一种基于门店成交记录的量脚定制方法、系统与流程

本发明涉及个性化推荐、个性化定制领域，特别涉及一种基于门店成交记录的量脚定制方法、系统。

背景技术：

量脚定制，是指根据某一特定的脚型，定制一双大小合适的指定款式的鞋子。

指定款式，指的是该鞋款已经开发完成且尺寸大小可以通过缩放或修改鞋楦的方式改变。

现有的定制鞋的方法一般包括两个步骤：鞋码预测和局部鞋楦修改。首先，要根据三维脚型扫描数据，预测一个和此脚型最接近的鞋码；然后，再根据局部位置的形状或测量值，对预测的码数的鞋楦进行局部修改。

由上述可知，量脚定制的关键在于完成脚型数据到鞋楦数据的转换，即从脚型尺寸和形状通过一定的算法和模型推导出鞋楦的基础尺寸和修改量。所以，要实现上述的量脚定制过程，一般需要满足以下的四个基本条件：

条件一，是用户的脚型测量数据；

条件二，是鞋或对应鞋楦的各个尺码的测量数据；

条件三，是鞋码匹配或局部修改的算法模型(简称匹配模型)；

条件四，是根据脚型测量数据和鞋楦测量数据转化为对应的合适鞋码以及修改方案的中间参数，可以称之为匹配参数。

四个条件缺一不可。其中中间参数尤其重要，它决定了匹配算法模型的有效性和准确性。大多数匹配模型要求一定数量的实验样本和相关的先验知识作为学习和训练模型的数据，从而得到最优的匹配参数。现有技术中的通常的做法是通过模特脚型实际试穿鞋的方式获取这些样本数据和先验知识，以保证此样本数据包括脚型数据和对应的合适的穿着码数。这种方式要求的样本数量较多，需要试穿的鞋款种类繁多，且试穿的主观因素影响较大，所以这种方式操作的难度和复杂性高，耗时长，而且成本巨大，难以满足实际需求和大规模应用。

技术实现要素：

本发明要解决的技术问题是，提供一种通过利用门店场景下用户的常规尺码的成交记录，可以省略实际试穿鞋过程的基于门店成交记录的量脚定制方法。

解决上述技术问题，本发明提供了一种基于门店成交记录的量脚定制方法，包括如下步骤：

根据个人数据建立用户标签，

根据已注册用户获取的三维脚型数据，得到脚型标签，

将鞋型属性数据、对应的鞋楦属性数据以及鞋楦测量数据经过预处理后保存，

根据用户的购买行为得到成交记录，

在所述成交记录中提取出有效成交记录，

根据所述有效成交记录得到鞋楦数据，按照鞋楦数据完成量脚定制。

更进一步，所述有效成交记录还用以，调整所述用户标签的权重，首先，当所述有效成交记录下的内容与所述用户标签的内容符合度越高，则提高该标签项的权重；

然后，保持剩余标签项的权重则不变/减小，

最后，再将权重最高的一项或几项标签赋给所述有效成交记录下所属的该用户。

其具体方法包括如下步骤：

统计所有有效成交记录下的内容与相关标签的标签值一致的数量nr{nij}，

其中，nr{nij}为第i项标签下，第j个标签值的数量，

则由此标签值对应的权重值为：

其中，δ(τi)为时间相关的衰减函数，a和b为常数系数，分别控制权值的变化幅度和初始值，

若wi＝max{wij}且大于设定的阈值，则该用户的此项标签的标签值为wi所对应的标签值。

更进一步，在所述成交记录中提取出有效成交记录的方法具体包括如下过程：

查询成交状态，若交易过程完结且购买成功，则判断该成交记录所涉及的各项属性是否收集完整；

若上述各项属性收集完整，则判断所述用户标签和该成交记录所涉及的相关属性，并进行一票否决机制；

若全部符合上述一票否决机制，再通过关联关系判定算法计算该成交记录和相关的用户的标签值的关联系数，若系数大于设定的阈值则判定为有效成交记录。

更进一步，当某一款鞋或者基于某一鞋楦的一系列鞋款或者判定穿着感受相同的某一系列鞋款中的有效成交记录的数量达到设定样本数量的阈值，则启动鞋码匹配模型学习或训练过程，并对学习和训练的结果进行评价，

