摘 要

随着网络时代的来临，网上数据的爆炸式增长，信息超载成为越来越多人需要解决的问题。基于这个问题，各大电子商务网站都开始进行数据挖掘，开发个性化推荐系统来方便用户，增加用户量。而服装搭配推荐系统是个性化推荐系统中的一种，但开发应用这类推荐系统的网站却非常少。本文利用淘宝的大量数据，实现了淘宝穿衣搭配推荐算法的设计。

本算法主要功能是输入一个待预测商品的ID，能得到与其能搭配的商品的ID。本算法主要由文本数据算法、图像数据算法及测试系统构成。文本数据算法分为直接搭配和间接搭配，利用了google-diff-match-patch文本比对方法。图像数据算法运用了深度学习库Keras2。测试系统部分实现了对算法的精确度计算。本文难点有这些：对各种各样的文本数据该如何结合在一起且用什么方法处理，待预测商品的相似商品和搭配商品的得到，图像数据怎么处理。在完成了这些后，用测试系统进行了测试，结果表明该穿衣搭配算法的准确度能得到保障。

关键词：数据挖掘；深度学习；穿衣搭配算法；机器学习

Abstract

With the advent of the Internet era, the explosive growth of online data, more and more people need to solve the problem that information overload has become. Based on this problem, all major e-commerce websites begin data mining, and develop personalized recommendation system to facilitate users and increase the amount of users. The clothing recommendation system is one of the personalized recommendation system, but there are very few websites to develop and apply this recommendation system. In this paper, a large amount of data from Taobao is used to implement the recommendation algorithm of Taobao's clothing collocation.

The main function of this algorithm is to input a ID of the goods to be forecasted, and get the ID of the goods that can match with it. The algorithm is mainly composed of text data algorithm, image data algorithm and test system. The text data algorithm is divided into direct collocation and indirect collocation, and the method of google-diff-match-patch text similarity is adopted. The image data algorithm uses the depth learning database Keras2. The accuracy of the algorithm is calculated in the part of the test system. The accuracy of the algorithm is calculated in the test system. There are many difficult points in this article: how to combine all kinds of text data and how to deal with them, how to earn similar goods and collocation goods and how to deal with the image data. After the completion of these, the data was tested by the test system, and the results show that the accuracy of the algorithm can be guaranteed.

Key Words：data mining；deep learning；clothes collocation algorithm；machine learning

目录

第一章 绪论 1

1.1研究背景与意义 1

1.2国内外研究现状 1

1.3 服装搭配推荐系统概述 2

1.4论文主要研究内容 3

1.5 相关技术 3

1.5.1卷积神经网络 3

1.5.2 inception_v3深度学习模型 3

1.5.3 diff-match-patch文本比对 4

1.6论文结构安排 4

第二章 系统设计 5

2.1需求分析 5

2.1.1功能需求 5

2.1.2非功能需求 6

2.1.3其他需求 6

2.2系统概要设计 7

2.2.1需求规定 7

2.2.2运行环境 7

2.2.3基本设计概念 7

2.2.4系统结构 7

2.2.5接口设计 9

2.2.6运行设计 10

2.2.7逻辑结构设计 10

2.3关键模块设计 12

2.3.1图像数据的处理 12

2.3.2文本数据的处理 13

2.3.3穿衣搭配模块实现 15

2.3.4候选集融合 19

第三章 测试 21

3.1系统测试 21

3.2算法测试系统的构造 21

3.3算法测试 22

第四章 总结和展望 24

4.1总结 24

4.2展望 25

参考文献 26

致谢 27

第一章 绪论

1.1 研究背景及意义

在网络技术不断发展的背景下，世界的信息和知识都处于大爆炸状态，造成信息量大、信息质量差、信息价值低等问题，信息超载的现象也随之而生。信息超载指的是人们在生活中，接收到的具有潜在价值且可以被获取的相关信息数量过多，就会造成信息使用效率的相应降低^[1]。所以在剖析信息超载产生的根源和影响的基础之上，个人可以用到这些方法来避免信息超载：应用合理搜索策略，培养信息鉴别能力。但毫无疑问这需要更好的方式来辅助人类完成，这时就需要搜索引擎或个性化推荐系统来完成^[2]。

1.2 国内外研究现状