MMJul, 2019

时尚电商服装尺码和大小预测的深度学习系统

PDF
TL;DR本文提出了一种基于深度学习的内容协作方法，用于个性化尺寸和合适度建议，以提高顾客满意度并减少因尺码相关的退货所产生的成本，该方法可以模拟客户和文章数据，并能够为单个帐户背后的多个个体或意图进行建模。
发现论文，激发创造
  • 时尚电商尺码推荐系统中整合顾客评论

    提出了一种能够利用顾客评价信息与顾客、产品特征来进行尺码预测的新方法，与仅使用产品和顾客特征的方法相比，该方法在四个不同数据集上显示出 1.37% 至 4.31% 的 F1 得分提升。

    Aug, 2022

  • 基于 LSTM 的时态顾客模型用于时尚推荐

    在 Zalando，欧洲领先的在线时尚平台的 10 万名经常购物者的销售数据的回溯实验中，我们使用一对神经网络来模拟不断变化的客户和商店环境，克服冷启动问题，为每个客户预测他们在时尚空间中的风格向量。在比较静态协作过滤方法和流行度排名基线的结果时，我们的推荐方法取得了令人满意的成果。

    Aug, 2017

  • 上下：用单类协同过滤模型建模时尚趋势的视觉演化

    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

  • SizeNet：时尚图片中视觉尺寸和适合度的弱监督学习

    本文提出了一种基于视觉信息的尺码自动预测框架 SizeNet，通过统计模型和富含信息的服装图片结合学习尺码、棉质和不同常见服饰的特征用于解决电商时尺码匹配问题。

    May, 2019

  • 高端时尚市场的尺码推荐

    我们提出了一种新颖的序列分类方法，结合隐式（Add2Bag）和显式（ReturnReason）的用户信号，用于准确和个性化的尺码推荐。通过使用 Add2Bag 交互，我们将用户覆盖率提高了 24.5%。此外，我们通过实验评估了模型在实时推荐场景中的可用性和延迟性能。

    Jan, 2024

  • 时尚尺码推荐的分层贝叶斯模型

    该研究提出了一种层次贝叶斯方法来应对电商时尚中的尺码推荐问题，结合先验知识进行参数建模，发现该方法在大规模生产系统中十分高效。

    Aug, 2019

  • 利用 Transformer 模型预测电商商品尺寸

    本文提出了一个利用 Transformers 来预测商品适合买家尺寸的新型深度学习框架 PreSizE，通过集成商品属性和买家购买历史等内容来有效解决冷启动和买家数据不足等问题，与现有的基线模型相比，证明了 PreSizE 有着更优秀的预测表现，并且实现了与推荐系统的有效结合。

    May, 2021

  • SizeFlags: 时尚电商中减少尺码和适配相关退货的方法

    该研究介绍了一种基于贝叶斯模型的解决方案，利用顾客提供的大规模低强度标注数据以及人工专家反馈和计算机视觉智能，成功地减少了 14 个国家在线时尚市场上与尺寸有关的退货率。

    Jun, 2021

  • AI 增强的客户体验推荐系统：一种新颖的图像到文本方法

    利用人工智能为时尚推荐系统提供细粒度的视觉解释，自动为顾客上传的图像生成有意义的描述，引导从全球时尚产品目录中检索出符合视觉特征的类似替代品，进而实现个性化的时尚推荐，并在超过 100,000 张已分类的时尚照片数据集上进行训练和评估，物体检测模型的 F1 分数为 0.97，展示了优化的准确时尚物体识别能力，这个视觉感知系统代表了个性化时尚推荐中的重要进展。

    Nov, 2023

  • 跨服装类别学习时尚搭配以进行服装推荐

    本文提出了一种基于孪生网络和全连接网络的推荐方法，其中加入颜色直方图功能以提高时尚兼容性评价，且网络训练采用拉普拉斯和矩阵变量正态分布以增强网络效率和稀疏性。

    May, 2019