买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供了一种基于用户历史和特征因子化的个性化套装推荐方法。首先提取商品视觉特征，以用户嵌入向量得到用户基本表征后，通过因子化方式将商品特征和用户特征投影到多个隐式空间中，学习用户对于套装不同方面的兴趣，使用特征高阶组合和加权池化对商品特征进行聚合得到套装特征，构造用户历史行为学习用户历史表征，接着聚合用户嵌入向量和用户历史表征得到用户表征，并从套装内商品兼容性和套装与用户相关度两方面度量用户与套装的匹配得分。本发明通过对套装特征和用户特征进行因子化，从多个隐式空间中度量用户与套装之间的相关性，使推荐结果更能展现用户对于套装某些方面的特征的兴趣。

主权项：1.一种基于用户历史和特征因子化的个性化套装推荐方法，其特征在于，包括如下步骤：步骤1：图像数据预处理；对时尚套装推荐数据集中的图片进行数据增强操作；步骤2：提取商品视觉特征，通过用户嵌入向量得到用户基本表征；通过因子化方式将商品特征和用户特征投影到多个隐式空间中，学习用户对于套装不同方面的兴趣，并通过分布约束使各隐式空间差异；步骤3：通过特征高阶组合和加权池化对商品特征进行聚合得到套装表征；步骤4：从用户交互过的套装集合中采样构建用户的历史行为从而学习用户历史表征，接着聚合用户嵌入向量和用户历史表征得到改进的用户表征；步骤5：从套装内商品兼容性和套装与用户相关度两方面度量用户与套装的匹配得分；步骤6：根据上述步骤建立端到端的深度学习模型，在训练集上训练整个网络，将最终模型在测试集上测试性能；步骤2具体方法如下：2-1.针对套装，使用基本骨干网络提取套装中时尚单品的视觉特征将商品属性的组合关系视作隐式因子，为了学习隐式的k个因子，通过特征变换矩阵将商品特征投影到多个不同的隐式空间中，使每个空间都能隐式表征商品的某种属性，将商品经过因子化后记为因子化后的套装表示为其中n表示套装中时尚单品数量维度，k表示因子个数维度，d表示时尚单品视觉特征维度；2-2.针对用户，依据用户数据信息进行特征嵌入得到用户嵌入向量通过特征变换矩阵将用户特征投影到多个不同的隐式空间中，将用户特征经过因子化后记为2-3.为了确保隐式空间的差异性，使用对数行列式散度损失使得变换矩阵稀疏。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于用户历史和特征因子化的个性化套装推荐方法