(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210395670.2 (22)申请日 2022.04.15 (71)申请人 成都晓多科技有限公司 地址 610000 四川省成 都市天府新区兴隆 街道湖畔路西段123号 (72)发明人 江岭　王思宇　黄鹏　 (74)专利代理 机构 成都睿道专利代理事务所 (普通合伙) 51217 专利代理师 薛波 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/335(2019.01) G06N 3/08(2006.01) G06Q 30/06(2012.01) (54)发明名称 服饰个性化搭配推荐方法、 系统、 电子设备 及存储介质 (57)摘要 本发明提供一种服饰个性化搭配推荐 方法、 系统、 电子设备及存储介质， 方法为： 获取客户的 历史购买数据和服饰类别信息， 并根据历史购买 数据和所述服饰类别信息构建对应的知识图谱； 对知识图谱进行表示学习， 得到各个服饰的实体 表示向量和服饰类别表示向量； 获取客户购买的 服饰对应的标题， 并通过TextCNN网络对标题进 行处理得到对应的标题编码向量； 根据实体表示 向量、 服饰类别表示向量和标题编码向量进行计 算得到各个服饰的最终表示向量； 根据两个服饰 的最终表示向量通过sigmoid函数进行处理得到 两个服饰的搭配概率； 在客户购买一个服饰时将 搭配概率大于预设值的另一个服饰推送给客户。 本方法能更好的满足客户的个性化需求， 进而推 荐更匹配的相关服饰 。 权利要求书3页 说明书6页 附图2页 CN 114491086 A 2022.05.13 CN 114491086 A 1.一种服饰 个性化搭配推荐方法， 其特 征在于， 包括： S1.获取客户的历史购买数据和服饰类别信息， 并根据所述历史购买数据和所述服饰 类别信息构建对应的知识图谱； S2.对所述知识图谱进行表示学习， 得到各个服饰的实体表示向量和服饰类别表示向 量； S3.获取客户购买的服饰对应的标题， 并通过TextCNN网络对所述标题进行处理得到对 应的标题编码向量； S4.根据所述实体表示向量、 所述服饰类别表示向量和所述标题编码向量进行计算得 到各个服饰的最终表示向量： 式中， s代表最终表示向量； Ws代表权重矩阵； et代表标题表示向量； eb代表服饰类别表 示向量； ep代表实体表示向量； ⊕为拼接运算符； b代 表常数； S5.根据两个服饰的最终表示向量通过sigmoid函数进行处理得到两个服饰的搭配概 率； S6.在客户购买一个服饰时将搭配概大于预设值的另一个服饰 推送给客户。 2.根据权利要求1所述的方法， 其特征在于， 所述S2中实体表示向量和服饰类别表示向 量的实现方式为： 式中， wp表示“购买关系 ”的超平面， 用于将客户和 服饰投影到 “购买空间 ”； wb是一个将 服饰和类别投影到 “类别空间 ”的超平面； wpT表示wp的转置， wbT表示wb的转置， 且‖wp‖2=1， ‖ wb‖2=1； j表示变量； ej表示第j个服饰； ejp表示第j个服饰的实体表示向量； ejb表示第j个服 饰的服饰 类别表示向量。 3.根据权利要求2所述的方法， 其特征在于， 所述方法还包括： 通过构建的损 失函数对 知识图谱表示学习参数进行优化： 式中， S表示训练数据集中各个服饰的三元组集合； s、 p和o表示三元组中的各个元素； 其中“购买关系 ”表示为 （用户， 购买， 服饰） ； “类别关系 ”表示为 （服饰， 属于， 类别） ； S ’表示 三元组集合S的负三元 组集合； γ＞0是超参数， 用于区分正三元 组和负三元 组的判别边际； [•]+表示如果 括号中的值小于 0则取0， 大于 0则取括号中的值； f表示评分函数。 4.根据权利要求1所述的方法， 其特 征在于， 所述S3的实现方式为： 式中， et代表标题表示向量； w1表示向量的权重矩阵； R表示实数域； dt表示维度； m3表示权　利　要　求　书 1/3 页 2 CN 114491086 A 2TextCNN网络卷积层内过滤器的数量； ziv表示TextCNN网络的池化层做最 大池化操作后输出 的标量； zv表示m3个标量的组合向量。 5.根据权利要求 4所述的方法， 其特 征在于， 所述S3还 包括： 通过一个输出层根据 所述标题编码向量对服饰进行分类； 并通过多元交叉熵作为损失 函数Lc对分类结果进行优化： 式中， Cc表示服饰类别的集合； θ1表示分类过程 中的基本参数； yc表示真实的类别标签； pc表示预测的类别标签； et代表标题表示向量； W0和b表示输出层的基本参数。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： S7.通过二元交叉熵和设置的惩罚项构建损失函数， 对两个服饰的搭配概 率进行优化： 式中，ei表示第i个服饰；ej表示第j个服饰；rij表示两个服饰的搭配关系， 两个服饰搭配 则rij=1， 两个服饰不搭配则rij=0； p表示服饰 ei和ej搭配概率； ejp表示第j个服饰的实体表示 向量； ejb表示第j个服饰的服饰类别表示向量； eip表示第i个服饰的实体表示向量； eib表示 第i个服饰的服饰类别表示 向量；λ1和λ2表示超参数； θ2表示搭配概率分析过程中的基本参 数。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 根据优化函数Lc和优化函数LR构建推荐损失函数， 并根据推荐损失函数对服饰搭配推 荐结果进行优化。 8.一种服饰 个性化搭配推荐系统， 其特 征在于， 包括： 获取模块， 用于获取客户的历史购买数据和服饰类别信息， 并根据所述历史购买数据 和所述服饰类别信息构建对应的知识图谱； 知识图谱表示学习模块， 用于对所述知识图谱进行表示学习， 得到各个服饰的实体表 示向量和服饰 类别表示向量； 标题编码模块， 用于获取客户购买的服饰对应的标题， 并通过TextCNN网络对所述标题 进行处理得到对应的标题编码向量； 服饰表示向量分析模块， 用于根据所述实体表示向量、 所述服饰类别表示向量和所述 标题编码向量进行计算得到各个服饰的最终表示向量： 式中， s代表最终表示向量； Ws代表权重矩阵； et代表标题表示向量； eb代表服饰类别表 示向量； ep代表实体表示向量； b代 表常数； 搭配概率分析模块， 用于根据两个服饰的最终表示向量通过sigmoid函数进行处理得 到两个服饰的搭配概 率；权　利　要　求　书 2/3 页 3 CN 114491086 A 3