A Multimodal Retrieval-Based Framework for Popularity Prediction of Shein T-Shirts
Notice bibliographique
Résumé
Popularity analysis of fashion clothing items is important, as it provides valuable insights for fashion product design and market strategy development, ultimately fostering innovation and driving economic growth. Existing approaches primarily employ computer vision techniques to extract features from clean clothing product images for predicting market response, overlooking other influential factors that contribute to a product's popularity. Moreover, since they depend on high-dimensional and abstract visual features to predict item popularity, they are prone to overfitting and offer limited explainability. To address these challenges, we propose a multimodal retrieval-based framework for predicting clothing popularity, with a case study on fast-fashion SHEIN T-shirts. To be specific, we first design a set of fashion-related questions, which are used as prompts for ChatGPT to generate structured textual descriptions for each product. These descriptions, along with the corresponding product images, serve as inputs to a multimodal retrieval model, which returns the top-k most similar popular and unpopular items for each query product. Instead of using raw high-dimensional embeddings, we calculate similarity scores between the query product and the retrieved top-k popular and unpopular items. In addition to these similarity scores, we incorporate numerical features (e.g., price, discount level) and categorical features (e.g., color etc) to build a multi-factor popularity prediction model. Experimental results demonstrate the effectiveness of the proposed framework for popularity prediction of SHEIN T-shirts and indicate the relative importance of multiple factors in shaping product popularity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».