[发明专利]扩展机器学习训练数据以生成人工智能推荐引擎

说明书

访问与目标用户相关联的物理物品目录。目录的至少一部分至少部分基于提供给目标用户的一个或多个物理物品的保留而自动生成。使用从其它用户聚集的服装组合信息训练的机器学习模型被用于为目标用户自动确定目录内的物理物品之中的多个物理物品的一个或多个推荐的服装组合的至少一部分。向目标用户提供所述一个或多个推荐的服装组合中所选择的一个的指示。

背景技术

推荐系统通常需要广泛的个体偏好数据，诸如跟踪购买数据的长期历史，以便对未来的顾客活动做出准确的预测。在许多场景中，需要大的预测数据集，因为每个个体的兴趣和品味可能不同，并且难以简洁地定义。此外，由于隐私和安全考虑，顾客可能犹豫供应大量个体数据。即使可用，收集和输入足够的样本预测数据也是一个具有挑战性的技术问题。相反，在用户的预测数据仅限于准确数据的几个样本的事件中，存在一个并行的技术问题，即不存在足够的预测数据来做出准确预测。例如，由于不足的个体数据，基于不足的预测数据的推荐经常是错误的，并且与顾客的兴趣和品味几乎不相关。因此，需要一种可扩展的技术解决方案来增加个体顾客的准确预测数据的样本空间，使得当仅稀疏的准确顾客信息集可用时，可以准确预测顾客的动作、品味和/或兴趣。

附图说明

本发明的各种实施例在以下详细描述和随附附图中公开。

图1是图示用于使用人工智能（AI）提供服装组合推荐的过程的实施例的流程图。

图2是图示用于使用人工智能（AI）提供服装组合推荐的系统的实施例的框图。

图3是图示用于使用人工智能（AI）提供服装组合推荐的过程的实施例的流程图。

图4是图示用于机器学习以训练一个或多个预测模型的过程的实施例的流程图。

图5是图示用于选择和提供产品和服装组合推荐的过程的实施例的流程图。

图6是图示用于使用人工智能（AI）提供服装组合推荐的编程计算机系统的功能图。

图7是图示由用于使用人工智能（AI）提供服装组合推荐的过程的实施例生成的推荐的服装组合的图解。

图8是图示用于服装组合推荐和反馈的用户接口的实施例的图解。

图9A是图示用于创建用于训练预测模型的服装组合的用户接口的图解。

图9B是图示用于创建用于训练预测模型的服装组合的用户接口的图解。

图9C是图示用于创建用于训练预测模型的服装组合的用户接口的图解。

具体实施方式

本发明可以以许多种方式实现，包括作为过程；装置；系统；物质的组成；体现在计算机可读存储介质上的计算机程序产品；和/或处理器，诸如被配置为执行存储在耦合到处理器的存储器上和/或由该存储器提供的指令的处理器。在本说明书中，这些实现或者本发明可以采取的任何其它形式可以被称为技术。一般而言，在本发明的范围内，可以更改所公开的过程的步骤次序。除非另有说明，否则被描述为被配置为施行任务的诸如处理器或存储器之类的组件可以被实现为被临时配置为在给定时间施行任务的通用组件或被制造为施行任务的具体组件。如本文中所使用的，术语“处理器”指的是被配置为处理数据（诸如计算机程序指令）的一个或多个设备、电路和/或处理核心。

下面提供了本发明的一个或多个实施例的详细描述连同说明本发明原理的附图。结合这样的实施例描述了本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求限制，并且本发明涵盖许多替代、修改和等同物。为了提供对本发明的透彻理解，在以下描述中阐述了许多具体细节。这些细节是出于示例的目的而提供的，并且本发明可以根据权利要求来实践，而无需这些具体细节中的一些或全部。为了清楚起见，没有详细描述与本发明相关的技术领域中已知的技术材料，使得不会不必要地模糊本发明。