Polyvore时尚数据集完整使用指南：从数据加载到实战应用的5个关键步骤

Polyvore时尚数据集完整使用指南：从数据加载到实战应用的5个关键步骤

【免费下载链接】polyvore-datasetDataset used in paper "Learning Fashion Compatibility with Bidirectional LSTMs"项目地址: https://gitcode.com/gh_mirrors/po/polyvore-dataset

Polyvore数据集是一个专门用于时尚搭配研究的大规模数据集，包含了来自Polyvore.com的21,889套服装搭配。本指南将带你从零开始，快速掌握这个数据集的使用方法。

快速上手：环境配置与数据准备

一键获取数据集

首先克隆项目仓库：

git clone https://gitcode.com/gh_mirrors/po/polyvore-dataset cd polyvore-dataset

解压核心数据文件

数据集的核心内容存储在polyvore.tar.gz压缩包中，解压后即可获得完整的训练、验证和测试数据：

tar -xzf polyvore.tar.gz

深度探索：数据结构解析

数据集构成概览

• 训练集：17,316套服装搭配，存储在train_no_dup.json
• 验证集：1,497套服装搭配，存储在`valid_no_dup.json
• 测试集：3,076套服装搭配，存储在test_no_dup.json

单套服装数据结构

每套服装都包含丰富的元数据信息：

{ "set_id": "唯一标识符", "name": "搭配名称", "items": [ { "index": "在搭配中的位置", "name": "单品描述", "price": "价格信息", "categoryid": "类别ID" } ] }

类别映射系统

category_id.txt文件提供了完整的类别ID与名称映射关系，包含从服装到配饰的400多个类别：

• 服装类：连衣裙、上衣、外套等
• 鞋履类：靴子、高跟鞋、平底鞋等
• 配饰类：包包、珠宝、太阳镜等

实战应用：典型使用场景

数据加载示例

使用Python加载训练数据：

import json with open('train_no_dup.json', 'r') as f: train_data = json.load(f) # 查看第一套服装信息 first_outfit = train_data[0] print(f"搭配名称：{first_outfit['name']}") print(f"包含单品数量：{len(first_outfit['items'])}")

特征提取方法

从单品信息中提取关键特征：

def extract_features(outfit): features = { 'item_count': len(outfit['items']), 'categories': [item['categoryid'] for item in outfit['items']], 'price_range': [item.get('price', 0) for item in outfit['items']] } return features

进阶技巧：高级功能应用

填空式时尚推荐

数据集提供了fill_in_blank_test.json文件，专门用于评估填空式推荐算法：

with open('fill_in_blank_test.json', 'r') as f: blank_test = json.load(f) # 处理推荐问题 for question in blank_test: items = question['question'] answers = question['answers'] correct_answer = answers[0] # 第一个答案是正确的

时尚兼容性预测

fashion_compatibility_prediction.txt文件包含约7,000套服装的兼容性标签：

• 兼容搭配：3,000套
• 不兼容搭配：4,000套

数据处理最佳实践

1. 数据清洗：过滤掉非时尚类别的单品
2. 特征工程：结合类别信息和价格信息
3. 模型训练：使用双向LSTM等序列模型

常见问题与解决方案

图像数据获取

由于Polyvore网站已被收购，原始图像链接已失效。但可以通过Kaggle上的非官方页面获取相关图像数据。

数据更新说明

数据集抓取于2017年2月19日，通过"date"字段可以估算每套搭配的确切上传时间。

通过本指南的五个关键步骤，你可以快速上手Polyvore数据集，并在时尚推荐、搭配兼容性预测等研究领域开展深入探索。

【免费下载链接】polyvore-datasetDataset used in paper "Learning Fashion Compatibility with Bidirectional LSTMs"项目地址: https://gitcode.com/gh_mirrors/po/polyvore-dataset