时尚推荐：使用图神经网络的搭配兼容性

许多行业受益于机器学习的应用，时尚行业也不例外。通过更好地理解什么构成好的搭配，公司可以向用户提供有用的产品推荐。在这个项目中，我们遵循两种现有方法，它们使用图来表示搭配，并使用图神经网络框架的修改版本。节点式图神经网络和超图神经网络都旨在根据物品的搭配兼容性对一组物品进行评分。使用的数据是Polyvore数据集，该数据集包含精心策划的搭配，每个搭配中的产品都有产品图像和文本描述。我们在该数据的一个子集上重现分析，并比较两个现有模型在两个任务上的性能：填空（FITB）：找到完成搭配的物品；以及兼容性预测：估计作为搭配分组的不同物品的兼容性。我们方向性地重现了结果，发现HGNN在两个任务上确实有稍好的性能。除了重现两篇论文的结果外，我们还尝试使用视觉变换器生成的嵌入，并观察到整体预测准确性的提升。