一种出行方式及出行服装的推荐方法、装置及终端

摘要

本申请适用于计算机技术领域，提供了一种出行方式及出行服装的推荐方法、推荐装置、推荐终端及存储介质，包括：获取可供目标用户使用的出行工具以及目标用户当前拥有的衣服；根据当前的天气信息以及可供目标用户使用的出行工具确定与该天气信息匹配的待推荐出行方式；根据当前的天气信息以及目标用户当前拥有的衣服确定与该天气信息匹配的待推荐衣服；将待推荐出行方式以及待推荐衣服推荐给目标用户。这种推荐方法结合天气情况选出了与当前天气最匹配的出行方式和最适合本次出行的衣服，缩短了用户选择出行方式和挑选衣服的时间，提高了用户的生活质量和出行效率，为用户带来了更好的生活体验。

说明书

技术领域

本申请属于计算机技术领域，尤其涉及一种出行方式及出行服装的推荐方法、推荐装置、推荐终端及存储介质。

背景技术

日常用户出行之前，需要提前确认出行方式以及出行着装。通常，用户会通过手机查询天气相关的网站或者应用程序，根据查询到的天气情况在衣柜中选取合适该天气穿着的衣服，在挑选衣服过程中会耗费用户的大量时间，尤其对于选择困难症患者，会耽误更多的时间，而且常常会对衣服决定错误，导致用户出行后感觉太热或者太冷。同时，现有的出行方式推荐考虑不全面，不能为用户推荐最合适的出行方式。因此，急需一种出行方式及出行着装的精准推荐方法。

发明内容

有鉴于此，本申请实施例提供了一种出行方式及出行服装的推荐方法、推荐装置、推荐终端及存储介质，以解决现有的出行方式推荐考虑不全面，不能为用户推荐最合适的出行方式，同时用户出行前挑选衣服会浪费大量时间的问题。

本申请实施例的第一方面提供了一种出行方式及出行服装的推荐方法，包括：

获取可供目标用户使用的出行工具以及所述目标用户当前拥有的衣服；

根据当前的天气信息以及所述出行工具确定与所述天气信息匹配的待推荐出行方式；

根据所述天气信息以及所述衣服确定与所述天气信息匹配的待推荐衣服；

将所述待推荐出行方式以及所述待推荐衣服推荐给所述目标用户。

本申请实施例，根据当前的天气信息以及可供目标用户使用的出行工具确定与该天气信息匹配的待推荐出行方式；根据当前的天气信息以及目标用户当前拥有的衣服确定与该天气信息匹配的待推荐衣服；将待推荐出行方式以及待推荐衣服推荐给目标用户。这种推荐方法在出行方式中考虑到了用户可使用的所有交通工具，结合天气情况选出了与当前天气最匹配的出行方式，减少了用户选择出行方式的时间；且在衣服推荐过程中也结合了天气信息推荐给用户最适合本次出行的衣服，缩短了用户挑选衣服的时间。这种出行方式及出行服装的推荐方法为用户节省了大量时间，提高了用户的生活质量和出行效率，为用户带来了更好的生活体验。

