CN103337027A

CN103337027A - 服装信息推送方法及***

Info

Publication number: CN103337027A
Application number: CN2013102482911A
Authority: CN
Inventors: 咸晓梦
Original assignee: Individual
Current assignee: Individual
Priority date: 2013-06-20
Filing date: 2013-06-20
Publication date: 2013-10-02

Abstract

本发明公开了一种服装信息推送方法，包括以下步骤：接收用户注册标签信息，根据用户注册标签信息和***预存标签信息权值对照列表确定用户标签信息重要性列表；根据用户标签信息重要性列表获得第一重要度权值列表；根据用户标签信息重要性列表、第一重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的推荐指数，对推荐指数进行排序，推送排序后的推荐指数对应的服装标签信息。本发明还公开了一种服装信息推送***，可以向用户提供方便快捷、信息更新快、个性化的服装信息推送服务。

Description

服装信息推送方法及***

技术领域

本发明涉及信息推送技术领域，特别是涉及一种服装信息推送方法及***。

背景技术

随着网络的快速发展和网上信息呈指数级别的增长，如何快速，高效的获得和利用信息已经成为人们关注的焦点。同时随着经济的快速发张，人们越来越关注自己的生活水准，而如何穿衣，什么样的穿衣风格适合自己成为了人们每天思考的问题。

发明内容

基于此，有必要针对现有技术缺陷，提供一种方便快捷、信息更新快、个性化的服装信息推送方法及***。

其技术方案如下。

一种服装信息推送方法，包括以下步骤：

接收用户注册标签信息，根据所述用户注册标签信息和***预存标签信息权值对照列表确定用户标签信息重要性列表；

根据所述用户标签信息重要性列表获得第一重要度权值列表；

根据所述用户标签信息重要性列表、所述第一重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的推荐指数，对所述推荐指数进行排序，推送排序后的推荐指数对应的服装标签信息。

一种服装信息推送***，其特征在于，包括：

接收模块，用于接收用户注册标签信息；

用户标签信息重要性列表确定模块，用于根据所述用户注册标签信息和***预存标签信息权值对照列表确定用户标签信息重要性列表；

第一重要度权值列表确定模块，用于对所述用户标签信息重要性列表进行处理，获得第一重要度权值列表；

推送模块，用于根据所述用户标签信息重要性列表、所述第一重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的推荐指数，对所述推荐指数排序，推送排序后的推荐指数对应得到服装标签信息。

上述服装信息推送方法及***，通过接收用户注册标签信息，并根据其获得第一重要度权值列表。再通过用户标签信息重要性列表、所述第一重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的推荐指数，在这一过程中，用户标签信息重要性列表中的每个标签信息都与***预存服装标签信息权值列表中的每个服装标签信息进行一一对比，并随其差值进行累计，使得***推送的服装更加贴合用户本身的实际需求。本发明可以多次对标签信息进行调整，随着用户使用时间的增加，使得***能够进行自我完善，构建更加贴合用户需求的偏好模型。

附图说明

图1为本发明服装信息推送方法在实施例中的流程示意图；

图2为本发明服装信息推送***在实施例中的结构示意图；

附图标记说明：

11、接收模块，12、用户标签信息重要性列表确定模块，13、第一重要度权值列表确定模块，14、推送模块，15、第二重要度权值列表确定模块，16、获取模块。

具体实施方式

下面结合附图对本发明实施例进行详细的说明。

如图1所示，是本发明服装信息推送方法在实施例中的流程示意图，包括以下步骤：

步骤S11、接收用户注册标签信息，根据用户注册标签信息和***预存标签信息权值对照列表确定用户标签信息重要性列表；

用户注册标签信息包括有必填项和选填项，例如用户A填写了必填项(年龄，身高，体重，三围，肤色)，选填项(职业，收入)。在用户输入用户注册标签信息之后，***预存标签信息权值对照列表自动将某些标签信息的重要性进行标示，例如用户A的身高为168cm，***自动标示其重要性为7，用户可以对其进行改动，适合其穿衣习惯。***自动添加天气标签信息，生成用户标签信息列表。此时，A用户的标签信息列表包括：

A＝(年纪，身高，三围，肤色，职业，收入，温度，紫外线指数，空气质量)

