买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳盈天下视觉科技有限公司申请的专利一种基于人工智能的虚拟试衣个性化服装推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120146972B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510630350.4，技术领域涉及：G06Q30/0601；该发明授权一种基于人工智能的虚拟试衣个性化服装推荐方法是由曾宏;陈永新;邓生全;贝佳豪设计研发完成，并于2025-05-16向国家知识产权局提交的专利申请。

本一种基于人工智能的虚拟试衣个性化服装推荐方法在说明书摘要公布了：本发明公开了一种基于人工智能的虚拟试衣个性化服装推荐方法，包括如下步骤：S1、采集用户图像、文本描述与行为数据，生成多模态用户特征集；S2、构建多模态异构语义图谱，并进行结构建模与嵌入表示；S3、图谱嵌入与特征融合，构建正负样本对，进行语义对齐训练；S4、利用浣熊优化算法，优化网络结构参数与训练超参数；S5、计算语义匹配得分，生成推荐候选，输入体型参数，生成多角度虚拟试衣图像；S6、采集用户行为反馈，更新图谱边权与训练样本，执行闭环优化。本发明的作用是实现基于用户多模态特征与体型参数的个性化服饰推荐与虚拟试衣图像生成，构建推荐—试穿—反馈闭环，提升推荐准确性与用户体验。

本发明授权一种基于人工智能的虚拟试衣个性化服装推荐方法在权利要求书中公布了：1.一种基于人工智能的虚拟试衣个性化服装推荐方法，其特征在于，包括如下步骤： S1、采集用户的图像数据、文本描述数据以及用户的历史交互行为数据，生成多模态用户特征集； S2、构建多模态异构语义图谱，并对多模态异构语义图谱结构进行建模与嵌入表示； S3、从多模态异构语义图谱中提取用户节点与服饰节点的结构化嵌入向量，并将结构化嵌入向量和多模态用户特征集输入跨模态对比学习网络模型，通过构建正负样本对在共享嵌入空间中进行语义对齐训练； S4、通过浣熊优化算法对跨模态对比学习网络模型的结构参数与训练超参数进行优化，生成优化后的跨模态对比学习网络模型； S5、将优化后的跨模态对比学习网络模型应用于推荐任务中，计算用户与服饰之间的语义匹配度得分，生成推荐候选集合，将推荐候选集合与用户体型参数共同输入至虚拟试衣图像生成单元，结合服饰图像生成用户穿着推荐服饰的拟真图像，输出可交互的多角度试衣视图； S6、采集用户对试穿图像的行为反馈数据，生成用户行为反馈特征向量，用于更新多模态异构语义图谱中的边权值与跨模态对比学习网络的训练样本构成，周期性执行步骤S2至步骤S5，形成自适应迭代优化的闭环个性化推荐流程； 所述S2具体包括： S21、构建节点集合，包括用户节点、服饰节点以及服饰属性节点，所述用户节点用于表示具有个体标识的用户对象，服饰节点用于表示可推荐的目标服饰对象，服饰属性节点用于表示服饰的风格、颜色、季节和品牌的标签信息； S22、基于用户历史交互行为数据，建立用户节点与服饰节点之间的边关系，所述边关系用于表示用户与服饰之间存在点击、收藏、购买和试穿的行为关联； S23、基于服饰元数据与标签信息，建立服饰节点与服饰属性节点之间的边关系，所述边关系用于表示服饰所具备的风格、颜色和品牌的属性关联； S24、为构建的边关系设置初始边权值，边权值依据用户交互频次、行为类型和相似标签之间的关联强度进行设定，所述边权值用于推荐路径与图神经传播权重的调整； S25、采用异构图建模方法对所述多模态异构语义图谱进行结构建模，使各类节点间保留异构关系信息，同时建立完整的图结构表示； S26、基于图神经网络结构对多模态异构语义图谱进行嵌入表示，将多模态异构语义图谱中各类节点通过多层信息聚合机制编码为结构化嵌入向量，所述嵌入向量用于跨模态对比学习网络模型的输入。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳盈天下视觉科技有限公司，其通讯地址为：518000 广东省深圳市福田区福保街道保税区广兰道6号深装总大厦A座210-216室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。