基于专家系统下的个性化穿搭推荐应用的猜想

摘 要：互联网的日益发展使我们处于一个信息过载的时代，对个性化信息服务的诉求也越来越强烈，个性化推荐系统正是解决以上问题的方法。本文基于个性化推荐系统的后台原型，比对市面上穿衣搭配、导购类应用做出了未来穿搭应用的猜想。

关键词：服装搭配；个性推荐；专家系统

目前，时尚导购类应用越来越多，面向用户所展开的功能良莠不齐，很多的应用充斥着大量信息，增加了用户对于使用产品时的工作负荷量。本文基于专家系统，对于个性化推荐穿搭应用是要改善用户使用体验，增进理解用户的需求，降低个人与服装之间的沟通张力，平衡用户自知与服装客观感知间的和谐。市场上现有的导购推荐类应用，大部分以服装搭配推荐图例的展示形式陈列给用户，却从未发自内心推敲用户到底想要什么。用户开始会被不同的展示图片所吸引，随之进入“流”的购物模式。

“流”（Flow），这个概念最早在Mihaly Csikszentmihalyi的著作中Flow：The Psychology of Optimal Experience中被提到。在Peopleware：Productive Projects and Teams一书中，作者Tom DeMarco和Timothy Lister将流描述为“一种深层的、近乎完全的融入状态”。流通常包括一种温和的沉醉感并能让你对时间的流逝毫无察觉。[1]流也可称为沉浸式模式，进入沉浸式购物模式的用户，心境就会发生转变，对于网站推荐的衣服本身要求就将变得更加严苛。用户目标与动机明确的设计，是产品最该被列入首要的主题。

用户在购买时，从购物心理学的角度来讲分为：无意识购物、购物环境潜移默化、消费者固有的惯性思维中心等。简单来说，用户在购物的时候大多处于一种盲目的状态，如以下网购流程简述：正常的网上购物行为应该粗略分为以下12步：想要购买衣服、不同应用中探寻、有喜欢的、看价格、价格合适、链接、看图片服饰细节、看店家信誉、看已购买用户评价、（思考是否合适自己、联想自己的已有服饰的搭配）、是否是7天无理由退还货物店、加入购物车、（再次思考犹豫）、购买。

在网上购物不同于现实购物，所看即所得，只要上身好看就可以直接购买。网购时，购买的12步中，我们其实从第3步就已经开始有了购买的欲望，但是到最终的购买我们还要历经很多的评断时间。问题在于我们对于物品的不信任，对于自己的不了解，更加重要的是对于自己的衣橱没有一个整体概览。很多18～25岁的“小白用户”人群想要寻求变化，找到自己的特点穿出个性，盲目地推荐她们下载时尚导购类的应用，只会叫她们更加的举步维艰。

解铃还须系铃人，问题的根本要从用户自身寻找，要使用户自己了解自己。服装搭配不仅仅是肉体和布料间的叠加，而是有关色彩、材质、款型、身高体重、脸型等因素组成，个性化推荐也是基于此。个性化推荐的专家系统，首先是要在大量的数据基础之上，运用人工智能的技术完成。

专家系统（Expert System，ES）亦称为专家咨询系统，它是一种具有大量专门知识与经验的智能计算机系统。它把专门领域中人类专家的知识和思考解决问题的方法、经验和诀窍组织整理且存储在计算机中，不但能模拟领域专家的思维过程，而且能让计算机如同人类专家那样智能地解决实际问题。“专家系统”指拥有某个或某些专门领域相当数量的专家级知识，并且能够在运行过程中不断地增长新知识和修改原有知识，从总体上达到专家水平。由于专家系统是基于知识的系统，那么，建造专家系统就涉及知识获取（从人类专家那里或从实际问题那里搜集、整理、归纳专家级知识），知识的组织与管理，知识库建立与维护，知识的利用等。本文中所描述的基于专家系统的个性化穿搭应用推荐猜想，也是从搜集专家级的知识开始，以下会从视觉上最先感知的颜色开始，推导出我们的个性化穿搭推荐的专家系统。[2]

