基于深度学习的颜值估计与电商精准营销

论文摘要

近年来,随着机器学习和人工智能领域的不断发展,使得人脸颜值估计的研究得到广泛关注。提出一种基于深度学习的颜值估计框架,利用深度卷积神经网络(Deep Convolutional Neural Network,DCNN)提取人脸图像的特征向量,并采用回归分析计算方法评估人脸颜值,为充分发挥深度卷积神经网络提取特征的能力,提出了优化后的人脸特征提取损失函数。最后,利用该颜值估计算法构建消费者颜值与服装购物偏好相关性模型。结果显示:消费者颜值与服装购物偏好存在一定的相关关系,即颜值越高的消费者越喜欢时尚款式和风格的服装。研究结论为电商企业设计出高度精准营销策略,输出个性化产品和服务提供可能。

论文目录

• 1 引言
• 2 人脸图像预处理
• 3 基于深度卷积神经网络的颜值估计算法
•   3.1 网络结构
•   3.2 深度卷积神经网络
•   3.3 损失函数
• 4 实证分析
•   4.1 提出假设
•     （1）颜色分类:
•     （2）款式分类:
•     （3）风格分类:
•   4.2 数据选取与处理
•   4.3 结果分析
•     4.3.1 消费者颜值与购物偏好的验证性因子分析
•     4.3.3 主观颜值与客观颜值相关性分析
•     4.3.2 消费者颜值与购物偏好的相关性分析
• 5 结论展望

文章来源

类型: 期刊论文

作者: 吴安波,葛晨晨,孙林辉,张云,李刚

关键词: 颜值估计,深度学习,卷积神经网络,精准营销,电商

来源: 工业工程与管理 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技,经济与管理科学

专业: 自动化技术,企业经济,贸易经济

单位: 西安科技大学管理学院,西安科技大学能源经济研究中心,西安交通大学管理学院

基金: 国家自然科学基金重大项目(71832011),国家自然科学基金面上基金项目(71673220),西安科技大学哲学社会科学繁荣发展计划项目(2014SY01,2017SY12),西安科技大学博士启动金项目(2018QDJ010)

分类号: F724.6;F274;TP18

DOI: 10.19495/j.cnki.1007-5429.2019.06.015

页码: 124-131

总页数: 8

文件大小: 1937K

下载量: 269