1、如今，電子商務(wù)平臺已涵蓋了人們的衣食住行方方面面。各平臺也極力要求推薦系統(tǒng)能夠提供高效的并準(zhǔn)確的推薦。目前，穿衣搭配推薦在推薦領(lǐng)域掀起了一股熱潮。本文針對穿衣搭配這個(gè)推薦方向的技術(shù)進(jìn)行了研究，并提出了一些可行的搭配推薦方案。本文的主要內(nèi)容包括以下幾個(gè)方面：（1）基于FP-Growth的改進(jìn)算法實(shí)現(xiàn)流行搭配推薦。這種流行搭配推薦利用了不同季節(jié)的衣服間差異性大的規(guī)律，對指定一段連續(xù)時(shí)期的數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則，實(shí)現(xiàn)了單一規(guī)則的高準(zhǔn)確率的搭配推薦，

2、同時(shí)巧妙的構(gòu)建FP-Growth樹，改善了基于關(guān)聯(lián)規(guī)則的推薦算法造成的存儲(chǔ)空間大和運(yùn)行時(shí)間長的問題；（2）運(yùn)用二部圖中的資源分配的思想實(shí)現(xiàn)個(gè)性化搭配推薦?；诙繄D的個(gè)性化搭配推薦，遍歷一次用戶歷史數(shù)據(jù)就能挖掘出用戶與用戶之間的影響權(quán)重，既不受稀疏數(shù)據(jù)影響又能提供高效的個(gè)性化穿衣搭配推薦；（3）本文分析消費(fèi)者的歷史行為文本得到個(gè)體用戶偏好衣物的類別。通過分析一段連續(xù)的時(shí)期內(nèi)用戶的歷史行為，挖掘出用戶的偏好類別，并以此為基準(zhǔn)，提供綜合推薦

3、的排序準(zhǔn)則；（4）融合以上兩種推薦技術(shù)進(jìn)行既個(gè)性又豐富的穿衣搭配推薦。通過暴力融合流行推薦、個(gè)性化推薦，并通過用戶的偏好類別對融合后的推薦進(jìn)行排序，從而獲得既個(gè)性又豐富的穿衣搭配推薦。
　　本文運(yùn)用三種推薦技術(shù)實(shí)現(xiàn)穿衣搭配推薦，并分析了各種穿衣搭配推薦技術(shù)的優(yōu)缺點(diǎn)。本文實(shí)驗(yàn)證明：人們穿衣搭配受到用戶的個(gè)人喜好及衣物流行度的影響；大部分用戶擁有自己的衣物偏好類別，運(yùn)用用戶的衣物偏好類別對混合推薦進(jìn)行排序，能提高推薦的準(zhǔn)確率；用戶的穿