Image-based Recommendations on Styles and Substitutes简介
Introduction
该文章致力于利用对象的外貌来发现他们隐含的关系,从而找到互相补充的产品与可替代的产品。
The Model
利用shifted sigmoid函数来将相对距离转换为概率。
至于如何计算距离,文章通过横向对比三个距离计算方法,最终得出以下方法。
Style space
,通过让图像特征与上述Y变量相乘,相当于是一种embedding,得到的则被作者定义为“style space”
Training
训练利用上述式子,R代表i,j具有可视的关系,Q则代表i,j间没有关系,Q是通过随机取样相同R数量得到的无关数据。利用梯度上升来进行优化。
Experiments
通过比较Category Tree,Weighted Nearest Neighbor,以及文章起草的方法(分别分为个性化推荐与非个性化推荐)。
实验主要遵循以下几点:
- 每一类都是单独组成一个实验的,比如说预测是否会一起买的关于对于女性的服饰。
- 实验目标是为了区分关系与非关系,我们上述提到的sigmoid函数大于0.5即预测为有关系
- 有关系数据与无关系数据大小相等,因此一个随机分类器有50%的准确率
- 所有的结果都是基于测试集
Outfits
文章最后展示很多相关的应用,大体来讲都是利用文章上述所讲述的style space来进行诸如kmeans聚类来对相同风格的物品进行推荐。