[논문]지능형 패션 코디네이션 시스템에서 유사의류 추천방법

김정인

문제 정의

실제로 이와 같은 다양한 코디 방법이 사용되고 있으나, 기존의 패션 코디네이션시스템에 대한 연구는 3D 인체모델 기반으로 웹상에서 옷을 입혀보면서 사용자가 코디네이션 하는 형태가 주를 이룬다[11, 12]. 본 논문에서는 의류에 속성을 부여하는 방식과 부여된 속성값을 계산하여 의류 간의 유사도를 찾아내는 방법으로 유사의류를 추천하는 방식을 제안한다.
하지만 대부분의 쇼핑몰들은 아직도 카테고리에 의한 상품 분류를 제외하면 특정한 의류를 찾을 수 있는 기능이 포함되어 있지 않아 사용자들이 불편을 겪고 있다. 본 연구에서는 여성복의 패션 코디네이션 시스템 구축 시 내용 기반의 방식 중 휴리스틱 기반 방식으로 시스템을 구축하기 위해 여성복의 특성을 가장 잘 나타낼 수 있는 속성을 상속관계로 정의하고, 상품 관리자가 속성 값을 입력할 수 있도록 하였다. 또한 어떤 의류를 선택한 후에 가장 유사한 의류를 찾기 위한 3가지 방법을 소개하고 비교 분석하였다.
본 연구에서는 여성복의 패션 코디네이션 시스템구축을 위해 여성복의 특성을 가장 잘 나타낼 수 있는 속성을 정의하고, 내용 기반 필터링 방식을 이용하여 가장 유사한 의류를 찾아내는 방법과 그에 따른 알고리즘을 작성하여, 어떤 의류를 선택한 후 가장 유사한 의류를 추천할 수 있도록 시스템을 구축하고 그 결과를 분석하였다. 각 속성의 분류와 속성에 사용된 속성값의 지정은 유사한 의류를 찾아내는데 결정적인 역할을 담당하지만, 어떤 분류방법과 속성 값이 가장 적절한지는 경험을 통해서 꾸준히 조절해나가야 하며, 차후 연구주제로 다루기로 한다.

제안 방법

우선 모든 여성복의 공통속성으로 소재와 문양, 색상을 정의하였다. 그 후, 상의(쟈켓, 블라우스, 셔츠)와 흐}의(팬츠, 스커트)에 대한 각각의 속성은 따로 분류하였으며, 상의의 공통속성은 옷깃 (칼라), 소매의 길이, 기장(전체길이)으로 구분하였고 재킷과 블라우스는 추가적인 속성을 정의하였다. 재킷은 버튼의 수와 소매모양을, 블라우스는 소매 모양을 들 수 있다.
본 연구에서는 프로토타입 제작을 위해 시스템 개발시 파급 효과가 가장 큰 분야인 여성복을 도메인으로 선택하였다. 그리고 효과적인 속성 분류를 위해 3명의 의류 전문가와 함께 옷의 특징을 가장 잘 나타낼 수 있는 속성과 속성 값을 정의하였다.
본 연구에서는 여성복의 패션 코디네이션 시스템 구축 시 내용 기반의 방식 중 휴리스틱 기반 방식으로 시스템을 구축하기 위해 여성복의 특성을 가장 잘 나타낼 수 있는 속성을 상속관계로 정의하고, 상품 관리자가 속성 값을 입력할 수 있도록 하였다. 또한 어떤 의류를 선택한 후에 가장 유사한 의류를 찾기 위한 3가지 방법을 소개하고 비교 분석하였다. 특히, 단순히 속성의 동일성만을 계산하는 두 가지 방법과는 달리 속성값의 거리를 계산하여 유사도를 구하는 방법을 제안하였고 그 결과를 같이 분석해 보았다.
본 시스템에서 제안하는 유사의류 추천방법은 속성값을 세밀하게 잘 지정하여야 한다. 같은 속성 속에서도 비슷한 속성일수록 그 속성 값의 차이가 적도록 설계하여야 유사한 의류를 찾아낼 때, 속성값의 계산량으로 사용할 수 있게 된다.
소재는 옷을 만드는 재료를 나타내며 모든 옷의 공통 속성에 해당하고 원료섬유의 특징, 제직방법, 원단가공법 등에 따라 다양하게 분류될 수 있으나, 궁극적으로 본 시스템은 의류쇼핑몰에서도 특히 패션 코디네이션에 초점을 맞추었으므로 시각적으로 보이는 질감에 기준을 두어 분류하였다. 면, 마, 데님, 모피, 캐시미어, 알파카, 새틴, 쉬폰, 벨벳, 가조 실크, 레이스, 레이온, 나일론, 폴리에스테르, 폴리우레탄 등으로 분류되며 이들을 적당히 혼합한 형태의 소재도 많이 있다.
식 (3)은 속성 값의 차이만큼 그 정도를 반영하여 유사도를 계산하도록 개선한 것이다. 속성 값의 거리 만큼 유사도에 반영하기 위하여 차의 제곱 값을 구하였다. 이는 두 가지 이상에서 속성 값이 조금 차이 나는 경우와 한 가지에서 속성 값이 크게 차이가 나는 경우 속성 값이 크게 차이나는 경우를 더욱 유사하지 않다고 판정하는데 알맞은 방식으로 사용된다.
4.2 의류 간의 속성 값 계산 실험

