摘 要

随着5G技术研发和商用的大发展，人们也期望着更便利更高质量的消费体验和服务，因此以通信技术为基础之一的电子商务网站，着重开发和应用服装搭配推荐系统。同时随着人们的消费习惯，越来越多的数据信息积累下来了，但是基于大量商品数据和用户消费行为历史数据的服装搭配研究工作还尚未成熟。基于上述背景，淘宝的大量数据将被用于本文的研究中，完成穿衣搭配算法的设计与实现。

本文根据服装商品基本信息的文本及图像数据、用户历史行为的文本数据和专家达人生成的搭配套餐的文本数据，对服装搭配问题进行分析，利用数据挖掘的相关技术，设计算法实现预测给定商品的搭配商品集合，即实现服装搭配功能：输入一个待预测商品的ID，能得到与其能搭配的商品的ID列表。图像数据处理主要运用了inception_v4网络结构，文本数据处理使用文本差异比较算法google-diff-match-patch。本文算法充分利用了数据分析后的结果帮助解决实际生活可能面临的服装搭配问题，流程简洁，功能有效。最后本文的算法测试结果表明本文的穿衣搭配算法具有一定准确度。

关键词：数据挖掘；深度学习；卷积神经网络

Abstract

With the great development of 5G technology research and commercial use, people as well expect more convenient and higher-quality consumption experience and service. Therefore, e-commerce websites based on communication technology focus on the research and application of clothing matching recommendation system. At the same time, with people's consumption habits, more and more data information has been accumulated, but the research on clothing collocation based on a large number of commodity data and historical data of users' consumption behavior is not yet mature. Based on the above background, in the research of this paper, a large number of data from Taobao is used to realize the design and implementation of clothe matching algorithm.

The algorithm will analysis the problems of the dress collocation according to the apparel commodity basic information (text and images) data, user behavior (text) history data and the expert's package (text) data by using some related technologies of data mining. On the whole, designing an algorithm to predict the collocation of a given commodity goods collection: enter a forecast commodity ID, to get the goods which can match with it. The Inception_V4 model is mainly used for image data processing, and Google-diff-match-patch algorithm is used to process text data. By using the results of data analysis, the algorithm in this paper help solve some realistic clothing matching problems. The algorithm process is simple and the function is effective. Finally, the test results of this algorithm show that the algorithm has a certain accuracy.

Key Words：Data mining; Deep learning; Convolutional neural network

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.3 本文研究内容和工作安排 2

1.4 论文结构安排 2

第二章 相关技术理论知识 4

2.1 卷积神经网络 4

2.2 Inception_v4网络结构 5

2.3 文本差异比较之diff-match-patch 5

2.4 本章小结 6

第三章 图像信息处理 7

3.1 图像数据分析 7

3.2 图像数据处理 7

3.3 图像分类算法分析设计 8

3.4 本章小结 9

第四章 文本信息处理 10

4.1 文本数据分析 10

4.2 文本信息处理 11

4.3 文本数据处理算法设计 12

4.4 本章小结 13

第五章 实验过程与算法测试 15

5.1 实验条件 15

5.1.1 实验环境 15

5.1.2 实验数据 15

5.2 算法实验及结果分析 15

5.2.1 算法过程设计 15

5.2.2 实验过程 16

5.2.3 实验结果分析 16

5.3算法测试 16

5.3.1算法测试设计 16

5.3.2算法测试过程 18

5.3.3 算法测试结果及分析 18

5.4 本章小结 18

第六章 总结与展望 20

6.1 总结 20

6.2 展望 21

参考文献 22

致谢 23

第一章 绪论

1.1 研究背景及意义

当下，5G网络的发展脚步正极速向前，5G技术的研发和商用就是其他行业发展的加速器，技术的更新换代最终服务于全球经济并为人们带来更便利更高质量的生活。其中以通信技术为基础之一的电子商务网站也不例外，放眼全球，世界各地的在线购物者都享受着电子商务网站带来的便利^[1]。再看2019年，电子商务用户每次在服装方面的消费平均支出为5.66美元；其次平均支出为3.19美元的是普通服装；对高级服装平均支出则为3.16美元。显然，“网购”、“电商”已经成为人们日常生活中不可或缺的一部分，其中服装是人们网购中较为频繁和主要的部分。以《奇迹暖暖》为代表的换装手游用户数量暴增，可以凸显人们对于衣着搭配的生理、心理需求以及个性化需求；以小红书为代表的电商社区兴起，展现了消费者开始关注服饰消费的多元化和专业化^[2]。从制造层面讲，我国的服装产业制造已经足够满足消费者对量的需求；但从技术与专业层面看，消费者仍苦恼于没有专业化的服装搭配推荐来应对社交形象需要或个人偏好需求。

本算法致力于解决一些实际问题，如满足用户对服饰搭配的需求，随着生活水平的提高，人们对美的意识也在不断增强，重视外在的衣着服饰来提高个人形象；提高市场竞争力，已有的服装搭配系统同质化现象严重，缺乏创新和专业化；提供服装搭配推荐领域的新思路，共同应对研究进程的挑战。