用户可以输入给标签信息的重要性进行标示(用数字1-9对其重要性进行标示，数字越大表明其重要性越高)，如果用户不输入，***通过默认设置给标签信息进行重要性标示，标示完成之后得到用户标签信息重要性列表。用户标签信息重要性列表包括：年纪权值、身高权值、三围权值、肤色权值、职业权值、收入权值、温度权值、紫外线指数权值、空气质量权值中的一种或多种。

步骤S 12、根据用户标签信息重要性列表获得第一重要度权值列表；

得到用户标签信息重要性列表之后***自动生成标签信息重要性矩阵：

\{\begin{matrix} \frac{w_{1}}{w_{1}} & \frac{w_{2}}{w_{1}} & . . . & \frac{w_{n}}{w_{1}} \\ \frac{w_{1}}{w_{2}} & \frac{w_{2}}{w_{2}} & . . . & \frac{w_{n}}{w_{2}} \\ . . . & . . . & . . . & . . . \\ \frac{w_{1}}{w_{n}} & \frac{w_{2}}{w_{n}} & . . . & \frac{w_{n}}{w_{n}} \end{matrix}\}

其中，W_n表示第n个标签信息的重要性，

通过对矩阵进行特征值求解，就会得到用户标签信息重要性列表：

W＝{W1，W2，W3....，Wn)；

步骤S13、根据用户标签信息重要性列表、第一重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的推荐指数，对推荐指数进行排序，推送排序后的推荐指数对应的服装标签信息。

***预存服装标签信息权值列表是指***内部存储有许多服装信息，而每套服装均有其所对应的标签信息权值列表。

在将用户标签信息与***预存服装标签信息相匹配时，由于在某些情况下用户标签信息与***预存服装标签信息可能会存在差异，于是在匹配计算时保持用户标签信息不变，对需要进行匹配计算的***预存服装标签信息进行调整：搜索***预存服装标签信息，如果某个标签信息是当前用户所没有的，在***预存服装标签信息中将其删除该标签信息和该标签信息权值；同时搜索用户标签信息，如果发现***预存服装标签信息中没有的标签信息，则将该标签信息添加到***预存服装标签信息中，并使Rk-Fk赋值为0.5，从新得到的***预存服装标签信息。

在本实施例中，采用下列公式确定用户标签信息与服装标签信息的推荐指数，

Sim = Σ_{k = 1}^{n} W_{k} {(R_{k} - F_{k})}^{2}

其中，Sim表示推荐指数，W_k表示标签信息k的重要度权值，R_k表示用户标签信息k的重要性，F_k表示***预存服装标签信息k的重要性，n表示标签信息个数。

通过计算用户标签信息和***预存服装标签信息，从而得出***向该用户推荐该服装的推荐指数，当推荐指数小于某个阀值的时候，***会向用户推荐这款衣服，从推荐指数的计算方法可以看出，Sim的值越小，说明该服装越适合当前用户。

用户可在***中设置某个阀值，当对推荐指数进行升序排序后，***会将低于用户设定阀值的推荐指数所对应的服装信息推送给用户。

在一较佳的实施例中，推送排序后的推荐指数对应的服装标签信息步骤之后，还包括步骤：

接收标签信息增加权值指令，对该标签信息的重要度权值进行增加，并对重要度权值取值范围进行限定，对增加后的重要度权值和其他标签信息的重要度权值进行归一化，获得第二重要度权值列表；

用户可以对***推荐的服装标签信息进行操作，用户可以选择是否喜欢当前推荐的服装，生成当前用户推荐列表。同时用户可以点击符合该服装的特定标签信息，以使其重要度权值发生改变。例如***向用户A推荐一款服装，用户A觉得这款服装的职业标签信息(W1)和温度标签信息(W2)很重要，用户A通过点击这两个标签信息产生用户行为数据，默认情况下，用户的标签信息重要性权值列表时***给出的，很多情况下并不符合用户的实际情况，或者，用户的喜好会随着时间而改变，***可以通过用户行为数据，从新调整用户标签信息重要性。用户每点击以此一个标签信息，该标签信息的重要度权值会增加一些，然后再对重要度权值列表进行归一化处理，得到第二重要度权值列表。

