出。用大量样本训练这个网络,使不同的输入向量得到相应的输出量。论文还提出三种改进的BP神经网络并将同样的样本数据用于三种神经网络训练中。通过对训练速度和精度比较,最终将Levenberg-Marquardt[29]算法确定为最终模型,将其运用在服装号型推荐模型中。最后将训练好的模型的权值、阈值进行保存,实现服装型号推荐。由以上可以看出,国内外对服装推荐都有一些研究成果,但是不难发现还是有一些不完善的地方。比如,像“TheRightSize”等系统都是先以顾客的偏好以及风格进行推荐的,并没有考虑到顾客本身的体貌特点是否适合穿这类服装。还有就是,对于尺码的选择,这些系统是通过顾客给定的参考设置一个模特,然后选择自己中意的服装,直接拖到模特身上看效果[30],而事实上,这样虚拟模特和顾客本身仍然是有一定差距的,顾客仍然需要根据自己情况来做选择,并没有真正意义上的直接快速高效的推荐尺码。而国内的研究,只是对服装的型号推荐做了研究,并未同时对服装款式进行推荐,其次,这种服装推荐是根据GB1335-3
全文预览
