빅데이터 기반 패션 추천 도우미, FashionNavi (Big Data-based Fashion Recommendation Assistant, FashionNavi)

서지정보

· 발행기관 : 사단법인 한국융합기술연구학회
· 수록지 정보 : 아시아태평양융합연구교류논문지 / 10권 / 2호 / 53 ~ 66페이지
· 저자명 : 조현우, 장지완, 최현선, 정목동

초록

본 논문에서는 개인 선호도 입장에서 패션 매칭의 어려움을 해결해 주기 위하여 빅데이터 기반 패션 매칭 시스템인 패션 도우미, FashionNavi를 제안한다. 이들 어려움을 해결하기 위해 컴퓨터 비전 및 딥 러닝 기술을 활용하여 의류 이미지에서 의류 특성 항목을 자동으로 감지하고, 스타일, 모양, 색상과 같은 패션 특성을 추출한다. 또한 사용자의 개인적인 선호도를 반영하기 위해서 효용이론으로 많이 활용되고 있는 MAUT (Multi Attribute Utility Theory) 기법을 사용한다. FashionNavi 는 ‘무신사’ 쇼핑몰을 크롤링하고 이를 정제한 Dataset을 이용하여 패션 스타일의 핵심 요소인 상(하)의에 초점을 맞춘 패션 추천 시스템이다. 또한 FashionNavi는 AI-Hub 및 Deep Fashion 등 다양한 데이터 세트를 활용한다. FashionNavi() 알고리즘 1단계에서 사용자 선호도를 미리 반영한 MAUT 추천리스트를 구성하고, 이 리스트 중에서 2단계로 딥러닝 기술을 이용하여 최종 추천을 한다. 제안하는 FashionNavi의 프로토타입 시스템을 이용하여 패션에 관심이 많을 20대 10명의 사용자를 대상으로 실험한 결과에서 패션 추천을 사용자 선호도 입장에서 제안하기 때문에 FashionNavi는 패션 매칭 문제를 보다 사용자 맞춤형으로 해결할 수 있음을 보여주고 있다.

영어초록

In this paper, a fashion assistant, called FashionNavi were proposed, a Big Data-based fashion recommendation system to solve the difficulties of fashion matching in terms of user preferences. To solve these difficulties, this study use a computer vision and deep learning technologies which are utilized to automatically detect clothing characteristic items in clothing images and extract fashion characteristics such as style, category, and color. Furthermore, the user's preferences are taken into account by applying the Multi-Attribute Utility Theory (MAUT) technique, which is a popular tool in utility theory. FashionNavi focuses on tops (bottoms), a key element of fashion style, by crawling the ‘Musinsa’ shopping mall and using its refined dataset. Also it utilizes various datasets including AI-Hub and Deep Fashion. In the first stage of the FashionNavi() algorithm, the MAUT recommendation list that reflects user preferences in advance is constructed, and the final recommendation is made from the list in the second stage of the FashionNavi() algorithm using deep learning technology. This research demonstrates how FashionNavi could provide a more user-customized solution to the fashion matching problem based on an experiment with ten users in their twenties who are likely to be interested in fashion and the FashionNavi prototype system.

참고자료

· 없음