[发明专利]穿衣推荐方法及装置

权利要求书

1.一种穿衣推荐方法，其特征在于，包括：

获取待推荐衣服的第一特征向量；

将所述第一特征向量输入到机器学习模型进行学习，得到所述待推荐衣服的目标属性，所述目标属性为适宜穿着所述待推荐衣服的温度区间；

根据当前的天气信息和所述待推荐衣服的目标属性，为用户形成目标推荐衣服；

判断所述用户是否选择所述目标推荐衣服；

如果判断结果为否，采用非线性激活函数调整所述机器学习模型所输出的第二特征向量；

基于调整后的所述第二特征向量更新所述待推荐衣服的目标属性。

2.根据权利要求1所述的穿衣推荐方法，其特征在于，所述采用非线性激活函数调整所述第二特征向量，包括：

根据所述用户对所述机器学习模型所推荐的衣服的历史选择数据，确定所述非线性激活函数的调整参数；

利用确定了所述调整参数后的非线性激活函数对所述第二特征向量进行调整。

3.根据权利要求1或2所述的穿衣推荐方法，其特征在于，所述获取待推荐衣服的第一特征向量之前，包括：

采集用于训练的样本衣服的第一特征向量；

将所述样本衣服的第一特征向量以及所述样本衣服的目标属性，输入初始的机器学习模型中进行训练，得到所述机器学习模型。

4.根据权利要求1或2所述的穿衣推荐方法，其特征在于，所述第一特征向量至少包括：衣服所涉及的各个材质所占的比重以及衣服的总重量。

5.根据权利要求1或2所述的穿衣推荐方法，其特征在于，所述机器学习模型为卷积神经网络。

6.根据权利要求1或2所述的穿衣推荐方法，其特征在于，所述获取待推荐衣服的第一特征向量，包括：

获取所述待推荐衣服的标识码；

根据所述标识码获取所述待推荐衣服描述信息；

从所述描述信息中提取所述待推荐衣服的第一特征向量。

7.一种穿衣推荐装置，其特征在于，包括：

获取模块，用于获取待推荐衣服的第一特征向量；

学习模块，用于将所述第一特征向量输入到机器学习模型进行学习，得到所述待推荐衣服的目标属性，所述目标属性为适宜穿着所述待推荐衣服的温度区间；

形成模块，用于根据当前的天气信息和所述待推荐衣服的目标属性，为用户形成目标推荐衣服；

判断模块，用于判断所述用户是否选择所述目标推荐衣服；

调整模块，用于在所述用户未选择所述目标推荐衣服时，采用非线性激活函数调整所述机器学习模型所输出的第二特征向量；

更新模块，用于基于调整后的所述第二特征向量更新所述待推荐衣服的目标属性。

8.一种穿衣推荐装置，其特征在于，包括：

存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一所述的穿衣推荐方法。

9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的穿衣推荐方法。