本发明涉及大数据分析技术领域，具体而言，涉及一种适于网上购物平台的基于大数据的试衣推荐方法。
背景技术：
近些年，网购平台越来越多，大多数用户倾向于在网上购物平台上购置衣服，但是网上购物平台并不像实体店一样可以试穿衣服，从而使得很多购物者网购到的衣服并不适合自己的体型，造成退货频繁，给平台商家及消费者都带来了不好的购物体验。
技术实现要素：
本发明的目的是为了解决上述技术问题，提供了一种适于网上购物平台的基于大数据的试衣推荐方法。
为达到上述技术目的，本发明采取的技术方案是：一种适于网上购物平台的基于大数据的试衣推荐方法，包括以下步骤：
步骤1，采集不同体型的模特数据，将模特的体型按照国家标准体型分类进行划分，得到模特体型分类；
步骤2，采集不同体型分类的服装特征以及每件服装由步骤1中得到的相应体型分类的模特进行试穿的视频数据；
步骤3，获取试衣人的体型和特征，将试衣人的体型按照国家标准体型分类进行划分，得到试衣人体型分类；
步骤4，根据服装特征和试衣者特征通过bdeu方法建立一个以上的推荐决策树；
步骤5，获取所述推荐决策树中的服装的销量，并根据销量的高低对各个推荐决策树进行排序；
步骤6，根据步骤3得到的试衣人体型分类找到步骤1中与其对应的模特体型分类的模特；根据找到的模特的信息找到步骤2中对应模特试穿过的衣服；
步骤7，将步骤6找到的模特试穿过的衣服的数据和试衣者特征通过步骤5得到的推荐决策树排序进行衣服推荐；对排序在前的推荐决策树推荐的衣服向试衣人推荐。
进一步地，所述步骤2中的服装特征包括服装品牌、式样、类型、规格、尺寸、颜色、织物材质、样本图片、销售价格；所述试衣人的特征包括身体测量数据和具体基本信息，所述身体测量数据包括身高、胸围、腰围、臀围、体重；所述基本信息包括用户年龄、职业、地区、喜好、收入。
与现有技术相比，本发明的有益效果是：
使用本发明，能让网购用户在家中通过互联网访问系统，不仅可以像一般的网购那样查看网店内的衣服，同时可以根据自己的体型获取最优的推荐结果，同时从推荐结果中自动删选出销量高的衣服，帮助用户抉择。
具体实施方式
为使
本技术：
的目的、技术方案和优点更加清楚，以下列举该发明的具体实施例，对本申请作进一步地详细说明，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
本实施例的一种适于网上购物平台的基于大数据的试衣推荐方法，包括以下步骤：
步骤1，采集不同体型的模特数据，将模特的体型按照国家标准体型分类进行划分，得到模特体型分类；
步骤2，采集不同体型分类的服装特征以及每件服装由步骤1中得到的相应体型分类的模特进行试穿的视频数据；
步骤3，获取试衣人的体型和特征，将试衣人的体型按照国家标准体型分类进行划分，得到试衣人体型分类；
步骤4，根据服装特征和试衣者特征通过bdeu方法建立一个以上的推荐决策树；
步骤5，获取所述推荐决策树中的服装的销量，并根据销量的高低对各个推荐决策树进行排序；
步骤6，根据步骤3得到的试衣人体型分类找到步骤1中与其对应的模特体型分类的模特；根据找到的模特的信息找到步骤2中对应模特试穿过的衣服；
步骤7，将步骤6找到的模特试穿过的衣服的数据和试衣者特征通过步骤5得到的推荐决策树排序进行衣服推荐；对排序在前的推荐决策树推荐的衣服向试衣人推荐。
其中，所述步骤2中的服装特征包括服装品牌、式样、类型、规格、尺寸、颜色、织物材质、样本图片、销售价格；所述试衣人的特征包括身体测量数据和具体基本信息，所述身体测量数据包括身高、胸围、腰围、臀围、体重；所述基本信息包括用户年龄、职业、地区、喜好、收入。
本实施例中，所述的bdeu算法根据贝叶斯定和全概率公式，来评估属性结构的优劣。贝叶斯公理如下：假设h[1],h[2]…,h[n]互斥且构成一个完全事件，已知它们的概率p(h[i]),i＝1,2,…,n，现观察到某事件a与h[,1],h[,2]…,h[,n]相伴随机出现，且已知条件概率p(a/h[,i])，则：
p(h[,i]/a)＝p(h[i])*p(a│h[i])/{p(h[1])*p(a│h[1])+p(h[2])*p(a│h[2])+…+p(h[n])*p(a│h[n])}
bdeu算法使用了贝叶斯参数先验分布方法中的共轭分布，采用ch分数(由cooper和herskovits根据贝叶斯公式和先验分布推导出)，评价分叉后树形的优劣，得到最优树，ch分数越大，表示得到的决策树结构越好。计算ch公式如下：
其中，d代表数据集，e代表先验数据，bs代表树结构，i代表变量标号(如职业，年龄，收入等变量的分布标号)，k代表变量取值(如职业，年龄，收入等变量的值)，mijk表示在先验信息中，先验数据的分布参数。njk表示在现有数据中，当前结点为i父节点为j当前节点取值为k的事例项个数。
举例单个决策树建立过程如下：
1)，取待推荐服装款式为根，分别输入年龄、职业、收入等，得到两层决策树结构。
2)，计算服装款式ch分数，取使ch分数最大的变量分叉。
3)，分别取叶节点为当前结点，如果当前结点事例项的支持个数小于设定的限制，则不进行分叉，取下一叶节点，如大于则分别用未用来分叉的输入变量对当前节点进行分叉，得到新的树结构组，如果没有能够分叉的叶节点，则决策树完成。
4)，根据树结构分别计算新的树结构组里每个树结构的ch分数，采用树结构组中ch分数最大的那个树，继续执行(3)。
5)，随后可以建立决策树。
6)，以上决策树，是按照服装款式为根进行建树，系统随后会按照服装的其他特征，如服装面料、服装颜色色系等参数为根建立多个决策树。
本实施例叙述的较为具体和详细，也给出了实施例的一些优选措施，但是，该实施例和优选措施并不能作为对本发明的限制，本领域的技术人员看到该方案时，做出的其他变形和等同手段的替换，均应在本发明的保护范围之内。