암묵적 사용자 프로파일링을 통한 딥러닝기반 지능형 선호 패션 추천
Deep Learning-based Intelligent Preferred Fashion Recommendation using Implicit User Profiling
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
방대해지고 있는 온라인 패션 시장에서는 소비자도 자신이 원하는 스타일에 대해 키워드 검색으로 원하는 패션 스타일을 일일이 찾기란 쉽지 않은 일이다. 이를 해소해줄 수 있는 것은 소비자의 니즈를 반영한 패션 추천이다. 기존 온라인 쇼핑 사이트는 소비자의 니즈를 파악하고 추천하기 위하여 설문조사 형식으로 소비자의 선호 스타일을 파악하는 것이 대부분이었다. 본 논문에서는 기존 방법의 한계점을 해소하고자 암묵적 프로파일링 방법을 통하여 소비자들의 니즈와 선호하는 스타일에 대해 간편하고 효과적으로 파악할 수 있는 모델을 제안하였다. 또한 이렇게 수집된 데이터로 학습한 딥러닝기반의 지능형 선호 패션 모델을 통하여 이미지 자체에 대한 특성을 반영하도록 학습하는 방법을 제안하였다. 제안한 모델의 정성적 평가를 통하여 의미있는 결과를 얻을 수 있었다.
Abstract
In the massive online fashion market, it is not easy for consumers to find the fashion style they want by keyword search for their preferred style. It can be resolved into consumer needs based fashion recommendation. Most of the existing online shopping sites have collected cumtomer’s preference style using the online quastionnair. In this paper, we propose a simple but effective novel model that resolve the traditional method in fashion profiling for consumer’s preference style and needs using implicit profiling method. In addition, we proposed a learning model that reflects the characteristics of the images itself through the deep learning-based intelligent preferred fashion model learned from the collected data. We show that the proposed model gave meaningful results through the qualitative evaluation.
참고문헌 (16)
- Korean fasion trend 2018, "Korea Federation of Textile Industries", KOFOTI, ~ (2017)
- World fashion industry status, "Korean Fashion Association", KFA, ~ (2018)
- "Online marketing trend on fashion" (2018)[URL]
- Colson, E., "Using human and machine processingin recommendation systems", First AAAIConference on Human Computation andCrowdsourcing, pp.16~17 (2013)
- G. Linden, "Amazon.com recommendations: item-to-item collaborative filtering", IEEE Internet Computing, 7(1), pp.76~80 (2003), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- Lam. X.N., "Addressing cold-start problem in recommendation systems", Proceedings of the 2nd international conference on Ubiquitous information management and communication ACM, pp.208~211 (2008)
- Tie-Yan Liu, "Learning to Rank for Information Retrieval", Foundations and Trends® in Information Retrieval, 3(3), pp.225~331 (2009), Now Publishers[DOI]
- S. Wager, "Dropout training as adaptive regularization", Advances in neural information processing systems, pp.351~359 (2013)
- D.P. Kingma, "Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980", ~ (2014)
- D. Lee, "Automatic Classification and Embedding of Fashion Products using Deep Residual Network", Korea Computer Congress, pp.975~977 (2017)
- C. Packer, "Visually-Aware Personalized Recommendation using Interpretable Image Representations. arXiv preprint arXiv:1806.09820", ~ (2018)
- E.Colson, "Using human and machine processing in recommendation systems", First AAAI Conference on Human Computation and Crowdsourcing (2013)
- G. Linden, "Amazon.com recommendations: item-to-item collaborative filtering", IEEE Internet Computing, 7(1), pp.76~80 (2003), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- J. McAuley, "Image-based recommendations on styles and substitutes", Proceedings of the 38th International ACM SIGIR Conference on Research and Development in Information Retrieval, pp.43~52 (2015)
- Lee, "Implicit User Profiling Technique for Intelligent Fashion Product Search and Recommendation", Korea Computer Congress, pp.862~864 (2017)
- 이동엽, "워드 임베딩을 이용한 아마존 패션 상품 리뷰의 사용자 감성 분석", 한국융합학회논문지, 8(4), pp.1~8 (2017), 한국융합학회[DOI]