نقترح خط أنابيب متمركز حول البيانات قادر على توليد بيانات ملاحظات خارجية لمشكلة التنبؤ بأداء المنتجات الجديدة في مجال الموضة (NFPPF)، أي التنبؤ بأداء قطعة ملابس جديدة تمامًا دون وجود ملاحظات سابقة متاحة. يبدأ هذا الخط الأنبوبي بتوسيع العلامات النصية المرتبطة بالصورة المتاحة، من خلال استعلام صور مرتبطة بالموضة أو عدم الموضة تم رفعها على الويب في وقت معين في الماضي. يتم تدريب تصنيف ثنائي بشكل قوي على هذه الصور الويب باستخدام التعلم الثقة، لفهم ما كان موضة في الماضي ومدى توافق صورة الاستشعار مع هذا المفهوم للموضة. يؤدي هذا التوافق إلى إنتاج سلسلة زمنية للأداء المحتمل (POP)، والتي تشير إلى مدى أداء الاستشعار إذا كانت متاحة سابقًا. أثبتت POP أنها ذات توقع عالي لأداء الاستشعار المستقبلي، مما يحسن توقعات المبيعات لجميع نماذج الطليعة الحالية على مجموعة بيانات الفاشون السريعة (fast-fashion) الحديثة VISUELLE. كما نظهر أن POP تعكس الشعبية الحقيقية للأساليب الجديدة (مجموعات من القطع) على مقاييس Fashion Forward، مما يدل على أن إشارة التعلم الويب لدينا هي تعبير حقيقي عن الشعبية، يمكن الوصول إليها من قبل الجميع وقابلة للتعميم إلى أي وقت للتحليل. يمكن الحصول على كود التنبؤ والبيانات وسلسلة زمنية POP من الرابط التالي: https://github.com/HumaticsLAB/POP-Mining-POtential-Performance