一种基于天气的服装挑选方法

任天心+邓正杰

摘要：随着人们服装的增多及多样化，每日服装的挑选既花费时间又消耗精力，并且还有反复试衣的麻烦。现在天气预报已经基本符合实际，预先根据天气挑选合适的服装成为可能。该文通过分析服装的各种属性以及影响服装挑选的天气因素，统计调研数据，设计出一种基于天气的服装挑选方法。通过它计算每种服装属性的天气适宜度，再依次计算出给定天气时用户所有服装的综合适宜度，最后推荐给用户适宜度较高的服装。该方法基于用户的服装属性数据，运行效率高，节省时间和精力，实用性强。

关键词：服装挑选；天气条件；适宜度；服装推荐；服装属性

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）10-0083-03

1 概述

近年来，随着电子商务的飞速发展以及服装购买力的快速增强，人们的衣柜日渐丰盛起来。平时在出门前，需要花费大量的时间和精力去挑选衣服。不仅效率低，翻来覆去试衣既麻烦又令人心烦。另外，有时不能准确地根据天气选出较为合适的服装，带来许多的烦恼。现有一些服装推荐系统[1]，基于服装销售商的数据库，推荐给用户购买选择，不能立即穿用。还有一些运用在电子商务服装销售中的服装推荐方法。例如，基于内容的推荐方法。这种算法先记录用户喜好商品的信息属性，之后选取并分析推荐服装的信息，建立出推荐服装的数据库，并且与用户的喜好记录相互匹配。此方法通过计算服装之间的相似度，最终推荐给用户相似度大的服装。但这种推荐方法不能发觉用户新的兴趣并与之推荐，具有一定的局限性。

本文将介绍一种基于天气为12-35岁的女性实现高效的服装挑选方法。通过录入服装属性，调查各属性对不同天气的适宜度，为服装属性值评价适宜度，即打属性分，并计算出不同天气条件下服装综合适宜度，即综合分。根据服装在不同天气条件下的综合分排序，即可推荐出较为合适美观的服装。该方法针对用户已有的服装，即推荐的结果是用户已有的衣服，可立即穿用，效率高，实用性强，能够给用户带来方便，节省时间，还能带来商业价值。

2 基于天气的服装挑选

2.1 构建服装数据库

本方法是从已有衣服中为用户实现推荐，为了给用户推荐出适宜的服装，需要构建一个服装数据库。服装数据库分为上装数据库和下装数据库。用户在实际应用时，将个人衣柜里上装和下装服装的相关属性（包括照片）输入即可。服装是一类多属性的物品，在这里，把服装名称、类型、销量、人气、价格、颜色、面料、风格、流行元素、版型、厚度、柔软度、弹力指数、长度等元素都称为服装的属性。后面根据需要，还可以加入其他新属性。在本文中，采用的服装属性为类型、厚度、面料、颜色、风格、版型、长度、柔软度、弹力指数、价格、人气、销量和流行元素，共13种。设为[mi]（i=1，..，13）。服装类型，面料，厚度，弹力指数，柔软度，颜色可与天气相关联。而颜色，价格，风格，流行元素等个性化元素，由用户根据自己的喜好而选择。

为了普适性，本文以中国最大的网购零售平台——淘宝网作为数据收集平台，从中收集约300套不同层次、属性的服装来模拟用户的服装数据库。在收集过程中，以服装的类别分别进行搜索查找。因为服装的销量、人气和价格在网上搜索时，是一些重要的因素，所以这里也作为收集的属性。但是对于个人来说，衣柜里服装的销量、人气和价格这几种属性值对挑选意义不大，因此可一般化这几种属性的影响。

