메타패스 기반 이종 그래프 모델을 활용한 패션 커뮤니티 사용자의 패션 착장 선호도 연구

Abstract

어떠한 패션 착장이 멋스러운지에 대한 판단은 주관적이기 때문에, 의상 추천에는 사용자의 선호가 함께 반영될 필요가 있다. 본 연구에서는 메타패스 기반 이종 그래프 기반의 딥러닝 모델을 활용하여 소셜 미디어에 포스팅 된 의상 착장 이미지를 통해 사용자별 의상 선호를 확인하는 추천 모델을 제안한다. 대표적인 패션 커뮤니티 사이트 Lookbook.nu에서 2,497명의 사용자가 게재한 456,329장의 의상 착장 이미지를 수집하였고, 이미지를 바탕으로 328개의 의상의 속성 정보를 추출하였다. 이미지, 사용자, 의상 속성 정보를 노드로 둔 이종 그래프 모델을 구축하고 메타패스(meta-path) 기반 노드 학습을 거쳐 사용자 임베딩 방식에 따른 사용자 선호 의상 추천 성능을 평가하였다. 본 연구 결과는 패션 영역 뿐 아니라 여러 분야의 추천 시스템에서 소셜 미디어 포스팅 이미지 분석을 통한 개인의 선호 분석의 가능성을 제시한다.

Given the subjective nature of fashion, it is essential to consider user preferences when recommending fashion items. In this study, we introduce a graph-based model for look attribute preference modeling-specifically, a meta-path based heterogeneous graph deep learning model. This model utilizes outfit posts from social media to better understand user preferences. We gathered data from a representative online fashion community, Lookbook.nu, which includes 456,329 outfit images from 2,497 users, along with 328 extracted fashion attributes. A heterogeneous graph was created, with nodes representing users, item images, and fashion attributes.Using meta-path-based graph learning, we updated the multi-modal node features to reflect the relationships among the different node types. We then evaluated the effectiveness of our model in recommending fashion items based on user preferences. Our findings highlight the potential for analyzing personal preferences through social media posts to enhance recommender systems across various domains, including fashion.