Jak laboratoria badawcze eBay radzą sobie z trudnym zadaniem rekomendacji mody

Jeśli kiedykolwiek zastanawiałeś się, w co się ubrać rano, być może również zastanawiałeś się, czy możesz pozostawić wybór algorytmowi, który zaleci przyzwoitą kombinację ubrań.

Krótka odpowiedź brzmi: nie. Różne grupy badały problem zautomatyzowanych porad modowych, ale nikt nie był w stanie tego zrobić.

Dziś kolej na Anuraga Bhardwaja i kumpli z eBay Research Labs w San Jose. Ci faceci opracowali dwa różne systemy rekomendacji mody, a następnie zebrali opinie na temat tego, czy oferowane przez nich rekomendacje są dobre.

Wyniki dostarczają interesującego wglądu w sposób, w jaki ludzie oceniają odzież, ale także sugerują, że automatyczne rekomendacje mody wciąż mają przed sobą drogę.

Ci faceci zaczynają od stworzenia dwóch różnych algorytmów rekomendacji mody, które szkolą na zbiorze danych składającym się z ponad 13 000 zdjęć modelek pobranych z sieci. Na każdym zdjęciu model ma na sobie kombinację góry i dołu, co pozwala algorytmom szukać korelacji między różnymi kombinacjami góry i spódnicy.

Pierwszy algorytm, który Bhardwaj i znajomi nazywają deterministycznym rekomendatorem mody, ocenia kolory na górze i porównuje je z kolorami spódnic. Następnie każdej kombinacji nadaje ocenę, którą można porównać z innymi kombinacjami od góry do dołu. (Dokładnie, jak obliczana jest ta ocena, nie mówią.)

Więc kiedy ten algorytm jest pytany, pokazując mu na przykład konkretną górę, przeszukuje swoją bazę danych w poszukiwaniu dna, które po połączeniu daje wysoką ocenę.

Drugi algorytm wykorzystuje predefiniowaną regułę, zgodnie z którą odzież wzorzysta dobrze współgra z odzieżą o jednolitym kolorze. Innymi słowy, posiadanie ruchliwych wzorów zarówno w górnej, jak i dolnej części odzieży jest mniej popularne, powiedzmy Bhardwaj i spółka.

Tak więc ten algorytm zapewnia, że ​​gdy zostanie zaprezentowany na przykład z wzorzystym topem, wszystkie jego zalecenia będą dotyczyć spódnicy o jednolitym kolorze.

Ale czy te zalecenia są dobre? Aby się tego dowiedzieć, Bhardwaj i znajomi poprosili 150 osób w serwisie Amazon Mechanical Turk, aby ocenili rekomendacje w skali: złe, neutralne, dobre lub doskonałe.

Wygenerowali rekomendacje, przedstawiając każdemu algorytmowi obraz wybrany losowo z bazy danych zawierającej 1000 zdjęć spódnic. Algorytm musiał następnie wybrać blat pobrany z osobnej bazy zdjęć blatów.

Wyniki pokazują pewne wzorce preferencji wśród użytkowników. Na przykład ludzie wolą spódnicę w jednolitym kolorze z wzorzystą górną kombinacją.

Co ciekawsze, użytkownicy preferowali również proste wzory, takie jak kropki, bryły, paski lub kratę, niż skomplikowane wzory, takie jak wzory zwierzęce, kwiatowe, geometryczne czy paisley. A podczas wystawiania oceny użytkownicy wykonują zadanie szybciej, gdy są prezentowane za pomocą prostych wzorców, niż złożonych wzorców.

Bhardwaj i współpracownicy twierdzą, że ma to sens, ponieważ neuronaukowcy od dawna wiedzą, że złożoność obrazu determinuje czas potrzebny do jego wizualnego przetworzenia.

Nie jest jasne, jak przydatne będzie to w przyszłości w opracowywaniu algorytmów rekomendacji mody. Jednym z potencjalnych problemów jest to, że Bhardwaj i spółka nie dostarczają żadnych informacji o użytkownikach, których zatrudniali w Amazon Mechanical Turk. Nie mówią nic o rozmieszczeniu mężczyzn i kobiet, o zaangażowanych grupach wiekowych, ich pochodzeniu etnicznym i tak dalej. Wszystkie te czynniki mogą mieć znaczący wpływ na wybory modowe.

Co więcej, można sobie wyobrazić, że ludzie, którzy decydują się na pracę jako Turcy, są grupą samoselekcyjną o bardzo specyficznych cechach, jeśli chodzi o modę. Ale z tego artykułu nie można powiedzieć.

Stawka jest potencjalnie znacząca. Jedną z zalet algorytmów rekomendacji jest to, że mogą znacznie zwiększyć sprzedaż, jeśli działają dobrze. To jest coś, co Amazon, Netflix, Apple i tym podobne odkryli na swoją korzyść. Możliwość, że algorytm rekomendacji mody może pomóc klientom w sprzedaży dodatkowej, zapewni dużą motywację do dalszych badań w tym obszarze.

Na razie jednak jedno jest jasne. Budowa systemów rekomendacji modowych jest trudnym zadaniem i prawdopodobnie przez jakiś czas pozostanie poza stanem techniki.

Nr ref.: http://arxiv.org/abs/1405.4013 : Ulepszanie wizualnych rekomendacji mody z użytkownikami w pętli

ukryć