ややこしいファッション用語のリレーションを構造化してAIに活用している、地道な裏話

Pocket

ファッション誌などを手に取ると、毎シーズンのように見なれない新出のキーワードを目にするのではないでしょうか。

ファッション分野には多様な用語が登場します。

色、柄、素材、丈感、シルエットのような属性情報の他、ブランド名やテイスト、スタイル名など多岐に渡ります。様々なメディアが「ファッション用語辞典」をコンテンツとして備えているほどです。

実はこのことがファッション領域のデータ分析を阻害する1つの要因となっています。

 

例えば「ミニ」という言葉は、バッグに紐づくと「サイズ感」について、スカートに紐づくと「丈感」について修飾します。

また「レオパード」という動物柄の一種に対して、関連語として「パイソン」や「ヒョウ柄」が挙げられます。「水玉」「ドット」のような類義語も数えられないほど。これらは同義語ではないものの、例えば「ポインテッドトゥ」などよりは距離の近い言葉として捉えられます。

 

同義語、類義語、言葉と言葉の関係性を加味できれば、データが意味するところをより少ないデータで、より正確に分析できるようになります。

分析の結果はECサイトの運用を効率化したり、MDに活用したり、パーソナライズにつなげたりと様々な切り口で事業の成長に役立てられます。

 

ニューロープはこれを実現するために、ファッション用語のリレーションを構造化しています。

下記は実際に作成しているデータの一部です。

ファッション用語1ファッション用語2

(例)グレンチェック
階層: 柄 > チェック柄 > グレンチェック
関連ワード:タータンチェック、ギンガムチェック、千鳥格子

 

ニューロープはファッションに特化することで、他社の汎用AIよりも高いパフォーマンスを出し続けることを目指しています。

とても地道な作業ではありますが、業界をテクノロジー面から支援するために、引き続き死ぬほどデータ整備にはコストをかけていきます!