可选地，所述根据当前的天气信息以及所述出行工具确定与所述天气信息匹配的待推荐出行方式，包括：

获取所述目标用户的出行信息，所述出行信息包括起点位置信息、终点位置信息以及出行时间；

基于所述出行信息、所述出行工具以及所述天气信息确定多种出行方式，并确定每种出行方式对应的推荐出行指数；

基于所述推荐出行指数确定所述待推荐出行方式。

可选地，所述基于所述出行信息、所述出行工具以及所述天气信息确定多种出行方式，并确定每种出行方式对应的推荐出行指数，包括：

基于所述起点位置信息以及所述终点位置信息，确定出行距离；

根据所述出行距离、所述出发时间以及所述天气信息，在所述出行工具中选取适合本次出行的至少两个目标出行工具；

基于所述目标出行工具生成多种出行方式，并计算每种出行方式所需的出行时长；

基于每种出行方式所需的出行时长以及数据库，确定所述每种出行方式对应的推荐出行指数；其中，所述数据库中预先存储有不同出行时长对应的不同推荐出行指数。

可选地，所述根据所述天气信息以及所述衣服确定与所述天气信息匹配的待推荐衣服，包括：

获取每件衣服对应的目标属性；所述目标属性包括衣服适宜穿着的季节与温度；

基于所述目标属性在每件衣服中选取与所述天气信息匹配的待推荐衣服。

可选地，所述获取每件衣服对应的目标属性包括：

获取每件衣服对应的特征向量；

将每个特征向量输入到已训练的衣服属性提取模型中进行处理，得到每件衣服对应的目标属性。

可选地，所述推荐方法还包括：

获取训练样本集；所述训练样本集包括多个样本衣服对应的样本特征向量，以及每个样本衣服对应的样本属性；

基于所述训练样本集对初始衣服属性提取网络进行训练，并基于训练结果更新所述初始衣服属性提取网络的参数；

当所述初始衣服属性提取网络对应的损失函数收敛时，得到所述已训练的衣服属性提取模型。

可选地，所述推荐方法还包括：

将每件衣服对应的目标属性以及所述衣服属性提取模型上传至区块链中。

本申请实施例的第二方面提供了一种出行方式及出行服装的推荐装置，包括：

获取单元，用于获取可供目标用户使用的出行工具以及所述目标用户当前拥有的衣服；

第一确定单元，用于根据当前的天气信息以及所述出行工具确定与所述天气信息匹配的待推荐出行方式；

第二确定单元，用于根据所述天气信息以及所述衣服确定与所述天气信息匹配的待推荐衣服；

推荐单元，用于将所述待推荐出行方式以及所述待推荐衣服推荐给所述目标用户。

本申请实施例的第三方面提供了一种出行方式及出行服装的推荐终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面所述的出行方式及出行服装的推荐方法的步骤。

本申请实施例的第四方面提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的出行方式及出行服装的推荐方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在出行方式及出行服装的推荐终端上运行时，使得出行方式及出行服装的推荐终端执行上述第一方面所述的出行方式及出行服装的推荐方法的步骤。

本申请实施例提供的一种出行方式及出行服装的推荐方法、推荐装置、推荐终端及存储介质，具有以下有益效果：

本申请实施例，根据当前的天气信息以及可供目标用户使用的出行工具确定与该天气信息匹配的待推荐出行方式；根据当前的天气信息以及目标用户当前拥有的衣服确定与该天气信息匹配的待推荐衣服；将待推荐出行方式以及待推荐衣服推荐给目标用户。这种推荐方法在出行方式中考虑到了用户可使用的所有交通工具，结合天气情况选出了与当前天气最匹配的出行方式，减少了用户选择出行方式的时间；且在衣服推荐过程中也结合了天气信息推荐给用户最适合本次出行的衣服，缩短了用户挑选衣服的时间。这种出行方式及出行服装的推荐方法为用户节省了大量时间，提高了用户的生活质量和出行效率，为用户带来了更好的生活体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种出行方式及出行服装的推荐方法的示意流程图；

图2为本申请另一实施例提供的一种出行方式及出行服装的推荐方法的示意流程图；

图3为本申请又一实施例提供的一种出行方式及出行服装的推荐方法的示意流程图；

图4为本申请再一实施例提供的一种出行方式及出行服装的推荐方法的示意流程图；

图5是本申请一实施例提供的一种出行方式及出行服装的推荐装置的示意图；

图6是本申请另一实施例提供的一种出行方式及出行服装的推荐终端的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

日常用户出行之前，需要提前确认出行方式以及出行着装。通常，用户会通过手机查询天气相关的网站或者应用程序，根据查询到的天气情况在衣柜中选取合适该天气穿着的衣服，在挑选衣服过程中会耗费用户的大量时间，尤其对于选择困难症患者，会耽误更多的时间，而且常常会对衣服决定错误，导致用户出行后感觉太热或者太冷。同时，现有的出行方式推荐考虑不全面，不能为用户推荐最合适的出行方式。因此，急需一种出行方式及出行着装的精准推荐方法。

