Hur eBays forskningslaboratorier tar itu med den svåra uppgiften med moderekommendationer

Om du någonsin har funderat över vad du ska ha på dig på morgonen, kanske du också har undrat om du kan överlåta valet till en algoritm som kan rekommendera en anständig kombination av kläder.

Det korta svaret är nej. Olika grupper har studerat problemet med automatiserad moderådgivning utan att någon riktigt har spikat det.

Idag är det Anurag Bhardwaj och kompisar från eBay Research Labs i San Jose tur. De här killarna har utvecklat två olika moderekommendationssystem och sedan samlat in åsikter om huruvida rekommendationerna de ger är bra.

Resultaten ger en intressant inblick i hur människor utvärderar kläder men tyder också på att automatiserade moderekommendationer fortfarande har en bit kvar att gå.

Dessa killar börjar med att skapa två olika moderekommendationsalgoritmer, som de tränar på en datamängd bestående av mer än 13 000 fotografier av modemodeller tagna från webben. På varje fotografi bär modellen en topp- och bottenkombination som gör att algoritmerna kan leta efter korrelationer mellan de olika kombinationerna av topp och kjol.

Den första algoritmen, som Bhardwaj och kompisar kallar den deterministiska moderekommenderaren, utvärderar färgerna i toppen och jämför dem med färgerna i kjolarna. Det ger sedan varje kombination ett betyg som kan jämföras med andra topp-botten-kombinationer. (Exakt hur detta betyg beräknas, säger de inte.)

Så när den här algoritmen tillfrågas genom att visa den en viss topp, till exempel, söker den i sin databas och letar efter en botten som när den kombineras ger ett högt betyg.

Den andra algoritmen använder den fördefinierade regeln att mönstrade kläder koordinerar bra med kläder som har enfärgad. Med andra ord är det mindre populärt att ha upptagna mönster i både över- och underkläder, säger Bhardwaj och co.

Så den här algoritmen säkerställer att när den presenteras med en mönstrad topp, till exempel, kommer alla dess rekommendationer att vara för en kjol med enfärgad färg.

Men är dessa rekommendationer några bra? För att ta reda på det bad Bhardwaj och kompisar 150 personer på Amazons Mechanical Turk-tjänst att betygsätta rekommendationerna på en skala av dåliga, neutrala, bra eller utmärkta.

De genererade rekommendationerna genom att presentera varje algoritm med en bild vald slumpmässigt från en databas med 1 000 bilder av kjolar. Algoritmen fick sedan välja en topp hämtad från en separat databas med bilder av toppar.

Resultaten visar vissa preferensmönster bland användarna. Till exempel föredrar folk en enfärgad kjol med en mönstrad toppkombination.

Mer intressant är att användarna också föredrog enkla mönster, såsom prickar, solider, ränder eller pläd, snarare än komplexa mönster som djurmönster, blommönster, geometriska mönster eller paisleymönster. Och när de ger ett betyg utför användarna uppgiften snabbare när de presenteras med enkla mönster än med komplexa mönster.

Bhardwaj och co säger att detta är vettigt eftersom neuroforskare länge har vetat att en bilds komplexitet avgör hur lång tid det tar att visuellt bearbeta den.

Hur användbart detta kommer att vara för att utveckla moderekommendationsalgoritmer i framtiden är inte klart. Ett potentiellt problem är att Bhardwaj och co inte ger någon information om användarna de anställde på Amazons Mechanical Turk. De säger ingenting om fördelningen av män och kvinnor, om de inblandade åldersgrupperna, deras etnicitet och så vidare. Alla dessa faktorer kan ha en betydande effekt på modevalen.

Dessutom är det tänkbart att människor som väljer att arbeta som turkar är en självväljande grupp med mycket specifika egenskaper när det kommer till mode. Men från denna tidning är det omöjligt att säga.

Insatserna är potentiellt betydande. En fördel med rekommendationsalgoritmer är att de kan öka försäljningen avsevärt om de fungerar bra. Det är något som Amazon, Netflix, Apple och liknande alla har upptäckt till sin fördel. Möjligheten att en moderekommendationsalgoritm kan hjälpa till att sälja upp kunder kommer att ge massor av motivation för mer forskning inom detta område.

För tillfället är dock en sak klar. Konstruktionen av moderekommendationssystem är en knepig uppgift och en som sannolikt kommer att förbli bortom toppmoderna under en tid framöver.

Ref: http://arxiv.org/abs/1405.4013 : Förbättra visuella moderekommendationer med användare i slingan

Dölj