服饰搭配中最为吸引人眼球的是整体的颜色。首先，要确立用户肤色的大致划分，以便找到适合自己的服装风格颜色。例如，皮肤比较偏向棕色的女生，可能由于更加崇尚健康常晒太阳，比较适合活跃的荧光色，色彩饱和度高的色彩；皮肤比较白皙的女生，比较适合暖色。颜色确定后，我们通过颜色的划分和归类，可以导向服饰搭配中的风格分类。根据各大电商的风格分类总结，可以将服饰风格划分为4种大类：女性化、中性化、个性化、大众化。根据色彩的关联，能够很快地定位用户的方向，每次向用户推荐2种风格，其中可变更风格1种（女性化、中性化、个性化任选其一）。更换一种大风格则相应的推荐另外两种可变更风格之一；替换一种大风格下的小趋向，可从新获得2种小趋向风格。

不做硬性的推荐，而是感情化的给予建议，如同你的购物闺蜜一般。这样的推荐来源于用户自身真实的个体特征资料，通过猜风格的形式和用户产生第一次的互动，让用户不会有被迫的感觉。这样的个性化推荐，大大减少了用户寻找想要服饰的时间，并且在每次用户操作过后，系统将会更加了解用户心里的欲求购买物品，可以更加准确的推荐给用户。每种大风格下面的服饰搭配，所用的单品总是共10种，包括包、配饰等配件，10种搭配衍生出7种整体符合大风格的造型。这就是我们想要强调的收敛型。不是夸张地叫你总是购买新衣服，而是有节制的从需求、适合、喜欢，三种不同层级出发收敛，以帮助用户不会穿错的基础上提高20%的心意，打造潮级平凡的搭配效果。

每款推荐的搭配都是在一定价格范围之内。根据18～25岁用户的经济水平，每套服装搭配都应该有其应用的价格倾向，适合“小白用户”的更加细分的人群。在校园中，大部分的经济来源都是父母的支持，我们应该树立良好的价值观，不应过度消费。

每款推荐的搭配单品可以通过拍照的方式进行替换，合理的利用现有服饰，搭配出相同的效果。本质是现有衣服的重组没有建立起来。一遍遍的试穿现有的服装，在体力上用户使用度不够良好。所以，只要用户输入了现有的服装，系统可以自动为其匹配；或是用户可以利用其碎片时间，完成搭配的小游戏。这种互动可以增加用户的搭配能力，在体验中寻求成长。用户的搭配知识来源于，系统的推荐和达人用户的服饰街拍样例。每一次用户自我的搭配还可以分享给其他用户，通过评分的机制，增加整个使用过程中的游戏性，让搭配成为一种谁人都可以做好的事情。达人的服饰展示不仅可以作为服饰搭配的知识来源，还可以作为“小白用户”的匹配样板。根据“小白用户”最开始的个体体征数据，可以找到资料相当的达人，作为参考样板。

通过这样的专家系统化的个性化推荐设计，不仅可以减少用户在寻求购买时的时间成本，最重要的可以帮助“小白用户”完成自我探寻的第一步，开启了他们的服饰搭配敲门砖。购物只需三步：选择——喜欢——购买。个性化推荐的关键就是在帮助用户，在一定的预算范围之内，完成最大化的个性服饰搭配，并解决最快的购买流程。基于专家系统的个性化推荐设计，想要做的就是平衡“个人偏好”与“实际获得”之间的距离，让用户最终買到的东西尽可能的贴近用户心里欲求的。

参考文献：

[1] Alan Cooper（美），等.About Face3交互设计精髓[M].刘松涛，等，译.电子工业出版社.

[2] 敖志刚.人工智能与专家系统导论[M].中国科学技术大学出版社.

作者简介：李玉莲（1989—），女，吉林人，研究生，主要研究方向：新媒体。