有鉴于此，本申请提供了一种出行方式及出行服装的推荐方法，该方法中，获取可供目标用户使用的出行工具以及目标用户当前拥有的衣服；根据当前的天气信息以及可供目标用户使用的出行工具确定与该天气信息匹配的待推荐出行方式；根据当前的天气信息以及目标用户当前拥有的衣服确定与该天气信息匹配的待推荐衣服；将待推荐出行方式以及待推荐衣服推荐给目标用户。这种推荐方法在出行方式中考虑到了用户可使用的所有交通工具，结合天气情况选出了与当前天气最匹配的出行方式，减少了用户选择出行方式的时间，避免用户自主选择不恰当的方式出行，造成不必要的麻烦；且在衣服推荐过程中也结合了天气信息推荐给用户最适合本次出行的衣服，缩短了用户挑选衣服的时间。这种出行方式及出行服装的推荐方法为用户节省了大量时间，提高了用户的生活质量和出行效率，为用户带来了更好的生活体验。

请参见图1，图1是本发明实施例提供的一种出行方式及出行服装的推荐方法的示意流程图。本实施例中出行方式及出行服装的推荐方法的执行主体为推荐终端，推荐终端包括但不限于智能手机、平板电脑、计算机、个人数字助理(Personal Digital Assistant，PDA)等移动终端，还可以包括台式电脑、服务器等终端。如图1所示的出行方式及出行服装的推荐方法可包括S101～S104，具体如下：

S101：获取可供目标用户使用的出行工具以及目标用户当前拥有的衣服。

可供目标用户使用的出行工具是指任意一种或多种可供该目标用户使用的交通工具。例如，该出行工具可以包括自行车、电动车、摩托车、轿车、共享单车、共享电动车、共享汽车、公交车、地铁、高铁、火车、动车、船、飞机、出租车、滴滴等。值得说明的是，出行工具还可以包括步行。

示例性地，可通过推荐终端中安装的应用程序获取可供目标用户使用的出行工具，例如，目标用户预先在该应用程序中录入可供其使用的出行工具，可直接采集该应用程序中的相关数据，得到该出行工具。也可以获取该目标用户当前所处的位置，以该位置为中心，搜索并获取附近可供该目标用户使用的出行工具。还可以在应用程序中展示多个出行工具选项，由目标用户勾选其可以使用的出行工具，推荐终端获取目标用户勾选的出行工具。

示例性地，可通过应用程序获取目标用户当前拥有的衣服。该应用程序中存储有每个目标用户对应的衣服查询表，该衣服查询表中存储有目标用户拥有的所有衣服。通过提取该目标用户对应的衣服查询表中的所有衣服信息，得到目标用户当前拥有的衣服。可选地，该衣服查询表可及时更新目标用户当前拥有的所有衣服。例如，当目标用户购买了新衣服时，可将新衣服的图片、厚度、材质、类型等信息上传至该应用程序中，将新衣服添加至该目标用户的衣服查询表中。当用户舍弃了某件其曾经拥有的衣服时，可主动在该衣服查询表中删除该件衣服。

S102：根据当前的天气信息以及出行工具确定与该天气信息匹配的待推荐出行方式。

预先获取当前的天气信息。当前的天气信息可以包括当前温度、当前空气湿度、当前天气状态(晴天、多云、小雨、小雪、大雨等)、当前所属季节(春季、夏季、秋季、冬季)等。具体地，可通过推荐终端上安装的天气查询软件获取当前天气信息，也可以在网络中搜索当前的天气信息。

根据当前的天气信息，在可供目标用户使用的出行工具中选取适合当前天气出行的目标出行工具，并将基于该目标出行工具出行的方式作为与该天气信息匹配的待推荐出行方式。例如，可供目标用户使用的出行工具为自行车、电动车、公交车，当前的天气信息为大雨，则适合当前天气出行的目标出行工具为公交车，将基于公交车出行的方式作为与该天气信息匹配的待推荐出行方式。

若适合当前天气出行的目标出行工具有多个，则依据每种目标出行工具都生成一种待推荐出行方式。例如，可供目标用户使用的出行工具为自行车、电动车、公交车、地铁，当前的天气信息为大雨，则适合当前天气出行的目标出行工具为公交车和地铁，将基于公交车出行的方式作为与该天气信息匹配的待推荐出行方式，同时，将基于地铁出行的方式作为与该天气信息匹配的待推荐出行方式。

