摘要

估计消费者的偏好对时尚行业至关重要，因为恰当地利用这些信息可以带来利润上的好处。时尚趋势检测是一项具有挑战性的任务，原因在于时尚行业的变化速度非常快。此外，由于缺乏历史数据，预测新服装设计的视觉受欢迎程度更加困难。为此，我们提出了一种多模态准自回归深度学习架构MuQAR（Multimodal Quasi-AutoRegressive），该架构结合了两个模块：(1) 多模态多层感知器，用于处理产品的类别、视觉和文本特征；(2) 准自回归神经网络，用于建模产品属性的“目标”时间序列以及所有其他属性的“外生”时间序列。我们利用计算机视觉、图像分类和图像描述生成技术，从新产品的图片中自动提取视觉特征和文本描述。在时尚行业中，产品设计最初以视觉形式表达，这些特征代表了产品的独特特性，而不会干扰设计师的创意过程（例如要求额外的手动输入文本）。我们使用产品的目标属性时间序列作为其时间受欢迎模式的代理，从而缓解了历史数据不足的问题；同时，外生时间序列有助于捕捉相关属性之间的趋势。我们在两个大规模图像时尚数据集Mallzee和SHIFT15m上进行了广泛的消融分析，以评估MuQAR的有效性，并使用Amazon Reviews: Home and Kitchen数据集来评估其在其他领域的泛化能力。通过对VISUELLE数据集进行的比较研究显示，在WAPE（加权绝对百分比误差）和MAE（平均绝对误差）指标上，MuQAR分别能够与当前领域的最先进方法竞争并超过4.65%和4.8%。