[論文レビュー] Food Recommender Systems: Important Contributions, Challenges and Future Research Directions

Christoph Trattner, David Elsweiler|arXiv (Cornell University)|Nov 7, 2017

Recommender Systems and Techniques参考文献 38被引用数 67

ひとこと要約

この論文は、レシピ、ミールプラン、食料品、メニューの最先端を調査し、内容ベース、協調フィルタリング、ハイブリッドのアプローチを網羅し、健康、文脈、グループ設定、実装リソースと未解決の課題および今後の方向性を論じます。

ABSTRACT

The recommendation of food items is important for many reasons. Attaining cooking inspiration via digital sources is becoming evermore popular; as are systems, which recommend other types of food, such as meals in restaurants or products in supermarkets. Researchers have been studying these kinds of systems for many years, suggesting not only that can they be a means to help people find food they might want to eat, but also help them nourish themselves more healthily. This paper provides a summary of the state-of-the-art of so-called food recommender systems, highlighting both seminal and most recent approaches to the problem, as well as important specializations, such as food recommendation systems for groups of users or systems which promote healthy eating. We moreover discuss the diverse challenges involved in designing recsys for food, summarise the lessons learned from past research and outline what we believe to be important future directions and open questions for the field. In providing these contributions we hope to provide a useful resource for researchers and practitioners alike.

研究の動機と目的

• レシピ、ミールプラン、食料品、メニューにまたがる食品推奨システムの最新状態を要約する。
• 食品推奨のための重要な手法とその性能を特定する。
• ドメイン固有の課題（健康、文脈、グループ推奨、食事制約）と得られた教訓を論じる。
• 研究者と実務者のためのオープンな問いと今後の方向性を整理する。

提案手法

• 文献調査と25件の主要論文の属性（アルゴリズム、アイテムタイプ、フィードバック、文脈、食事制約、対象、データセット）を表形式で統合する。
• アプローチを内容ベース（CB）、協調フィルタリング（CF）、ハイブリッドの3分類に整理する。
• 文脈対応、グループベース、健康志向の推奨戦略を分析する。
• データセット、栄養情報リソース、フレームワークなどの実装リソースについて議論する。

実験結果

リサーチクエスチョン

• RQ1 食品アイテムの推奨（レシピ、食事、食料品、メニュー）に最も効果的なアルゴリズムとデータ表現は何か。
• RQ2 CB、CF、およびハイブリッド手法はアレルギー、食事パターン、健康目標といった食品固有の制約にどう適応されているか。
• RQ3 文脈（時間、場所、性別、利用可能性）およびグループ設定が食品推奨に与える役割は何であり、健康配慮は精度とどう相互作用するか。
• RQ4 食品推奏システムを開発・評価するためのデータセットとリソースは何があり、主な未解決課題と今後の方向性は何か。

主な発見

• 内容ベースの手法は、成分と栄養面を活用してユーザーの好みに合わせたレシピを作成する。
• 協調フィルタリングのアプローチ（特にLDAとWRMF）は、レシピデータの基本的なCFやMostPopularよりしばしば高性能である。
• ハイブリッド手法は精度と健康配慮のバランスを取ることができるが、健康のためのポストフィルタリングは推奨品質を低下させる可能性があり、最適なトレードオフは未解決の領域である。
• 文脈要因（時間、性別、場所、可用性）は評価とブックマークに影響を与え、文脈対応モデルの必要性を示している。
• グループベースの戦略はグループの満足度を向上させるが、個々人へのパーソナライズは依然として難しい。
• 健康志向の手法は潜在的な効果を示すが、精度を損なわずに高い栄養品質を達成するのは難しく、長期計画（日次/週次）が有効になる可能性がある。