【技术实现步骤摘要】
本专利技术涉及服装搭配推荐，尤其涉及一种基于大数据的服装搭配推荐方法及系统。
技术介绍
1、在服装领域，个性化推荐成为提高用户购物体验和提升平台竞争力的重要手段。以往的服装推荐方法主要依赖用户的浏览历史、购买记录等数据，但这些方法往往忽略了用户的体型差异、个性化喜好以及服装的版型、色彩等多维度的搭配因素。随着大数据和人工智能技术的不断发展，基于大数据的服装搭配推荐方法逐渐受到关注，其通过分析海量用户行为数据、体型数据、服装色彩、版型等多维度信息，为用户提供更加精准和个性化的服装搭配推荐，从而提高用户满意度和购买转化率。大数据技术的应用使得服装推荐不仅仅局限于简单的推荐算法，更能够通过深入分析用户的历史浏览数据、购买数据以及社交媒体上的行为，挖掘出用户潜在的个性化需求和偏好。例如，通过分析用户过往的浏览记录，可以判断其对某一款式、颜色或材质的偏好，从而为用户提供符合其口味的服装推荐。然而，传统的一种基于大数据的服装搭配推荐方法存在着对用户身形特点识别不精确，从而造成服装搭配推荐误差大的问题。
技术实现思路
1、基于此，有必要提供一种基于大数据的服装搭配推荐方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于大数据的服装搭配推荐方法，所述方法包括以下步骤：
3、步骤s1：获取电子商务平台中的用户服装历史浏览数据集和用户输入体型数据；对用户服装历史浏览数据集进行服装种类分组，得到服装种类时序分组数据；
4、步骤s2：对服装种类时序分组
5、步骤s3：根据几何重心偏差优化数据和版型搭配比例分割效果数据进行服装推荐策略设计，得到服装推荐策略，以执行服装搭配推荐。
6、优选地，步骤s1包括以下步骤：
7、步骤s11：获取电子商务平台中的用户服装历史浏览数据集和用户输入体型数据；
8、步骤s12：对用户服装历史浏览数据集进行浏览平均时序排列，得到服装浏览平均时序排列数据；
9、步骤s13：根据服装浏览平均时序排列数据对用户服装历史浏览数据集进行服装种类分组，得到服装种类时序分组数据。
10、优选地，步骤s2包括以下步骤：
11、步骤s21：对服装种类时序分组数据进行不同服装种类间的色彩-版型提取，得到不同服装种类间的服装种类色彩-版型数据，其中所述的服装种类色彩-版型数据包括上身服装种类色彩-版型和下身服装种类色彩-版型；
12、步骤s22：根据服装种类色彩-版型数据对用户输入体型数据进行不同服装种类间的版型搭配比例分割效果分析，得到版型搭配比例分割效果数据；
13、步骤s23：根据服装种类色彩-版型数据对版型搭配比例分割效果数据进行不同服装种类间的搭配视觉引导重心分析，得到搭配视觉引导重心数据；
14、步骤s24：对搭配视觉引导重心数据进行视觉几何重心偏差优化处理，得到几何重心偏差优化数据。
15、优选地，步骤s22包括以下步骤：
16、步骤s221：对用户输入体型数据进行上下半身比例计算，得到体型上下半身比例；
17、步骤s222：根据体型上下半身比例对用户输入体型数据进行四肢形态差异量化，得到四肢形态差异量化数据；
18、步骤s223：对服装种类色彩-版型数据进行不同服装种类间的版型塑造轮廓数值计算，得到不同服装种类间的版型塑造轮廓数值；
19、步骤s224：根据体型上下半身比例和四肢形态差异量化数据对版型塑造轮廓数值进行服装版型松散量适配，得到版型功能性松散量适配数据；
20、步骤s225：根据版型功能性松散量适配数据对体型上下半身比例和四肢形态差异量化数据进行不同服装种类间的版型搭配比例分割效果分析，得到版型搭配比例分割效果数据。
21、优选地，步骤s224包括以下步骤：
22、对四肢形态差异量化数据进行四肢圆周尺寸计算，得到四肢圆周尺寸；其中所述四肢圆周尺寸包括：手腕圆周尺寸、脚踝圆周尺寸、肘部圆周尺寸以及膝部圆周尺寸；
23、根据体型上下半身比例和四肢圆周尺寸进行不同运动姿态间的骨骼突出空间差异化分析，得到不同运动姿态间的骨骼突出空间差异化数据；
24、基于骨骼突出空间差异化数据对版型塑造轮廓数值进行四肢部位空间预留量计算，得到四肢部位空间预留量；
25、基于四肢部位空间预留量进行服装版型松散量适配，得到版型功能性松散量适配数据。
26、优选地，步骤s23包括以下步骤：
27、步骤s231：对服装种类色彩-版型数据进行不同服装种类间的色彩及图案提取，得到不同服装种类间的服装色彩数据和不同服装种类间的服装图案数据；
28、步骤s232：对不同服装种类间的服装色彩数据进行色彩视觉紧凑性分析，得到色彩视觉紧凑数据；
29、步骤s233：根据色彩视觉紧凑数据和服装图案数据进行色调交错空间层次性量化，得到色调交错空间层次数据；
30、步骤s234：基于色调交错空间层次数据对版型搭配比例分割效果数据进行视觉重心转移规律识别，得到视觉重心转移规律数据；
31、步骤s235：根据视觉重心转移规律数据对版型搭配比例分割效果数据进行不同服装种类间的搭配视觉引导重心分析，得到搭配视觉引导重心数据。
32、优选地，步骤s234包括以下步骤：
33、对色调交错空间层次数据进行视觉落点分析，得到色调交错视觉落点数据；
34、基于色调交错视觉落点数据对服装图案数据和版型搭配比例分割效果数据进行条纹交织弧度视觉扩充感知，得到搭配比例分割间的条纹弧度视觉扩充感知数据；
35、对条纹弧度视觉扩充感知数据进行感知走向引导分析，得到条纹弧度感知走向引导数据；
36、基于条纹弧度视觉扩充感知数据和条纹弧度感知走向引导数据进行视觉重心转移规律识别，得到视觉重心转移规律数据。
37、优选地，步骤s3包括以下步骤：
38、步骤s31：对几何重心偏差优化数据进行离散区间划分，得到几何重心偏差离散区间；
39、步骤s32：根据几何重心偏差离散区间和版型搭配比例分割效果数据进行服装推荐策略设计，得到服装推荐策略，以执行服装搭配推荐。
40、优选地，步骤s32包括以下步骤：
41、步骤s321：对几何重心偏差离散区间进行特征分布权重计算，得到几何重心特征权重分布数据；
42、步骤s322：根据几何重心特征权重分布数据对版型搭配比例分割效果数据进行版型搭配逻辑学习，得到版型搭配逻辑效果学习本文档来自技高网...
【技术保护点】
1.一种基于大数据的服装搭配推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的服装搭配推荐方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求1所述的基于大数据的服装搭配推荐方法，其特征在于，步骤S2包括以下步骤：
4.根据权利要求3所述的基于大数据的服装搭配推荐方法，其特征在于，步骤S22包括以下步骤：
5.根据权利要求1所述的基于大数据的服装搭配推荐方法，其特征在于，步骤S3包括以下步骤：
6.根据权利要求5所述基于大数据的服装搭配推荐方法，其特征在于，步骤S32包括以下步骤：
7.一种基于大数据的服装搭配推荐系统，其特征在于，用于执行如权利要求1所述的基于大数据的服装搭配推荐方法，该基于大数据的服装搭配推荐系统包括：
【技术特征摘要】
1.一种基于大数据的服装搭配推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的服装搭配推荐方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求1所述的基于大数据的服装搭配推荐方法，其特征在于，步骤s2包括以下步骤：
4.根据权利要求3所述的基于大数据的服装搭配推荐方法，其特征在于，步骤s22包括以下...
【专利技术属性】
技术研发人员：潘玉聪，江国珊，王泽松，何飞舟，
申请(专利权)人：宁德职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。