若结果高于(优于)历史参数训练的结果，则替换历史参数，

若否则仍然保留历史参数。

更进一步，按照鞋楦数据完成量脚定制的方法是指鞋码匹配模型学习或训练过程具体包括以下的预处理步骤：

根据有效的成交记录，得到购买用户的脚型数据以及相应尺码，

将用户的购买记录按照脚的不同肥瘦度进行分类，得到不同肥瘦度对应的购买用户的脚型数据以及相应的码数，

将各个肥瘦度的用户的脚型数据按照相应的尺码进行归类，并拟合所述码数与所述足部各个数据之间的关系fi(x)，并得到各个肥瘦度对应的标准脚相应的足部数据以及各码数之间足部数据的增量δx。

更进一步，在预处理后还包括如下的步骤：

根据定制用户的脚型数据，确定所属的肥瘦度范围，并调用相应的肥瘦度的标准脚型数据，

根据所述码数与所述足部各个数据之间的关系fi(x)以及各码数之间足部数据的增量δx，确定定制用户脚型各个足部数据所对应的的范围以及相应的码数，

根据所述鞋楦的测量数据和所述鞋楦的码差，确定定制用户脚型对应的各个部位数据对应的码数，得到相应的鞋楦数据或由脚长确定的基础码上需修改的增量。

更进一步，在拟合所述码数与所述足部各个数据之间的关系fi(x)时，得到码数与足部各个数据之间的拟合度ri²，并依据数据的重要程度设置拟合度ri²的阈值；

若低于相应的阈值，则拟合度不高，并剔除掉偏差较大的数据后进行重新拟合，直到拟合度达到相应的阈值。

更进一步，方法还包括如下的步骤：

若楦宽的修改值超过相应的修改阈值，则需相应的调整基础码数，以减少相应的修改量；

若修改量未超过相应的修改阈值，则不修改对应的鞋楦部位，

若定制的鞋款对应的为成型底材时，定制的楦宽数据需选择与之最接近的成型底材的数据，并可依据定制数据修改其他与底材无关的数据，

若定制的鞋款有多个型号可选且不可修改鞋楦时，则在已有的码数范围以及型号范围内，依据用户脚长及脚型挑选出与脚型最匹配的楦，并确定其对应的码数和型号。

更进一步，所述有效成交记录至少需要满足以下的多种条件：

该购买行为已经完结，

该用户关联的脚型数据完整且准确，

该购买记录所购买的鞋款的属性数据完整且准确，

该购买记录所购买的鞋款或鞋对应的鞋楦的测量数据完整且准确，

该购买记录所购买鞋款的码数为该用户关联的脚型数据所指向的脚型所穿。

基于上述，本发明中还提供了一种基于门店成交记录的量脚定制系统，包括：用户标签单元、脚型标签单元、数据库单元、成交记录单元，指定款式定制单元，

所述用户标签单元，用以根据个人数据建立用户标签，

所述脚型标签单元，用以根据已注册用户获取的三维脚型数据，得到脚型标签，

所述数据库单元，用以将鞋型属性数据、对应的鞋楦属性数据以及鞋楦测量数据经过预处理后保存，

所述成交记录单元，用以根据用户的购买行为得到成交记录，并在所述成交记录中提取出有效成交记录，

所述指定款式定制单元，用以根据所述有效成交记录得到鞋楦数据，按照鞋楦数据完成量脚定制

本发明的有益效果：

1)采用本发明中的方法，利用门店场景下用户的常规尺码的成交记录(包括但不限于，收集门店顾客的脚型数据/收集参与定制的鞋的属性以及对应的鞋楦的数据)，通过一定的清洗和筛选后，判断和提取有效的成交记录作为匹配模型所需的训练样本，从而可以省略实际试穿鞋的过程，大大节约人力成本和时间成本。

