基于社交媒体利用多重关系进行时尚趋势预测
机器学习
2021-05-12 v2 信息检索
多媒体
摘要
时尚趋势预测在为时尚公司与时尚爱好者提供有用建议方面具有重要的研究意义。尽管已有诸多研究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，难以揭示真实的复杂时尚趋势。此外，该任务的主流解决方案仍基于统计方法并仅关注时间序列数据建模，限制了预测精度。为实现更具洞察力的时尚趋势预测，先前工作[1]提出分析更细粒度的时尚元素，从而能够充分地揭示时尚趋势。具体而言，其基于社交媒体数据，针对特定用户群体进行详细的时尚元素趋势预测。此外，其提出了一种基于神经网络的方法，即KERN，以解决时尚趋势建模与预测问题。在本文中，为扩展先前工作，我们提出了一种改进模型，称为关系增强注意力循环（Relation Enhanced Attention Recurrent, REAR）网络。与KERN相比，REAR模型不仅利用了时尚元素之间的关系，还利用了用户群体之间的关系，从而捕捉各类时尚趋势间更多类型的关联。为了进一步提升长程趋势预测的性能，REAR方法设计了一种滑动时间注意力机制，能够更好地捕捉未来时域上的时间模式。我们在FIT和GeoStyle数据集上进行了大量实验与更多分析以评估REAR的性能。实验与分析结果表明所提出的REAR模型在时尚趋势预测中的有效性，同时也展示了REAR相对于KERN的改进。
引用
@article{arxiv.2105.03299,
title = {Leveraging Multiple Relations for Fashion Trend Forecasting Based on Social Media},
author = {Yujuan Ding and Yunshan Ma and Lizi Liao and Wai Keung Wong and Tat-Seng Chua},
journal= {arXiv preprint arXiv:2105.03299},
year = {2021}
}
备注
12 pages, 8 figures