In che modo i laboratori di ricerca di eBay stanno affrontando il difficile compito dei consigli sulla moda

Se ti sei mai chiesto cosa indossare al mattino, potresti anche esserti chiesto se potresti lasciare la scelta a un algoritmo che potrebbe consigliare una combinazione decente di vestiti.

La risposta breve è no. Vari gruppi hanno studiato il problema della consulenza di moda automatizzata senza che nessuno lo inchiodasse davvero.

Oggi è il turno di Anurag Bhardwaj e degli amici di eBay Research Labs a San Jose. Questi ragazzi hanno sviluppato due diversi sistemi di raccomandazione di moda e poi opinioni in crowdsourcing sulla validità dei consigli che forniscono.

I risultati forniscono alcune informazioni interessanti sul modo in cui gli esseri umani valutano l'abbigliamento, ma suggeriscono anche che i consigli automatici sulla moda hanno ancora molta strada da fare.

Questi ragazzi iniziano creando due diversi algoritmi di raccomandazione di moda, che addestrano su un set di dati composto da oltre 13.000 fotografie di modelli di moda prese dal Web. In ogni fotografia, il modello indossa una combinazione superiore e inferiore che consente agli algoritmi di cercare correlazioni tra le diverse combinazioni di top e gonna.

Il primo algoritmo, che Bhardwaj e compagni chiamano il consigliere deterministico di moda, valuta i colori nella parte superiore e li confronta con i colori nelle gonne. Quindi assegna a ciascuna combinazione un punteggio che può essere confrontato con altre combinazioni alto-basso. (Esattamente come viene calcolata questa valutazione, non lo dicono.)

Quindi, quando questo algoritmo viene interrogato mostrandogli un particolare massimo, ad esempio, cerca nel suo database alla ricerca di un minimo che, se combinato, produce un punteggio alto.

Il secondo algoritmo utilizza la regola predefinita che l'abbigliamento fantasia si coordina bene con l'abbigliamento che ha un colore a tinta unita. In altre parole, avere modelli impegnati sia nella parte superiore che in quella inferiore è meno popolare, affermano Bhardwaj e co.

Quindi questo algoritmo assicura che quando viene presentato con un top fantasia, ad esempio, tutti i suoi consigli saranno per una gonna con un colore solido.

Ma questi consigli sono validi? Per scoprirlo, Bhardwaj e amici hanno chiesto a 150 persone del servizio Mechanical Turk di Amazon di valutare le raccomandazioni su una scala di cattivo, neutro, buono o eccellente.

Hanno generato le raccomandazioni presentando a ciascun algoritmo un'immagine scelta a caso da un database di 1.000 immagini di gonne. L'algoritmo ha quindi dovuto scegliere una cima presa da un database separato di immagini delle cime.

I risultati mostrano alcuni modelli di preferenza tra gli utenti. Ad esempio, le persone preferiscono una gonna in tinta unita con una combinazione di top fantasia.

Ancora più interessante, gli utenti preferivano anche motivi semplici, come pois, tinta unita, strisce o plaid, piuttosto che motivi complessi come motivi animali, floreali, geometrici o paisley. E quando forniscono una valutazione, gli utenti eseguono l'attività più rapidamente se presentati con modelli semplici rispetto a modelli complessi.

Bhardwaj e colleghi affermano che questo ha senso poiché i neuroscienziati sanno da tempo che la complessità di un'immagine determina il tempo necessario per elaborarla visivamente.

Non è chiaro quanto questo sarà utile nello sviluppo di algoritmi di raccomandazione di moda in futuro. Un potenziale problema è che Bhardwaj e co non forniscono informazioni sugli utenti che hanno impiegato su Mechanical Turk di Amazon. Non dicono nulla sulla distribuzione di uomini e donne, sui gruppi di età coinvolti, sulle loro etnie e così via. Tutti questi fattori potrebbero avere un effetto significativo sulle scelte di moda.

Inoltre, è concepibile che le persone che scelgono di lavorare come turche siano un gruppo auto-selezionato con caratteristiche molto specifiche quando si tratta di moda. Ma da questo articolo è impossibile dirlo.

La posta in gioco è potenzialmente significativa. Un vantaggio degli algoritmi di raccomandazione è che possono aumentare significativamente le vendite se funzionano bene. È qualcosa che Amazon, Netflix, Apple e simili hanno scoperto a loro vantaggio. La possibilità che un algoritmo di raccomandazione di moda possa aiutare i clienti a fare upselling fornirà molte motivazioni per ulteriori ricerche in questo settore.

Per il momento, però, una cosa è chiara. La costruzione di sistemi di raccomandazione della moda è un compito difficile e probabilmente rimarrà al di là dello stato dell'arte per qualche tempo a venire.

Rif: http://arxiv.org/abs/1405.4013 : Migliorare le raccomandazioni di moda visiva con gli utenti nel ciclo

nascondere