同时，为了保持重要度权值列表的健壮性，不能使整个列表中的标签信息重要性权值失去平衡，例如用户经常关注***推荐衣服的收入标签信息和肤色标签信息，导致这两个标签信息的重要度权值越来越大，这样肯定会使列表中的其他标签信息重要性降低，甚至没有影响力。但实际情况下并不是这样，比如用户A比较关注收入和肤色标签信息，但是并不意味着身高，体重，温度等标签信息不重要。所以***需要保持标签信息重要度权值之间的平衡。具体做法是，每个标签信息有***设定重要度权值范围，比如温度标签信息的重要度权值介于(0.2，0.4)之间，当用户一段时间内都不关注温度标签信息时，会使得温度标签信息的重要度权值下降，当下降到0.2的时候，温度标签的重要度权值不会再下降而是稳定在0.2附近；相反，如果用户一直关注温度标签信息(比如说年纪较大的老年人)，温度标签信息的重要度权值不会一直增加，而是稳定在0.4附近。

根据用户标签信息重要性列表、第二重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的第一推荐指数，对第一推荐指数排序，推送排序后的第一推荐指数对应的服装标签信息。

接收增加标签信息指令，对该标签信息的权值进行标示，并将其添加到***预存服装标签信息权值列表。

***提供的服装标签信息是很有限的，很多情况并不符合用户自己对衣服的理解。用户可以根据自己的喜好和理解，增加标签信息。比如***默认情况并没有色系标签信息。用户可以自己定义这一标签信息，***会把色系标签信息加到用户当前的标签信息列表中，同时***把该标签信息的重要性设为允许范围内的最低。

用户同时可以对***推荐的衣服进行标签信息操作，比如***向用户推荐一服装，用户觉得“中性”标签信息很适合这款衣服(“中性”标签信息并不在这款衣服的默认标签信息列表中)，用户可以为这款衣服增加“中性”标签信息，***会自动审核新增标签信息的符合度，如果审核通过，***向其他用户推荐这款衣服时，会增加“中性”标签信息。这样做的优势在于：1.可以增加***的标签信息数量，使***描述该服装变得更加准确。2.用户和衣服的标签信息数的增加，可以使***向用户推荐的服装更加符合用户的要求。

在一较佳的实施例中，还包括以下步骤：

获取各用户标签信息重要性列表；

根据各用户标签信息重要性列表获得各用户标签信息的重要度权值列表；

根据各用户标签信息重要性列表和各重要度权值列表确定用户相似度，根据用户相似度向用户推送其他用户的服装标签信息。

采用下列公式确定用户相似度，

Sim (i, j) = Σ_{k = 1}^{m} {(R_{i, k} - R_{j, k})}^{2} + Σ_{k = 1}^{l} {(W_{i, k} - W_{j, k})}^{2}

其中，Sim(i，j)表示用户相似度，R_i，k表示用户i的标签信息k的重要性，R_j，k表示用户j标签信息k的重要性，W_i，k表示用户i的标签信息k的重要度权值，W_j，k表示用户j的标签信息k的重要度权值，n表示标签信息的个数。

向用户推荐好友，我们需要做的是把与当前用户有相似的个人信息和有共同关注习惯的其他用户推荐给当前用户，所以需要同时考虑标签列表和重要性权值列表。根据Sim值进行升序排列，把最匹配的前几名其他用户推荐给当前用户。当前用户可以点击推荐好友，浏览对方的用户推荐列表T。

在一较佳的实施例中，***推荐给用户的服装是根据用户行为数据分析出来的，长时间下去，用户很容易形成单一的穿衣风格，***推荐给用户的服装范围也越来越窄。为了解决这个问题，***据此实现了一个风格突破模型。比如说，A用户的年纪为30岁，但是A不一定总要穿30年纪的衣服，也可以试试25岁年纪的衣服；同样，A用户喜欢关注紫色系的衣服，如果***总是推荐紫色系的衣服给该用户，会使用户的选择越来越少，***应该可以推荐另一种用户可能喜欢的风格。具体实现如下：

默认情况下，用户标签信息重要性列表都是符合用户自身穿衣习惯和反应用户穿衣风格的。假设***每次向用户推荐10套衣服，其中8套是使用用户标签列表的值进行相似度匹配得到的。另外2套，***随机改变用户标签信息重要性列表中某些标签信息的值，形成一个新的用户标签信息重要性列表，用该列表进行相似度搜索。如果用户表示喜欢推荐该衣服，***据此调整和扩展用户标签列表，丰富用户的穿衣风格。

本发明还提供一种服装信息推送***，如图2所示，包括：

接收模块11，用于接收用户注册标签信息；

用户标签信息重要性列表确定模块12，用于根据用户注册标签信息和***预存标签信息权值对照列表确定用户标签信息重要性列表；

第一重要度权值列表确定模块13，用于对用户标签信息重要性列表进行处理，获得第一重要度权值列表；

推送模块14，用于根据用户标签信息重要性列表、第一重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的推荐指数，对推荐指数排序，推送排序后的推荐指数对应得到服装标签信息。

在一较佳的实施例中，用户标签信息重要性列表包括：年纪权值、身高权值、三围权值、肤色权值、职业权值、收入权值、温度权值、紫外线指数权值、空气质量权值中的一种或多种。

在一较佳的实施例中，服装信息推送***还包括：

第二重要度权值列表确定模块15，用于接收标签信息增加权值指令，对该标签信息的重要度权值进行增加，对增加后的重要度权值和其他标签信息的重要度权值进行归一化，获得第二重要度权值列表；

推送模块14，还用于根据用户标签信息重要性列表、第二重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的第一推荐指数，对第一推荐指数排序，推送排序后的第一推荐指数对应的服装标签信息。

在一较佳的实施例中，服装信息推送***还包括：

获取模块16，还用于获取各用户标签信息重要性列表；

第一重要度权值列表确定模块13，还用于对各用户标签信息重要性列表进行处理，获得各用户标签信息重要性列表的重要度权值列表；

推送模块14，还用于根据各用户标签信息重要性列表和各重要度权值列表确定用户相似度，根据用户相似度向用户推送其他用户标签信息。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims

1.一种服装信息推送方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的服装信息推送方法，其特征在于，所述用户标签信息重要性列表包括：年纪权值、身高权值、三围权值、肤色权值、职业权值、收入权值、温度权值、紫外线指数权值、空气质量权值中的一种或多种。

3.根据权利要求1所述的服装信息推送方法，其特征在于，采用下列公式对用户标签信息重要性列表进行处理：

\{\begin{matrix} \frac{w_{1}}{w_{1}} & \frac{w_{2}}{w_{1}} & . . . & \frac{w_{n}}{w_{1}} \\ \frac{w_{1}}{w_{2}} & \frac{w_{2}}{w_{2}} & . . . & \frac{w_{n}}{w_{2}} \\ . . . & . . . & . . . & . . . \\ \frac{w_{1}}{w_{n}} & \frac{w_{2}}{w_{n}} & . . . & \frac{w_{n}}{w_{n}} \end{matrix}\}

其中，W_n表示第n个标签信息的重要性，

通过对矩阵进行特征值求解，得到第一重要度权值列表：

W＝(W1，W2，W3....，Wn)。

4.根据权利要求1至3任一项所述的服装信息推送方法，其特征在于，所述推送排序后的推荐指数对应的服装标签信息步骤之后，还包括步骤：

根据所述用户标签信息重要性列表、所述第二重要度权值列表和***预存服装标签信息权值列表确定用户标签信息与服装标签信息的第一推荐指数，对所述第一推荐指数排序，推送排序后的第一推荐指数对应的服装标签信息。

5.根据权利要求1至3任一项所述的服装信息推送方法，其特征在于，采用下列公式确定用户标签信息与服装标签信息的推荐指数，

Sim = Σ_{k = 1}^{n} W_{k} {(R_{k} - F_{k})}^{2}

6.根据权利要求1至3任一项所述的服装信息推送方法，其特征在于，所述推送排序后的推荐指数对应的服装标签信息步骤之后，还包括步骤：

7.根据权利要求1至3任一项所述的服装信息推送方法，其特征在于，还包括以下步骤：

获取各用户标签信息重要性列表；

根据各所述用户标签信息重要性列表获得各所述用户标签信息的重要度权值列表；

根据各所述用户标签信息重要性列表和各所述重要度权值列表确定用户相似度，根据所述用户相似度向所述用户推送其他用户的服装标签信息。

8.根据权利要求7所述的服装信息推送方法，其特征在于，采用下列公式确定用户相似度，

Sim (i, j) = Σ_{k = 1}^{m} {(R_{i, k} - R_{j, k})}^{2} + Σ_{k = 1}^{l} {(W_{i, k} - W_{j, k})}^{2}

9.一种服装信息推送***，其特征在于，包括：

接收模块，用于接收用户注册标签信息；

10.根据权利要求9所述的服装信息推送***，其特征在于，所述用户标签信息重要性列表包括：年纪权值、身高权值、三围权值、肤色权值、职业权值、收入权值、温度权值、紫外线指数权值、空气质量权值中的一种或多种。