将深度学习与时尚预测联系在一起，是一个很有趣但是估计结果会没什么成效的话题。因为，时尚预测这一领域，与股票金融房价之类的预测不一样，不是一个结合街区环境，经济环境，天气等客观情况就能预测综合走向的，而是依据某些fashion icon的主观性，时尚编辑的意向或是某些时尚大集团的设计师风格，面料厂商的库存量，广告等，做出的吸引普通大众去购买从而引领潮流。相传前两年，特别流行丹宁风就是因为某大厂相关的面料库存积压太多，为消耗库存，该厂联合各大设计师媒体等大肆分发丹宁的流行广告，从而引领了当年的丹宁潮流。因此，将深度学习与时尚结合，嗯，自娱自乐吧，其实还是挺好玩的。
文章中所用到的数据集是08年到13年，这个时候，自媒体发展的还未深入人心，时尚以广告与商场摆设等为主体引导。
Fashion forward: Forecasting visual style in fashion
文章要点：
- 使用AlexNet-like的CNN给服装商品图像贴上语义分类
对于数据集中的N幅图像M个标签，通过此网络得到A=M×N的矩阵，矩阵的元素表示该图像包含此标签的概率
- 使用非负数矩阵分解对矩阵A进行相似性的分类，限定每幅图像的标签为K个（从M中选K个）
- 通过消费者的购买行为作为预测的数据与结果比对，使用的是指数平滑模型
- 实验结果中有一些好玩的地方：（1）通过服装的流行轨迹体现该类服装的时尚周期状态
- 实验结果中有一些好玩的地方：（2）预测下一年度要流行的元素
