基于標簽的商務女裝推薦模型研究

陳俊虹 劉詠梅

摘 要：商務女裝是女性的日常著裝之一，很多女性在網購商務女裝時常常花了很長的搜索時間卻找不到令人滿意的服裝。本文將根據用戶在搜索過程中常用的關鍵詞類別進行調研，得到用戶在網購時常用的關鍵詞排序后，再根據關鍵詞的內容進行細分，構建標簽體系。根據TF-IDF和余弦相似算法構建基于標簽的推薦系統，從而提高用戶在購買商務女裝時的精確度。

關鍵詞：標簽推薦算法；用戶興趣；商務女裝；個性化推薦系統

中圖分類號：TS941.26 文獻標識碼：B 文章編號： 1674-2346（2017）04-0068-05

1 引言

隨著互聯網的發展，各大電商平臺不斷壯大，網購人群也呈現上升的趨勢。很多事業型的女性在兼顧家庭和實業之余，往往選擇在網絡上進行購物。淘寶、天貓等電商平臺，均能夠找到各種各樣與商務女性相關的服裝。然而也發現一些問題，例如通過關鍵詞的搜索，卻找不到自己喜歡的服裝，或者要花費很長的時間才找到目標服裝。為了節約消費者購物時間和精力，提高用戶的決策效率，因此很多電商平臺推出了個性化推薦系統。

在這個信息過剩的時代里，一方面，消費者要從大量信息中篩選出自己感興趣的信息是一件較為困難的事；而生產者和經營者要讓廣大消費者對自己產品的信息引起足夠的注意，也不是一件易事。推薦系統就是解決這類矛盾的重要工具之一。推薦系統通過發掘用戶的行為，找到用戶的個性化需求，從而將長尾商品準確地推薦給需要他的用戶，幫助用戶發現那些他們感興趣但很難發現的商品。[1]

傳統的推薦系統包含三大基本要素：用戶、資源以及用戶對項目的評分。根據用戶評分，產生相關的用戶模型或項目模型，然后再根據相關模型特征產生用戶感興趣的服裝，并推薦給用戶，或者產生與已知服裝相似的服裝推薦給用戶。目前推薦系統被廣泛地運用于各大電商平臺的各個領域，在促進服裝銷售方面起到了極大的作用。

2 推薦技術類型

根據國內外研究成果，推薦算法主要分為： 基于內容的推薦算法 （ Content - based，簡稱 CB） 、協同過濾推薦算法 （ Collaborative Filtering，簡稱 CF） 和混合推薦算法。[2]

2.1 基于內容的推薦算法

基于內容的推薦是建立在項目的內容信息上作出的推薦，不需要根據用戶對項目的評價。基于內容的推薦系統通過特征屬性來定義對象，當用戶對對象進行評價后，系統再通過學習用戶的興趣來判斷用戶的資料和待預測項目之間的吻合程度。[3]

基于內容的推薦有優點，如：沒有冷啟動問題和稀疏問題。但也有缺點，要求內容能比較容易地抽取，并形成有意義的特征，且內容具有良好的結構。

2.2 協同過濾推薦算法

協同過濾推薦算法一般分為2種類型：一是基于用戶的協同過濾推薦算法，二是基于項目的協同過濾推薦算法。

基于用戶的協同過濾算法是推薦系統中較為古老的推薦算法。通常協同過濾推薦算法包含2個步驟，首先要找到用戶集，該用戶集要和目標的用戶興趣相似，然后再找到該集合中用戶所喜歡的集合，并且是目標用戶還沒有看過的物品。

基于項目的協同過濾推薦算法（簡稱Item CF）是根據用戶的行為記錄來計算物品與物品之間的相似程度；而目標用戶對未評分項目的喜好度，則是通過他在歷史項目中的相似項目的評分來加權擬合，從而產生推薦。