2)采用本发明中方法，能够最大程度的满足大多数定制厂商提供量脚定制服务(即根据脚型数据确定对应的鞋楦的修改方案)，即通过修改鞋楦的方式，使得鞋子相对于标准尺码来说更加合适，亦或者定制标准尺码范围以外的尺码。

3)本发明中的方法由于包括根据个人数据建立用户标签，根据已注册用户获取的三维脚型数据，得到脚型标签的步骤，可以通过分析用户的注册信息、行为信息以及用户扫描的脚型信息打标签，进而进一步地建立用户画像系统。

4)本发明中的方法由于包括根据用户的购买行为得到成交记录，在所述成交记录中提取出有效成交记录，可以通过用户画像系统中的标签和行为信息判定用户的有效购买行为记录。

5)此外，在本发明根据所述有效成交记录得到鞋楦数据，按照鞋楦数据完成量脚定制的过程中，以一定数量的有效的行为记录集合为样本，训练匹配模型所需要的参数。

附图说明

图1是本发明一实施例中的基于门店成交记录的量脚定制方法流程示意图；

图2是本发明一实施例中的在所述成交记录中提取出有效成交记录的方法流程示意图；

图3是图2中的优选实施例中的方法流程示意图；

图4是本发明一实施例中的按照鞋楦数据完成量脚定制的方法中预处理流程示意图；

图5是本发明一实施例中按照鞋楦数据完成量脚定制的方法流程示意图；

图6是本发明一实施例中的系统结构示意图；

图7是清洗和筛选出成交记录的算法流程示意图；

图8是基于有效成交记录的鞋-楦定制的算法流程示意图。

具体实施方式

现在将参考一些示例实施例描述本公开的原理。可以理解，这些实施例仅出于说明并且帮助本领域的技术人员理解和实施例本公开的目的而描述，而非建议对本公开的范围的任何限制。在此描述的本公开的内容可以以下文描述的方式之外的各种方式实施。

如本文中所述，术语“包括”及其各种变体可以被理解为开放式术语，其意味着“包括但不限于”。术语“基于”可以被理解为“至少部分地基于”。术语“一个实施例”可以被理解为“至少一个实施例”。术语“另一实施例”可以被理解为“至少一个其它实施例”。

请参考图1是本发明一实施例中的基于门店成交记录的量脚定制方法流程示意图，具体步骤包括：

步骤s100根据个人数据建立用户标签，具体地，在所述步骤s100中，需要根据用户注册时获取的个人数据，所述个人数据包括但不限于，性别、年龄、喜好(以及品牌、款式、颜色、常穿尺码等)，可以为用户定义相关的标签。其中所述相关的标签包括但不限于，性别标签、年龄标签、喜爱的品牌标签、喜爱的款式标签、喜爱的颜色标签、常穿尺码标签等。而且优选地，每一项标签下面定义不同的标签值，比如，性别标签可以包括男和女两个标签值；且对于本领域技术人员公知的，可根据获取这些数据的来源、渠道和方式等设置相应的权值。比如常见的方法是，标签定义为lu{li(vi|wi)}，vi为第i个标签值，wi为其权重，代表了用户被贴上该标签值的置信度。通过收集门店顾客的信息和/或属性——形成标签/权重，其中权重代表所对应的标签的可信度。

步骤s101根据已注册用户获取的三维脚型数据，得到脚型标签，所述已注册用户是指在注册后或注册的同时。具体而言，所述脚型标签的获取方式包括但不限于，使用三维扫描设备获取的用户的三维脚型，并得到脚型测量数据mf{mi}。根据三维脚部模型和脚型测量数据可以提取与脚型有关的标签lf{li(vi|wi)}，包括但不限于，脚趾形状分类标签、足弓类型标签、胖瘦程度标签、左右脚一致性标签、拇指内外翻标签、足跟内外翻标签、脚掌内外翻标签等，并根据计算得到的相关的判定参数的值设置相应的权值，权值代表标签值所描述的属性的程度。比如常见的方法是，标签定义为lu{li(vi|wi)}，vi为第i个标签值，wi为其权重，代表了用户被贴上该标签值的置信度。

