【摘要】：隨著互聯網迅速發(fā)展,消費群體熱衷于網上購物,為線上顧客帶來專業(yè)的購物體驗成為當前的研究熱點之一。現有的服裝款式推薦系統(tǒng)通常基于顧客對自身體貌特征的判斷推薦服裝,由于顧客對自身的體貌特征定位不清晰導致推薦結果的主觀性和不準確性。另一方面,基于顧客的喜好取向和購買習慣的推薦方法,并沒有考慮顧客的實際體貌特征,且缺乏專業(yè)人士的服裝推薦意見。隨著圖像識別技術和深度學習的迅速發(fā)展,將其融入電子商務成為服裝銷售領域的發(fā)展趨勢。本課題所設計的服裝專家推薦系統(tǒng)(Costume Expert Recommendation System,簡稱CERS)首先通過人機交互獲取顧客的照片,應用基于卷積神經網絡的支持向量機(簡稱CNN-SVM)的多分類器模型,提取照片中顧客的體貌特征;其次,CERS將顧客的特定體貌特征信息存入專家系統(tǒng)的事實庫中,并把服裝專家知識以產生式規(guī)則方式存入規(guī)則庫,進一步對系統(tǒng)推理機所采用的傳統(tǒng)串行黑板模型新增動態(tài)搜索機制改進,系統(tǒng)基于顧客不同的體貌特征和服裝搭配專家經驗兩方面提供智能化、個性化的服裝推薦。支持向量機(Support Vector Machine,簡稱SVM)分類精度高、泛化能力強,本文選用SVM作為顧客體貌特征分類器。以臉型為例,為提取臉部特征,本文對比分析了監(jiān)督下降法(Supervised Descent Method,簡稱SDM)算法和卷積神經網絡(Convolutional Neural Networks,簡稱CNN)算法,實驗結果表明,相較于SDM算法,CNN算法無需圖像預處理可以直接隱式提取特征,且不易丟失臉型輪廓信息。將SVM和CNN算法結合,所得到CNN-SVM多分類器作為顧客信息自動采集模塊的核心技術,自動獲取顧客的膚色、臉型、肩型、身型特征,可解決由于目前客戶手動輸入或選擇的文字信息所帶來的主觀性和不確定性。本文所設計的基于專家系統(tǒng)的CERS模擬服裝專家的思維過程,針對顧客的膚色、身型、臉型、肩型的體貌特征按照搭配知識規(guī)則正向推理得到服裝推薦清單。其知識庫采用產生式規(guī)則形式保存顧客、服裝信息以及搭配知識。推理機采用添加動態(tài)搜索機制的黑板結構,在搜索過程中根據規(guī)則結論數據重新調整知識源(Knowledge Source,簡稱KS)的優(yōu)先級順序,確保下一級KS在更小范圍的數量空間進行搜索,解決專家系統(tǒng)中經典黑板模型的缺點,有效提高規(guī)則匹配和搜索的速度。
【圖文】：

第二章 服裝推薦系統(tǒng)的綜合概述 裝訂單等操作，包括服裝尺碼、數量、價格、支付狀態(tài)、下單的顧客信息等。管理員具有系統(tǒng)操作最高權限，可以查看系統(tǒng)所有數據信息，以便全面管理服裝推薦系統(tǒng)，同時必須及時更新數據庫信息，保證系統(tǒng)及時性。（3）服裝搭配專家每位專家有專門用戶名和密碼登陸系統(tǒng)，服裝搭配規(guī)則管理指對服裝搭配查詢、修改等操作，隨著服裝時尚潮流變化，服裝專家需要實時更新完善規(guī)則庫，以保證服裝推薦系統(tǒng)的前衛(wèi)性、及時性和專業(yè)性。

作為服裝款式推薦模塊的輸入信息。（2）其次，系統(tǒng)采用專家系統(tǒng)技術設計服裝款式推薦模塊，主要由規(guī)則庫、事實庫和推理機組成，知識庫指事實庫和規(guī)則庫[30]，事實庫儲存在售服裝信息，顧客信息采集模塊獲取顧客外在特征信息（顧客膚色、臉型、肩型、身型）保存在事實庫，規(guī)則庫基于產生式規(guī)則保存服裝搭配知識。推理機是采取正向推理[31]（即由規(guī)則前提推導出規(guī)則結論）模擬服裝專家思維過程，按照推理規(guī)則進行特定目標搜索和查詢。專家系統(tǒng)常用推理模型有模糊推理、神經網絡推理、黑板模型模型[32]等，本文推理機采用黑板模型以及在此基礎上的算法改進（即采用動態(tài)搜索機制的黑板模型），從而實現根據顧客體貌特征進行個性化服裝款式推薦功能，向顧客展示最終生成的推薦清單。（3）最后，顧客基于生成服裝推薦清單完成訂單支付管理，若顧客對系統(tǒng)展示的服裝推薦清單感興趣，可以加入購物車并填寫訂單信息完成支付，系統(tǒng)管理員查看訂單并配送發(fā)貨。如果顧客對購買服裝不滿意，可在訂單管理模塊申請退貨退款、取消訂單等操作，系統(tǒng)管理員完成相應售后服務操作。
【學位授予單位】：東華大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TP391.3