2.3 混合推薦算法

因為協同過濾、基于內容和基于圖結構等推薦算法各自存在問題，因而提出混合推薦算法，來達到“相互取長補短”的目的。[4]混合推薦可以獨立運用協同過濾、基于內容和基于圖結構的推薦算法，將多種算法進行融合，再將融合后的結果推薦給用戶。在現實生活中，通常會采用組合推薦的形式，其中內容推薦和協同過濾推薦的組合運用最多。

3 商務女裝標簽體系

3.1 標簽簡介

標簽是一種內容組織方式，是相關性很強的關鍵詞，能方便地幫助我們找到合適的內容及內容分類。標簽體系的設計有2個較為常見的要求：一是便于檢索，二是效果顯著。在不同的場景下，對這兩點的要求重點是不同的。

一般而言，標簽體系可分為3類：結構化標簽體系、半結構化標簽體系以及非結構化標簽體系。

3.2 商務女裝標簽體系構建

在商務女裝平臺上，用戶對服裝打的標簽依據的是系統已有的服裝標簽體系，屬于結構化的標簽體系。用戶根據自己的喜好進行標簽選擇。而系統內的標簽依據的是用戶對服裝的搜索習慣。

為了獲得用戶的搜索習慣，本研究展開了問卷調研：1）采用第三方問卷調查，利用專業在線調查網站問卷星進行調研。2）分別通過手機端和PC端向調研用戶發放，在線填寫問卷。3）結果得到樣本總量為223份，有效問卷206份，無效問卷17份，問卷有效率92%，回收率100%。調查結果見表1。

根據調查，將用戶對商務女裝的搜索關鍵詞前5項進行排名，排序的結果是評價的綜合得分。具體的計算方法是：選項平均綜合得分=（ 頻數茲ㄖ擔？本題填寫人次（權值由選項被排列的位置決定）。結果顯示前7個最常用的搜索關鍵詞是款式、風格、品牌、類目（如大衣，襯衫，褲裝等）、面料、穿著場合、色彩。基于此，我們對商務女裝的款式、風格、品類、面料、穿著場合、色彩分別進行分類，每一標簽之間權重相等，例如“穿著場合”下的標簽分為4大類：日常辦公、接待會談、宴請活動、慶典活動。除了系統設置的標簽內容供用戶選擇，還設置了用戶自由輸入標簽的窗口，目的是防止用戶找不到自己的目標標簽以及系統設置的標簽和服裝本身不吻合。

本研究還對商務女裝不同品類的服裝維度進行了調研，如表2、表3所示，除褲裝外，被調研者首要關注的是風格。從下裝來看，被調研者最關注半身裙的風格、廓形、長度，褲裝的褲腿型、風格、長度，而對于圖案，大家則較少關注。從上裝來看，被調研者最關注的還是風格，最不關注的是袖長。對于連衣裙，被調研者第二關注的是裙長，其次是腰型。在襯衫這一品類下，用戶最關注的服裝維度是風格，第二關注的是領型，其次是廓形。而對于外套，被調研者首要關注的是風格，其次是廓形，第三是衣長。

根據每個品類下用戶最關注的服裝維度進行標簽推薦，從而促進服裝標簽系統的改進和完善，也滿足了用戶的喜好，最終達到推薦的目的。

4 推薦模型構建

4.1 構建用戶興趣模型

本研究根據商務女裝的商品特征以及推薦算法的分析，提出基于商務女裝相關標簽的推薦模型。根據商務女裝的分類以及用戶在選購服裝時考慮的要素，提取與商務女裝相關的標簽，提出基于標簽的推薦算法，構成了用戶-標簽、標簽-服裝2個二維關系。[5]通過用戶、服裝這2個方面同時挖掘用戶的興趣，構建用戶的興趣模型，再利用服裝的標簽內容進行相似度計算，最后根據用戶對服裝的興趣度進行排序，從而形成推薦。具體的推薦過程描述如下：