步骤s102将鞋型属性数据、对应的鞋楦属性数据以及鞋楦测量数据经过预处理后保存。具体而言，对于一款鞋子，需要预先采集其各项属性，并录入本地或云端数据库保存，包括但不限于其所属的楦号、款式、商品名、商品型号、品牌、上市时间、上市季节、鞋跟高、防水台高、跟形、掌垫、内底/鞋垫放置顺序、内里材质、性别、类别、鞋底材质、头型、鞋面材质、皮革材料工艺、鞋型号等，同时记为ps{pi}。另外对于该款鞋子对应的鞋楦，需要预先采集其各项属性，并录入数据库保存，包括但不限于楦号、品牌、楦跟高、性别、款型、头型、生产工厂、鞋楦创建时间、鞋楦创建季节等，同时记为pl{pi}。此外，对于该鞋楦，需要预先采集其各特征部位的测量值，并录入数据库保存，包括但不限于标准码数、脚长、底样长、着地点长、第一跖趾长、第五跖趾长、底趾长、楦身宽、楦身趾宽、楦身跟宽、底宽、底斜宽、底趾宽、底跟宽、跖围、腰围、跗围、头厚、跟高、前跷等，记为ml{mi}。

步骤s103根据用户的购买行为得到成交记录，用户在门店范围内产生的购买行为将被详细记录下来，作为成交记录，同时记为r{ri(vj)}。内容包括但不限于用户名、鞋款、地点、码数、价格、成交时间等。

步骤s104在所述成交记录中提取出有效成交记录，具体地，所述有效成交记录具体是指，若符合鞋码匹配模型输入要求的成交记录，则称为相对于鞋码匹配应用的有效的成交记录。该条有效的行为数据需要符合的要求包括：

该购买行为已经完结；或，该用户关联的脚型数据完整且准确；或，该购买记录所购买的鞋款的属性数据完整且准确；或，该购买记录所购买的鞋款或鞋对应的鞋楦的测量数据完整且准确；或，该购买记录所购买鞋款的码数为该用户关联的脚型数据所指向的脚型所穿。在本实施例中符合上述要求的购买记录则可以视为等同于在线下实际试穿中需要满足的“本人穿着且评价此尺码为合适”的条件。

步骤s105根据所述有效成交记录得到鞋楦数据，按照鞋楦数据完成量脚定制。具体而言，由有效的成交记录即可得到购买用户的脚型数据以及购买的相应尺码，然后将用户的购买记录按照脚的不同肥瘦度进行分类，得到不同肥瘦度对应的购买用户的脚型数据以及相应的码数，将各个肥瘦度的用户的脚型数据按照相应的尺码进行归类，并用线性回归拟合码数与足部各个数据之间的关系fi(x)，并得到各个肥瘦度对应的标准脚相应的足部数据(如脚长、脚宽、跖围、跗围等)，以及各码数之间足部数据的增量δx。此时，完成有效成交记录数据的预处理。更进一步，还包括的步骤是：依需定制用户的脚型数据，确定其所属的肥瘦度范围，并调用相应的肥瘦度的标准脚型数据；依据码数与足部各个数据之间的关系fi(x)以及各码数之间足部数据的增量δx，用插值法确定定制用户脚型各个足部数据所对应的的范围以及相应的码数；基于鞋楦的测量数据和鞋楦的码差，确定的定制用户脚型对应的各个部位数据对应的码数，从而得到相应的鞋楦数据，以及在由脚长确定的基础码上需修改的增量。

在上述实施例中先确立基本码找到与用户的脚型数据最适合的码数，然后在此基础码上进行局部的细微修改；在上述实施例中的修改方案实现了从脚型数据到鞋楦数据的转换，并基于一数学模型生成，所述数据模型的运行需要依据一定数量、不同形式的中间参数匹配模型所需的参数，得到的匹配参数是通过一套训练方法生成的，原则上训练模型的输入为一组脚型数据以及它们对应所穿着合适的鞋码的样本集合。通过上述样本集合中的样本由有效的成交记录确定，有效的成交记录指根据用户本人的脚型所购买的鞋码，且穿着合适。

由于标签定义为lu{li(vi|wi)}，vi为第i个标签值，wi为其权重，代表了用户被贴上该标签值的置信度。作为本实施例中的优选，所述有效成交记录还用以，调整所述用户标签的权重，其具体方法包括如下步骤：

统计所有有效成交记录下的内容与相关标签的标签值一致的数量nr{nij}，

其中，nr{nij}为第i项标签下，第j个标签值的数量，

则由此标签值对应的权重值为：

其中，δ(τi)为时间相关的衰减函数，a和b为常数系数，分别控制权值的变化幅度和初始值，

若wi＝max{wij}且大于设定的阈值，则该用户的此项标签的标签值为wi所对应的标签值，阈值代表采纳/信任此标签的权重的界限。

在上述实施例中具体而言，当有效的成交记录涉及的内容与用户标签的内容符合度越高，则应该提高该标签项的权重；其它标签项的权重则保持不变(或减小)。然后再将权重最高的一项或几项标签赋给该用户。比如，一条有效的成交记录显示购买了a鞋(女士浅口鞋)，则该用户的鞋款偏好的标签中，浅口鞋的权重要增加，其它类型的权重则保持不变(或减小)。调整完后再将权重最高的一项或几项标签赋给该用户作为鞋款偏好的标签值和权重。

作为本实施例中的优选，请参考图2是本发明一实施例中的在所述成交记录中提取出有效成交记录的方法流程示意图，方法包括：

步骤s200查询成交状态，若交易过程完结且购买成功，则判断该成交记录所涉及的各项属性是否收集完整；

步骤s201若上述各项属性收集完整，则判断所述用户标签和该成交记录所涉及的相关属性，并进行一票否决机制；

步骤s202若全部符合上述一票否决机制则判定为有效成交记录，

步骤s203再通过关联关系判定算法计算该成交记录和相关的用户的标签值的关联系数，若系数大于设定的阈值则判定为有效成交记录。

上述一票否决机制，包括但不限于性别标签一票否决算法，当用户性别标签为女，却购买男鞋，则直接判定为无效的成交记录；

上述一票否决机制，包括但不限于常穿尺码一票否决算法，例如用户的常穿尺码标签值或通过用户脚型推断的标准鞋码与所购买的鞋码的误差超过某个阈值，则直接判定为无效的成交记录；

上述一票否决机制，包括但不限于年龄段一票否决算法，例如用户所在的年龄段与所购买的鞋款所在的年龄段的误差超过某个阈值，则直接判定为无效的成交记录；

优选地，上述一票否决算法但不仅仅包括上述算法皆为独立判定算法，即不符合一项，则被判定为无效的成交记录，全部符合才被判定为有效的成交记录。在门店中收集的所有完整完成的成交记录中，由收集的顾客的标签、脚型数据、鞋的属性、鞋楦数据以及成交记录的内容，通过该算法确定是否是有效成交记录。

在一些实施例中，如图3是图2中的优选实施例中的方法流程示意图，具体包括如下步骤：

步骤s300当某一款鞋或者基于某一鞋楦的一系列鞋款或者判定穿着感受相同的某一系列鞋款中的有效成交记录的数量达到设定样本数量的阈值，

步骤s301启动鞋码匹配模型学习或训练过程，并对学习和训练的结果进行评价，

步骤s302若结果高于历史参数训练的结果，则替换历史参数，

步骤s303若否则仍然保留历史参数。

本领域技术人员能够明了，上述设定样本数量的阈值包括但不限于，鞋码匹配模型学习或训练所需的样本数量。

在一些实施例中，请参考图4是本发明一实施例中的按照鞋楦数据完成量脚定制的方法中预处理流程示意图，方法包括：

s400根据有效的成交记录，得到购买用户的脚型数据以及相应尺码，

s401将用户的购买记录按照脚的不同肥瘦度进行分类，得到不同肥瘦度对应的购买用户的脚型数据以及相应的码数，

s402将各个肥瘦度的用户的脚型数据按照相应的尺码进行归类，并拟合所述码数与所述足部各个数据之间的关系fi(x)，并得到各个肥瘦度对应的标准脚相应的足部数据以及各码数之间足部数据的增量δx。所述拟合的方法包括但不限于，线性回归拟合。

上述过程，将各个肥瘦度的用户的脚型数据按照相应的尺码进行归类，并用线性回归拟合码数与足部各个数据之间的关系fi(x)，并得到各个肥瘦度对应的标准脚相应的足部数据(包括但不限于，脚长、脚宽、跖围、跗围等)，以及各码数之间足部数据的增量δx。

图5是本发明一实施例中按照鞋楦数据完成量脚定制的方法流程示意图，方法包括：

步骤s404根据定制用户的脚型数据，确定所属的肥瘦度范围，并调用相应的肥瘦度的标准脚型数据，

步骤s405根据所述码数与所述足部各个数据之间的关系fi(x)以及各码数之间足部数据的增量δx，确定定制用户脚型各个足部数据所对应的的范围以及相应的码数，上述过程可以采用插值法确定定制用户脚型各个足部数据所对应的的范围。

步骤s406根据所述鞋楦的测量数据和所述鞋楦的码差，确定定制用户脚型对应的各个部位数据对应的码数，得到相应的鞋楦数据或由脚长确定的基础码上需修改的增量。

作为上述步骤中的优选，在拟合所述码数与所述足部各个数据之间的关系fi(x)时，得到码数与足部各个数据之间的拟合度ri²，并依据数据的重要程度设置拟合度ri²的阈值；

若低于相应的阈值，则拟合度不高，并剔除掉偏差较大的数据后进行重新拟合，直到拟合度达到相应的阈值。

图6是本发明一实施例中的系统结构示意图，本实施例中的一种基于门店成交记录的量脚定制系统100，包括：用户标签单元1、脚型标签单元2、数据库单元3、成交记录单元4，指定款式定制单元5，所述用户标签单元1，用以根据个人数据建立用户标签，所述脚型标签单元2，用以根据已注册用户获取的三维脚型数据，得到脚型标签，所述数据库单元3，用以将鞋型属性数据、对应的鞋楦属性数据以及鞋楦测量数据经过预处理后保存，所述成交记录单元4，用以根据用户的购买行为得到成交记录，并在所述成交记录中提取出有效成交记录，所述指定款式定制单元5，用以根据所述有效成交记录得到鞋楦数据，按照鞋楦数据完成量脚定制。

作为本实施例中的优选，成交记录单元4还用以，根据有效成交记录还用以，调整所述用户标签的权重，其具体方法包括如下步骤：

统计所有有效成交记录下的内容与相关标签的标签值一致的数量nr{nij}，

其中，nr{nij}为第i项标签下，第j个标签值的数量，

则由此标签值对应的权重值为：

其中，δ(τi)为时间相关的衰减函数，a和b为常数系数，分别控制权值的变化幅度和初始值，

若wi＝max{wij}且大于设定的阈值，则该用户的此项标签的标签值为wi所对应的标签值。

作为本实施例中的优选，在所述成交记录单元4还用以，在所述成交记录中提取出有效成交记录的方法具体包括如下过程：

查询成交状态，若交易过程完结且购买成功，则判断该成交记录所涉及的各项属性是否收集完整；

若上述各项属性收集完整，则判断所述用户标签和该成交记录所涉及的相关属性，并进行一票否决机制；

若全部符合上述一票否决机制则判定为有效成交记录，再通过关联关系判定算法计算该成交记录和相关的用户的标签值的关联系数，若系数大于设定的阈值则判定为有效成交记录。

作为本实施例中的优选，所述成交记录单元4，还用以，当某一款鞋或者基于某一鞋楦的一系列鞋款或者判定穿着感受相同的某一系列鞋款中的有效成交记录的数量达到设定样本数量的阈值，则启动鞋码匹配模型学习或训练过程，并对学习和训练的结果进行评价，若结果高于历史参数训练的结果，则替换历史参数，若否则仍然保留历史参数。

