属性感知的可解释互补服装推荐

对时尚单品之间混搭关系进行建模，对于现代电子商务推荐系统而言日益重要却又充满挑战。在进行服装搭配时，多数现有方法利用从时尚单品图像中提取的潜在视觉特征进行兼容性建模，缺乏对生成搭配结果的可解释性，难以使用户信服推荐。尽管近期方法开始引入预定义属性信息（如颜色、风格、长度等）来学习单品表示并提升模型可解释性，但它们对属性信息的利用仍主要局限于增强所学单品表示并通过后处理生成解释。这导致当我们试图提升推荐精度并生成细粒度解释时遭遇严重瓶颈，因为显式属性与实际推荐过程仅存在松散关联。本文旨在提出一种新颖的属性感知时尚推荐器（AFRec）来解决时尚推荐任务中的可解释性挑战。具体而言，AFRec 推荐器通过显式利用从各单品视觉特征中提取的属性级表示来评估套装兼容性。属性充当两个时尚单品间的桥梁，我们通过学习其属性间的兼容性来量化一对单品的亲和度。大量实验表明，通过在推荐过程中充分利用显式属性，AFRec 能够同时实现最先进的推荐精度并生成直观解释。