基于美学的服装推荐

近年来，产品图像在服装推荐中受到越来越多的关注，因为服装产品的视觉外观对消费者的决策有显著影响。现有大多数方法依赖传统特征来表示图像，例如由卷积神经网络提取的视觉特征（CNN特征）和尺度不变特征变换算法（SIFT特征）、颜色直方图等。然而，一类重要的特征——美学特征（aesthetic features）——却很少被考虑。它在服装推荐中起着至关重要的作用，因为用户的决策在很大程度上取决于服装是否符合其审美，而传统图像特征无法直接刻画这一点。为弥补这一不足，我们提出将高度相关于用户偏好的美学信息引入服装推荐系统。为此，我们首先给出由预训练神经网络提取的美学特征，该网络是一种为美学评估任务训练的脑启发式深层结构。考虑到美学偏好在用户之间以及随时间存在显著差异，我们进而提出一种新的张量分解模型，以个性化方式融入美学特征。我们在真实数据集上进行了大量实验，结果表明我们的方法能够捕捉用户的美学偏好，并显著优于几种最先进的推荐方法。