一种基于用户评价的大数据分析的服饰尺码推荐方法与流程

本发明涉及大数据分析领域
技术领域：
，尤其涉及一种基于用户评价的大数据分析的服饰尺码推荐方法。
背景技术：
：近些年，网购平台越发普及，越来越多的用户倾向于在网上购物平台上购置服饰，但因其虚拟属性所导致的信息不对称使得许多用户购买的服饰尺码不合适，造成退货纠纷频繁，给商家及用户都带来了不好的用户体验。技术实现要素：本发明的目的在于克服上述技术的不足，而提供一种基于用户评价的大数据分析的服饰尺码推荐方法。本发明为实现上述目的，采用以下技术方案：一种基于用户评价的大数据分析的服饰尺码推荐方法，其特征在于：包括以下步骤：步骤一：商家录入所售服饰标准尺码表u0，用户录入标准身体数据c0；步骤二：根据用户身体数据ci，对照尺码表ui，推荐对应尺码d；步骤三：用户购买后评论，基于大量用户评论反馈集f建立一个以上决策树模型及构建线性回归模型，用置性区间预测法更新尺码表ui+1；步骤四：根据一个用户对多款服饰的购买反馈数据，基于各尺码d通过各尺码表u对应的身体数据集建立一个以上决策树模型及构建线性回归模型，用置性区间预测法更新用户身体数据ci+1。本发明的有益效果是:相较于已有的根据模特试穿视频数据与用户身形照片进行尺寸推荐的技术，本发明方法具有低应用门槛，低成本优点，可全面推广，在数据充分情况下的高准确性，提供了一种高性价比的推荐技术使得用户可以在购置服饰时得到精准的推荐，大大提高用户体验及减低退换率。附图说明图1是步骤三及步骤四绘制散点图后构建线性回归模型的置性区间预测示意图；图2是体重和身高对应图。具体实施方式下面结合附图及较佳实施例详细说明本发明的具体实施方式。如图1-图2所示，一种基于用户评价的大数据分析的服饰尺码推荐方法，包括以下步骤：步骤一：要求商家录入所售服饰标准尺码表u0，引导用户录入标准身体数据c0步骤二：根据用户k身体数据cik，对照尺码表ui，推荐对应尺码d步骤三：用户购买后评论，根据用户评论形容词强度与词频进行加权赋值a举例如下表：评价太小有些小有点小合适有点大有些大太大加权值a-200％-50％-25％025％50％200％步骤四：基于大量用户评论反馈集f(刚刚好，大了，小了等)建立一个以上决策树模型得出赋值集d’d’＝d+au(尺码区间差u)步骤五：根据步骤四所得赋值集构建线性回归模型用置性区间预测法更新尺码表ui+1。步骤三及步骤四绘制散点图后构建线性回归模型的置性区间预测：图注(中间直线为回归线，灰色为置信区间，虚线为预测区间)标准尺码表u0(wx,hy)以上所述仅是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。技术特征：1.一种基于用户评价的大数据分析的服饰尺码推荐方法，其特征在于：包括以下步骤：步骤一：商家录入所售服饰标准尺码表u0，用户录入标准身体数据c0；步骤二：根据用户身体数据ci，对照尺码表ui，推荐对应尺码d；步骤三：用户购买后评论，基于大量用户评论反馈集f建立一个以上决策树模型及构建线性回归模型，用置性区间预测法更新尺码表ui+1；步骤四：根据一个用户对多款服饰的购买反馈数据，基于各尺码d通过各尺码表u对应的身体数据集建立一个以上决策树模型及构建线性回归模型，用置性区间预测法更新用户身体数据ci+1。技术总结本发明涉及大数据分析领域
技术领域：
，尤其涉及一种基于用户评价的大数据分析的服饰尺码推荐方法，包括以下步骤：一：商家录入所售服饰标准尺码表U0，用户录入标准身体数据C0；二：根据用户身体数据Ci，对照尺码表Ui，推荐对应尺码D；三：用户购买后评论，基于大量用户评论反馈集F建立一个以上决策树模型及构建线性回归模型更新尺码表Ui+1；四：根据一个用户对多款服饰的购买反馈数据，基于各尺码D通过各尺码表U对应的身体数据集建立一个以上决策树模型及构建线性回归模型更新用户身体数据Ci+1。本发明提供了一种高性价比的推荐技术使得用户可以在购置服饰时得到精准的推荐，大大提高用户体验及减低退换率。技术研发人员：卿晋武;邹强受保护的技术使用者：天津大学技术研发日：2019.03.08技术公布日：2020.09.15