실제 의류의 유사한 정도를 파악하기 위하여 하나의 기준 셔츠를 두고 모양이나 색상 등이 다른 5개의 티셔츠를 대상으로 유사도를 측정하였다. 현실감을 높이기 위하여 인터넷 상에서 판매되고 있는 의류로 골랐으며 [13, 14], 위의 3가지 수식으로 계산한 결과를 보이도록 한다.
유사 의류 추천 시스템을 구축하고자 정의한 속성을 정리하면 다음과 같다. 우선 모든 여성복의 공통속성으로 소재와 문양, 색상을 정의하였다. 그 후, 상의(쟈켓, 블라우스, 셔츠)와 흐}의(팬츠, 스커트)에 대한 각각의 속성은 따로 분류하였으며, 상의의 공통속성은 옷깃 (칼라), 소매의 길이, 기장(전체길이)으로 구분하였고 재킷과 블라우스는 추가적인 속성을 정의하였다.
위와 같은 의류의 다양한 속성을 표현하기 위하여, 본 시스템에서는 여성복의 특징을 핵심속성, 보통 속성, 상세속성으로 나누었다. 핵심속성은 색상, 문양, 소재, 기장 속성이며 시각적으로 가장 크게 차이를 체감할 수 있는 속성이다.
시스템이다. 이를 위하여 여성복을 아이템별로 그룹화 하였으며, 상의는 재킷, 블라우스, 셔츠로 구분하고 하의는 팬츠와 스커트로 구분하였다. 유사 의류 추천 시스템을 구축하고자 정의한 속성을 정리하면 다음과 같다.
또한 어떤 의류를 선택한 후에 가장 유사한 의류를 찾기 위한 3가지 방법을 소개하고 비교 분석하였다. 특히, 단순히 속성의 동일성만을 계산하는 두 가지 방법과는 달리 속성값의 거리를 계산하여 유사도를 구하는 방법을 제안하였고 그 결과를 같이 분석해 보았다. 컴퓨터가 속성 값 계산에 의해서 유사한 의류를 추천할 수 있다는 것은 패션 코디 쇼핑몰을 지능형으로 발전시킬 수 있는 계기가 되며, 이를 응용하면 컴퓨터가 어떤 상의에 대하여 어울리는 하의를 추천할 수 있는 지능형 쇼핑몰로 발전할 수 있다.
현실감을 높이기 위하여 인터넷 상에서 판매되고 있는 의류로 골랐으며 [13, 14], 위의 3가지 수식으로 계산한 결과를 보이도록 한다. 실험1의 데이터로 사용된 그림 3 은 유사한 옷들이 2그룹으로 구별되도록 구성하였다.

