[論文レビュー] Personalized, Health-Aware Recipe Recommendation: An Ensemble Topic Modeling Based Approach

Mansura A. Khan, Ellen Rushe+2 more|arXiv (Cornell University)|Jul 31, 2019

Recommender Systems and Techniques被引用数 11

ひとこと要約

本論文では、大規模なレシピコーパスから288の人が理解できる食品特徴を抽出するアンサンブルトピックモデリング（E$_{ns}$TM）に基づく、個人化・健康配慮型のレシピ推薦手法を提案する。これらの特徴を活用したユーザーモデリングと推薦により、従来のコンテンツベース手法を著しく上回り、230,876レシピすべてをカバーすることができ、栄養摂取の好みフィルタリングや食事習慣の暗黙的モデリングを支援する冷処理への有効な対応も可能となる。

ABSTRACT

Food choices are personal and complex and have a significant impact on our long-term health and quality of life. By helping users to make informed and satisfying decisions, Recommender Systems (RS) have the potential to support users in making healthier food choices. Intelligent users-modeling is a key challenge in achieving this potential. This paper investigates Ensemble Topic Modelling (EnsTM) based Feature Identification techniques for efficient user-modeling and recipe recommendation. It builds on findings in EnsTM to propose a reduced data representation format and a smart user-modeling strategy that makes capturing user-preference fast, efficient and interactive. This approach enables personalization, even in a cold-start scenario. This paper proposes two different EnsTM based and one Hybrid EnsTM based recommenders. We compared all three EnsTM based variations through a user study with 48 participants, using a large-scale,real-world corpus of 230,876 recipes, and compare against a conventional Content Based (CB) approach. EnsTM based recommenders performed significantly better than the CB approach. Besides acknowledging multi-domain contents such as taste, demographics and cost, our proposed approach also considers user's nutritional preference and assists them finding recipes under diverse nutritional categories. Furthermore, it provides excellent coverage and enables implicit understanding of user's food practices. Subsequent analysis also exposed correlation between certain features and a healthier lifestyle.

研究の動機と目的

• 多様なユーザープレファレンス、栄養ニーズ、冷処理状況に直面する中で、個人化・健康配慮型のレシピ推薦の課題に対処すること。
• 味、コスト、人口統計、健康属性など、複数ドメインの食品特徴を捉える計算効率の良いユーザーモデリングフレームワークの開発。
• E$_{ns}$TMベースの推薦手法が、現実世界のユーザースタディにおいて従来のコンテンツベース手法と比較して有効であるかの評価。
• 特定の食品特徴とより健康的なユーザーライフスタイルとの間の相関関係を同定し、健康ガイド付きの推薦を向上させること。
• 特徴の抽象化によるデータ複雑性の低減を通じて、カバレッジと多様性を向上させる。

提案手法

• 著者らは、230,876レシピのコーパスにアンサンブルトピックモデリング（E$_{ns}$TM）を適用し、関連する有意性スコアを伴う288の顕著な食品特徴を抽出した。
• 計算複雑性を低減しながらも推薦品質を維持するため、顕著な特徴のみを用いた簡略化されたデータ表現形式を導入した。
• 3つの推薦エンジンを実装した：食品特徴ベース推薦（FFbR）、重み付き食品特徴ベース推薦（WFFbR）、食品特徴ベースの協調フィルタリング（FFbCF）モデル。
• ユーザープレファレンスは、特徴ベースの表現を用いてモデリングされ、好ましくない信号を通じて食事習慣（例： lacto-ovo-vegetarianism）の暗黙的理解が可能になった。
• ユーザーマイナスの食事目標に基づく、健康配慮型のフィルタリングとパーソナライズを可能にするために、栄養特徴を統合した。
• 48名の参加者を対象としたユーザースタディでは、E$_{ns}$TMベースの推薦手法と従来のコンテンツベース（CB）ベースラインを、現実世界のレシピデータを用いて比較した。

実験結果

リサーチクエスチョン

• RQ1 E$_{ns}$TMは、食品選択の多様なドメインを反映する、豊富で人が理解できる食品特徴のセットを効果的に抽出できるか？
• RQ2 E$_{ns}$TMベースのユーザーモデリングは、従来のコンテンツベース手法と比較して、推薦品質とカバレッジの面でどのように異なるか？
• RQ3 E$_{ns}$TMベースの推薦手法は、事前のユーザーレビューがなければ、冷処理へのパーソナライズをどの程度効果的にサポートできるか？
• RQ4 特定の食品特徴とより健康的なユーザーライフスタイル、または栄養カテゴリーとの間に識別可能な相関関係があるか？
• RQ5 E$_{ns}$TMベースの推薦手法は、ベジタリアニズムや低コレステロール志向などの暗黙的な食事習慣をどの程度うまくモデリングできるか？

主な発見

• すべてのE$_{ns}$TMベースの推薦エンジンが、ユーザースタディ評価において従来のコンテンツベース（CB）手法を著しく上回った。
• E$_{ns}$TMベースの協調フィルタリング（FFbCF）バージョンは、全レシピコーパスで100％のカバレッジを達成し、スケーラビリティと多様性の面で他の手法を上回った。
• 「ピーナッツバター」（r = 0.448）や「レンズキャベッジ」（r = 0.361）といった特徴は、活動レベルや食品健康スコアに基づくより健康的なユーザーグループと強い正の相関を示した。
• 好ましくない信号を通じて、ユーザーダイエット習慣（例：ベジタリアニズム）を成功裏に暗黙的にモデリングし、明示的なラベルなしで効果的なフィルタリングを可能にした。
• 簡略化された特徴表現により、計算効率の良い推薦が可能になり、高いパーソナライズ品質と冷処理への対応能力を維持した。
• 探索的分析の結果、より活動的で健康的な食事習慣を持つグループのユーザーは、「サーモン」や「ブロッコリ」、「低コレステロール」などの特徴に対して強い好みを示したことがわかった。