earticle

영어

Current clothing shopping malls and search platforms are keyword-oriented search. In addition, it is a system in which people had to input the information on clothing one by one and write the name and description of the product themselves. There is a need for a platform that can automate such a current clothing search system and search for sentence units rather than keyword-oriented. In this study, we intend to minimize manpower resources and repetitive work by implementing automation of clothing product description and sentence search in online shopping malls. To this end, we implement a web service that recommends three clothes with the most similar captions when a user queries in sentence units using an image capping model implemented by deep learning and natural language processing. Neuraltalk2, a model in which CNN and RNNs appear continuously for caption generation, are used, and vector similarity is used to learn using Korean morpheme analysis techniques, and based on this, inference results are developed to be serviced on the web. The developed service can be expanded to a technology that can recommend even subtle feelings that can be expressed in user sentences if various data are added.

한국어

현재의 의류 쇼핑몰이나 검색 플랫폼은 키워드 중심의 검색 위주이다. 또한 의류의 정보를 사람이 일일이 입력하여 상품의 이름과 설명을 직접 작성해야 하는 시스템이다. 이러한 현재의 의류 검색 시스템을 자동화하고 키워드 중심이 아닌 문장 단위 검색이 가능한 플랫폼이 요구되는 실정이다. 본 연구에서 온라인 쇼핑몰의 의류 상품 설명 자동화와 문장 검색을 구현함으로써 인력 자원과 반복 작업을 최소화하고자 한다. 이를 위해 딥러닝으로 구현된 이미지 캡셔닝 모델과 자연어 처리를 이용하여 사용자가 문장 단위로 질의하면 캡션이 가장 유사한 의류 3벌을 추천해주는 웹 서비스를 구현한다. CNN과 캡션 생성을 위한 RNN이 연속적으로 나타나는 모델인 Neuraltalk2을 활용하였고, 한국어 형태소 분석 기법을 이용하여 벡터 유사도를 활용하여 학습하였으며 이를 기반으로 추론 결과를 웹으로 서비스할 수 있도록 개발하였다. 개발된 서비스는 다양한 데이터를 추가한다면 사용자의 문장으로 표현 가능한 미묘한 느낌까지 추천이 가능한 기술로 확장이 가능하다.