Style2Vec：从风格套装中学习时尚物品的表示

随着在线时尚市场的快速增长，对有效时尚推荐系统的需求前所未有。在时尚推荐中，基于风格找到与其他几件物品搭配得当的物品的能力，比基于用户整个购买历史挑选单件物品更为重要。由于同一用户可能在某个月购买了西装，而在另一月购买了休闲牛仔，仅使用用户评分无法学习这些物品的潜在风格特征。如果我们能以合理的方式表示时尚物品的风格特征，就能推荐与构成连贯风格套装的一小部分已购物品相符的新物品。我们提出了 Style2Vec，一种面向时尚物品的向量表示模型。基于词嵌入中使用的分布语义学直觉，Style2Vec 利用匹配套装中的其他物品作为上下文来学习时尚物品的表示。训练两个不同的卷积神经网络以最大化物品共现的概率。为进行评估，进行了时尚类比测试，结果表明所得表示蕴含了多样的时尚相关语义，如形状、颜色、图案甚至潜在风格。我们还使用 Style2Vec 特征进行了风格分类，并证明我们的方法优于其他基线。