[发明专利]基于大数据分析的服装导购系统和方法

说明书

技术领域

本发明涉及到电子商务技术，特别涉及到一种基于大数据分析的服装导购系统及方法。

背景技术

随着电子商务的发展，通过电子商务网站购买服装逐渐成为一个流行的趋势。和线下实体商店相比，电子商务网站能够提供方便，快捷的用户体验，能够提供广阔的选择空间。但是通过电子商务网站购买服装，也存在与生俱来的缺陷。它无法提供如实体商店一般的试穿条件，这导致了服装盲选的发生，随着用户需求的提高，这个缺陷将成为制约网上服装购买进一步发展的瓶颈。

现有电子商务服装导购系统中，通常应对服装导购问题的一个技术是采用人工规则为基础的专家系统。譬如，用户提交一份详尽的体型数据(身高，内长，外腿长，手臂全长，颈，肩，手腕围，胸围，胸下围，腰围，臀围，膝围，小腿围等等)给专家系统，该系统通过一些预先定义的规则，检测是否用户的体型数据与服装的剪裁数据匹配，以此判定服装尺码是否适合。

上述服装导购系统的问题在于，该系统中的规则只能一定程度上描述一些能简单量化的尺码/肤色匹配，无法描述更为复杂的试衣效果。譬如，尺码的适合与否，在一定程度上，还和服装自身的类型有一定关系(如修身的大衣，宽松的运动外套)；譬如，用户的外貌气质与服装款式/风格之间是否适合。因此，现有的服装导购系统在实现服装导购推荐时，存在着信息量不足、针对性不强的问题。此外，对用户而言，提供这样的体型数据是费时且麻烦的。

发明内容

有鉴于此，本发明提供了一种基于大数据分析的服装导购系统和方法，以提高电子商务网站服装导购推荐的针对性。

本发明的一种基于大数据分析的服装导购系统包括：

用户数据收集模块

用于收集用户特征信息、服装式样评价信息和服装尺码评价信息；

服装式样模型构建模块

用于根据服装式样、所述用户特征信息、所述服装式样评价信息之间的对应关系，建立不同用户特征信息的服装式样训练样本；

用于根据所述服装式样训练样本，建立所述用户特征信息和所述服装式样之间回归模型，作为服装式样模型；

服装尺码模型构建模块

用于根据所述用户特征信息、服装类型、服装尺码评价信息之间的对应关系，建立不同用户特征信息的服装尺码训练样本；

用于根据所述服装尺码训练样本，建立所述用户特征信息和所述服装尺码之间的回归模型，作为服装尺码模型；

服装导购模块

用于根据当前用户的用户特征信息，当前用户选择的服装类型，利用所述服装尺码模型，选择与最合适该用户特征信息的服装尺码；

用于根据当前用户的用户特征信息，利用所述服装式样模型，选择与该用户特征信息适合指数高于预设门限的服装式样；

用于根据所选择的服装尺码和服装式样，选择向用户推荐的服装。

进一步的，所述用户特征信息包括：

用户基本特征信息，包括年龄信息、性别信息、职业信息、面貌信息；

用户体型特征信息，包括身高信息、体重信息、腰围信息；

所述服装式样包括：服装款式、服装风格、服装花色。

进一步的，所述用户数据收集模块包括：

面貌特征信息收集单元

用于根据用户上传的照片，收集用户的面貌信息；

用于根据当前用户上传的照片，获取当前用户的面貌信息；

其他用户特征信息收集单元

用于收集除面貌信息外的其他用户特征信息；

用于获取当前用户的除面貌信息外的其他用户特征信息；

服装式样评价信息收集单元，用于收集服装式样评价信息；所述服装式样评价信息包括用户对已购服装的服装式样评价信息和其他人对用户已购服装的服装式样评价信息；

服装尺码评价信息收集单元，用于收集服装尺码评价信息；所述服装尺码评价信息包括用户对已购服装的服装尺码评价信息；其他人对用户已购服装的服装尺码评价信息；

其中，所述面貌信息包括五官特征和肤色特征。

进一步的，所述服装式样模型构建模块包括：

服装式样训练样本构建单元，用于根据服装式样、所述用户特征信息、所述服装式样评价信息之间的对应关系，建立不同用户特征信息的服装式样训练样本；

服装式样模型构建单元，用于根据所述服装式样训练样本，利用神经网络，建立用户基本特征信息和服装式样之间的回归模型，作为服装式样模型。

进一步的，所述服装尺码模型构建模块包括：