VPKNN-NETのアダプティブアルゴリズムに基づくファッション製品の推奨

科学分野:

• コンピュータ科学
• 人工知能
• 電子商取引技術

背景:

• 大規模な製品カタログの利用者を助けるために,推奨システムは電子商取引に不可欠です.
• ファッションなどの視覚的な分野では キーワードに基づく伝統的な推奨システムに 課題があります
• 従来の方法では主観的なスタイルを効果的に捉えることは困難です.

研究 の 目的:

• アダプティブ VPKNN-net アルゴリズムを利用した新しいファッションの推奨フレームワークを提案する.
• ファッションアイテムの視覚的類似性の評価を向上させる
• 主観的なスタイル偏好の検出における既存のシステムの限界に対処する.

主な方法:

• 先行訓練されたVGG16コンボリューションニューラルネットワーク (CNN) を使用して,深い視覚特性を抽出します.
• メインコンポーネント分析 (PCA) を通じて寸法縮小.
• 改変されたK-Nearest Neighbors (KNN) アルゴリズムで,ユークリッド式とコサイン式類似度メトリックを統合した.

主要な成果:

• 提案されたシステムは98.69%の高い精度を達成しました.
• ベースラインモデルと比較して,より低い根の平均正方形誤差 (RMSE) 0. 8213と平均絶対誤差 (MAE) 0. 6045を示した.
• ランダムフォレスト,サポートベクトルマシン (SVM),および標準KNNを上回る性能.

結論:

• Adaptive VPKNN-netのフレームワークは,視覚的なファッションの推奨の精度,解釈性,効率を大幅に高めています.
• 曖昧な類似性モデルの限界を効果的に克服する.
• 視覚的に指向した電子商取引のスケーラブルなソリューションを提供し,特にコールドスタートおよびデータ不足の状況です.