基于机器学习模型的学术环境食物推荐系统
信息检索
2023-06-30 v1 机器学习
摘要
背景：人们的健康依赖于合理饮食这一重要因素。如今，随着人们生活机械化程度日益提高，良好的饮食习惯和行为被忽视。另一方面，健康领域的食物推荐也试图应对这一问题。但随着西方营养方式的引入和西方化学医学的发展，疾病治疗与营养领域出现了诸多问题。近期技术进步及人工智能方法在信息系统中的应用，催生了旨在改善人们健康的推荐系统。方法：采用了包含协同过滤、基于内容和基于知识的混合推荐系统。在某一大学营养管理系统中，针对2519名学生，研究了决策树、k近邻（kNN）、AdaBoost和Bagging等机器学习模型在食物推荐系统中的应用。在线收集学生信息，包括基础代谢率的档案信息、学生预订记录及所选饮食类型。在收集的15个特征中，经咨询营养专家，通过特征工程选出最具效力的特征。利用基于能量指标和学生食物选择历史的机器学习模型，向大学生推荐校方菜单中的食物。结果：AdaBoost模型准确率最高，达73.70%。结论：鉴于饮食在人们健康中的重要性，推荐系统能有效地从海量数据中获取有用信息。关键词：推荐系统，饮食行为与习惯，机器学习，分类
引用
@article{arxiv.2306.16528,
title = {A Food Recommender System in Academic Environments Based on Machine Learning Models},
author = {Abolfazl Ajami and Babak Teimourpour},
journal= {arXiv preprint arXiv:2306.16528},
year = {2023}
}