Contextbewuste mode-aanbevelingen via beeldverwerking en conversationele taaltechnologie.

In een tijdperk van snel veranderende trends, worstelen mensen om een garderobe samen te stellen die past bij hun levensstijl en behoeften. Door de vele keuzemogelijkheden kost het tijd en moeite om uit te zoeken welke kleding te dragen en dus ook welke kleding te kopen of weg te gooien. Professionele stylisten kunnen ondersteuning bieden bij het aanpakken van deze uitdaging, maar hun diensten zijn voor de meeste klanten niet betaalbaar. Bovendien zijn veel bestaande mobiele toepassingen, die wel betaalbaar zijn, afhankelijk van menselijke inspanningen om zo'n garderobe samen te stellen. Aanbevelingssystemen kunnen dit marktsegment perfect opvullen; dergelijke systemen zijn echter meestal niet in staat om hun aanbevelingen toe te lichten. Gebruikers willen weten waarom de verstrekte aanbeveling is gegeven. Uitlegbare aanbevelingen zijn dan ook zeer gegeerd door gebruikers, omdat uitlegbaarheid de transparantie, overtuigingskracht, effectiviteit, betrouwbaarheid en tevredenheid van aanbevelingen voor gebruikers verbetert. In dit project willen we een context-bewust, meertalig en multimodaal aanbevelingssysteem ontwikkelen voor de modecompatibiliteit van kleding, versterkt met uitlegfunctionaliteit. Dit aanbevelingssysteem zal de kern vormen van een mobiele applicatie, aangevuld met een live chat interactie met klanten via een ingebouwde chatbot, die dagelijks modeadvies zal geven op basis van de huidige garderobe, het weer en de agenda van de klant. In het vervolgproject willen we de voorgestelde mobiele applicatie ontwikkelen om de technologie aan de b2c markt te leveren. Vervolgens zullen we een spin-off bedrijf opstarten om ons aanbevelingssysteem constant te verbeteren en nieuwe functies in onze applicatie te implementeren.

Trefwoorden:MODE, ARTIFICIËLE INTELLLIGENTIE (AI)

Disciplines:Computervisie, Informatie retrieval en web search, Computationele linguïstiek