[發明專利]基于文本描述匹配的服裝面料樣品檢索方法

有效

• 申請號: 201910484107.0
• 申請日: 2019-06-05
• 公開（公告）號: CN110472108B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 周俊妍;薛文良;劉蘊瑩;丁亦;錢競芳
• 申請（專利權）人: 東華大學
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06F16/906
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

本發明涉及一種基于文本描述匹配的服裝面料樣品檢索方法，通過對用戶需求信息標準化分類處理，利用神經網絡模型計算面料結構參數，結合數值檢索與文本檢索方式，快速準確得為用戶推薦滿足內在品質需求的面料樣品。作為面料精準推薦工具，發明降低了面料采購者的專業門檻，用戶僅需按照要求簡單描述面料品質手感需求，即可快速鎖定合適的結構參數范圍，從而鎖定目標面料。這從本質上解決了在線采購難以把控面料品質的難題，降低了采購成本，同時海量面料數據庫檢索大大提高了采購效率。

技術領域

本發明涉及屬于紡織服裝面料領域，特別是涉及一種基于文本描述匹配的服裝面料樣品檢索方法。

背景技術

互聯網和大數據技術的飛速發展伴隨著快消時代的來臨催發了一大批面料B2B平臺的興起，在線采購在面料采購市場逐漸占有一席之地。不同于線下采購中買家可以直接接觸面料，B2B采購大多通過買手介入以及拍照搜圖的方式幫助買賣雙方完成交易。但這種方式一方面提高了交易的中間成本，另一方面很難快速有效篩選面料的材質手感等抽象要素。

基于此，如何在面料在線采購逐步興起的同時，實現面料花型、內在品質與需求快速匹配的機制，從而提高面料在線推薦的效率與質量，降低交易成本，成為面料智慧采購亟待解決的問題之一。目前，面料圖像匹配的模式已經較為成熟，但由于面料性能參數與最終的風格呈現之間存在專業鴻溝，因此針對面料手感、光澤這類與視覺、觸覺風格有關的性能參數的搜索匹配仍然依靠人工經驗，對采購人員的專業素養提出了要求。這大大增加了互聯網采購的成本與可信度，也與未來智慧采購的理念背道而馳。

總之，現有的基于面料紋樣花型匹配的檢索方式，無法對面料的性能提出要求，或使查詢效率不高，或使人力成本提高，影響了使用效率。

發明內容

本發明要解決的技術問題是：現有的基于面料紋樣花型匹配的檢索方式，無法對面料的性能提出要求，或使查詢效率不高，或使人力成本提高，影響了使用效率。

為了解決上述技術問題，本發明的技術方案是提供了一種基于文本描述匹配的服裝面料樣品檢索方法，其特征在于，包括以下步驟：

1)文本描述信息標準化處理，完成信息分類

對用戶提供的需求描述文本信息進行標準化處理，將標準化字段分為兩類：第一類是檢索類字段，即用戶直接給出的可以通過簡單文本匹配的方式檢索的需求信息；第二類是預測類字段，將其輸入神經網絡，從而預測面料結構參數；

2)以檢索類字段為搜索對象，搜索面料數據庫，抽取面料待選集合；

3)將預測類字段輸入神經網絡預測模型，輸出對應的面料結構參數，包括以下步驟：

步驟1、定義神經網絡預測模型的輸入數據X及輸出數據Y，其中：

輸入數據X是用戶描述中的預測類字段，預測類字段以織物的內在風格描述為主，包括光滑度、懸垂度、柔軟度以及光澤度四個指標，輸入數據X以矩陣的形式輸入；

輸出數據Y有兩類，第一類是離散類數據，包括面料成分、織造方式與織造工藝；第二類是連續類數據，包括織物密度、織物克重、紗支；對離散類數據而言，通過標簽的形式自動標注，采用獨熱編碼的方式進行量化；

步驟2、構建神經網絡預測模型后，利用樣本對神經網絡預測模型進行訓練，訓練時每個樣本重復進行步驟201至步驟203，經過多次迭代后，直到代價函數J(W,b)的值下降到閾值之下，停止訓練，保存神經網絡預測模型

步驟201、向前傳播，向前傳播的過程中利用sigmoid激活函數；

步驟202、利用交叉熵函數計算網絡的代價函數J(W,b)的值；

步驟203、向后傳播，向后傳播的目的是為了計算梯度，更新權重，從而降低代價函數J(W,b)的值；