[发明专利]一种基于多层神经网络的服装号型推荐系统

说明书

本发明涉及一种基于多层神经网络的服装号型推荐系统，采用一个六层的神经网络，包括一个数据输入层、四个隐藏层和一个输出层；所述数据输入层用于输入人体尺寸信息、服装号型数据和服装类型；所述四个隐藏层中，有两个是特征提取层，通过局部连接提取人体尺寸信息和服装号型特征信息，另外两个为匹配层，通过全连接的方式得到人体尺寸信息和对应类型服装号型之间的特征匹配情况；所述输出层用于输出各服装类型的各号型的匹配度大小，其中输出结果越大表示匹配程度越高。本发明实现服装号型推荐的智能化和多样化。

技术领域

本发明涉及电子商务中智能服装的号型推荐技术领域，特别是涉及一种基于多层神经网络的服装号型推荐系统。

背景技术

随着互联网的发展，服装产品电子商务快速发展，其在线销售数量近年来持续增长。但也出现了越来越多的消费者网上购买服装不合体的情况导致退货率的增加。大型网上服装销售的主要障碍是尺码试穿问题，人体特征的多样性和复杂性使得人们难以找到合适尺寸的服装。

目前，国外号型推荐主要通过虚拟试衣系统实现，系统大多建立在三维人体模型基础之上，推荐方法基本可以概括为：顾客人体尺寸的输入，系统生成三维人体模型，顾客选择品牌款式，系统进行虚拟试衣，系统推荐号型。三维人体测量设备和人体建模技术还没有普及，这种技术目前只在大型研究机构、企业、网站使用，且费用较高。

国内的研究者对于服装号型推荐这一领域提出了一些解决的方法，如层次分析法，BP神经网络，模糊神经网络等。这些传统的方法均是基于小样本的人体尺寸信息、服装号型信息训练集和测试集来建立服装号型推荐系统，且系统仅能针对单一种类服装类型进行推荐，推荐结果不够理想，适用性不强。现今电子商务快速发展，越来越多的消费者选择在网络上购买服装，因此亟需一种合适服装号型推荐系统以满足需求。因而本发明提出一种基于多层神经网络的服装号型推荐方法，其可应用于大量人体数据信息和服装数据及类型信息的情况，具有较好的实用性。

发明内容

本发明提供一种基于多层神经网络的服装号型推荐系统，克服传统的服装号型推荐方法数据样本少、服装类型单一的问题，解决人的尺寸信息与服装不同类型、不同号型信息的匹配推荐问题。

本发明解决其技术问题所采用的技术方案是：提供一种基于多层神经网络的服装号型推荐系统，采用一个六层的神经网络，包括一个数据输入层、四个隐藏层和一个输出层；所述数据输入层用于输入人体尺寸信息、服装号型数据和服装类型；所述四个隐藏层中，有两个是特征提取层，通过局部连接提取人体尺寸信息和服装号型特征信息，另外两个为匹配层，通过全连接的方式得到人体尺寸信息和对应类型服装号型之间的特征匹配情况；所述输出层用于输出各服装类型的各号型的匹配度大小，其中输出结果越大表示匹配程度越高。

所述的6层神经网络通过深度学习框架tensorflow建立，采用梯度下降法结合反向传播算法调整参数，且用交叉熵代价函数作为损失函数度量训练样本的输出损失，所述6层神经网络通过各个输入数据样本的训练，不断调整每层神经网络的权值和偏置参数，来减少输出损失，直到找到一个最优值；各隐藏层的特征节点数量利用经验公式确定，其中，m为隐藏层的节点数，n为输入节点数，l为输出节点数，α为不定数，范围是1～10。

所述数据输入层输入8个人体尺寸数据，32个服装号型数据和1个服装类型数据；所述8个人体尺寸数据分别为身高、臂长、背长、胸围、颈围、肩宽、腰围和臀围。