现阶段,室内饰品的选择和布局通常通过用户手工完成。从海量的饰品模型中挑选出合适的饰品,挑选速度慢、过程长,需要大量的人力成本,挑选出的饰品质量不可控。因此设计一种能代替或减轻手工选择的室内设计智能饰品推荐算法是非常有意义的。本文针对三维家居饰品推荐的任务,提出了面向单个子空间的单个饰品推荐和多饰品组合推荐的算法。针对目前缺少公开饰品数据集的问题,本文首先从设计师精心布置的三维室内场景中,提取出场景中子空间和饰品的信息,构造三维家居饰品推荐算法的数据集。接着,基于饰品推荐的任务的实际情况,在单个饰品推荐的任务中定义一个辅助任务,为子空间推荐适合的饰品类型,然后采用混合推荐的思路,将融合特征输入到饰品推荐模型中,完成单个饰品推荐的任务。在推荐饰品类型时,本文基于矩阵分解的思想,并且将推荐任务转化为二分类的问题,得到每个饰品类型在子空间中出现的概率。在饰品推荐模型中,本文构造了子空间和饰品的特征表示,增加子空间和饰品的嵌入特征融合子空间和饰品本身的特征,将融合特征输入饰品推荐模型得到最终的推荐列表。而在多饰品组合推荐任务中,利用Apriori挖掘饰品之间的关联规则,最终得到具有相同的类型或用途,具有相同的风格和功能匹配的饰品组合。本文的算法是基于内容的,一定程度上避免了冷启动,而且算法有很好的扩展性,可以利用推荐的饰品类型灵活调整推荐列表,也易于增加基于项目的协同过滤推荐模块,丰富推荐结果。为验证推荐结果的有效性和合理性,本文设计了一个饰品自动摆放系统,用于对推荐结果进行可视化评估。实验表明,本文提出的饰品推荐算法能有效地根据设计师的经验数据,在家居样板房中推荐出比较合理的饰品,一定程度上能替代或减轻用户的交互选择。