【相似文獻】

相關期刊論文 前10條

1 王月星;;國內旅游推薦系統(tǒng)研究進展[J];商場現代化;2017年10期

2 常亮;曹玉婷;孫文平;張偉濤;陳君同;;旅游推薦系統(tǒng)研究綜述[J];計算機科學;2017年10期

3 王毅;;網絡推薦系統(tǒng)的三大挑戰(zhàn)——從用戶體驗出發(fā)[J];清華管理評論;2013年06期

4 王海明;;基于大數據下電子商務商品推薦系統(tǒng)的分析[J];環(huán)球市場信息導報;2017年27期

5 ;電商推薦系統(tǒng)進階[J];IT經理世界;2013年11期

6 王霞;;電子商務推薦系統(tǒng)評述[J];福建電腦;2006年08期

7 傅孟如;姜素蘭;閔婭萍;;VAX—11/750機學生測評、推薦系統(tǒng)的設計與應用[J];計算技術與自動化;1989年03期

8 張佳威;;美團推薦系統(tǒng)實證系統(tǒng)[J];農家參謀;2018年11期

9 洪文興;王寧;陳毅偉;周綺鳳;李濤;;大數據時代的人才推薦系統(tǒng)[J];大數據;2017年02期

10 趙德偉;高江錦;徐正巧;;基于鏈路預測的個性化網絡推薦系統(tǒng)研究[J];福建電腦;2017年07期

相關會議論文 前10條

1 張燕;李燕萍;;基于內容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術年會論文集[C];2009年

2 高夢晨;;推薦系統(tǒng)用戶感知調研[A];工業(yè)設計研究（第六輯）[C];2018年

3 李成;胡文麗;;推薦系統(tǒng)體驗模型探索——以視頻推薦為例[A];工業(yè)設計研究（第六輯）[C];2018年

4 李成;馮青青;;推薦系統(tǒng)準確度衡量方案——引入權重概念[A];工業(yè)設計研究（第五輯）[C];2017年

5 王曉光;施玉海;尹亞光;;面向廣電的節(jié)目推薦系統(tǒng)研究[A];中國新聞技術工作者聯合會2017年學術年會論文集（學術論文篇）[C];2017年

6 周小田;王宏志;郭翔宇;胡筱;董志鑫;李建中;高宏;;基于知識庫的互聯網商品信息分類與推薦系統(tǒng)[A];第29屆中國數據庫學術會議論文集（B輯）（NDBC2012）[C];2012年

7 湯娟梅;唐嶺;;個性化英語閱讀文章推薦系統(tǒng)的設計[A];計算機與教育：理論、實踐與創(chuàng)新——全國計算機輔助教育學會第十四屆學術年會論文集[C];2010年

8 王雪;董愛華;吳怡之;;基于RFID技術的智能服裝推薦系統(tǒng)設計[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

9 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現[A];2005年全國理論計算機科學學術年會論文集[C];2005年

10 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

相關重要報紙文章 前5條

1 記者 周源;知意圖發(fā)布推薦系統(tǒng)Etu Recommender[N];網絡世界;2012年

2 本報記者 鄒大斌;大數據：電商新武器[N];計算機世界;2012年

3 本報記者 馮衛(wèi)東;網絡導購：找出你的最愛[N];科技日報;2007年

4 本報記者 邱燕娜;精準推薦 一客一市場[N];中國計算機報;2012年

5 張秋明;用數據是新技能[N];福州日報;2015年

相關博士學位論文 前10條

1 蔣偉;推薦系統(tǒng)若干關鍵技術研究[D];電子科技大學;2018年

2 練建勛;基于多樣化內容數據的個性化推薦系統(tǒng)[D];中國科學技術大學;2018年

3 曹渝昆;基于神經網絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

4 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術大學;2007年

5 顏端武;面向知識服務的智能推薦系統(tǒng)研究[D];南京理工大學;2007年

6 劉龍;一個能實現個性化實時路徑推薦服務的推薦系統(tǒng)框架[D];中國科學技術大學;2014年

7 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學;2014年

8 高全力;上下文感知推薦系統(tǒng)關鍵問題研究[D];西北大學;2017年

9 尹航;信息推薦系統(tǒng)中的協同過濾技術研究[D];東北大學;2012年

10 吳銘;基于鏈接預測的關系推薦系統(tǒng)研究[D];北京郵電大學;2012年

相關碩士學位論文 前10條

1 張勁;基于用戶畫像的推薦系統(tǒng)[D];遼寧科技大學;2018年

2 廖雙輝;基于時間上下文的動態(tài)推薦系統(tǒng)研究與應用[D];湖南大學;2016年

3 趙領杰;基于ElasticSearch的個性化推薦系統(tǒng)研究[D];華北理工大學;2018年

4 李丹丹;個性化音樂推薦系統(tǒng)的設計和研究[D];武漢紡織大學;2018年

5 毛青青;基于支持向量機和黑板模型的服裝專家推薦系統(tǒng)[D];東華大學;2018年

6 張展鴻;基于用戶評論的推薦系統(tǒng)設計與實現[D];華南理工大學;2018年

7 徐硯偉;支持隱私保護和結果多樣性的電影推薦系統(tǒng)[D];曲阜師范大學;2018年

8 錢俊松;知識平臺的推薦系統(tǒng)設計與實現[D];江南大學;2018年

9 李多加;基于混合推薦算法的旅游推薦系統(tǒng)的設計與實現[D];浙江大學;2018年

10 陳恩杰;基于Spark的實時推薦系統(tǒng)的研究與設計[D];西安科技大學;2018年

，

本文編號：2631836