Yum-me：一种个性化的基于营养的膳食推荐系统
人机交互
2017-05-02 v3 人工智能
计算机视觉与模式识别
信息检索
摘要
基于营养的膳食推荐有潜力帮助个人预防或管理诸如糖尿病和肥胖等状况。然而，学习人们的食物偏好并做出既能吸引其口味又满足营养期望的推荐颇具挑战。现有方法要么仅学习高层偏好，要么需要漫长的学习周期。我们提出 Yum-me，一个个性化的基于营养的膳食推荐系统，旨在满足个人的营养期望、饮食限制及细粒度食物偏好。Yum-me 通过一个基于可视化问答的用户界面实现简单而准确的食物偏好画像过程，并将学习到的画像投影到营养适宜的食物选项域中，以找到能吸引用户的选项。我们展示了 Yum-me 的设计与实现，并进一步描述和评估了两项创新贡献。第一项贡献是一个开源的、最先进的食物图像分析模型，名为 FoodDist。我们通过细致的基准测试展示了 FoodDist 的卓越性能，并讨论了其在广泛饮食应用中的适用性。第二项贡献是一个新颖的在线学习框架，该框架通过逐项和成对的图像比较来学习食物偏好。我们在一项涉及 227 名匿名用户的实地研究中评估了该框架，并证明其性能显著优于其他基线。我们进一步通过一项 60 人的用户研究对 Yum-me 的可行性和有效性进行了端到端验证，结果表明 Yum-me 将推荐接受率提高了 42.63%。
引用
@article{arxiv.1605.07722,
title = {Yum-me: A Personalized Nutrient-based Meal Recommender System},
author = {Longqi Yang and Cheng-Kang Hsieh and Hongjian Yang and Nicola Dell and Serge Belongie and Curtis Cole and Deborah Estrin},
journal= {arXiv preprint arXiv:1605.07722},
year = {2017}
}