请参见图2，图2为本申请另一实施例提供的一种出行方式及出行服装的推荐方法的示意流程图。可选地，在一种可能的实现方式中，考虑到目标用户的位置信息、出行时间等因素，基于这些因素以及当前的天气信息，为目标用户推荐出行方式。示例性地，在该种实现方式中，上述S102可以包括S1021～S1023，具体如下：

S1021：获取目标用户的出行信息，该出行信息包括起点位置信息、终点位置信息以及出行时间。

示例性地，可通过推荐终端中安装的应用程序获取目标用户的出行信息，也可以由目标用户在应用程序的输入界面中输入出行信息，获取该目标用户输入的出行信息。该出行信息包括起点位置信息(当前目标用户所处的位置，或目标用户预设的想要出发的起点位置)、终点位置信息(目标用户想要到达的目的地)、出发时间(可以是当前时间，也可以是目标用户预设的出发时间)。出行信息还可以包括目标用户倾向的出行工具、出行天气、出行人数等。

S1022：基于该出行信息、该出行工具以及天气信息确定多种出行方式，并确定每种出行方式对应的推荐出行指数。

根据出行信息中的起点位置信息、终点位置信息以及出发时间，确定适用于当前的天气信息出行的多种出行方式，计算每种出行方式对应的推荐出行指数。具体地，可先根据当前的天气信息初步筛选出适合本次出行的所有出行工具。基于起点位置信息以及终点位置信息，确定出行距离；根据出行距离以及出发时间，在初步筛选的出行工具中选取适合本次出行的至少两个目标出行工具；基于目标出行工具生成多种出行方式，并计算每种出行方式所需的出行时长、费用以及换乘次数；针对每种出行方式，基于该出行方式对应的出行时长、第一预设权重值、出行方式对应的费用、第二预设权重值、出行方式对应的换乘次数以及第三预设权重值，计算该出行方式对应的推荐出行指数。

例如，当前的天气信息为大雨或者大雪，则排除自行车、共享单车、电动车、摩托车等这些出行工具。根据起点位置信息以及终点位置信息可计算出本次的出行距离，根据出行距离、出发时间在初步筛选后的出行工具中选取适合本次出行的至少两个目标出行工具。例如，出行距离大于预设距离阈值，出发时间刚好与某个动车的发车时间匹配，则可选取动车、公交车等作为适合本次出行的目标出行工具。

根据选取的目标出行工具生成多种出行方式。当一种目标出行工具可完成此次出行时，该目标出行工具就对应一种出行方式；当需要两个或两个以上的目标出行工具配合完成此次出行时，共同配合完成出行的目标出行工具对应一种出行方式。例如，出行方式可以为乘坐地铁、乘坐公交车、公交车换乘地铁、地铁换乘公交车、公交车结合步行、自行车结合地铁等。

确定每种出行方式所需的费用。例如，若本次出行使用的出行工具为地铁，则计算本次出行乘坐地铁所需的费用；若本次出行使用的出行工具为公交车，则计算本次出行乘坐公交车所需的费用。若本次出行为步行或者骑目标用户所拥有的自行车，则本次出行所需的费用记为零。此处仅为示例性说明，对此不做限定。

确定每种出行方式所需的换乘次数。例如，本次出行需要换成地铁三次，则将换乘次数记为3；若本次出行需要换乘公交两次，则将换乘次数记为2。此处仅为示例性说明，对此不做限定。

第一预设权重值与出行时长对应，费用与第二预设权重值对应，换乘次数以与第三预设权重值对应。第一预设权重值、第二预设权重值以及第三预设权重值的数值可由用户预先设定，根据用户不同的喜好可随时调整各个权重值的比重。