1）根據用戶-標簽-服裝的三維關系分解為用戶-標簽、標簽-服裝的2個二維關系，根據TF-IDF計算出用戶對服裝的興趣度。

2）根據服裝的標簽內容，用相似度計算尋找與用戶感興趣服裝標簽內容最相似的n個服裝。

3）將最相似的服裝按照從大到小排序，然后取出排名n的作為最終的 Top-N 推薦集。

4.1.1 用戶與標簽的關聯度

首先定義用戶集U={U1，U2，U3……Un}，用戶總數為D，服裝集R=大{R1，R2，R3……Rn}，用戶標注形成的標簽集T={T1，T2，T3……Tn}，服裝總數為Q。

TF-IDF[6]（term frequency-inverse document frequency）是一種用于信息檢索與數據挖掘的常用加權技術。TF在推薦系統中的意思是用戶u對資源使用標簽t進行標注的頻率，等于用戶ui對資源標注標簽tj的次數除以用戶u標注的總次數，計算公式如下：

IDF表示標簽t關于用戶的逆向文件頻率，等于用戶總數D除以1加上標注過標簽 ti的用戶總數j，再對得到的商取對數（加1是為了防止對數為0），計算公式如下：

4.1.2 服裝與標簽的關聯度

服裝與標簽的關聯度是指服裝被該標簽標記的可能性，計算公式如（4）、（5）、（6）所示：

TF的意思是標簽t被標注在服裝r上的頻率，等于標簽ti被標注在服裝r上的次數除以標注在服裝r上的標簽總數，計算公式（4）所示：

IDF表示標簽t關于服裝的逆向文件頻率，等于服裝總數Q除以1加上服裝中被標簽ti標注的總數l，再對得到的商取對數（加1是為了防止對數為0），計算公式（5）所示：

4.2 服裝相似度量

相似度量采用基于向量夾角余弦的相似度算法。把用戶對服裝標注的標簽看做是n維空間上的向量，如果用戶對服裝沒有打相應的標簽，則用戶對該服裝的向量記為零向量。服裝與服裝之間的相似性通過向量之間的余弦夾角度量。

用戶-服裝的標簽矩陣T的第i個列向量表示一個項i，則設項i和項j在n維用戶空間上的評分分別表示為向量 和 ，則向量 和 之間的相似性Sim（x，y）為：

（8）

4.3 預測排序

根據公式（8）中找到與用戶感興趣的服裝最相似的服裝進行排序，按照相似度從大到小排序。取出排序靠前的n個服裝作為推薦。

5 小結

服裝推薦算法是目前各大電商平臺與企業都在進行的課題。本研究通過用戶調研建立商務女裝的標簽體系，并根據用戶的標簽和商務女裝的標簽構建基于標簽的推薦模型，目的在于改善標簽的構成以及提高用戶搜索內容的準確性。

參考文獻

[1]項亮.推薦系統實踐[M].北京：人民郵電出版社，2012，73-77.

[2]楊博，趙鵬.推薦算法綜述[J].山西大學學報：自然科學版，2011 （3）：337-350

[3]何克勤. 基于標簽的推薦系統模型及算法研究[D].上海：華東師范大學，2010.

[4]王國霞，劉賀平.個性化推薦系統綜述[J].計算機工程與應用，2012，48（7）：71.

[9]劉健，張琨，陳旋.基于標簽和協同過濾的個性化推薦算法[J].計算機與現代化，2016 （246）：62-71.

[10]王石，曹存根，裴亞軍，等.一種基于搭配的中文詞匯語義相似度計算方法[J].中文信息學報，2013，27（ 1）：7-14.

Research on Tag-Based Business Dress Recommendation Model

CHEN Jun-hong LIU Yong-mei

（College of Fashion and Art Design，Donghua University，Shanghai，200051，China）

Abstract： Business dress is one of womens daily wear.However，many women shopping online spend long time searching but cant find satisfying dress.Based on the keywords categories used most often in searching， a research has been carried out.Having got the keywords sorting which is subdivided according to the content of the keywords，a tag system is established.According to TF-IDF and cosine similarity algorithm，a tag-based recommendation system is built to improve the accuracy of users buying business womens wear.

Key words： tag recommendation algorithm；user interest；women's business dress；personalized recommendation system