在时尚推荐系统中，每个产品通常包含多个语义属性（例如袖子、领口等）。在选择衣物时，人们通常对不同的语义属性表现出偏好（例如V字领衣物）。然而，大多数现有的时尚推荐模型通过全局内容表示来理解衣物图像，缺乏对用户语义偏好的详细理解，这通常会导致较差的推荐效果。为了弥补这一差距，我们提出了一种新颖的语义属性可解释推荐系统（SAERS）。具体而言，我们首先引入了一个细粒度的可解释语义空间。然后，我们开发了语义提取网络（SEN）和细粒度偏好注意力模块（FPA），分别将用户和物品映射到这个空间中。借助SAERS，我们不仅能够为用户提供衣物推荐，还能通过个性化的直观视觉属性语义高亮来解释为何推荐这些衣物。我们在真实世界数据集上进行的大量实验清楚地表明了我们的方法相较于现有最先进方法的有效性。