知识增强的神经时尚趋势预测

时尚趋势预测对学术界和工业界都是一项关键任务。尽管已有一些努力致力于解决这一具有挑战性的任务，但它们仅研究了具有高度季节性或简单模式的有限时尚元素，难以揭示真实的时尚趋势。为实现深入的时尚趋势预测，本工作聚焦于研究特定用户群体的细粒度时尚元素趋势。我们首先贡献了一个大规模时尚趋势数据集（FIT），该数据集从 Instagram 收集，包含提取的时间序列时尚元素记录与用户信息。此外，为有效建模具有相当复杂模式的时尚元素时间序列数据，我们提出了一种知识增强循环网络模型（KERN），该模型利用了深度循环神经网络在建模时间序列数据方面的能力。而且，它利用了时尚领域中影响时尚元素趋势时间序列模式的内部与外部知识。这种领域知识的引入进一步增强了深度学习模型捕捉特定时尚元素模式并预测未来趋势的能力。大量实验表明，所提出的 KERN 模型能有效捕捉客观时尚元素的复杂模式，从而做出更优的时尚趋势预测。