[发明专利]一种基于改进Transformer模型的时尚趋势预测方法

权利要求书

1.一种基于改进Transformer模型的时尚趋势预测方法，其特征在于，包括以下步骤：

步骤1、建立CPF数据集，所述CPF数据集中的每个样本数据均包括时尚趋势数据和时尚趋势数据对应的用户信息；

步骤2、对CPF数据集中的数据进行预处理，对每个样本数据的处理方式为，对用户信息数据采用PReLU激活函数进行非线性处理后再进行标准化处理，将时尚趋势数据输入线性投影层，随后使用全连接的方式将数据线性映射到指定的维度上，形成一个矢量，再对矢量进行扩展因果卷积处理；对用户信息数据和时尚趋势数据处理完成后，对处理后的数据进行位置编码，将编码后的各个结果进行拼接，得到多维的编码信息，得到预处理后的样本数据；

步骤3、将预处理后的样本数据作为训练集输入基于改进Transformer的CPFT模型，通过最小化时尚元素关联模块所构建的损失函数对基于改进Transformer的CPFT模型进行训练，得到训练好的CPFT模型；

步骤4、利用训练好的CPFT模型对输入数据进行预测，得到时尚趋势预测结果。

2.根据权利要求1所述的基于改进Transformer模型的时尚趋势预测方法，其特征在于，所述用户信息包括用户的年龄、性别和地区信息。

3.根据权利要求1所述的基于改进Transformer模型的时尚趋势预测方法，其特征在于，所述时尚元素关联模块所构建的损失函数为：

其中，其中是时尚元素s在CPFT解码器输出的结果，是s在训练数据中的目标序列，σ是确定正则化项权重的超参数，y_k，y_p分别是任意两个时尚元素k，p的时间趋势矢量表示，代表t时间时两个矢量的曼哈顿距离，T表示时尚元素的时间序列的长度，T’表示待预测的未来时段的长度。

4.根据权利要求1所述的基于改进Transformer模型的时尚趋势预测方法，其特征在于，所述基于改进Transformer的CPFT模型为采用ProbSparse Self-Attention方法，将计算复杂度从O(L²)降低到O(L log L)的CPFT模型。