获取出行时长对应的第一预设权重值、费用对应的第二预设权重值、换乘次数对应的第三预设权重值以及预设公式，计算每种出行方式对应的推荐出行指数。

预设公式如下：

S＝α*1/m

上述(1)式中，S为某种出行方式对应的推荐出行指数；a、b、c分别表示第一预设权重值、第二预设权重值、第三预设权重值；m

S1023：基于推荐出行指数确定待推荐出行方式。

根据计算得到的每个出行方式对应的推荐出行指数对适用于本次出行的多种出行方式进行排序。示例性地，按照从大到小的方式基于每个推荐出行指数对多种出行方式进行排序，得到第一排序结果；也可以按照从小到大的方式基于每个推荐出行指数对多种出行方式进行排序，得到第二排序结果。若得到的是第一排序结果，则在该第一排序结果中选取排序第一的出行方式，将该出行方式标记为待推荐出行方式。可选地，在一种可实现的方式中，也可在该第一排序结果中选取排序前若干个出行方式作为待推荐出行方式。若得到的是第二排序结果，则在该第二排序结果中选取排序最后的出行方式，将该出行方式标记为待推荐出行方式。可选地，在一种可实现的方式中，也可在该第二排序结果中选取排序后若干个出行方式作为待推荐出行方式。此处仅为示例性说明，对此不做限定。

本实施方式中，基于多种因素确定待推荐出行方式，考虑全面周到，满足用户的多种需求，提升了用户体验。

请参见图3，图3为本申请又一实施例提供的一种出行方式及出行服装的推荐方法的示意流程图。可选地，在一种可能实现的方式中，上述步骤S1022可以包括S10221～S10224，具体如下：

S10221：基于所述起点位置信息以及所述终点位置信息，确定出行距离。

示例性地，可通过推荐终端中安装的应用程序计算起点位置信息到终点位置信息所对应的出行距离。

S10222：根据所述出行距离、所述出发时间以及所述天气信息，在所述出行工具中选取适合本次出行的至少两个目标出行工具。

根据出行距离、出发时间以及天气信息确定本次出行该目标用户可以使用哪些目标出行工具。例如，若出行距离大于预设距离阈值和/或天气信息为大雨，则出行工具不适宜选择自行车、共享单车等，此时可将公交车、出租车作为目标出行工具；若出发时间太晚，某些地铁、公交车已经停运，则出行工具不适宜选择地铁、公交车等，此时可将出租车、私家车、滴滴等作为目标出行工具。此处仅为示例性说明，对此不做限定。其中，预设距离阈值由用户设定，用于与出行距离比较，比较结果可作为选择出行工具的参考项。

S10223：基于所述目标出行工具生成多种出行方式，并计算每种出行方式所需的出行时长。

根据选取的目标出行工具生成多种出行方式。当一种目标出行工具可完成此次出行时，该目标出行工具就对应一种出行方式；当需要两个或两个以上的目标出行工具配合完成此次出行时，共同配合完成出行的目标出行工具对应一种出行方式。多种出行方式中可以包括步行、乘坐地铁、乘坐公交、开车、出租车、骑自行车、地铁与步行结合、多号线地铁换乘、公交与地铁换乘、多路公交换乘、骑自行车与地铁结合等等。并基于应用程序计算每种出行方式所需的时长。

S10224：基于每种出行方式所需的出行时长以及数据库，确定所述每种出行方式对应的推荐出行指数；其中，所述数据库中预先存储有不同出行时长对应的不同推荐出行指数。

数据库中预先存储有不同出行时长对应的不同推荐出行指数。计算得到适用于本次出行的每种出行方式所需的时长后，根基各个时长，在数据库中查找各个时长对应的推荐出行指数，得到每种出行方式对应的推荐出行指数。例如，出行时长为30分钟，对应的推荐出行指数为8；出行时长为50分钟，对应的推荐出行指数为6；出行时长为60分钟，对应的推荐出行指数为5。通常出行时长越长，推荐出行指数越低，此处仅为示例性说明，对此不做限定。

S103：根据天气信息以及衣服确定与该天气信息匹配的待推荐衣服。

在目标用户当前拥有的衣服中选取与当前的天气信息匹配的衣服作为待推荐衣服。例如，获取目标用户当前拥有的每件衣服对应的材质、适宜穿着的温度等信息，再根据当前的天气信息包含的温度和季节，选择合适的衣服作为待推荐衣服。

请参见图4，图4为本申请再一实施例提供的一种出行方式及出行服装的推荐方法的示意流程图。可选地，在一种可能实现的方式中，上述步骤S103可以包括S1031～S1032，具体如下：