作为本实施例中的优选，所述指定款式定制单元5，还用以按照鞋楦数据完成量脚定制的方法具体包括以下的预处理步骤：

根据有效的成交记录，得到购买用户的脚型数据以及相应尺码，

将用户的购买记录按照脚的不同肥瘦度进行分类，得到不同肥瘦度对应的购买用户的脚型数据以及相应的码数，

将各个肥瘦度的用户的脚型数据按照相应的尺码进行归类，并拟合所述码数与所述足部各个数据之间的关系fi(x)，并得到各个肥瘦度对应的标准脚相应的足部数据以及各码数之间足部数据的增量δx。

作为本实施例中的优选，所述指定款式定制单元5，还用以在预处理后进行如下的处理步骤：

根据定制用户的脚型数据，确定所属的肥瘦度范围，并调用相应的肥瘦度的标准脚型数据，

根据所述码数与所述足部各个数据之间的关系fi(x)以及各码数之间足部数据的增量δx，确定定制用户脚型各个足部数据所对应的的范围以及相应的码数，

根据所述鞋楦的测量数据和所述鞋楦的码差，确定定制用户脚型对应的各个部位数据对应的码数，得到相应的鞋楦数据或由脚长确定的基础码上需修改的增量。

作为本实施例中的优选，所述指定款式定制单元5，还用以在拟合所述码数与所述足部各个数据之间的关系fi(x)时，得到码数与足部各个数据之间的拟合度ri²，并依据数据的重要程度设置拟合度ri²的阈值；

若低于相应的阈值，则拟合度不高，并剔除掉偏差较大的数据后进行重新拟合，直到拟合度达到相应的阈值。

作为本实施例中的优选，所述指定款式定制单元5，还用以进行如下操作：

若楦宽的修改值超过相应的修改阈值，则需相应的调整基础码数，以减少相应的修改量；

若楦宽的修改量未超过相应的修改阈值，则不修改对应的鞋楦部位，

若定制的鞋款对应的为成型底材时，定制的楦宽数据需选择与之最接近的成型底材的数据，并可依据定制数据修改其他与底材无关的数据，

若定制的鞋款有多个型号可选且不可修改鞋楦时，则在已有的码数范围以及型号范围内，依据用户脚长及脚型挑选出与脚型最匹配的楦，并确定其对应的码数和型号。

作为本实施例中的优选，所述成交记录单元4还用以检测成交记录是否满足有效成交记录的多种的条件：

该购买行为已经完结，

该用户关联的脚型数据完整且准确，

该购买记录所购买的鞋款的属性数据完整且准确，

该购买记录所购买的鞋款或鞋对应的鞋楦的测量数据完整且准确，

该购买记录所购买鞋款的码数为该用户关联的脚型数据所指向的脚型所穿

请参考图7是清洗和筛选出成交记录的算法流程示意图，包括步骤为：

步骤s21成交状态过滤，查询成交状态，如果交易过程完结且购买成功，则进入步骤s22；

步骤s22用户/脚型/鞋/楦属性筛选判断该成交记录所涉及的各项属性是否收集完整。包括确认该用户关联的脚型数据完整且准确；该购买记录所购买的鞋款的属性数据完整且准确；该购买记录所购买的鞋款或鞋对应的鞋楦的测量数据完整且准确；涉及该算法的该用户的各级(各种)标签是否生成；标签权值是否达到阈值；各项属性收集完整则进入步骤s23；

