Product exploration based on latent visual attributes
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F17%3A10366342" target="_blank" >RIV/00216208:11320/17:10366342 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1145/3132847.3133175" target="_blank" >http://dx.doi.org/10.1145/3132847.3133175</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1145/3132847.3133175" target="_blank" >10.1145/3132847.3133175</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Product exploration based on latent visual attributes
Popis výsledku v původním jazyce
In this demo paper, we present a prototype web application of a product search engine of a fashion e-shop. Although e-shop products consist of full-text description, relational attributes (e.g., price type, size, color, etc.) as well as visual information (product photo) traditional search engines in e-shops only provide full-text and relational attributes for product filtering. In our retrieval model we incorporate also the visual information into the search by extracting visual-semantic features using deep convolutional neural networks. Furthermore, visual exploration of the product space using the visual-semantic features (multi-example queries) is used to dynamically discover latent visual attributes that could enhance the original relational schema by fuzzy attributes (e.g., a floral pattern in product). In the demo, we show how these latent attributes could be used to recommend the user preferred products and even outfits (e.g., shoes, bag, jacket) that fit a certain visual style.
Název v anglickém jazyce
Product exploration based on latent visual attributes
Popis výsledku anglicky
In this demo paper, we present a prototype web application of a product search engine of a fashion e-shop. Although e-shop products consist of full-text description, relational attributes (e.g., price type, size, color, etc.) as well as visual information (product photo) traditional search engines in e-shops only provide full-text and relational attributes for product filtering. In our retrieval model we incorporate also the visual information into the search by extracting visual-semantic features using deep convolutional neural networks. Furthermore, visual exploration of the product space using the visual-semantic features (multi-example queries) is used to dynamically discover latent visual attributes that could enhance the original relational schema by fuzzy attributes (e.g., a floral pattern in product). In the demo, we show how these latent attributes could be used to recommend the user preferred products and even outfits (e.g., shoes, bag, jacket) that fit a certain visual style.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA17-22224S" target="_blank" >GA17-22224S: Analytika uživatelských preferencí v modelech multimediální explorace</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 2017 ACM on Conference on Information and Knowledge Management
ISBN
978-1-4503-4918-5
ISSN
—
e-ISSN
neuvedeno
Počet stran výsledku
4
Strana od-do
2531-2534
Název nakladatele
ACM
Místo vydání
New York
Místo konání akce
Singapore
Datum konání akce
6. 11. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—