面向多语言食谱个性化与推荐

多语言食谱个性化与推荐是学术与生产系统中一个未被充分探索的信息检索领域。我们当前认知中存在的空白众多，即便在诸如跨语言能否提供一致且高质量的食谱推荐等基本问题上亦然。本文引入多语言食谱推荐设定，并给出基础性结果，以助确立该领域未来工作的潜力与绝对价值。我们的工作利用了来自阿拉伯语、英语、印尼语、俄语与西班牙语数百万食谱及用户的数十亿事件。我们使用归一化食材、标准化技能与无人工干预所得图像嵌入的组合来表示食谱。在建模中，我们采取经典方法，基于优化嵌入的双线性用户-物品度量空间，以朝向最强烈引发烹饪意图的交互。对于无交互历史用户，引入了预测上下文与食谱亲和力的定制基于内容的冷启动模型。我们展示了个性化方法稳定且易扩展至新语言。采用了稳健的交叉验证活动，并一致拒绝基线模型与表示，强烈青睐我们所提者。结果以语言导向（而非模型导向）方式呈现，以强调本工作的基于语言的目标。我们相信这是首个全面考量多语言食谱推荐与个性化的价值与潜力，并提供可扩展可靠模型的大规模工作。