[論文レビュー] Food Recommendation: Framework, Existing Solutions and Challenges

Weiqing Min, Shuqiang Jiang+1 more|arXiv (Cornell University)|May 15, 2019

Recommender Systems and Techniques参考文献 61被引用数 12

ひとこと要約

本稿は、栄養、嗜好、健康の課題に対処するため、文脈認識モデリング、パーソナライズされたユーザープロファイリング、知識グラフを統合した統合フレームワークを提案する。既存の解決策をレビューし、主要な研究ギャップを特定し、今後の方向性を提示する。本稿は、マルチメディア分野における食品推薦分野で初の包括的サーベイである。

ABSTRACT

A growing proportion of the global population is becoming overweight or obese, leading to various diseases (e.g., diabetes, ischemic heart disease and even cancer) due to unhealthy eating patterns, such as increased intake of food with high energy and high fat. Food recommendation is of paramount importance to alleviate this problem. Unfortunately, modern multimedia research has enhanced the performance and experience of multimedia recommendation in many fields such as movies and POI, yet largely lags in the food domain. This article proposes a unified framework for food recommendation, and identifies main issues affecting food recommendation including building the personal model, analyzing unique food characteristics, incorporating various context and domain knowledge. We then review existing solutions for these issues, and finally elaborate research challenges and future directions in this field. To our knowledge, this is the first survey that targets the study of food recommendation in the multimedia field and offers a collection of research studies and technologies to benefit researchers in this field.

研究の動機と目的

• 肥満や糖尿病を含む、不良な食生活に起因する世界的な健康危機に対処するため、パーソナライズされた食品推薦システムの改善を目的とする。
• 多様な文脈の統合、正確な個人モデルの構築、特徴的な食品特性の分析といった、食品推薦分野の核心的課題を特定すること。
• 食品推薦分野における既存の解決策を体系的にレビューし、マルチメディア研究文献における重要なギャップを埋めること。
• ディープラーニング、知識グラフ、マルチモーダルデータを統合した、より効果的で説明可能な食品推薦のための統合フレームワークを提示すること。
• 栄養学、心理学、ヘルステクノロジー分野における未解決の課題と今後の方向性を提示することで、多様な分野の研究を促進すること。

提案手法

• 文脈（例：時刻、場所、バイオメトリクス）、Foodlogデータから構築された個人モデル、および異種情報ソースを統合した食品推薦のための統合フレームワークを提案する。
• 食品推薦における知識グラフ（KG）の使用を提唱し、ノードが食品アイテムを表し、Wikipediaなどのソースから得られる関係が栄養的および感覚的属性をモデル化する。
• 視覚的、テキスト的、栄養的データをKGにリンクすることで、より豊かな表現を得るためのマルチモーダル知識グラフ構築を提唱する。
• ディープラーニング（DL）と知識グラフ（KG）を密接に統合し、ユーザープレファレンスとアイテム意味を同時にモデリングすることで、推薦精度を向上させること。
• KGを活用して説明可能な理由を提供することで、説明可能な食品推薦を検討し、ユーザーフレンドリーな信頼性と満足度を向上させること。
• ディープラーニングによる連続的およびカテゴリカル特徴の共同モデリングの必要性を強調するとともに、構造的知識との整合性を保つことで、より良い一般化性能を実現すること。

実験結果

リサーチクエスチョン

• RQ1 食品推薦システムにおいて、文脈、個人モデリング、ドメイン知識を統合する統合フレームワークをどのように設計できるか？
• RQ2 バイオメトリクス信号や環境データ（例：心拍数、PM2.5）を含む多様な文脈を食品推薦に統合する際の主な課題は何か？
• RQ3 食品固有の知識グラフはどのように構築され、効果的に活用できるか？
• RQ4 ディープラーニングと知識グラフを組み合わせる最も効果的な方法は何か？これはマルチモーダル食品推薦に向けたものである。
• RQ5 知識グラフとディープラーニングを活用して、説明可能な食品推薦をどのように達成できるか？これにより、ユーザーフレンドリーな信頼性とシステムの透明性が向上する。

主な発見

• 肥満や糖尿病といった世界的な健康問題に対処する上で重要な役割を果たすにもかかわらず、食品推薦はマルチメディア研究分野において依然として未開拓の分野である。
• 映画やPOI（ポイント・オブ・インタレスト）分野の既存の推薦システムは、食品の嗜好の複雑さとドメイン特有のモデリングの必要性を考慮すると、直接的に食品分野に適用できるわけではない。
• バイオメトリクス的および環境的文脈（例：心拍数、PM2.5）の統合は、異種のデータ型と統計的性質の違いにより課題を伴い、高度な統合技術が求められる。
• 食品固有の知識グラフの構築は必須だが、ノードと関係の明確な定義が求められ、Wikipediaは有望な出発点である。
• ディープラーニングと知識グラフの共同学習は有望な分野だが、まだ十分に研究が進んでいない。推薦精度と説明可能性の向上に大きな潜在的価値を秘めている。
• 説明可能な食品推薦はまだ始まったばかりであるが、知識グラフを活用することで、ユーザーフレンドリーで解釈可能な推薦の根拠を提供できる。