S1031：获取每件衣服对应的目标属性；所述目标属性包括衣服适宜穿着的季节与温度。

目标属性包括衣服适宜穿着的季节与温度。示例性地，可以是基于已训练的衣服属性提取模型提取每件衣服对应的目标属性，例如，获取每件衣服对应的特征向量，将每件衣服对应的特征向量分别输入到已训练的衣服属性提取模型中进行处理，得到每件衣服对应的目标属性。也可以是获取每件衣服的图片，根据该图片在网络中搜索同款，并根据搜索到的同款在网络中获取该衣服的详细信息，根据该详细信息确定该衣服对应的目标属性。其中，该详细信息可以包括该衣服的面料、材质、厚度、总重量、类型、适宜穿着的季节、适宜穿着的温度、该衣服对应的穿搭等。

S1032：基于目标属性在每件衣服中选取与天气信息匹配的待推荐衣服。

当前的天气信息可以包括当前温度、当前空气湿度、当前天气状态、当前所属季节等信息，根据每件衣服对应的目标属性，可在目标用户当前拥有的所有衣服中选取出与当前的天气信息最匹配的衣服，并将选取出的衣服作为待推荐衣服。例如在所有衣服中选取出最符合当前季节以及最符合当前温度的衣服作为待推荐衣服。对待推荐衣服的数量不做限定，可以为一件也可以为多件，以实际推荐结果为准，对此不做限定。例如，待推荐衣服可以为一件连衣裙，也可以是一件毛衣与一件牛仔裤，还可以是一件大衣等。

示例性地，若当前温度为16度，当前所属季节为秋季，在每件衣服对应的目标属性中，有某件毛衣对应的适宜穿着的季节为秋季，适宜穿着的温度为12度至18度，某条牛仔裤对应的适宜穿着的季节为秋季，适宜穿着的温度为13度至17度；此时，可将该毛衣以及该牛仔裤标记为待推荐衣服。示例性地，若当前温度为零下12度，当前所属季节为冬季，在每件衣服对应的目标属性中，有某件羽绒服对应的适宜穿着的季节为冬季，适宜穿着的温度为零下15度至零下10度；此时，可将该羽绒服标记为待推荐衣服。

可选地，在一种可实现的方式中，基于每件衣服对应的目标属性，若选取出多件均与天气信息匹配的衣服时，可将选取出的多件衣服均作为待推荐衣服，也可在多件衣服中任选一件或者两件作为待推荐衣服。示例性地，若当前温度为零下12度，当前所属季节为冬季，在每件衣服对应的目标属性中，有某件羽绒服对应的适宜穿着的季节为冬季，适宜穿着的温度为零下15度至零下10度，同时还有一件大衣对应的适宜穿着的季节为冬季，适宜穿着的温度为零下15度至零下10；此时，可将该羽绒服以及该大衣均标记为待推荐衣服，也可在大衣与羽绒服中任选一件标记为待推荐衣服。此处仅为示例性说明，对此不做限定。

可选地，在一种可能实现的方式中，上述步骤S1032可以包括S10311～S10312，具体如下：

S10311：获取每件衣服对应的特征向量。

该特征向量可以包括每件衣服对应的材质、衣服总重量、衣服类型等。可选地，在一种可实现的方式中，获取每件衣服对应的标识码，该标识码可以为每件衣服在制造生产时被配置的二维码、条形码等。识别该标识码得到该衣服的详细信息，在该详细信息中提取该衣服对应的特征向量。也可以通过预设的特征向量提取模型提取每件衣服的特征向量。

S10312：将每个特征向量输入到已训练的衣服属性提取模型中进行处理，得到每件衣服对应的目标属性。

针对每件衣服，将该件衣服对应的特征向量输入到已训练的衣服属性提取模型中进行处理，得到该件衣服对应的目标属性。通过衣服属性提取模型中的卷积层和采样层对该特征向量再次进行二次特征提取，通过衣服属性提取模型中的全连接层对二次特征提取得到的特征向量进行分类，得到该件衣服对应的目标属性。

