随着移动互联网的发展,网络购物日益普及。目前,大部分网络购物服务沿用网络搜索的思路,在用户输入购物需求后返回满足需求的商品列表供用户选择。但是对于很多商品,例如服装,人们可能在购物之初不会明确所有的需求细节,而需要仔细的挑选,在挑选过程不断细化明确自己的需求。例如,最初的需求是要买一件大衣,当看到一款搜索结果中的红色大衣后,再进一步明确需要这种款式的但颜色是兰色的大衣。现有的基于内容的图像检索和基于文本(标签)的图像检索只能依据给定的约束条件进行搜索后返回结果,或者在输入更多约束条件时在搜索结果内再搜索,而不能根据用户对搜索结果的反馈信息进行再搜索,尤其是进行替换商品某个属性的再搜索。为解决此问题,本文在综述相关研究的基础上,开展了如下的工作:提出了一种基于深度学习的图像属性特征学习模型,将一幅服装图像表示为多段连续向量,每一段连续向量表示服装图像的一个属性特征,如裙长等。实验表明了该模型提取出的图像特征在检索任务上的有效性;并在可视化分析中进一步明确了属性学习的效果。基于上述属性学习模型,提出了一种局部属性替换的检索方案以满足前述的搜索需求。在基于服装图像进行首次检索后,当用户针对某一个属性提出新的需求时,将图像中相应该属性的向量替换为用户想要的属性向量,而其余的部分不变,用新生成的图像特征进行检索。最后,基于上述提出的模型和方案,实现了一个融合对话交互的服装检索系统。系统依据用户首次上传的服装图片,得到第一次检索结果,而后可以接受用户提出的在属性层的需求修改,进行二次检索。