步骤s23一票否决机制，用户标签和该成交记录涉及的某些相关属性参与一票否决算法。包括性别标签一票否决算法，例如用户性别标签为女，却购买男鞋，则直接判定为无效的成交记录；常穿尺码一票否决算法，例如用户的常穿尺码标签值或通过用户脚型推断的标准鞋码与所购买的鞋码的误差超过某个阈值，则直接判定为无效的成交记录；年龄段一票否决算法，例如用户所在的年龄段与所购买的鞋款所在的年龄段的误差超过某个阈值，则直接判定为无效的成交记录；上述一票否决算法但不仅仅包括上述算法皆为独立判定算法，即不符合一项，则被判定为无效的成交记录，全部符合才被判定为有效的成交记录，进入步骤s23；

步骤s24关联关系判断机制，最后通过关联关系判定算法计算该成交记录和相关的用户的标签值的关联系数。所述的关联关系判定算法包括但不限于综合利用相关的用户的标签值的权重，以及各单独标签值与该条成交记录的对应内容之间的相关性计算出一个相关系数，该系数能够用于评价是否满足线下的“本人穿着且评价此尺码为合适”的符合要求的评价条件。如果系数大于设定的阈值则判定为有效成交记录。

图8是基于有效成交记录的鞋-楦定制的算法流程示意图，包括步骤为：

步骤s41足部数据以及相关尺码，由有效的成交记录即可得到购买用户的脚型数据以及购买的相应尺码，则进入步骤s42；

步骤s42不同肥瘦度对应足部数据以及相应尺码，将用户的购买记录按照脚的不同肥瘦度进行分类，得到不同肥瘦度对应的购买用户的脚型数据以及相应的码数，进入步骤s43；

步骤s43不同肥瘦度对应标准脚足部数据，将各个肥瘦度的用户的脚型数据按照相应的尺码进行归类，并用线性回归拟合码数与足部各个数据之间的关系fi(x)，并得到各个肥瘦度对应的标准脚相应的足部数据(如可以是脚长、脚宽、跖围、跗围等)，以及各码数之间足部数据的增量δx，进入步骤s44；

步骤s44定制客户足部数据，步骤s45用户足部肥瘦度，

依需定制用户的脚型数据，确定其所属的肥瘦度范围，并调用相应的肥瘦度的标准脚型数据；依据码数与足部各个数据之间的关系fi(x)以及各码数之间足部数据的增量δx，用插值法确定定制用户脚型各个足部数据所对应的的范围以及相应的码数，进入步骤s46；

步骤s46用户脚型与相应肥瘦度对应标准脚型差异，基于鞋楦的测量数据和鞋楦的码差，确定的定制用户脚型对应的各个部位数据对应的码数，从而得到相应的鞋楦数据，以及在由脚长确定的基础码上需修改的增量，

步骤s47确定相应的鞋楦数据。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

总体而言，本公开的各种实施例可以以硬件或专用电路、软件、逻辑或其任意组合实施。一些方面可以以硬件实施，而其它一些方面可以以固件或软件实施，该固件或软件可以由控制器、微处理器或其它计算设备执行。虽然本公开的各种方面被示出和描述为框图、流程图或使用其它一些绘图表示，但是可以理解本文描述的框、设备、系统、技术或方法可以以非限制性的方式以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其它计算设备或其一些组合实施。

此外，虽然操作以特定顺序描述，但是这不应被理解为要求这类操作以所示的顺序执行或是以顺序序列执行，或是要求所有所示的操作被执行以实现期望结果。在一些情形下，多任务或并行处理可以是有利的。类似地，虽然若干具体实现方式的细节在上面的讨论中被包含，但是这些不应被解释为对本公开的范围的任何限制，而是特征的描述仅是针对具体实施例。在分离的一些实施例中描述的某些特征也可以在单个实施例中组合地执行。相反对，在单个实施例中描述的各种特征也可以在多个实施例中分离地实施或是以任何合适的子组合的方式实施。