2.2 服装属性的天气适宜度函数

为了得出哪些衣服更加适宜，本文把衣服的受影响因素根据其属性进行分解。找出服装属性跟天气的相关性，分析服装各属性的天气适宜度，构造属性的天气适宜度函数。本文把服装属性分为客观和主观两种。客观的影响依据影响方式直接构造函数来计算，主观的通过调查问卷或用户个性设置来间接计算。在挑选服装的时候，针对某种天气t，服装的某种属性[mi]的不同属性值将对服装的挑选有不同的影响，反之，相同值将拥有相同程度的影响。设某件衣服y的属性[mi]对在天气t挑选时的影响度为S（y，t，i）。在决定是否挑选某件衣服y时，需要考虑该衣服的所有属性，但是各个属性在挑选中的权重是不一样的。假设属性[mi]的权重为Q（i）。那么S（y，t，i）和Q（i）共同决定了属性[mi]体现出来的适宜度。所有属性的适宜度之和，形成该件衣服y针对某种天气t的综合适宜度Z（y，t）。在本文方法中，采用公式（1）来进行计算。而公式（2）则是计算某种属性的适宜度F（y，t，i）。

[Z（y，t）=i=113F（y，t，i）] （1）

[F（y，t，i）=S（y，t，i）×Q（i）] （2）

接下来就是要确定S（y，t，i）和Q（i）。在没有特指衣服和天气时，S（y，t，i）可简写为S（i）。本方法从各个属性的特点入手。把人们通常采用各种方式描述的属性转换成可以计算的数值。由于服装的销量、人气、厚度和面料通过直接查看服装的相关信息即可获得，并且跟天气的相关性相对固定，因此本文把它们归为客观属性。对于销量、人气这两种有直接数值的属性，按层次划分数值，并依次设定分数。如：将销量划分为：0-500，501-1000，1001-5000，5001-10000，10001-50000，50000以上六个层次，平均分配分值，则S（12）的值分别为：0、2、4、6、8、10。我们在设置各属性分值时，均把最低分设置为0分，最高分设置为10分，避免在计算综合分时出现较大的误差。

穿衣指数[2]中把穿衣气象指数分为八个级别。穿衣指数越小，穿衣的厚度越薄。参考穿衣指数推荐的服装类型和面料，本文把服装的厚度与穿衣气象指数相对应并分别编号，如表1。

在穿衣气象指数对应的温度下，推荐相应厚度的服装。根据穿衣气象指数每一级所对应的温度，可得出各温度层次下对应的服装厚度，如表2所示：

因此，厚度分的计算公式为：

[S（2）=10*（1-int（|FH（y）-CZ（t）|）/7）] （3）

其中，FH（y）是服装y对应的服装厚度编号，CZ（t）是天气t对应的穿衣气象指数编号，7是热度级别数减1，函数int表示取整数。

对于面料这一属性，根据对棉、聚酯纤维（包含涤纶）、氨纶（聚氨基甲酸酯纤维）、腈纶（聚丙烯腈纤维）、锦纶（聚酰胺纤维）、粘纤（粘胶纤维）、羊毛、鸭绒这几种常用面料特点性能的分析和对比，以及参考部分文献[3]来确定分值，后面可根据需要调整。其中，本文重点考虑服装面料的透气性、吸湿性、保暖性这三个重要特性。例如，棉具有较好的吸湿性、保暖性、透气性及穿着舒适的特点，将春秋夏季棉的分值设置为10分，冬季设置为8分。对于由多种面料制成的衣服，设各面料分为[mi（j）]，对应的含量占比为[p（j）]，那么该服装面料分的计算公式即为：

[S（3）=jm3（j）*p（j）] （4）

主观属性包含：服装的类型、颜色、弹力指数、柔软度、风格、版型、流行元素、长度和价格。这些属性在服装挑选过程中，存在主观性，还有时代审美特征，所以，本方法通过设计调查问卷调查每种主观类属性值与天气的适宜度，并且统计问卷数据，得出不同天气条件下各种属性值的分数。

主观属性分值的计算公式为：

[S（i）=x/10]，i=1，4，5，6，7，8，9，10，13 （5）

其中，x为特定天气条件下选择该属性的人数。

因研究的条件有限，采用的数据量远远不够，因此结论不一定十分的准确可靠，主要呈现了一种研究思路。在实际实现的时候，便可根据这种思路大量地采集数据，从而使结果更加详实准确。

