个性化、健康感知的食谱推荐：一种基于集成主题建模的方法
信息检索
2019-08-02 v1 机器学习
摘要
食物选择是个人的且复杂的，并对我们的长期健康和生活质量有显著影响。通过帮助用户做出知情且满意的决定，推荐系统（RS）有潜力支持用户做出更健康的食物选择。智能用户建模是实现这一潜力的关键挑战。本文研究基于集成主题建模（EnsTM）的特征识别技术，用于高效用户建模和食谱推荐。它基于EnsTM中的发现，提出一种精简的数据表示格式和一种智能用户建模策略，使捕获用户偏好快速、高效且交互式。该方法即使在冷启动场景下也能实现个性化。本文提出两种基于EnsTM的推荐器和一种混合EnsTM推荐器。我们通过一个有48名参与者的用户研究，使用包含230,876个食谱的大规模真实语料库，将三种基于EnsTM的变体与常规基于内容（CB）的方法进行比较。基于EnsTM的推荐器表现显著优于CB方法。除了考虑口味、人口统计和成本等多域内容外，我们提出的方法还考虑用户的营养偏好，并协助他们在多样营养类别下寻找食谱。此外，它提供了极好的覆盖率，并能隐式理解用户的饮食实践。后续分析还揭示了某些特征与健康生活方式之间的相关性。
引用
@article{arxiv.1908.00148,
title = {Personalized, Health-Aware Recipe Recommendation: An Ensemble Topic Modeling Based Approach},
author = {Mansura A. Khan and Ellen Rushe and Barry Smyth and David Coyle},
journal= {arXiv preprint arXiv:1908.00148},
year = {2019}
}
备注
This is a pre-print version of the accepted full-paper in HealthRecsys2019 workshop (https://healthrecsys.github.io/2019/). The final version of the article would be published in the workshop preceding