S104：将所述待推荐出行方式以及所述待推荐衣服推荐给所述目标用户。

将S102中确定的待推荐出行方式以及S103中确定的待推荐衣服推荐给该目标用户。其中，待推荐衣服可以用图片的形式展示给目标用户，便于目标用户直观地查看推荐的是哪件衣服，方便其在衣柜中快速找到该待推荐衣服。待推荐出行方式可以用列表的形式展示给用户，也可以用图示的方式展示给用户。例如，若待推荐出行方式为乘坐公交车，则在该待推荐出行方式中展示公交图标、具体乘坐方式、乘坐时间；若待推荐出行方式为公交换乘地铁，则在该待推荐出行方式中展示公交图标、地铁图标、具体乘坐方式、乘坐时间，便于目标用户直观地查看出行方式。可选地，在一种可实现的方式中，在推荐待推荐出行方式时，还可根据当前的天气信息给用户一些友好的提醒。例如，若是雨天，则提醒用户带伞；若是雪天，提醒用户路滑出行小心；若是天气比较热，提醒用户做好防晒，避免晒伤等。此处仅为示例性说明，对此不做限定。

可选地，在一种可实现的方式中，当待推荐衣服为多件时，为了避免用户有选择困难症，不知道在多件待推荐衣服中选择哪件比较好，本方案还提供了衣服搭配推荐。示例性地，应用程序获取多件待推荐衣服对应的图片，根据这些图片在网络中搜索这些衣服的惯用搭配，例如，毛衣搭配阔腿裤、毛衣搭配秋季半身裙、卫衣搭配牛仔裤等。基于搜索到的惯用搭配以及待推荐衣服为用户最终推荐一套适合当前出行的衣服，进一步节省用户的时间，提升用户的体验。

可选地，在一种可能实现的方式中，本申请还可包括：获取训练样本集；该训练样本集包括多个样本衣服对应的样本特征向量，以及每个样本衣服对应的样本属性；基于训练样本集对初始衣服属性提取网络进行训练，并基于训练结果更新初始衣服属性提取网络的参数；当初始衣服属性提取网络对应的损失函数收敛时，得到已训练的衣服属性提取模型。

示例性地，样本特征向量可以包括每件样本衣服对应的材质、衣服总重量、衣服类型等。可通过S10311中的方式，采集多个样本衣服对应的样本特征向量，对每个样本特征向量进行人工标注。具体地址，标注每个样本特征向量对应的样本属性，该样本属性即为每件衣服适宜穿着的季节与温度。基于每件样本衣服对应的样本特征向量，以及每个样本衣服对应的样本属性构成训练样本集。将每个样本衣服对应的样本特征向量输入初始衣服属性提取网络中进行处理，得到每个样本衣服对应的属性。计算该属性与该样本衣服对应的样本属性之间的损失值，当该损失值小于预设损失阈值时，调整该初始衣服属性提取网络的参数，基于训练样本集对调整参数后的初始衣服属性提取网络继续进行训练。当该损失值大于或等于预设损失阈值时，将此时的初始衣服属性提取网络作为已训练的衣服属性提取模型。或者，在训练过程中实时观察初始衣服属性提取网络对应的损失函数，当初始衣服属性提取网络对应的损失函数收敛时，得到已训练的衣服属性提取模型。

上述这种推荐方法在出行方式中考虑到了用户可使用的所有交通工具，结合天气情况选出了与当前天气最匹配的出行方式，减少了用户选择出行方式的时间，避免用户自主选择不恰当的方式出行，造成不必要的麻烦；且在衣服推荐过程中也结合了天气信息推荐给用户最适合本次出行的衣服，缩短了用户挑选衣服的时间。这种出行方式及出行服装的推荐方法为用户节省了大量时间，提高了用户的生活质量和出行效率，为用户带来了更好的生活体验。

可选地，在一种可能的实现方式中，还可将每件衣服对应的目标属性以及衣服属性提取模型上传至区块链中。

在本实施例中，将每件衣服对应的目标属性以及衣服属性提取模型上传至区块链中，可保证其安全性和对用户的公正透明性。且将每件衣服对应的目标属性以及衣服属性提取模型上传至区块链中，借助区块链上文件无法随意篡改的特性，能够避免每件衣服对应的目标属性以及衣服属性提取模型被恶意篡改，便于后续继续为该目标用户推荐衣服时，可快速、准确地获取到该目标用户拥有的每件衣服对应的目标属性，进而提升了推荐衣服的效率，为用户带来更好的体验。

