لطالما قدمت مصممات الأزياء جسرًا بين رغبات المستهلكين وملابس المثالية، التي تتضمن مزيجًا معقدًا من الألوان والأنماط والمواد. وعلى الرغم من التقدم الحديث في أنظمة توصية الأزياء، والذي حقق تقدمًا في توقع توافق الملابس واسترجاع العناصر المكملة، إلا أن هذه الأنظمة تعتمد بشكل كبير على اختيار العملاء المسبق. لذلك، نقدّم نهجًا رائدًا في مجال توصية الأزياء: مهمة استرجاع الملابس من النصوص، التي تُولِّد مجموعة ملابس كاملة بناءً فقط على الوصف النصي الذي يقدّمه المستخدم. تم تصميم نموذجنا على ثلاث مستويات معنوية—العنصر، الأسلوب، والمجموعة الكاملة—حيث يجمع كل مستوى البيانات تدريجيًا لتكوين توصية متناسقة للملابس بناءً على المدخلات النصية. وفي هذا السياق، نستفيد من استراتيجيات مشابهة لتلك المستخدمة في نماذج التدريب المسبق للغة والصورة المتناقضة، بهدف معالجة المصفوفة المعقدة للأنماط داخل مجموعات الملابس. وباستخدام مجموعتي بيانات ماريلاند بوليفر وبوليفور أوفت، أظهرت طريقة عملنا تفوقًا ملحوظًا على النماذج الرائدة في مهام استرجاع النصوص-الفيديو، مما يثبت فعاليتها في مجال توصية الأزياء. لا يقتصر هذا البحث على تمهيد طريق جديد لأنظمة توصية الأزياء، بل يقدّم أيضًا طريقة تُمكّن من التقاط جوهر تفضيلات الأسلوب الفردي من خلال الوصف النصي.