浙江理工大学学者发表在Information Processing and Management上关于相对时尚性排序的研究(在线发表日期2025年5月3日)。现有的时尚推荐系统往往依赖自然语言处理或基于内容的图像检索，忽视了对时尚图像的直接美学评估。考虑到该任务的主观性与复杂性，本文提出将时尚度（fashionability）视为一种相对属性，用于对成对服装图像进行排序。为解决这一排序挑战，我们提出了一种序焦损失（Ordinal Focal Loss），将成对排序问题转化为多分类任务，并利用序关系来优化分类边界。在时尚特征表示方面，我们不仅对单个服饰项进行建模，还考虑整体搭配的综合效果，从而获得更全面、更细腻的时尚表征。本文引入了一个新的数据集——Fashionability3k，包含3000对图像（其中2398对有序、601对相似），并附有客观的相对时尚标签。在三个数据集上的实验结果（包括自建的Fashionability3k和两个公开数据集）表明，我们的方法在排序准确率上较基线模型提升近1%。用户研究显示，模型与人类主观感知的一致性达0.72。此外，将局部与全局视觉特征结合可带来额外性能提升，平均在有序对中提升2.78%，在相似对中提升1.09%。这是首个将时尚度作为客观属性用于比较分析的研究，并通过大量实验验证了其有效性。
