[发明专利]基于矩阵分解和知识图谱的服装搭配推荐方法

说明书

本发明公开的基于矩阵分解和知识图谱的服装搭配推荐方法，首先，根据服装自身的特性，建立上装和下装搭配组合矩阵，通过分解搭配组合矩阵分别得到上装特征矩阵和下装特征矩阵；然后将分解搭配组合矩阵的过程中融入上装和下装之间的语义信息，结合知识图谱和矩阵分解计算上下装的相似度，得到合适的服装搭配推荐。本发明公开的方法考虑上下装的语义信息，将服装的语义相似性融入上下装分解矩阵中，使推荐的服装搭配组合更具专业指导作用、更符合时尚潮流、从而更加贴合用户的需求，对用户的着装指导和推荐不再局限于用户自身的搭配习惯，从而得到更准确的服装搭配结果。

技术领域

本发明属于服装搭配推荐技术领域，具体涉及一种基于矩阵分解和知识图谱的服装搭配推荐方法。

背景技术

服装搭配推荐系统在服装销售活动中具有重要的意义，通过服装搭配可以推荐适合用户身材的服装搭配组合，比如判定这件衬衫和这件裤子是否更相配。深入挖掘服装的搭配组合模式，通过服装搭配组合进行推荐可以增加服装交叉销售量，同时可以满足用户对服装搭配的个性化需求，指导用户的着装。服装搭配推荐属于推荐系统领域搭配组合推荐的一种，与推荐领域其他商品的搭配推荐不同。

目前，进行服装搭配推荐的方法主要有以下几种：(1)基于矩阵分解的协同过滤推荐方法将上衣服装和下衣服装的搭配关系映射到协同过滤算法的用户与商品的评分关系上，挖掘潜在的上下装服装搭配模式。但是这种方法不能考虑到上下装的任何内容信息，主要利用具有相同搭配的服装之间的相似性关系来进行推荐；(2)基于内容的服装搭配推荐方法主要是通过服装的内在属性信息和服装图像信息来进行服装搭配，如服装标题在一定程度上对服装的颜色、款式、风格进行了描述，计算上装和下装的标题相似性，基于这种考虑挖掘上装和下装服装描述的相关性来衡量服装是否搭配；(3)基于关联规则的服装搭配方法主要深入挖掘用户交易历史记录，挖掘购买上装和下装的购买频繁模式。基于服装领域知识的推荐方法主要是依靠服装专家建立的专家知识库，指定一系列的规则利用推理机制生成推荐结果，但是该方法的性能好坏直接被知识库的完备性所制约。

发明内容

本发明的目的是提供一种基于矩阵分解和知识图谱的服装搭配推荐方法，解决了现有服装搭配推荐方法中不考虑服装语义信息的问题。

本发明所采用的技术方案是，基于矩阵分解和知识图谱的服装搭配推荐方法，具体操作过程包括如下步骤：

步骤1，根据服装自身的特性，建立上装和下装搭配组合矩阵，通过分解搭配组合矩阵分别得到上装特征矩阵和下装特征矩阵；

步骤2，在步骤1分解搭配组合矩阵的过程中融入上装和下装之间的语义信息，结合知识图谱和矩阵分解计算上下装的相似度，得到合适的服装搭配推荐。

本发明的其他特点还在于，

步骤1的具体过程如下：

根据服装自身的特性，将上装和下装的搭配看作二元关系，则形成服装搭配组合矩阵m，将搭配组合矩阵m分解后得到上装特征矩阵uc，下装特征矩阵lc，如式(1)所示：

m＝uc×lc (1)

为了对比分解后的上装特征矩阵uc与下装特征矩阵lc相乘结果与原始搭配组合矩阵差异，定义损失函数将矩阵分解问题转化为求解最优解问题，采用平方损失的损失函数如式(2)所示：

式中，如果上装uc与下装lc是专家给出的搭配，则m_uc,lc＝1，否则m_uc,lc＝0；m'_uc,lc为上装uc与下装lc搭配的估计值；λ₁||p_uc||²+λ₂||q_lc||²是正则化项，来减少过拟合风险。