3 问卷设计及分数设定

3.1 问卷设计

上一节讲到服装相关属性分客观和主观两种。客观属性通过直接构造函数直接计算，主观属性通过调查问卷间接计算。主观属性有服装的类型、颜色、风格、版型、柔软度、弹力指数、长度、价格、人气、销量、流行元素。对这些属性，需要设计相应的问卷来进行调查和分析。在调查时，不失一般性，把天气分为晴、雨、多云、风、雪五种，均为多选题，最后对问卷结果进行整理分析。

3.2 分数设定

通过对12-35岁之间的女性进行问卷调查，以及对问卷结果数据的规整和分析，可了解基于天气各属性对应属性值的选择情况，之后根据每道题选择人数所占的比例来为每个主观属性的属性值设定分数，选择人数所占比例越多，分数设定相对越高。例如，调查结果中，不同天气下各服装风格人数所占百分比，如表3所示：

本文中，主观属性的分数设定均为某天气下选择该属性人数所占百分比的10倍，例如，通勤这种风格在晴、雨、多云、风、雪的天气下，设置的分数分别为：2.8、2.7、2.9、2.8、2.7。其余风格属性的分数设定同理。

4 测试与分析

4.1 实验结果测试

测试一：输入天气条件：夏季晴天，温度：28℃，挑选的前6套上装如表4所示：

对应的上装图片如图1所示：

测试二：输入天气条件：秋季雨天，温度12℃，挑选的前6套下装如表5所示：

对应的6套下装图片如图2所示：

4.2 实验分析

测试一通过对挑选出的前6套上装分析可以看出，夏季晴天温度26℃的时候，适合穿厚度为薄或极薄的短袖t恤或背心，适合的颜色为白或蓝，面料为棉，风格为韩版、休闲，版型为宽松款，柔软度为适中或柔软，弹力指数为无弹或微弹，长度为适中。因此，应推荐这一类属性的服装。

测试二根据挑选出的前6套下装属性可以看出，秋季雨天温度12℃的天气条件下，适合穿厚度适中的牛仔裤或铅笔裤打底裤，适合的颜色为黑、白、蓝，面料为棉，风格为韩版、休闲，版型为修身款，柔软度适中，弹力指数为微弹或弹力，适合的长度为长款，推荐这一类服装最为合适美观。

5 结束语

这种基于天气的服装挑选方法针对不同天气，结合服装的各种属性，求出服装的适宜度，根据适宜度高低，推荐给用户相应的服装，节省了在不同天气下挑衣试衣的时间和精力，为用户带来高效高质的穿衣体验。卖家也可根据季节和大众的喜好推荐应季的服装提升销售量。在此研究中，提供了一种可行的思路，在具体实现的时候，可以根据这种思路大量地收集数据，使结论更加准确。

研究中仍有许多不足，比如因条件有限，采集到的数据量还太小，个性化的影响因素考虑不多，考虑到的天气因素也还比较粗略，没有考虑到湿度因素等。以后将针对这些问题进一步提高挑选方法。

参考文献：

[1] 小米应用商店[EB/OL].http：//app.mi.com/detail/16116.

[2] 百度百科. 穿衣指数[EB/OL].http：//baike.baidu.com/link？url=63scsuBFb2bOwXKj66ccZy1PRXXOHz9iCLiMkZ9h4MA7vh3 _w2bd-t9tmvygDaonhHvliTd6NM879VMIbBTN0a.

[3] 杨雪艳， 任丽梅. 着装厚度及穿衣指数预报服务方法的初步探讨[J]. 吉林气象， 2002（1）： 16-19.

[4] 杜丹. 基于极速学习机的服装搭配智能推荐系统设计[J]. 中国科技信息， 2012（17）： 70-71.

[5] 李秋艳. 服装个性化推荐方法研究[D]. 苏州： 苏州大学， 2014.

[6] 郭雅楠. 基于用户体验的个性化服装推荐技术研究[D].保定： 河北农业大学， 2014.

[7] 徐尤佳. 御寒保暖私人订制穿衣公式[J]. 中国中医药报， 2014， 6（7）.

[8] 何黎. 服装网络销售中的人体测量及号型推荐研究[D]. 无锡： 江南大学， 2008.