个性化食物推荐作为大规模食物知识图上的约束问答
计算与语言
2021-01-07 v1
摘要
食物推荐已成为帮助用户养成健康饮食习惯的重要手段。以往食物推荐工作要么未考虑用户显式需求,要么忽略关键健康因素(如过敏与营养需求),要么未利用丰富食物知识推荐健康食谱。为克服这些局限,我们提出一种新颖的食物推荐问题形式化,将该任务建模为大规模食物知识库/图(KBQA)上的约束问答。除用户查询需求外,来自用户饮食偏好与健康指南的个性化需求以统一方式作为QA系统的附加约束处理。为验证该思路,我们基于大规模食物知识图与健康指南创建了用于个性化食物推荐的QA风格数据集。此外,我们提出一种基于KBQA的个性化食物推荐框架,其配备处理查询中否定与数值比较的新颖技术。基准实验结果表明,我们的方法显著优于非个性化对应方法(各评估指标平均绝对提升59.7%),且能推荐更相关更健康的食谱。
引用
@article{arxiv.2101.01775,
title = {Personalized Food Recommendation as Constrained Question Answering over a Large-scale Food Knowledge Graph},
author = {Yu Chen and Ananya Subburathinam and Ching-Hua Chen and Mohammed J. Zaki},
journal= {arXiv preprint arXiv:2101.01775},
year = {2021}
}
备注
9 pages. Accepted by WSDM 2021. Final version