대상 데이터

본 연구에서는 프로토타입 제작을 위해 시스템 개발시 파급 효과가 가장 큰 분야인 여성복을 도메인으로 선택하였다. 그리고 효과적인 속성 분류를 위해 3명의 의류 전문가와 함께 옷의 특징을 가장 잘 나타낼 수 있는 속성과 속성 값을 정의하였다.
블라우스를 제외하면 다른 종류의 옷들에 공통적으로 적용되는 속성이다. 상의는 대체로 가슴선길이, 허리선 길이, 엉덩이 길이, 엉덩이 아래 길이, 무릅길이, 발목 길이로 나뉘어 진다. 하의는 팬츠와 스커트에 따라 다양한 형태의 길이가 존재하며, 본 시스템에 적용하기 위한 속성을 정리하여 표 6에 나타낸다.

성능/효과

이미지 코디는 크게 캐주얼, 모던, 로맨틱, 내추럴, 엘레강스, 댄디 등으로 나눌 수 있으며 각각의 테마에 따른 의상 및 액세서리의 색상, 아이템, 소재 등을 다양하게 코디 하여 분위기를 연출한다. 넷째, 아이템에 따른 코디네이션은 스커트, 블라우스, 쟈켓, 코트, 스웨 터 등의 각종 의상 아이템을 상하로 코디 하는 방법으로 단품 위주의 경제적이고 저렴한 구매로 각자의 개성과 분위기를 연출할 수 있다. 다섯째, 소재에 따른 코디네이션은 각 소재가 가지고 있는 고유한 질감, 패턴, 드레이프성 등을 고려하여 의상의 용도와 유행에 맞는 코디를 하는 방법으로 최근에는 가공기술의 발달로 색다른 합성섬유 및 특수첨단소재의 개발로 다양한 연출을 가능하게하고 있다.
어느 식도 육안으로 비슷하게 보이는 옷들에 대하여 유사하다고 판단한 것을 알 수 있다. 또한, 비슷하지 않은 그룹에 대해서도 유사도를 계산하였는데, 식1을 이용하면 A에 대하여 D와 F가 각각 45%의 유사도를 보였고 식2로도 똑같이 29%의 유사도를 보였다. 가장 유사하지 않은 옷으로는 식1, 식2의 유사도가 각각 27%, 18%를 보인 E를 골랐다.
즉, 3가지 식 모두 A, B, C를 비슷한 그룹으로, D, E, F는 다른 그룹으로 분리된 것을 알 수 있지만, 식1, 2보다 식3의 결과는 유사한 정도를 훨씬 정밀한 수치로 표현할 수 있었다.

후속연구

결과를 분석하였다. 각 속성의 분류와 속성에 사용된 속성값의 지정은 유사한 의류를 찾아내는데 결정적인 역할을 담당하지만, 어떤 분류방법과 속성 값이 가장 적절한지는 경험을 통해서 꾸준히 조절해나가야 하며, 차후 연구주제로 다루기로 한다.
추천한다. 그리고 이 상품을 사용한 소비자가 피드백(사용 만족도 및 후기)을 제공함으로써 다음번 추천을 위한 추가적인 데이터로 입력하여 사용할 수도 있다.
컴퓨터가 속성 값 계산에 의해서 유사한 의류를 추천할 수 있다는 것은 패션 코디 쇼핑몰을 지능형으로 발전시킬 수 있는 계기가 되며, 이를 응용하면 컴퓨터가 어떤 상의에 대하여 어울리는 하의를 추천할 수 있는 지능형 쇼핑몰로 발전할 수 있다. 향후 본 연구를 더욱 발전시켜 지능형 패션/코디 시스템을 완성해 나갈 예정이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

지능형 패션 코디네이션 시스템에서 유사의류 추천방법
A Recommendation Method of Similar Clothes on Intelligent Fashion Coordination System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

4.2 의류 간의 속성 값 계산 실험

대상 데이터

성능/효과

후속연구

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

지능형 패션 코디네이션 시스템에서 유사의류 추천방법 A Recommendation Method of Similar Clothes on Intelligent Fashion Coordination System 원문보기

초록 AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

4.2 의류 간의 속성 값 계산 실험

대상 데이터

성능/효과

후속연구

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

김정인 (22)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

지능형 패션 코디네이션 시스템에서 유사의류 추천방법
A Recommendation Method of Similar Clothes on Intelligent Fashion Coordination System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper