本發(fā)明涉及服裝搭配推薦，具體為基于云計算的服裝搭配智能推薦平臺。

背景技術：

1、在現(xiàn)有技術中，服裝搭配推薦已經存在，并通過簡單的規(guī)則和用戶基本信息(如身高、體重、性別等)進行推薦。然而，推薦結果往往不夠精準，無法完全滿足用戶的個性化需求。尤其是在面對多樣化和復雜化的用戶需求時，現(xiàn)有系統(tǒng)的推薦準確度和用戶滿意度還有待提高?，F(xiàn)有技術的不足包括：推薦算法的單一性，缺乏多維度的數據分析能力；個性化推薦程度較低，無法充分考慮用戶的行為特征和喜好；缺乏對用戶反饋的動態(tài)調整機制，導致推薦結果的及時性和準確性不足；對用戶大數據的處理和分析能力有限，無法提供精準和實時的推薦服務。

技術實現(xiàn)思路

1、基于以上所述現(xiàn)有技術的缺點，本發(fā)明的目的是提供基于云計算的服裝搭配智能推薦平臺，以解決上述技術問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：基于云計算的服裝搭配智能推薦平臺，包括：

3、第一獲取模塊：根據第一用戶需要進行服裝搭配的第一服裝獲取需要進行推薦的服裝種類；

4、第二獲取模塊：根據預設的服裝匹配算法獲取云數據庫內和所述第一服裝匹配分最大的第二服裝；

5、第三獲取模塊：獲取云數據庫內和所述第二服裝搭配過的，且符合需要進行推薦的服裝種類的第三服裝；

6、智能推薦模塊：提取所述第三服裝的特征，根據特征對所述第三服裝進行綜合評分，按照所述綜合評分進行降序排列推薦。

7、本發(fā)明進一步設置為，第一用戶需要進行服裝搭配的第一服裝的獲取邏輯包括：

8、選擇存在的服裝；

9、或根據第一用戶的用戶畫像和預設的用戶畫像匹配算法計算用戶相似評分，按照用戶相似評分降序獲取相似用戶表，按照相似用戶表獲取符合篩選條件的第四服裝，將所述第四服裝進行展示，以供選擇。

10、本發(fā)明進一步設置為，用戶畫像包括基本信息和行為特征，其中，基本信息包括身高、體重和性別，行為特征包括瀏覽、點擊和購買；根據用戶畫像和預設的用戶畫像匹配算法計算用戶相似評分，包括：

11、根據第一用戶的基本信息進行篩選匹配，選擇出基本信息相似的多個第二用戶；

12、獲取多個第二用戶的行為特征，根據第一用戶的行為特征計算瀏覽相似度、點擊相似度和購買相似度，以及瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率；

13、對瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率進行歸一化，根據瀏覽相似度、點擊相似度和購買相似度，以及歸一化后的瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率計算用戶相似評分。

14、本發(fā)明進一步設置為，所述瀏覽相似度、點擊相似度和購買相似度的計算邏輯為：其中，x的取值為b、c和p，sb、sc和sp分別為瀏覽相似度、點擊相似度和購買相似度，b1、c1和p1分別為第一用戶的瀏覽、點擊和購買的服裝集合，b2、c2和p2分別為第二用戶的瀏覽、點擊和購買的服裝集合；所述瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率的計算邏輯為：其中，fb、fc和fp分別為瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率。

15、本發(fā)明進一步設置為，對瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率進行歸一化，計算邏輯為：其中，和分別表示歸一化后的瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率；用戶相似評分的計算邏輯為：其中，stotal為用戶相似評分。

16、本發(fā)明進一步設置為，根據預設的服裝匹配算法獲取云數據庫內和所述第一服裝匹配分最大的第二服裝，包括：

17、計算服裝圖像中每個顏色通道的三階矩，將所述三階矩設置為顏色特征；

18、計算服裝圖像中每個像素與周圍像素的灰度值，生成局部二值模式，將所述局部二值模式設置為紋理特征；

19、計算圖像中邊緣像素的梯度方向和幅值，獲取邊緣梯度方向直方圖，將所述邊緣梯度方向直方圖設置為形狀特征；

20、計算所述顏色特征、所述紋理特征和所述形狀特征的余弦相似度，加權得到匹配分。

21、本發(fā)明進一步設置為，提取所述第三服裝的特征，根據特征對所述第三服裝進行綜合評分，包括：

22、根據lab色彩空間計算第二服裝和第三服裝顏色的顏色差異度；

23、根據神經網絡模型計算第二服裝和第三服裝顏色的風格相似度；

24、根據所述顏色差異度和所述風格相似度計算綜合評分。

25、本發(fā)明進一步設置為，顏色差異度的計算邏輯為：其中，l2和l3表示第二服裝和第三服裝在lab色彩空間中的亮度分量，a2和a3表示第二服裝和第三服裝在lab色彩空間中的綠色到紅色分量，b2和b3表示第二服裝和第三服裝在lab色彩空間中的藍色到黃色分量。

26、本發(fā)明進一步設置為，根據神經網絡模型計算第二服裝和第三服裝顏色的風格相似度，包括：

27、輸入經過預處理的第二服裝圖像和第三服裝圖像，其中，所述預處理包括調整尺寸和像素歸一化；

28、通過卷積層使用卷積核掃描圖像，提取低層次特征，通過池化層降低特征圖的尺寸，減少計算量和過擬合；

29、通過全連接層將前一卷積層的輸出展平并通過一組權重和偏置進行線性變換，輸出風格特征向量；

30、計算第二服裝圖像和第三服裝圖像的風格特征向量的余弦相似度得到第二服裝圖像和第三服裝圖像的風格相似度。

31、本發(fā)明進一步設置為，綜合評分的計算邏輯為：所述綜合評分的計算邏輯為：其中，cstotal為綜合評分，ss為風格相似度。

32、本發(fā)明提供基于云計算的服裝搭配智能推薦平臺，所述平臺包括第一獲取模塊：根據第一用戶需要進行服裝搭配的第一服裝獲取需要進行推薦的服裝種類；第二獲取模塊：根據預設的服裝匹配算法獲取云數據庫內和所述第一服裝匹配分最大的第二服裝；第三獲取模塊：獲取云數據庫內和所述第二服裝搭配過的，且符合需要進行推薦的服裝種類的第三服裝；智能推薦模塊：提取所述第三服裝的特征，根據特征對所述第三服裝進行綜合評分，按照所述綜合評分進行降序排列推薦，產生的有益效果包括：

33、1、提升推薦精準度：通過云計算和多模塊協(xié)同工作，本發(fā)明能夠對用戶的需求進行精準分析，從而提供高度個性化的服裝搭配推薦，不僅提升了推薦的準確性，也提高了用戶的滿意度；

34、2、多維度數據分析：本發(fā)明利用用戶的基本信息和行為特征，進行多維度的數據處理和分析，通過對用戶點擊頻率、購買頻率、瀏覽習慣等行為特征的綜合分析，能夠實現(xiàn)更全面和深入的用戶需求挖掘，提升推薦效果；

35、3、增強用戶體驗：本發(fā)明通過個性化的服裝推薦，使得用戶在選擇服裝搭配時更加便捷和滿意，提升了用戶體驗。

36、上述說明僅是本申請技術方案的概述，為了能夠更清楚了解本申請的技術手段，而可依照說明書的內容予以實施，并且為了讓本申請的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本申請的具體實施方式。

技術特征：

1.基于云計算的服裝搭配智能推薦平臺，其特征在于，包括：

2.根據權利要求1所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，第一用戶需要進行服裝搭配的第一服裝的獲取邏輯包括：

3.根據權利要求2所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，用戶畫像包括基本信息和行為特征，其中，基本信息包括身高、體重和性別，行為特征包括瀏覽、點擊和購買；根據用戶畫像和預設的用戶畫像匹配算法計算用戶相似評分，包括：

4.根據權利要求3所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，所述瀏覽相似度、點擊相似度和購買相似度的計算邏輯為：其中，x的取值為b、c和p，sb、sc和sp分別為瀏覽相似度、點擊相似度和購買相似度，b1、c1和p1分別為第一用戶的瀏覽、點擊和購買的服裝集合，b2、c2和p2分別為第二用戶的瀏覽、點擊和購買的服裝集合；所述瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率的計算邏輯為：其中，fb、fc和fp分別為瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率。

5.根據權利要求4所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，對瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率進行歸一化，計算邏輯為：其中，和分別表示歸一化后的瀏覽相似度頻率、點擊相似度頻率和購買相似度頻率；用戶相似評分的計算邏輯為：其中，stotal為用戶相似評分。

6.根據權利要求1所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，根據預設的服裝匹配算法獲取云數據庫內和所述第一服裝匹配分最大的第二服裝，包括：

7.根據權利要求1所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，提取所述第三服裝的特征，根據特征對所述第三服裝進行綜合評分，包括：

8.根據權利要求7所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，顏色差異度的計算邏輯為：其中，l2和l3表示第二服裝和第三服裝在lab色彩空間中的亮度分量，a2和a3表示第二服裝和第三服裝在lab色彩空間中的綠色到紅色分量，b2和b3表示第二服裝和第三服裝在lab色彩空間中的藍色到黃色分量。

9.根據權利要求8所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，根據神經網絡模型計算第二服裝和第三服裝顏色的風格相似度，包括：

10.根據權利要求9所述的基于云計算的服裝搭配智能推薦平臺，其特征在于，綜合評分的計算邏輯為：所述綜合評分的計算邏輯為：其中，cstotal為綜合評分，ss為風格相似度。

技術總結
本發(fā)明公開了基于云計算的服裝搭配智能推薦平臺，涉及服裝搭配推薦技術領域，包括第一獲取模塊：根據第一用戶需要進行服裝搭配的第一服裝獲取需要進行推薦的服裝種類；第二獲取模塊：根據預設的服裝匹配算法獲取云數據庫內和所述第一服裝匹配分最大的第二服裝；第三獲取模塊：獲取云數據庫內和所述第二服裝搭配過的，且符合需要進行推薦的服裝種類的第三服裝；智能推薦模塊：提取所述第三服裝的特征，根據特征對所述第三服裝進行綜合評分，按照所述綜合評分進行降序排列推薦。通過云計算和多模塊協(xié)同工作，本發(fā)明能夠對用戶的需求進行精準分析，從而提供高度個性化的服裝搭配推薦，不僅提升了推薦的準確性，也提高了用戶的滿意度。

技術研發(fā)人員：康婷,朱美玲,胡芬華
受保護的技術使用者：杭州小阿菲網絡科技有限公司
技術研發(fā)日：
技術公布日：2024/12/23