論文の概要: Personalized Fashion Recommendation from Personal Social Media Data: An Item-to-Set Metric Learning Approach

• arxiv url: http://arxiv.org/abs/2005.12439v1
• Date: Mon, 25 May 2020 23:24:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 06:41:54.989825
• Title: Personalized Fashion Recommendation from Personal Social Media Data: An Item-to-Set Metric Learning Approach
• Title（参考訳）: 個人ソーシャルメディアデータからのパーソナライズされたファッションレコメンデーション:アイテムツーセットのメトリックラーニングアプローチ
• Authors: Haitian Zheng, Kefei Wu, Jong-Hwi Park, Wei Zhu, Jiebo Luo
• Abstract要約: ソーシャルメディアデータからパーソナライズされたファッションレコメンデーションの問題について検討する。 本稿では,ユーザの過去のファッションアイテムと新しいファッションアイテムとの類似性を学習する,アイテムツーセットのメトリック学習フレームワークを提案する。 提案手法の有効性を検証するために,実世界のソーシャルメディアデータセットを収集する。
• 参考スコア（独自算出の注目度）: 71.63618051547144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the growth of online shopping for fashion products, accurate fashion recommendation has become a critical problem. Meanwhile, social networks provide an open and new data source for personalized fashion analysis. In this work, we study the problem of personalized fashion recommendation from social media data, i.e. recommending new outfits to social media users that fit their fashion preferences. To this end, we present an item-to-set metric learning framework that learns to compute the similarity between a set of historical fashion items of a user to a new fashion item. To extract features from multi-modal street-view fashion items, we propose an embedding module that performs multi-modality feature extraction and cross-modality gated fusion. To validate the effectiveness of our approach, we collect a real-world social media dataset. Extensive experiments on the collected dataset show the superior performance of our proposed approach.
• Abstract（参考訳）: ファッション商品のオンラインショッピングの成長に伴い、正確なファッションレコメンデーションが重要な問題となっている。 一方、ソーシャルネットワークはパーソナライズされたファッション分析のためのオープンで新しいデータソースを提供する。 本研究は,ソーシャルメディアのデータからファッションをパーソナライズする問題,すなわち,ファッションの好みに合ったソーシャルメディアユーザーに新しい服装を推奨する問題について検討する。 そこで本研究では,ユーザの過去のファッションアイテムの集合と新しいファッションアイテムとの類似性を計算するために学習する,アイテム・ツー・セットのメトリック学習フレームワークを提案する。 マルチモーダルなストリートビューのファッションアイテムから特徴を抽出するために,多モーダルな特徴抽出とクロスモーダルなゲート融合を行う埋め込みモジュールを提案する。 提案手法の有効性を検証するため,実世界のソーシャルメディアデータセットを収集した。 収集したデータセットに対する大規模な実験は,提案手法の優れた性能を示す。

関連論文リスト

• Lost Your Style? Navigating with Semantic-Level Approach for Text-to-Outfit Retrieval [2.07180164747172]
  ファッションレコメンデーションの基盤となるアプローチとして,テキスト・ツー・アウトフィット検索タスクを導入する。 我々のモデルは3つのセマンティックレベル、スタイル、服装で考案され、各レベルがデータを段階的に集約し、一貫性のある服装勧告を形成する。 メリーランド・ポリボアとポリボア・アウトフィットのデータセットを用いて,本手法はテキストビデオ検索タスクにおける最先端モデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2023-11-03T07:23:21Z)
• Social Media Fashion Knowledge Extraction as Captioning [61.41631195195498]
  ソーシャルメディアにおけるファッション知識抽出の課題について検討する。 ファッション知識を文変換法を用いて自然言語キャプションに変換する。 このフレームワークは,ソーシャルメディア投稿から直接文ベースのファッション知識を生成することを目的としている。
  論文  参考訳（メタデータ） (2023-09-28T09:07:48Z)
• Sentiment Analysis of Fashion Related Posts in Social Media [36.623221002330226]
  本稿では、イメージビジョン、ポストテキスト、ファッション属性のモダリティを併用して感情カテゴリーを決定する新しいフレームワークを提案する。 このタスクに適した既存のデータセットが存在しないため、我々は12万以上のファッション関連ソーシャルメディア投稿の大規模感情分析データセットを作成している。
  論文  参考訳（メタデータ） (2021-11-15T14:58:09Z)
• Leveraging Multiple Relations for Fashion Trend Forecasting Based on Social Media [72.06420633156479]
  Relation Enhanced Attention Recurrent(REAR)ネットワークという改良モデルを提案する。 KERNと比較して、REARモデルはファッション要素間の関係だけでなく、ユーザグループ間の関係も活用する。 長期トレンド予測の性能をさらに向上させるために、REAR法はスライディング時間的注意メカニズムを考案する。
  論文  参考訳（メタデータ） (2021-05-07T14:52:03Z)
• Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
  社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。 高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:30Z)
• Addressing the Cold-Start Problem in Outfit Recommendation Using Visual Preference Modelling [51.147871738838305]
  本稿では,新しい視覚的嗜好モデリング手法を活用することで,新規ユーザに対するコールドスタート問題に対処する。 機能重み付けクラスタリングによるアプローチの活用を実演し、時事指向の衣装レコメンデーションをパーソナライズする。
  論文  参考訳（メタデータ） (2020-08-04T10:07:09Z)
• MMFashion: An Open-Source Toolbox for Visual Fashion Analysis [39.186485821323004]
  MMFashionはPyTorchをベースとしたオープンソースのビジュアルファッション分析ツールボックスである。 Fashion Attribute Prediction、Fashion Recognition and Retrieval、Fashion Landmark Detection、Fashion Parsing、Fashion Compatibility and Recommendationなど、幅広いファッション分析タスクをサポートする。
  論文  参考訳（メタデータ） (2020-05-18T16:19:00Z)
• Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
  本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。 エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。 提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-03-11T16:17:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。