本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

请参见图5，图5是本申请一实施例提供的一种出行方式及出行服装的推荐装置的示意图。该装置包括的各单元用于执行图1、图2、图3、图4对应的实施例中的各步骤。具体请参阅图1、图2、图3、图4各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图5，包括：

获取单元210，用于获取可供目标用户使用的出行工具以及所述目标用户当前拥有的衣服；

第一确定单元220，用于根据当前的天气信息以及所述出行工具确定与所述天气信息匹配的待推荐出行方式；

第二确定单元230，用于根据所述天气信息以及所述衣服确定与所述天气信息匹配的待推荐衣服；

推荐单元240，用于将所述待推荐出行方式以及所述待推荐衣服推荐给所述目标用户。

可选地，所述第一确定单元220包括：

第一信息获取单元，用于获取所述目标用户的出行信息，所述出行信息包括起点位置信息、终点位置信息以及出行时间；

第三确定单元，用于基于所述出行信息、所述出行工具以及所述天气信息确定多种出行方式，并确定每种出行方式对应的推荐出行指数；

第四确定单元，用基于所述推荐出行指数确定所述待推荐出行方式。

可选地，所述第三确定单元具体用于：

基于所述起点位置信息以及所述终点位置信息，确定出行距离；

根据所述出行距离、所述出发时间以及所述天气信息，在所述出行工具中选取适合本次出行的至少两个目标出行工具；

基于所述目标出行工具生成多种出行方式，并计算每种出行方式所需的出行时长；

基于每种出行方式所需的出行时长以及数据库，确定所述每种出行方式对应的推荐出行指数；其中，所述数据库中预先存储有不同出行时长对应的不同推荐出行指数。

可选地，所述第二确定单元230包括：

第二信息获取单元，用于获取每件衣服对应的目标属性；所述目标属性包括衣服适宜穿着的季节与温度；

选择单元，用于基于所述目标属性在每件衣服中选取与所述天气信息匹配的待推荐衣服。

可选地，所述第二信息获取单元具体用于：

获取每件衣服对应的特征向量；

将每个特征向量输入到已训练的衣服属性提取模型中进行处理，得到每件衣服对应的目标属性。

可选地，所述装置还包括：

第三信息获取单元，用于获取训练样本集；所述训练样本集包括多个样本衣服对应的样本特征向量，以及每个样本衣服对应的样本属性；

第一训练单元，用于基于所述训练样本集对初始衣服属性提取网络进行训练，并基于训练结果更新所述初始衣服属性提取网络的参数；

第二训练单元，用于当所述初始衣服属性提取网络对应的损失函数收敛时，得到所述已训练的衣服属性提取模型。

可选地，所述装置还包括：

上传单元，用于将每件衣服对应的目标属性以及所述衣服属性提取模型上传至区块链中。

请参见图6，图6是本申请另一实施例提供的一种出行方式及出行服装的推荐终端的示意图。如图6所示，该实施例的出行方式及出行服装的推荐终端3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机指令32。所述处理器30执行所述计算机指令32时实现上述各个出行方式及出行服装的推荐方法实施例中的步骤，例如图1所示的S101至S104。或者，所述处理器30执行所述计算机指令32时实现上述各实施例中各单元的功能，例如图5所示单元210至240功能。

示例性地，所述计算机指令32可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器31中，并由所述处理器30执行，以完成本申请。所述一个或多个单元可以是能够完成特定功能的一系列计算机指令段，该指令段用于描述所述计算机指令32在所述推荐终端3中的执行过程。例如，所述计算机指令32可以被分割为获取单元、第一确定单元、第二确定单元以及推荐单元，各单元具体功能如上所述。

所述推荐终端3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图6仅仅是推荐终端3的示例，并不构成对推荐终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述推荐终端3还可以包括输入输出终端、网络接入终端、总线等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器31可以是所述推荐终端3的内部存储单元，例如推荐终端3的硬盘或内存。所述存储器31也可以是所述推荐终端3的外部存储终端，例如所述推荐终端3上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述推荐终端3的内部存储单元也包括外部存储终端。所述存储器31用于存储所述计算机指令以及所述推荐终端3所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神范围，均应包含在本申请的保护范围之内。