用于互补推荐的深度风格匹配
人工智能
2017-08-29 v1
摘要
人类基于物品的属性发展出关于物品间风格兼容性的常识。我们试图自动回答诸如“这件衬衫和那条牛仔裤搭配得好吗？”的问题。为了回答这类问题，我们在本文中尝试对人类关于风格兼容性的感知进行建模。我们方法的基本假设是，在线商店中产品的大多数重要属性都包含在其标题描述中。因此，从这些描述中学习风格兼容性是可行的。我们设计了一个连体卷积神经网络架构，并向其输入兼容或不兼容的物品标题对。这些对将从符号词的原始空间映射到某个嵌入的风格空间。我们的方法仅将单词作为输入，只需很少的预处理，且不需要费时费力的特征工程。
引用
@article{arxiv.1708.07938,
title = {Deep Style Match for Complementary Recommendation},
author = {Kui Zhao and Xia Hu and Jiajun Bu and Can Wang},
journal= {arXiv preprint arXiv:1708.07938},
year = {2017}
}
备注
Workshops at the Thirty-First AAAI Conference on Artificial Intelligence