MenuAI：基于 Transformer 深度学习模型的餐厅食物推荐系统
信息检索
2022-10-18 v1 机器学习
摘要
食物推荐系统已被证明是一项可有效指导饮食选择的技术，这对于患有慢性疾病的患者尤为重要。与书籍、电影等其他多媒体推荐不同，食物推荐任务高度依赖当下情境，因为用户的食物偏好会随时间高度动态变化。例如，个体往往在一天中较早时段摄入更多热量，而晚餐时摄入略少。然而，仍仅有有限的研究尝试将当前情境与营养知识结合用于食物推荐。因此，本文提出了一种新颖的餐厅食物推荐系统，根据用户特殊的营养需求向其推荐菜品。我们提出的系统利用光学字符识别（OCR）技术与基于 transformer 的深度学习模型、排序学习（LTR）模型来进行食物推荐。给定菜单的单张 RGB 图像，系统便能够根据输入的搜索关键词（如热量、蛋白质水平）对菜品进行排序。得益于 transformer 的特性，我们的系统还能对未见过的菜品进行排序。我们进行了全面的实验，在自建的名为 MenuRank 的数据集上验证方法。准确率介于 77.2% 至 99.5% 之间的可观结果，展示了 LTR 模型在解决食物推荐问题上的巨大潜力。
引用
@article{arxiv.2210.08266,
title = {MenuAI: Restaurant Food Recommendation System via a Transformer-based Deep Learning Model},
author = {Xinwei Ju and Frank Po Wen Lo and Jianing Qiu and Peilun Shi and Jiachuan Peng and Benny Lo},
journal= {arXiv preprint arXiv:2210.08266},
year = {2022}
}