KDDJun, 2021

SizeFlags: 时尚电商中减少尺码和适配相关退货的方法

PDF
TL;DR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。
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

  • 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

  • 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

  • 时尚电商服装尺码和大小预测的深度学习系统

    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。

    Jul, 2019

  • 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

  • 捷足先登：时尚电商中销售前预测回报

    本文提出了一种基于深度神经网络和贝叶斯个性化排名的新方法，利用产品嵌入和 skip-gram 模型来捕捉用户的口味、隐含特征和身体形状以预测退货可能性，进行了一些实时实验以减少时装电子商务平台的总退货量。

    Jun, 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

  • 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

  • 利用机器学习方法自动化尺码网格的构建与管理

    本研究旨在为供应链管理以及 Levi Strauss 的尺码选择决策制定决策规划，并利用机器学习技术，通过分类模型的方法构建更加自动化的尺码选取过程，从而为减轻公司各组别的工作量提供帮助。

    Jun, 2023

  • 利用 3D 模拟数据集进行面料 - 人体 - 属性引导虚拟试穿的网络设计

    本研究提出了一种名为 ClothFit 的虚拟试衣方法，通过考虑衣服的实际尺寸和人体属性，能够在目标身体上预测衣服的覆盖形状，该方法结合了 U-Net 网络结构和 Auto-encoder 技术，相比现有技术实现更加真实、高效的虚拟试衣效果。

    Jun, 2023