本文通过使用欧洲最大时尚商店的用户数据，从个性化和非个性化的角度提供了各种算法的广泛评估和比较，并透露了一些针对尚未在这项任务上进行评估的模型的见解，包括 GPT，BERT 和 Seq-to-Seq LSTM，并提供了适用于个性化服装生成的模型的改进。

Nov, 2022

通过高级分类和图像，利用新型的风格编码器网络生成符合实际穿着风格或主题的时装推荐，并通过严谨的实验分析表明其优于现有的最先进的基线。

Mar, 2022

本研究提出了一种解释型时尚推荐系统，能够通过量化每个物品的每个特征对得分的影响来解释评分，并且能够识别哪些物品和哪些特征使造型好或不好。实验结果表明该方法能够准确地检测降低评分的不好物品。

Jan, 2019

本研究提出了一种能够预测和诊断服装配对兼容性的深度学习框架，其中利用了不同类型的 CNN 来解决从颜色到风格等不同方面的兼容性问题，并通过基于 Polyvore 数据集的实验验证出较高的预测和诊断能力。

Jul, 2019

本文提出了一种机器学习系统，自动生成时尚装扮，并在 Polyvore 上收集了大规模的时尚套装数据集进行培训和评估，在此基础上，我们已经取得了相当不错的时尚套装评分和组合结果。

Aug, 2016

本文提出一种将时装搭配表示为图形，并基于节点间的交互关系通过节点感知的图形神经网络来预测搭配的兼容性得分的方法。实验结果表明，所提出的方法在填空和兼容性预测两个任务上均表现出较高的优越性。

Feb, 2019

利用图神经网络分析时尚产业的机器学习应用，评估 Polyvore 数据集中的衣着搭配和商品推荐准确性，并比较两种现有模型在任务完成和兼容性预测上的性能。我们发现 Hypergraph Neural Network 在两个任务上稍微具有更好的性能，并尝试使用视觉转换器生成的嵌入向量以提高预测准确性。

Apr, 2024

通过用户提供的文字描述，我们提出了一种突破性的时尚推荐方法，该方法生成了一整套完整的服装，从而在时尚推荐领域显著超越了现有技术模型，同时通过文字描述捕捉到了个人风格偏好的本质。

Nov, 2023

提出一种基于类别的子空间注意力网络和穿搭排名损失的服装搭配推荐框架，用于补充物品检索，实验结果表明其在服装搭配和物品检索任务上均优于现有方法。

Dec, 2019

本文介绍了一种利用深度卷积神经网络，结合用户反馈和时尚趋势进行实时热门商品推荐的算法，以及该算法在 Amazon 上进行的实验。

Feb, 2016